调查问卷的SPSS统计图分析

调查问卷的SPSS 统计图分析

在作频数分析、描述分析时可以直接做出图形，简单方便，同时也可以另外作图。统计图是用点的位置、线段的升降、直条的长短或面积的大小等来表达资料的内容。它可以把资料所反映的变化趋势、数量多少、分布状态和相互关系等形象、直观地表现出来，以便于读者阅读、比较和分析。由于计算机绘图具有快速、清晰、规范、可修正以保证准确无误等特点，故在论文、报告等写作中有着十分重要的应用价值。SPSS 的作图功能强大，图形清晰优美。以下将简要介绍一些常见的基本图形。

一、条形图

条形图用条形的长短来表示非连续性资料的频数的多少。

比如，调查时学生家庭所在地：A ．省会城市，B ．中小城市，C ．郊区乡镇，D ．农村牧区。下面是对60名学生的调查结果：BBDCB DDDDC DCDBC DCCCA CCABC CBADB CCDCD CCBCD DDBBB CDCDD ABDDB DACDB。现在研究一下调查题项Q7“学习兴趣”与家庭背景是否有关系。

定义变量名“家庭背景”，变量标签值A=省会城市，B=中小城市，C=郊区乡镇，D=农村牧区。

点击“图形＞旧对话框＞条形图”，弹出“条形图”对话框，如图1所示。

大多数情形下，统计图都是以组为单位的形式来体现数据的。在对话框的上方有3种条形图可选：“简单箱图”、“复式条形图”、“堆积式条形图”。“简单箱图”用于表现单个指标的大小；“复式条形图”用于表现两个或多个指标，比如男、女生某个方面的对比；“堆积式条形图”用于表现每个直条中某个因素各水平的构成情况，比如男、女生某指标构成的比例。本例选复式条形图。

图1 图2

在对话框的下方是数据类型栏“图表中的数据为”，系统提供3种数据类型：“个案组摘要”以组为单位体现数据，即对同一变量的多个取值分别进行汇总统计；“各个变量的摘要”

以变量为单位体现数据，即对多个变量分别进行汇总；“个案值”以观察样例为单位体现数据，即对每条记录分别进行绘制。本例选“个案组摘要”。

点击“定义”按钮，弹出“定义复式条形图：个案组摘要”对话框，如图2所示。在“条的表征”栏选择“个案数”，然后在左侧的变量列表中选“所在地”点击向右箭头使之进如“定义类聚”框，再选择“Q7

如图3所示。如果要对统计图中的哪一部位（如：纵横轴的尺度与标目、统计图的色彩或花纹，等等）进行编辑，在输出窗口中双击该统计图，即可弹出该统计图的编辑窗口。将鼠标箭头指向需要编辑的部位并双击鼠标左键，即可弹出相应的编辑对话框。

统计图的横坐标为量表的五级选项：1=与我的情形完全不一致；2=与我的情形通常不一致；3=与我的情形有时一致，有时不一致；4=与我的情形通常一致；5=与我的情形完全一致。纵坐标为人数。图中显示，有些郊区乡镇的学生在大学期间坚持用写日记或随笔，而大部分省会城市的学生在大学期间反而不能坚持写日记或随笔，出现这个情况应该和这些学生进行一次访谈，了解他们的想法，进一步进行定性研究。

图3

二、线图

线图是用线条的上下波动形式，反映数据资料的变化趋势。在此，仍然以上面的例子来说明线图的绘制过程。

点击“图形＞旧对话框＞线图”，弹出“线图”对话框，如图4所示。有3种线图可选：“简单”为单一线图、“多线线图”、“垂直线图”。线图和条图的含义相同，单一条形图对应单一线图，复式条形图对应多条线图，堆积式条形图对应垂直线图，不同的是，前者用直条的长短来显示其关系，后者用线条的高低来显示。本例选多条线图。

