以下是小编为大家准备的spss实习心得，本文共8篇，仅供参考，欢迎大家阅读。本文原稿由网友“何去何从”提供。
篇1：spss实习心得
以前学统计学的时候就听老师讲过SPSS有非常强大的统计功能，对我们学习、工作有很大的帮助，所以我一直认为SPSS很神秘。通过这个学期周老师的课让我对此清楚了许多，也学到了SPSS强大的统计功能，更加让我明白了SPSS与Excel的区别。
SPSS是“社会科学统计软件包”(Statistical Package for the Social Science)的简称，是一种集成化的计算机数据处理应用软件。1968年，美国斯坦福大学H.Nie等三位大学生开发了最早的SPSS统计软件，并于1975年在芝加哥成立了SPSS公司，已有30余年的成长历史，全球约有25万家产品用户，广泛分布于通讯、医疗、银行、证券、保险、制造、商业、市场研究、科研、教育等多个领域和行业。SPSS是世界上公认的三大数据分析软件之一(SAS、SPSS和SYSTAT)。
在学习SPSS期间，我主要遇到的问题是后面几章，SPSS的参数检验、方差分析、相关分析、线性回归分析、聚类分析、因子分析等。
在参数检验中我不知道原假设是什么，导致分析的时候不知道该拒绝原假设还是接受原假设，不能分析出统计结果。不会区分单样本t检验和两配对样本t检验的区别，现在懂得了它们都要服从正态分布，基本思想是小概率反证法，反证法思想是先提出假设(检验假设H0)，再用适当的统计方法确定假设成立的可能性大小，如果可能性小，则认为假设不成立，否则，还不能认为假设不成立。
在学习方差分析中，开始常常把观测变量和控制变量弄混淆，在分析的时候应分别送入哪个对应框中，如果反了的话会导致结果的不准确。其次，对LSD、Bonferroni、Tukey、Scheffe等方法的使用不清楚，现在基本掌握了多重比较方法选择：一般如果存在明确的对照组，要进行的是验证性研究，即计划好的某两个或几个组间(和对照组)的比较。宜用Bonferroni(LSD)法;若需要进行多个均数间的两两比较，且各组个案数相等，适宜用Tukey法;其他情况宜用Scheffe法。最后，对方差齐性检验、多重比较检验、趋势检验理解不够透彻，在方差检验中，Post Hoc键有LSD的选项：当方差分析F检验否定了原假设，即认为至少有两个总体的均值存在显著性差异时，须进一步确定是哪两个或哪几个均值显著地不同，则需要进行多重比较来检验。LSD即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验。
在学习相关分析的过程中，在绘制散点图时，不知道哪个该做横坐标，哪个该做纵坐标，明白了横坐标是解释变量，纵坐标是被解释变量，还有对相关系数的种类分析不熟练等 。在学习回归分析的过程中，对DW可检验的含义不理解，不记得对应的DW表示的残差序列的相关性。对解释变量向前筛选、向后筛选、逐步帅选策略不能熟练掌握，特别是对向前向后筛选时到处的结果不会进行分析。
学习聚类分析中， 变量的选择分不清，无关变量有时会引起严重的错分，应当只引入在不同类间有显著差别的变量，尽量只使用相同类型的变量进行分析 。 分类数不明确，从实用角度讲，2~8 类比较合适 。 掌握了K-means Cluster 分析，样本量大于100时有必要考虑，只能使用连续性变量。
学习因子分析的过程中，对提取出来的因子的实际含义不清晰，不能使因子具有命名解释性。
学习了SPSS后，我不禁想到了SPSS与Excel的区别，这一点是针对像我这样开始只懂得用EXCEL的人来说。从个人的体会来说，二种软件有一定相似，操作都简便，同时又有一些可以互补的地方。但是SPSS又比Excel更加强大：
一、图型的表现力是SPSS的主要优点之一
应该说，Excel的图型表现主要是简便，对许多的人来说基本够用，但对于科学的表现，SPSS就更为详细和准确，这一点据说在所有统计软件中都突出。
二、通过SPSS检验方差齐性和数据分布
假设检验中，采用的t检验和方差检验都需要满足二个要求，即
