我们经常做的是单项选择题的交互分析，现在有一个多项选择题，怎么知道别的变量对这个变量有影响呢？那就需要使用下面这个方法，对多重反应做交互分析，下面的一个例子就是分析性别对信息来源的选择有没有影响，信息来源就是一个多重选择题。
方法/步骤

• 在做交互分析以前先要做数据集，如图所示，在菜单栏上执行：analyze–multiple response–define

• 将所有选项构成的变量都放到变量集列表中

• 设定这些题中有几个分类，如果是是否型的勾选【dichotomies】

• 填写数据集的名称和标签，点击添加按钮，数据集定义完成

• 在菜单栏上执行：analyze–multiple response–crosstable

• 将刚才定义好的数据集放到row列表，将性别变量放到column列表

• 选中性别，定义一下这个变量，点击define ranges

• 因为性别变量就是1和2，所以输入最大值和最小值，然后点击continue按钮

• 回到这个对话框，点击options按钮，定义输出结果

• 这里需要勾选输出列变量的百分比，所以选中column，点击continue按钮

• 回到这个对话框，点击ok按钮，开始输出结果

• 分析这个结果，我们看到男女比例基本上没有太大的差别，所以性别和信息来源这两个变量没有交互作用

转载请注明来自DataScience.

邮箱: 675495787@qq.com

excel和txt是我们存放数据的两种基本格式，这两种格式不能在spss中直接打开，需要我们进行设置，尤其是txt文件，因为它的数据组织形式很多，spss需要进行更多的设置才能成功导入数据，下面分别介绍了导入excel和txt文件的方法。
方法一：导入excel数据

• 打开spss，然后在菜单栏上执行：file–open–data

• 打开open data对话框，选择files type为excel，否则你看不到excel文件

• 选中你要导入的excel，然后点击open按钮

• 因为excel文件中有很多工作表，我们需要选择你要导入的工作表

• 这接着我们看到这里问你变量名是否包含在excel数据中，假如excel表格中有标题，我们就勾选这个选项，假如表格没有标题，直接就是数据，那么不需要勾选这个选项，点击ok按钮

• 我们可以看到数据导入成功，并且变量名设置成了excel的表格的标题

方法二：导入txt数据

• 打开spss ，在菜单栏上执行：file–open–data

• 选择文件类型为text

• 找到要导入的数据，然后点击open按钮

• 打开一个对话框，先选择是否预先设定的格式，我们没有预定的格式，否则你也不会看到这个文章，勾选no，然后点击next

• 选择你的变量是如何组织的，我们看看excel中的数据，一个变量和另一个变量中间隔着一个空格，所以我们要选择格式的时候选择第一个【delimited】，任意的一种符号隔开的数据都要选择这个选项

• 接着打开一个对话框，设置你的第一条数据是从第几行开始的，我们刚才看到txt中的数据了，是从第一行开始的，所以填写1

• 接着你要设置你的数据是如何呈现的，一般就死每一行一个case，也就是txt文件中，一行存放一条数据

• 最后选择要导入多少数据，勾选【all of the cases】，意思是导入所有的数据

• 选择哪个符号将数据隔开了，在本案例中，是空格隔开了数据，所以选择space或者tab

• 最后设定变量的名称，从data preview中选择一个变量，然后在变量名称这一栏填写变量的名称，依此方法给所有的变量都命名，最后点击finish完成数据的导入。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

python采集网页，不一样的网页有不一样的编码方式，我今天采集的一个网页处理起来有点麻烦，不仅仅是编码的问题，我尝试了各种编码最后还是没有解决这个问题，我们来看看下面，源码里有大量的\x22，其实你一看就知道是双引号，但是我print出来，按照常理双引号应该显示正常，为什么这里不行了呢？如果你知道原因，可以指导我一下，我说说我的解决方法吧。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

spss经常用到的一个回归方法是stepwise，也就是逐步回归，它指的是每次只纳入或者移除一个变量进入模型， 这个方法虽然好用，但是最后可能出现几个模型都比较合适，你就要比较这几个模型的优劣，这是个麻烦事，这里就给大家简单的分析分析。
方法/步骤

