SPSS软件主要用于对数据做统计学方面的一些分析和检验，是用于对数据进行一些基本处理、分析，以及做一些统计检验的软件。

spss数据分析的五种方法：1、线性模型；点击分析，一般线性模型，单变量，设置因变量和固定因子，点击确定即可。

2、图表分析

3、回归分析；点击分析，打开回归，设置自变量和因变量数据，点击确定即可。

4、直方图分析

5、统计分析

数据标准化处理是 数据挖掘 的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。

原始数据经过数据标准化处理后，各指标即处于同一数量级，适合进行综合对比评价。

极差法

极差法是对原始数据的线性变换，首先计算指标值得最小值、最大值，计算极差，通过极差法将指标值映射到[0-1]之间。

公式为：

新数据=(原数据-极小值)/(极大值-极小值)。

Z-score标准化法

SPSS默认的数据标准化方法即是Z得分法，这种方法基于原始数据的均值(mean)和标准差(standard deviation)进行数据的标准化。

经过处理的数据符合标准正态分布，即均值为0，标准差为1。

公式为：

其中μ为所有样本数据的均值，σ为所有样本数据的标准差。

数据标准化的另外一个实用之处

在实际应用中，数据标准化不只是用于指标的可比性处理，还有一些非常实用的用处，利用标准化方法将指标归到最适于我们观测的范围，更加直观。

且看案例：

有一组数据，是学生参加某次社会公益活动的数据，其中有一指标为：在校综合评价指数，反映学生在校综合表现水平。

可以看出这个指标的范围为[0-140],但这个范围不太符合我们在学校里的习惯，在学校里经常用[0-100]的百分制，60分以上基本认可为及格，现在这个范围不能直观的反映学生在校表现水平。

此时，极差法是一个非常好的选择，我们可以将[0-140]数值，映射到[0-100]，便于直观对比学生的表现。

公式为：(原数据-极小值)/(极大值-极小值)*100。

我们再来看看结果：

此时，[0-100]的范围非常符合我们日常的比较标准，能直观的反映学生的在校综合表现，已经达到目的。

方法一：规范化方法 也叫离差标准化，是对原始数据的线性变换，使结果映射到[0,1]区间。

方法二：正规化方法 这种方法基于原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。

将A的原始值x使用z-score标准化到x’。

z-score标准化方法适用于属性A的最大值和最小值未知的情况，或有超出取值范围的离群数据的情况。

spss默认的标准化方法就是z-score标准化。

用Excel进行z-score标准化的方法：在Excel中没有现成的函数，需要自己分步计算，其实标准化的公式很简单。

步骤如下：

1.求出各变量（指标）的算术平均值（数学期望）xi和标准差si ；。

2.进行标准化处理： zij=（xij－xi）/si 其中：zij为标准化后的变量值；xij为实际变量值。

3.将逆指标前的正负号对调

标准化后的变量值围绕0上下波动，大于0说明高于平均水平，小于0说明低于平均水平。

两组之间的比较用独立样本T检验（分析——均值比较——独立样本T检验），每组的前后测比较用配对样本T检验（分析-均值比较——配对样本T检验）。

　　分析年龄和性别之间每个组的前后测得分是否有差异，可以用卡方检验（分析——描述分析——交互列联分析），在统计值里选择卡方值，将得分作为因变量选入，将年龄和性别作为自变量选入，点击确定Ok。

就可以了

你有两种方法,第一种方法是改变你的气质变量的类型：每个人有四种类型的气质分数,取其中最高的分数作为他的气质类型,这样的假设是每个人只有一种主导的气质类型.这样你就需要对你的原始数据进行修改,删除每个人其他三项比较低的分数,将最高的分数换成1,修改完以后就简单多了,做方差分析即可.当然,前提是每个人都只选一种颜色.第二种方法,在不改原始数据的基础上,你只能每一个气质类型单独列出来进行分析,比如说气质A和颜色喜好进行相关分析.但是,这就不叫相关分析了,因为颜色洗好不是连续变量,是分类变量.这不要紧,换下思路,做方差分析,其实是一个意思,问题就变成了“不同颜色的喜好在气质A上的得分是否有显著性差异?”

就这样能把四种气质类型全部分析出来.

免责声明：本站部分内容、图片来自用户自主上传，如果您对本站信息资源版权的归属问题存有异议，请您致信，我们会立即做出答复并及时解决。如果您认为本站有侵犯您权益的行为，请通知我们，我们一定根据实际情况及时处理。