IBM SPSS Statistics的图表功能非常强大,囊括了直方图、散点图、饼图、折线图、茎叶图等常用的图表,不仅可用于数据的预先分析,而且其图表的格式美观,更可直接在展示报告中使用,减少后续作图的时间。
本文将会介绍IBM SPSS Statistics中的几个实用的图表类型,分别是SPSS散点图、饼图、直方图与P-P图。
一、散点图
SPSS的散点图是运用直角坐标轴展示因变量随着自变量变化而变化的图表,可直观地展示自变量与因变量的数据分布特点,并预先了解其分布的趋势。
以图1所示的销售额与客流量的数据为例。
绘制以客流量为自变量,销售额为因变量的散点图。如图2所示,可以观察到,销售额随着客流量的增长而增长,呈现线性正相关的趋势。根据数据分布特点,我们可进一步构建数据的线性回归方程。
二、饼图
SPSS的饼图展示的是变量中各数据项目的大小与占比情况,可用于了解数据的分布特点、检查数据的代表性等。
比如,在如图3所示的学生抽样分数数据中,我们需要检查数据是否具有代表性,即各班抽样的个案数是否符合总体占比。
根据以上数据制作以班级作为变量的饼图,如图4所示,可以看到,二班与一班抽样的个案数占比较大,三班则相对较少,需根据实际的班级人数调整抽样的占比。
三、直方图
SPSS的直方图是以纵向或横向的条纹表示数据分布情况的图表,常用于对比不同类别的数据分布。
比如,同样是使用以上学生分数抽样为例制作直方图,如图5所示,以分数作为Y轴,性别个案计数作为X轴,可得到不同性别学生的分数分布情况。
除了以上横向条纹结构外,直方图也常使用纵向条纹的结构。在常用的正态性检验中,我们就经常会使用到标准化残差的直方图,检查数据的正态性。
四、P-P图
说到检查数据的分布(比如上文所说的正态性),就不得不提到SPSS的P-P图。
P-P图,实际上是预期累积概率与实测累积概率的散点图,当以上两个变量的数据点位于一条直线上时,表示该数据符合指定的分布
我们以销售额的数据为例。
制作销售额的正态P-P图,可观察到其预期累积概率与实测累积概率是位于一条直线上的,说明销售额数据的分布符合正态分布。
在进行方差分析时,我们往往要先检查数据是否符合正态分布,通过直方图、P-P图可快速检查数据分布的特点。
五、小结
综上所述,IBM SPSS Statistics丰富而实用的图表功能,可帮助我们快速地了解数据分布的特点,并据此选择适合的分析方法。除此之外,SPSS图表美观的格式、清晰的图例说明,也减少了后续作图的繁琐,可直接用于报告文件中。