“个案数”，然后在左侧的变量列表中选“所在地”点击向右箭头使之进入“定义线的方式”框，再选择“Q7

6所示。为了便于观察，图中显示的线条经过编辑而成。

图4 图

5

图6

三、面积图

面积图是用面积来表现资料的频数分布，面积越大频数就越多，反之亦然。在此，仍然以上面的例子来说明面积图的绘制过程。

图7 图8

点击“图形＞旧对话框＞面积图”，弹出“面积图”对话框，如图7所示。有2种面积图可选：“简单箱图”、“堆积面积图”。简单箱图用面积的变化表示单个变量变动的趋势；堆积面积图用多个面积表示多个变量的变动趋势和总体内部的构成。条图、线图、面积图，三种图形的绘制方法基本没有区别，可以相互进行转换（双击图形，右键即可相互任意转换）。本例选堆积面积图。

图9

图中显示，农村牧区在最下面，郊区乡镇、中小城市、省会城市依次堆积在上面，纵轴数值以累加的形式出现。可以看出，选项3在农村牧区、郊区乡镇、中小城市的面积表现形式上都呈尖峰状，说明这三种家庭背景的学生选选项3的都最多。

四、饼图

饼图用一个圆来表现百分比构成，可根据圆中各个扇形面积的大小，判断某一部分在全

部中所占比例的多少。在此，仍然以上面的例子来说明饼图的绘制过程。

点击“图形＞旧对话框＞饼图”

，然后在左侧的变量列表中选“Q7”点击向右箭头使之进入“定义分区”框。饼图的面积只能代表整体中各部分所占的比例，即本例中5种选项各选项所占的比例，因此，此处不再选择

11所示。

图10

图11

如果要观察各所在地各自占的比例，则在“定义饼图：个案组摘要”对话框中，将“家庭背景”选入“面板依据”之中的“行”或“列”栏。“列”为横排，“行”为竖排。点击

12所示。

图12

经过编辑，图12饼图的各面积显示了百分比、选项及人数。四个饼图依次为省会城市、中小城市、郊区乡镇和农村牧区。

五、高低图

高低图用于表现数据的区域，可以形象直观地显示一组数据的范围：低值-均值-高值。 比如，某个班一学年英语写作课学生共完成16篇作文，下表是三位获得奖学金的学生的16篇作文中某篇作文使用从句的数量。数据如表1所示，请绘制高低图。

表1学生作文使用从句的数量数据表及数据文件

点击“图形＞旧对话框＞高地图”，弹出“高-低图”对话框，如图13所示。高低图有5种，即：“简单高低关闭”：简单线型高低图，一个图形中只有一组高低图，高值与低值之间用垂直线段连接，“关闭”是指指定一个特殊变量，特殊变量的数值可以在图中以小圆圈的形式标识出来；“群集高低关闭”：复式线型高低图，一个图形中有多组高低图，每组高值与低值之间用垂直线段连接；“简单范围栏”：简单直条型高低图，一个图形中只有一组高低图，高值与低值之间用垂直条形连接；“群集范围栏”：复式直条型高低图，一个图形中有

图13高-低图对话框 图14

多组高低图，每组高值与低值之间用垂直条形连接；“差别面积”：差异线图，一个图形中只有一组高低图，根据分组变量，对应的高值与高值连接，低值与低值连接，两条折线中形成面积区域。本例选用简单线型高低图。同时选中“个案值”。

-低-

闭合图：个案的值”对话框，将左侧的变量列表中的“最多”选入“高”，将“最少”选入“低”，将“平均”选入“闭合”可完成，如图14所示。

图中垂线上端的短横线表示使用从句最多，垂线下端的短横线表示使用从句最少，小圆圈表示平均数。可以看出，学生2的平均数最大，且数据比较集中，学生3的起伏比较大，总体表现不如学生2。

六、散点图

散点图用于考察两个或多个变量之间是否有相关关系。

比如，12名学生的阅读成绩分别为69，77，78，70，80，84，84，91，92，66，79，86；他们对应的写作成绩为74，80，81，75，73，80，84，86，90，68，77，84。绘制散点图看这12名学生的阅读成绩与写作成绩是否有相关关系。

点击“图形＞旧对话框＞散点图”，弹出“散点图/点图”对话框，如图15所示。

图15 图16

散点图有5种：“加单分布”为显示两个变量之间关系的简单散点图，“矩阵分布”为显示多个变量之间关系的矩阵散点图，“简单点”为显示一个变量变化趋势的单值散点图，“重叠分布”为显示多个自变量与一个因变量或多个因变量与一个自变量之间关系的多层散点图，“3-D 分布”为三个变量之间关系的三维散点图。本例选用简单散点图。