• 打开spss以后，打开数据，这些都准备好了以后，我们开始拟合方程，在菜单栏上执行：analyze—regression—linear，打开回归拟合对话框

• 在这里，我们将因变量放大dependent栏，将自变量都放到independent栏

• 将method设置为stepwise，这就是逐步回归法

• 点击ok按钮，开始输出拟合结果

• 我们看到的第一个表格是变量进入和移除的情况，因为这个模型拟合的比较好，所以我们看变量只有进入没有移除，但大部分的时候变量是有进有出的，在移除的变量这一栏也应该有变量的

• 第二个表格是模型的概况，我们看到下图中标出来的四个参数，分别是负相关系数、决定系数、校正决定系数、随机误差的估计值，这些值（除了随机误差的估计值）都是越大表明模型的效果越好，根据比较，第四个模型应该是最好的

• 方差分析表，四个模型都给出了方差分析的结果，这个表格可以检验是否所有偏回归系数全为0，sig值小于0.05可以证明模型的偏回归系数至少有一个不为零

• 参数的检验，这个表格给出了对偏回归系数和标准偏回归系数的检验，偏回归系数用于不同模型的比较，标准偏回归系数用于同一个模型的不同系数的检验，其值越大表明对因变量的影响越大。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

其实Python的numpy包有可以直接计算相关矩阵/协方差矩阵的方法，但是这篇文章是教大家如何理解他俩之间的关系的，所以我们给出协方差矩阵，求相关矩阵。利用公式：

• 引入numpy模块

• 创建一个协方差矩阵
  这个矩阵为：

• 我们先求得协方差矩阵的尺寸

• 生成一个与sigma同大小的单位矩阵：e
  输出为：

• 计算方差矩阵，其实就是利用单位矩阵消除协方差矩阵中的非对角线元素

• 求得标准差矩阵

• 求得标准差的逆矩阵

• 根据公式就求得了相关系数矩阵

转载请注明来自DataScience.

邮箱: 675495787@qq.com

单因素重复测量方差分析:[repeated measuers anova in python]

• 引入相关模块

• 读取数据，并打印查看数据
  数据在整理前是这样的：这是重复测量方差分析标准的数据格式，scoreA和scoreB分别是前测和后测成绩，ID表示被试的编号，group在今天的教程中没用，忽略他

• 整理数据很关键，我们用到了pandas.concat来合并两个数据框
  最终得到的数据如下：一个因变量score和两个自变量（ID和group）

• 回忆上一篇的知识，我们需要写一个公式定义模型，然后进行拟合

• 最后得到的重复测量的方差分析结果，ID是被试差异造成的影响，可以不看；group就是实验处理效应，它是不显著的。

• 假如我们用spss进行重复测量的方差分析，得到的结果是：和上面的结果是一样的。至此我们就实现了单因素重复测量的方差分析，下一节继续介绍多因素混合设计方差分析。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

有时候数据的变化太大，都是几倍几倍的变化，比如我们看一下下面的数据，萝卜的销量是香蕉的几百倍、是白菜的几十倍，这样的数据适合使用对数坐标轴。我们下面来看一下再Excel2013中，对数坐标轴是怎么弄的？

• 先选中所有的数据

• 插入一个直方图，直方图默认的坐标轴都是常规坐标轴，不是对数坐标轴

• 接着我们要选中要设置的坐标轴（有些人要设置横坐标轴，你就要选中横坐标轴）

• 右键单击坐标轴，在右键菜单中选择【设置坐标轴格式】

• 在右侧的选项窗口中，我们勾选【对数刻度】即可

• 当然，我们还可以设置对数的底数，比如设置为10

• 这就是我们设置对数坐标轴以后的样子了。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

打算计算月龄，但是只得到了生日，生日又是字符串格式的，比如20080102，这种数字或者字符串格式的日期是不可以直接转换成日期格式的，这样就无法计算月龄。我们的办法是使用公式date来生成日期，下面看看具体的做法：