1.样本方差齐性
2.样本总体呈正态分布
在Excel中，提供了F检验来检验方差齐性问题，也就是可以先通过F检验确定方差齐性与否来选择下一步用哪个T检验或方差检验分析工具。但只要数据多于二组则无从下手;通过描述统计大约能从峰度和偏度来了解样本的分布实际工作中，只要分布单峰且近似对称分布，也可应用，但要具体确定样本的分布也有难度。这二个问题在SPSS就可以解决
最后，在感叹它的方便与快捷的同时，对软件开发人员的智慧到了肃然起敬的地步。一直觉得计算机语言是最难的一门外语。虽然本科时曾经对这种逻辑性很强的东西很感兴趣，并在编程课上取得不错的成绩，但一直觉得这似乎不是我能掌控的东西。SPSS的神奇之处在于，它省去了使用者巨大的计算量，并提高准确性。它开发了开发者的智慧，却弱化了使用者的大脑。
篇2：spss统计分析实习心得
通过本次的教学实习，使我们对统计工作有了一个初步的认识，以及统计软件在统计工作中应用的重要性和方便性，认识实习的目的认识实习的目的就在于让同学们初步了解企业的基本情况，了解信息收集，处理过程加强感性认识，为以后专业理论课程的学习特别是毕业设计奠定必要的实践基础。就是要我们把所学的知识运用到实践中。学习了统计学软件SPSS，有力的将理论知识与实践联系在一起，并且进一步掌握了理论知识;其次，通过老师对普查与政府统计机构的讲解，使我对统计的了解更加深刻。这次认识实习可以说是理论与实践的联系，校园与社会的联系，使我了解社会统计工作的轮廓，使我对统计在现实中的运作有所了解，也对统计也有了进一步的掌握。使同学们对统计工作的过程和 SPSS应用的流程取得一定的感性认识，拓展了视野，巩固所学理论知识，提高了分析问题、解决问题的能力，增强了学生职业意识、劳动观点以及适应社会的能力，使学生获得业务和思想双丰收。
现在我将近期的实习的过程感受汇总如下：SPSS 有具体的使用者要求的分析深度，同时是一个可视化的工具，使我们非常容易使用，这样我们可以自己对结果进行检查。 我觉得我们可以在全校范围内把 SPSS 作为数据分析工具进行推广，向学生提供日常工作需要的有价值的分析技术。如果我们能够掌握这种高级技术，毕业后就能够轻易地应付来信息社会和商业世界的挑战。在这次短学期实习中，我第一次接触到了统计分析软件spss，并对其进行了基本的学习。
首先，我们学习了数据编辑窗口的几个部分：窗口主菜单、工具栏、数据编辑区、系统状态显示区等，并先后学习了这几个部分的操作步骤及计算出的数据所表示的意义。通过学习，我深刻的体会到要想学会一套软件的操作，远没有我想象的那么容易，尤其是这套spss统计软件。学习软件的基本操作相对来讲是容易的，但要理解每一个步骤的意义及每一组所计算出来的数据的代表内容，就要付出更多的精力和时间。在学习过程中，细心和耐心是很必要的。在某些操作中，比如说spss线形回归的操作步骤，只要稍微马虎一些，就会弄错，导致操作结果错误。 通过这次在实验室的认识实习，我们不仅对spss这套统计软件有了初步的认识，而且掌握了一些基本的spss的操作，但更重要的是，我学会了如何去学习一种操作软件，如何去理解统计学这门学科。
近两周的短学期实习，使我对统计学有了更深刻的理解，并且更加深刻的体会到了一位统计工作人员所必备的严谨的态度和一丝不苟的精神。正所谓实践出真知，通过实践，我发现自己在课堂上所掌握的理论知识还很不扎实，专业英语也不是很过关。在应用软件分析出的数据中，有很多都不知道是什么意思，还有的数据概念模糊，这都是在今后的学习中需要改进和加强的。我想，这对我今后的学习是有何大帮助的。总之，这次的短学期学习给我们很大的感触，对今后的学习还是将来的工作都有了一定的帮助，统计是一门理论性很强的课程，要求我们一定要统计知识的重要性，才能在将来做一名合格的统计工作者，为国家奉贤。
篇3：spss统计分析实习心得