图17

Y 轴”框，将“写作”选进“X

16所示。

阅读成绩与写作成绩关系的散点图显示，散点基本上沿着对角线的方向走，因此，可以判断12名学生的阅读与写作有显著的相关关系。

七、直方图

直方图是用直条的长短来表示连续性数据的频数的多少。

比如，就上面12名学生的阅读成绩：69，77，78，70，80，84，84，91，92，66，79，86和与其对应的写作成绩：74，80，81，75，73，80，84，86，90，68，77，84绘制直方图，看各分数段的学生数量。

点击“图形＞旧对话框＞直方图”，弹出“直方图”对话框。将左侧的变量列表中的“阅

读”选入“变量

18

所示。同样，将左侧的变量列表中的

图18

图19

八、 P-P 概率图

许多统计方法要求数据呈正态分布，如t 检验、方差分析、相关分析等。用图示方法进行正态性检验不需要作复杂的运算，简单直观。一般的二维概率图是这样一种散点图，其中一个坐标为原始数据排序后的数据，而另一个坐标来自标准分布的期望有序统计量。如果来自某一总体的数据为正态分布，那么最终概率图将近似为一条直线，极端偏离直线表明该资料不服从正态分布。P-P 图和Q-Q 图这两个过程可绘制正态概率分布图。

单击“分析”菜单，选择“描述性统计”，然后单击“P-P 图”，可绘制正态概率分布图。如果变量值是正态分布的，则所绘制的正态概率分布图将呈现一条从纵轴零点指定右上角的直线。

在“P-P 图”对话框中，如图20所示，左侧的是变量列表框，“变量”框是调入要分析的变量。

在“转换”栏中，系统有4种数据转换形式供用户选择。“自然对数转换”；“标准值（即Z 值）”；“差分”，即使用系列值与n 个相近观察值的差别值替代原始值；“季节性差分”，即使用系列值与n 个时期值的差别值替代原始值。

对于单组数据的正态性检验一般不用此栏。

在“比率估计公式”栏中，系统提供了4种方法计算预期正态概率值，对于单组数据的正态分布检验一般使用“Blom ”方法。

在“为结指定的秩”栏中，有“均值”，即取相同秩次的平均值；”“高”，即取相同秩次的最大值；“低”，即取相同秩次的最小值；”。“强制打开结”，为不作秩此处理，系统将绘制出每一个观测量。

其实对于单组数据应用P-P 图来做正态分布检验时，P-P 图对话框中所有选项使用系统默认值即可。

图20

例如：29．你每分钟阅读英语单词大约 个。

调查结果如下：

87 67 65 90 105 85 73 60 85 63 70 76 79 98 77 66 58 58 85 90 70 61 102 100 69 62 76 99 91 104 68 83 76 67 80 70 58 77 83 65 90 69 68 71 78 88 67 78 103 67 85 66 65 103 64 92 85 88 99 105

试绘制P-P 图检验数据是否服从正态分布。

操作过程如下：

建立数据文件。单击“分析”菜单，选择“描述性统计”，然后单击“P-P 图”。在“P-P 图”对话框中，把变量列表框中的“阅读速度”调入“变量”框中，对话框中的各选项使用

21和图22所示。

图21 阅读速度正态检验P-P 概率图 图22 阅读速度反趋势正态检验P-P 概率图

从阅读速度正态检验P-P 概率图中可以看出，数据基本贴在正态概率线上。阅读速度反趋势正态检验RP 概率图显示，各数据点比较均匀地分布在Y-O 这条中线上下不太远的范围之内，大多在－0.7～＋0.7之间。因此，这组数据是呈正态分布的。

九、Q-Q 概率图

QQ 概率图与P-P 概率图的对话框与操作过程完全相同，不同的是Q-Q 概率图的纵坐标采用的是概率单位而不是概率本身。

我们仍然使用上面的数据来得到下面两张Q-Q 概率图，如图23和图24所示。

检验结果与P-P 概率图基本相同。

图23

图24

11