• 首先我们看一下转换后的效果

• 我们先来学习一下DATE函数，例如我们用它生成2007年1月2日

• 这就是生成后的样式

• 我们再来看一下mid函数，假如我们要提取某个字符串的前4个字符，使用如下的写法，其中M2代表单元格，它里面是一个字符串，第二个参数是1代表从第一个字符开始截取，最后一个参数是4表示总共截取4个字符

• 它的结果就是得到了2008这个年份

• 所以，我们直接使用两个函数的组合就可以了：其中M2表示存放字符型日期的单元格

转载请注明来自DataScience.

邮箱: 675495787@qq.com

如果不小心你下载了免安装的mysql，那么你比较倒霉，你找不到setup文件，还得自己去配置很多东西，然后再使用命令安装。所以我今天呢写一篇教程，写的尽量详细，即便是菜鸟也能安装，我自己安装过很多遍了，方法没问题，下面看具体的教程：

• 通过搜索找到mysql的官方，然后在官网找到下载页面，注意别下载错了，我们仔细看

• 在这里，我们找到这个installer ，点击进入

• 然后，我们看页面最下面，不管是64位还是32位，都是下载这个安装文件

• 下载下来以后，我们就可以看到这个界面，安装过程很简单，现在就是掩饰一下，仔细看图
  跳过检查更新：
  选择只安装服务器，因为别的基本没用：
  检查你需要安装的其他框架，我这里没有其他需要，如果提示你安装其他的，你得安装：
  执行安装：

• 设置密码：

• 安装完成！你可以打开开始菜单就能找到mysql

• 打开以后，提示你输入密码，你就输入刚才建立的密码

• 看到这里，说明安装成功。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

这是mysql教程第一篇，我介绍一下自己的平台：windows7 64位，安装mysql版本是5.6，mysql 5.6的32位和64位的下载链接都在文章最下面的参考资料里（下载密码就是在链接后面），大家可以看文章的下面下载适合自己的版本，我就用的是64位。

• 第一步我们先在C:Program Files路径下，建立一个新文件夹，命名为mysql

• 将下载下来的压缩包解压到mysql文件夹汇总

• 最后我解压得到的mysql就是酱紫了：注意看地址栏，看看和你是不是一样；当然你可以和我不一样，但是在后面的步骤中我是需要用到mysql的解压路径的，所以，希望你注意一下啦。了

• 我们打开计算机的【属性】面板，你可能叫【我的电脑】，随便啦

• 打开【高级系统设置】，，，哎，过程很繁琐呀

• 切换到【高级】标签下，打开环境变量

• 新建一个系统该变量，点击【新建】

• 变量名设置为【MYSQL_HOME】，变量值设置为mysql的解压路径【C:Program Filesmysql】

• 接着找到path，编辑一下，点击【编辑】

• 将新的路径添加进去，注意是添加不是覆盖，添加的路径是【%MYSQL_HOME%in】，注意与其他路径用分号隔开

• 打开dos窗口（win+r，输入cmd，点击确定）

• 我们将路径重新定位到mysqlin下，用到了cd命令，你可以看我写的文章【dos命令：[1]cd用法】来直到cd的意义。我们现在输入的命令是【cd /d c:Program Filesin】

• 接着我们输入命令【mysqld install MySQL –defaults-file=”D:Program Filesmysqlmy-default.ini”】，看到成功安装的提示了没？这说明已经安装成功了。欢呼吧，你可以开始mysql开发了。下一篇文章我们会讲到如何运行mysql服务器。

转载请注明来自DataScience.

邮箱: 675495787@qq.com