本科的时候有概率统计和数理分析的基础，但是从来没有接触过应用统计分析的东西，SPSS也只是听说过，从来没有学过。一直以为这一块儿会比较难，这学期最初学的时候，因为没有认真看老师给的英文教材，课下也没有认真搜集相关资料，所以学起来有些吃力，总感觉听起来一头雾水。老师说最后的考核是通过提交学习报告，然后我从图书馆里借了些教材查了些资料，发现很多问题都弄清楚了。结合软件和书上的例子，实战一下，发现SPSS的功能相当强大。最后总结出这篇报告，以巩固所学。
SPSS，全称是Statistical Product and Service Solutions，即“统计产品与服务解决方案”软件，是IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，也是世界上公认的三大数据分析软件之一。SPSS具有统计分析功能强大、操作界面友好、与其他软件交互性好等特点，被广泛应用于经济管理、医疗卫生、自然科学等各个领域。具体到管理方面，SPSS也是一个进行数据分析和预测的强大工具。这门课中也会用到AMOS软件。
关于SPSS的书，很多都是首先介绍软件的。这个软件易于安装，我装的是19.0的，虽然20.0有一些改变和优化，但是主体都是一样的，而且都是可视化界面，用起来很方面且容易上手。所以，我学习的重点是卡方检验和T检验、方差分析、相关分析、回归分析、因子分析、结构方程模型等方法的适用范围、应用价值、计算方式、结果的解释和表述。
首先是T检验这一部分。由于参数检验的基础不牢固，这部分也是最初开始接触应用统计的东西，学起来很多东西拿不准，比如说原假设默认的是什么。结果出来后依然分不清楚是接受原假设还是拒绝原假设。不过现在弄懂了。这部分很有用的是T检验。T检验应用于当样本数较小时，且样本取自正态总体同时做两样本均数比较时，还要求两样本的总体方差相等时，已知一个总体均数u，可得到一个样本均数及该样本标准差，样本来自正态或近似正态总体。T检验分为单样本T检验、独立样本T检验、配对样本T检验。其中，单样本T 检验是样本均数与总体均数的比较的T检验，用于推断样本所代表的未知总体
均数μ与已知的总体均数uo有无差别;独立样本T检验主要用于检验两个样本是否来自具有相同均值的总体，即比较两个样本的均值是否相同，要求两个样本是相互独立的;配对样本T检验中，要正确理解“配对”的含义，主要用于检验两个有联系的正态总体的均值是否有显著差异，跟独立检验的区别就是样本是否是配对样本。这几个方法用软件操作起来都是相对简单的，关键是分清楚什么时候用这个什么时候用那个。
然后是方差分析。方差分析就是将索要处理的观测值作为一个整体，按照变异的不同来源把观测值总变异的平方和以及自由度分解为两个或多个部分，获得不同变异来源的均值与误差均方，通过比较不同变异来源的均方与误差均方，判断各样本所属总体方差是否相等。方差分析主要包括单因素方差分析、多因素方差分析和协方差分析等。这一部分在学习的过程中出现一些问题，就是用SPSS来操作的时候分不清观测变量和控制变量，如果反了的话会导致结果的不准确。其次，对Bonferroni、Tukey、Scheffe等方法的使用目的不清楚，现在基本掌握了多重比较方法选择：一般如果存在明确的对照组，要进行的是验证性研究，即计划好的某两个或几个组间(和对照组)的比较。宜用Bonferroni(LSD)法;若需要进行多个均数间的两两比较，且各组个案数相等，适宜用Tukey法;其他情况宜用Scheffe法。最后，对方差齐性检验、多重比较检验、趋势检验理解不够透彻，在方差检验中，Post Hoc键有LSD的选项：当方差分析F检验否定了原假设，即认为至少有两个总体的均值存在显著性差异时，须进一步确定是哪两个或哪几个均值显著地不同，则需要进行多重比较来检验。LSD即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验。
