工具/原料

• spss
  方法/步骤

• 首先打开spss，以如图所示的方式录入数据，week和day是两个需要控制的变量，music是自变量，score是因变量

• 数据准备好以后，在菜单栏上执行：analyse–GLM–univariate，打开方差分析对话框

• 打开对话框以后，先将自变量和因变量放入各自的位置，如图所示

• 点击model按钮，设置一下模型

• 系统默认的是full factorial，我们要勾选custom

• 将三个自变量放入右侧的model框中

• 将type设置为main effect ，因为我们默认这三个变量是没有交互作用的

• 返回到主菜单，点击ok开始运行数据处理，并输出结果

• 我们看方差检验的结果，三个变量中，music和day对应的sig值小于0.05，说明这两个变量的效应是显著的。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

以前玩vb没有体会到python这么强大的功能，列表与字符串可以直接的相互转换，非常方便，我们就好好的来享受一把吧！

• 首先我们来初始化一个list（列表）

• 使用join方法来转换列表，将列表转换成字符串，注意join是字符串的方法，前面必须是字符串，我用的是“;”,也就是分号，然后连接成的字符串就是用分号来进行元素的分割的。

• 我们再试试其他的字符串，你感受一下

• 当然，我们还有能力将字符串转换回去，看下面，设置叹号为分隔符，然后对字符串进行切割，得到列表

• split函数还有第二个参数，你猜猜这是干什么用的，对了，它指的是分割的次数

• 假如我们分割两次呢，你看看效果。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

基于yield这个指令，Python可以挂起一个程序并返回中间结果，被挂起的程序会保持自己的执行环境，在必要的时候再重启它。

• 先看看yield的简单用法：yield_example表示一个2的n次方的无穷数列，我们想要它输出前10项，就用[ye.next() for a in range(10)]

• 一个生成器的next()方法可以让程序运行，并输出yield的值，然后再次被挂起，直到下一个next被调用。这句I是一个生成器。我们经常使用生成器来表示一个无穷数列，下面看一个复杂的例子。

• 用yield写一个分组数列，分组数列的定义是：

• 实现分组数列的代码：

• 为什么使用字典作为sublist函数的参数，这是因为在传参的时候，如果参数是字典，那么传递的是一个指针，而不是字典的数据，因此当sublist改变了字典的数据的时候，位于fenqunlist函数中的kwargs字典的数据也会发生改变，这是我所希望的。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

amos使用最多的就是graphic界面了，也就是绘图界面，我们知道amos主要是用鼠标绘制模型，所以我们的amos接下来的很多篇教程都是教你如何绘制模型的，今天我们先来看看如何启动amos的graphic界面。有三种方法：

• 最简单的方法是在桌面上的快捷方式启动，但是这个快捷方式不是自动安装的，需要你自己动手建立快捷方式

• 如果你没有建立快捷方式，你可以在开始菜单中启动amos，如图所示，在开始菜单中找到【所有程序】–IBM spss statistics–amos 21–amos graphics

• 或者你可以从spss中启动amos，打开spss后，在analyse–IBM spss amos，这样也可以启动amos，但是前提条件是spss中存有数据，如图没有数据是无法启动的。

• 在spss中还有一个菜单有IBM amos的选项，但是这个选项是一个网页链接，不是启动amos的，大家不要混淆。

• 我们看到这就是我启动的amos绘图界面了，我们就是要在这里绘制模型

转载请注明来自DataScience.

邮箱: 675495787@qq.com

在excel打印的时候，有些行我们不想要打印，我们有两个办法，一是隐藏行，二是给行建立组合，下面提供了这两种方法的具体操作，你会发现第二种方法更加的简单。
方法/步骤

• 我们看到，黄色的行是不需要打印的，怎么办

• 我们先选中一行，比如选中第二行，然后在菜单栏上执行：经典菜单–格式–行–隐藏行

• 行隐藏了以后，我们接着选中第二个要隐藏的行，然后按下F4即可重复上面的操作，这样我们可以快速的隐藏所有的行

• 通过打印预览你可以看到，隐藏的行都不能被打印了。

• 想要恢复隐藏的行可以选中所有的行以后，在菜单栏上执行：格式–行–取消隐藏

• 上面这种方法有一个弊端，就是你每次都得隐藏和取消隐藏行，非常麻烦，下面我们讲个更加简单的方法，比如下面的数据，我们仍然要隐藏黄色的行，可以选中这一行，然后同时按下alt+shift+→ ，这样就可以看到左侧多了一个空白区域

• 同样的方法，给所有的行都添加一个组合

• 想要隐藏黄色的行，你只要点击按钮1，如图所示

• 想要展开所有的行你只要点击按钮2，这样你就可以快速的转换两种模式了

转载请注明来自DataScience.