相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。相关分析研究现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。主要有双变量相关分析、偏相关、距离相关几个方法。双变量相关分析是相关分析中最常使用的分析过程，主要用于分析两个变量之间的线性相关分析，可以根据不同的数据类型和条件，选用Pearson积差相关、Spearman等级相关和Kendall的tau-b等级相关。当数据文件包括多个变量时，
直接对两个变量进行相关分析往往不能真实反映二者之间的关系，此时就需要用到偏相关分析，从中剔除其他变量的线性影响。距离相关分析是对观测变量之间差异度或相似程度进行的测量，其中距离需要弄清楚，距离分析是对观测量之间相似或不相似程度的一种测度，是计算一对观测量之间的广义距离。这些相似性或距离测度可以用于其他分析过程，例如因子分析、聚类分析或多维定标分析，有助于分析复杂的数据集。
接着是回归分析。相关分析研究的是现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。而回归分析则要分析现象之间相关的具体形式，确定其因果关系，并用数学模型来表现其具体关系。比如说，从相关分析中我们可以得知“质量”和“用户满意度”变量密切相关，但是这两个变量之间到底是哪个变量受哪个变量的影响，影响程度如何，则需要通过回归分析方法来确定。回归分析的目的在于了解两个或多个变量间是否相关、相关方向与强度，并建立数学模型以便观察特定变量来预测研究者感兴趣的变量。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析;按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。应用回归分析时应首先确定变量之间是否存在相关关系，如果变量之间不存在相关关系，对这些变量应用回归预测法就会得出错误的结果。正确应用回归分析预测时应注意：①用定性分析判断现象之间的依存关系;②避免回归预测的任意外推;③应用合适的数据资料;
接下来是因子分析。因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。因子分析的主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的，但又无法直接
测量到的隐性变量。从显性的变量中得到因子的方法有两类。一类是探索性因子分析，另一类是验证性因子分析。探索性因子分析不事先假定因子与测度项之间的关系，而让数据“自己说话”。而验证性因子分析假定因子与测度项的关系是部分知道的，即哪个测度项对应于哪个因子，虽然我们尚且不知道具体的系数。这一部分不能用SPSS来操作，要用AMOS，用起来也很方便。
最后一部分学习的是结构方程模型。结构方程模型是一种融合了因素分析和路径分析的多元统计技术。它的强势在于对多变量间交互关系的定量研究。在近三十年内，其大量应用于社会科学及行为科学的领域里，并在近几年开始逐渐应用于市场研究中。结构方程模型是对顾客满意度的研究采用的模型方法之一。其目的在于探索事物间的因果关系，并将这种关系用因果模型、路径图等形式加以表述。结构方程模型与传统的回归分析不同，结构方程分析能同时处理多个因变量，并可比较及评价不同的理论模型。与传统的探索性因子分析不同，在结构方程模型中，我们可以提出一个特定的因子结构，并检验它是否吻合数据。通过结构方程多组分析，我们可以了解不同组别内各变量的关系是否保持不变，各因子的均值是否有显著差异。
这门课要学习完了，整个学习的过程是充满曲折和挑战的，我见证了自己从一无所知到困惑迷茫再到略懂再到会用的过程。甚至学完之后有些问题还没有彻底搞清楚，自己接下来还会不断的探索的。SPSS是个很神奇的工具，结合AMOS和E_CEL更是如虎添翼，相信学习了SPSS在以后的论文和数据分析中很有用。这门课给我的感觉是看起来很难，但是实际学起来就好很多，因为当我结合具体实例和软件的时候，很多抽象的问题就豁然开朗了。但是想给老师一个建议，这门课需要很强的统计和概率论的基础，要不然就会很难听懂或者听得半懂。然后这门课的很多方法的相关资料都是用在医疗卫生、自然科学领域的，在管理中的应用的资料不怎么多。老师希望我们上课的时候结合在管理中的应用来学习，但是资料有限，希望老师在这个方面多给学生一些引导。