邮箱: 675495787@qq.com

残差的方差齐性是回归分析要满足的一个条件， 通常我们要用散点图来检验残差的方差齐性，根据散点图可以看到标准化的残差随着估计值的变化趋势，下面是具体的分析方法：
工具/原料

• spss20.0
  方法/步骤

• 打开线性回归的对话框：analyse–regression–linear

• 在回归分析中， 将GDP作为因变量，其他的变量可以作为自变量，将这些变量放入各自的框中

• 点击plot按钮，打开图标的设置对话框

• 将如图所示的选项勾选，这是散点图，我们可以看到残差随着估计值的变化趋势

• 我们看到这就是需要的散点图，纵坐标是标准化的参差值，横坐标是估计值，如果散点图拟合的直线平行于横坐标，那么就可以认为残差是齐性的。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

想一想，datanitro的内容还是挺少挺简单的，现在就讲到了workbook了，也就快讲完了。workbook对象也就是工作簿，也就是一个excel文件（擦！说的太直白了）。有些工作需要生成大量的工作簿，所以会用到它，下面来看看它有哪些可以用的属性和方法。

• save：保存工作簿，参数的可选的：

• save_copy：保存副本，参数也是可选的。通常我们要用这个方法来备份一下工作进程。

• recalc_wkbk/recalc_mode：重新计算工作簿，适合有公式需要刷新的时候。你还可以通过recalc_mode来设置公式是自动计算还是手动计算。

• pivot_refresh：数据透视表的刷新。如果原始数据修改了，数据透视表需要刷新一下才能显示正确的结果。

• active_wkbk:如果打开了多个工作簿，你可能要设定某个工作簿为激活状态，就用到了它。

• open_wkbk/close_wkbk：打开工作簿

• new_wkbk：新建工作簿

• all_wkbk返回打开的所有工作簿：

• copy_sheet：复制工作表到特定的工作簿。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

spss中如果要给原始的分数加上相应的分数需要使用compute，我们看一个例子，下面是不同的班级的不同的分数，因为某些原因，我们要给1班的学生的分数加上三分，给二班的学生分数加上两分，这该怎么做呢？下面是具体的方法。
方法/步骤

• 拿到数据以后，我们在菜单栏上执行：transform–compute variables

• 打开一个对话框，我们在目标变量中输入新的变量的名称，我们这里输入新成绩

• 接着，因为不同的班级要加上不同的分数，所以我们需要添加条件，点击左下角的if按钮

• 在这里，选择班级这个变量，添加到右侧的条件框中，记得要先勾选【include if case satisfies condition】。然后输入=1，也就是班级=1.最后点击continue按钮

• 回到数据转换对话框，将成绩这个变量添加到右侧的公式中，输入+3，这样我们基本完成了一个任务，就是当班级为1的时候，成绩加上1就形成了新成绩。但是，当班级为2的时候怎么办呢？

• 我们点击paste按钮，打开syntax窗口

• 这是我们看到的代码，模仿第二行的代码，我们写当班级为2的时候，新成绩等于成绩加上2.

• 这是我们写好的代码。

• 在菜单栏上执行：run–all，运行命令

• 这是最后的结果，你看到了，这里生成了新的变量。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

主成分分析的主要原理是寻找一个适当的线性变换：
工具/原料

方法/步骤

• 先在spss中准备好要处理的数据，然后在菜单栏上执行：analyse–dimension reduction–factor analyse。打开因素分析对话框

• 我们看到下图就是因素分析的对话框，将要分析的变量都放入variables窗口中

• 点击descriptives按钮，进入次级对话框，这个对话框可以输出我们想要看到的描述统计量

• 因为做主成分分析需要我们看一下各个变量之间的相关，对变量间的关系有一个了解，所以需要输出相关，勾选coefficience，点击continue，返回主对话框

• 回到主对话框，点击ok，开始输出数据处理结果

• 你看到的这第一个表格就是相关矩阵，现实的是各个变量之间的相关系数，通过相关系数，你可以看到各个变量之间的相关，进而了解各个变量之间的关系

• 第二个表格显示的主成分分析的过程，我们看到eigenvalues下面的total栏，他的意思就是特征根，他的意义是主成分影响力度的指标，一般以1为标准，如果特征根小于1，说明这个主因素的影响力度还不如一个基本的变量。所以我们只提取特征根大于1的主成分。如图所示，前三个主成分就是大于1的，所以我们只能说有三个主成分。另外，我们看到第一个主成分方差占所有主成分方差的46.9%，第二个占27.5%，第三个占15.0%。这三个累计达到了89.5%。

• 。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

逻辑回归中，有些自变量是分类变量，同时有两个以上的分类，这就导致了我们在做回归的时候就默认的把该变量当成了等距数据，最后造成了更大的误差。哑变量就是要解决这个问题，下面是具体的方法。
方法/步骤

• 在spss中打开数据，确定要设置哪个变量为哑变量以后，我们打开逻辑回归对话框，操作方法：analyse–regression–binary logistic

• 将是否吸烟这个变量放到因变量中，将种族放到自变量中，如图所示

• 选择变量进入方程的方法是enter，因为所有的哑变量必须是同时进入，否则就没有统计学意义了。

• 接下来要设置哑变量了，点击categrio按钮，打开变量分类对话框

• 将要设置哑变量的变量放入右侧窗口中

• 到了最关键的部分，我们要选择哪个分类作为参考分类，设置参考分类必须使参考分类有意义，比如这个例子中，种族类别包括黑人、白人和其他种族，那么其他种族一般被设置为参考分类，那么你怎么知道参考分类是第一个还是最后一个呢，后面要设置last和first。下面一个步骤告诉你

• 回到变量视图中，找到种族这个变量，在value中可以查看变量值，我们看到其他种族这个分类为3，上面那一步应该设置为last

• 点击ok，开始输出统计结果

• 输出了一大堆数据，我们不用管，因为这里要教大家如何分析哑变量，所以直奔主题，找到variables in the equation表，这个表中，你可以看到有race（1）和race（2）这两个变量，他们就是race的哑变量，B是系数，因为他们都是跟其他种族相比，图中的数据可以看到，白种人比其他种族的人更容以吸烟，黑种人比其他种族更容易吸烟，白种人和黑种人相比，黑种人可能比白种人更容易吸烟，但是需要进一步的检验。

转载请注明来自DataScience.

邮箱: 675495787@qq.com