篇4：spss统计分析实习心得
本科的时候有概率统计和数理分析的基础，但是从来没有接触过应用统计分析的东西，SPSS也只是听说过，从来没有学过。一直以为这一块儿会比较难，这学期最初学的时候，因为没有认真看老师给的英文教材，课下也没有认真搜集相关资料，所以学起来有些吃力，总感觉听起来一头雾水。老师说最后的考核是通过提交学习报告，然后我从图书馆里借了些教材查了些资料，发现很多问题都弄清楚了。结合软件和书上的例子，实战一下，发现SPSS的功能相当强大。最后总结出这篇报告，以巩固所学。
SPSS，全称是Statistical Product and Service Solutions，即“统计产品与服务解决方案”软件，是IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，也是世界上公认的三大数据分析软件之一。SPSS具有统计分析功能强大、操作界面友好、与其他软件交互性好等特点，被广泛应用于经济管理、医疗卫生、自然科学等各个领域。具体到管理方面，SPSS也是一个进行数据分析和预测的强大工具。这门课中也会用到AMOS软件。
关于SPSS的书，很多都是首先介绍软件的。这个软件易于安装，我装的是 9。0的，虽然__年内，其大量应用于社会科学及行为科学的领域里，并在近几年开始逐渐应用于市场研究中。结构方程模型是对顾客满意度的研究采用的模型方法之一。其目的在于探索事物间的因果关系，并将这种关系用因果模型、路径图等形式加以表述。结构方程模型与传统的回归分析不同，结构方程分析能同时处理多个因变量，并可比较及评价不同的理论模型。与传统的探索性因子分析不同，在结构方程模型中，我们可以提出一个特定的因子结构，并检验它是否吻合数据。通过结构方程多组分析，我们可以了解不同组别内各变量的关系是否保持不变，各因子的均值是否有显著差异。
这门课要学习完了，整个学习的过程是充满曲折和挑战的，我见证了自己从一无所知到困惑迷茫再到略懂再到会用的过程。甚至学完之后有些问题还没有彻底搞清楚，自己接下来还会不断的探索的。SPSS是个很神奇的工具，结合AMOS和E_CEL更是如虎添翼，相信学习了SPSS在以后的论文和数据分析中很有用。这门课给我的感觉是看起来很难，但是实际学起来就好很多，因为当我结合具体实例和软件的时候，很多抽象的问题就豁然开朗了。但是想给老师一个建议，这门课需要很强的统计和概率论的基础，要不然就会很难听懂或者听得半懂。然后这门课的很多方法的相关资料都是用在医疗卫生、自然科学领域的，在管理中的应用的资料不怎么多。老师希望我们上课的时候结合在管理中的应用来学习，但是资料有限，希望老师在这个方面多给学生一些引导。
篇5：spss的实习总结
以前学统计学的时候就听老师讲过SPSS有非常强大的统计功能，对我们学习、工作有很大的帮助，所以我一直认为SPSS很神秘。通过这个学期周老师的课让我对此清楚了许多，也学到了SPSS强大的统计功能，更加让我明白了SPSS与Excel的区别。
SPSS是“社会科学统计软件包”(Statistical Package for the Social Science)的简称，是一种集成化的计算机数据处理应用软件。1968年，美国斯坦福大学H.Nie等三位大学生开发了最早的SPSS统计软件，并于1975年在芝加哥成立了SPSS公司，已有30余年的成长历史，全球约有25万家产品用户，广泛分布于通讯、医疗、银行、证券、保险、制造、商业、市场研究、科研、教育等多个领域和行业。SPSS是世界上公认的三大数据分析软件之一(SAS、SPSS和SYSTAT)。
在学习SPSS期间，我主要遇到的问题是后面几章，SPSS的参数检验、方差分析、相关分析、线性回归分析、聚类分析、因子分析等。
在参数检验中我不知道原假设是什么，导致分析的时候不知道该拒绝原假设还是接受原假设，不能分析出统计结果。不会区分单样本t检验和两配对样本t检验的区别，现在懂得了它们都要服从正态分布，基本思想是小概率反证法，反证法思想是先提出假设(检验假设H0)，再用适当的统计方法确定假设成立的可能性大小，如果可能性小，则认为假设不成立，否则，还不能认为假设不成立。
在学习方差分析中，开始常常把观测变量和控制变量弄混淆，在分析的时候应分别送入哪个对应框中，如果反了的话会导致结果的不准确。其次，对LSD、Bonferroni、Tukey、Scheffe等方法的使用不清楚，现在基本掌握了多重比较方法选择：一般如果存在明确的对照组，要进行的'是验证性研究，即计划好的某两个或几个组间(和对照组)的比较。宜用Bonferroni(LSD)法;若需要进行多个均数间的两两比较，且各组个案数相等，适宜用Tukey法;其他情况宜用Scheffe法。最后，对方差齐性检验、多重比较检验、趋势检验理解不够透彻，在方差检验中，Post Hoc键有LSD的选项：当方差分析F检验否定了原假设，即认为至少有两个总体的均值存在显著性差异时，须进一步确定是哪两个或哪几个均值显著地不同，则需要进行多重比较来检验。LSD即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验。
在学习相关分析的过程中，在绘制散点图时，不知道哪个该做横坐标，哪个该做纵坐标，明白了横坐标是解释变量，纵坐标是被解释变量，还有对相关系数的种类分析不熟练等。在学习回归分析的过程中，对DW可检验的含义不理解，不记得对应的DW表示的残差序列的相关性。对解释变量向前筛选、向后筛选、逐步帅选策略不能熟练掌握，特别是对向前向后筛选时到处的结果不会进行分析。
学习聚类分析中，变量的选择分不清，无关变量有时会引起严重的错分，应当只引入在不同类间有显著差别的变量，尽量只使用相同类型的变量进行分析。分类数不明确，从实用角度讲，2~8类比较合适。掌握了K-means Cluster分析，样本量大于100时有必要考虑，只能使用连续性变量。
学习因子分析的过程中，对提取出来的因子的实际含义不清晰，不能使因子具有命名解释性。
学习了SPSS后，我不禁想到了SPSS与Excel的区别，这一点是针对像我这样开始只懂得用EXCEL的人来说。从个人的体会来说，二种软件有一定相似，操作都简便，同时又有一些可以互补的地方。但是SPSS又比Excel更加强大。
篇6：spss的实习总结
应该说，Excel的图型表现主要是简便，对许多的人来说基本够用，但对于科学的表现，SPSS就更为详细和准确，这一点据说在所有统计软件中都突出。
二、通过SPSS检验方差齐性和数据分布
假设检验中，采用的t检验和方差检验都需要满足二个要求，即
1.样本方差齐性
2.样本总体呈正态分布
在Excel中，提供了F检验来检验方差齐性问题，也就是可以先通过F检验确定方差齐性与否来选择下一步用哪个T检验或方差检验分析工具。但只要数据多于二组则无从下手;通过描述统计大约能从峰度和偏度来了解样本的'分布实际工作中，只要分布单峰且近似对称分布，也可应用，但要具体确定样本的分布也有难度。这二个问题在SPSS就可以解决
最后，在感叹它的方便与快捷的同时，对软件开发人员的智慧到了肃然起敬的地步。一直觉得计算机语言是最难的一门外语。虽然本科时曾经对这种逻辑性很强的东西很感兴趣，并在编程课上取得不错的成绩，但一直觉得这似乎不是我能掌控的东西。SPSS的神奇之处在于，它省去了使用者巨大的计算量，并提高准确性。它开发了开发者的智慧，却弱化了使用者的大脑。
篇7：spss心得体会
spss的许多菜单均可进行描述性统计分析，许多统计过程也都提供描述性统计指标的输出。
在独特样本T检验、方差分析、因子分析等许多分析过程中。
spss自定义表模块也可以产生大部分的描述性统计指标。
1.频率:该过程将产生频数表，也可以输出频数分布的条形图、饼图或者直方图。
2.描述:该过程进行一般性的统计描述。它可以输出均值、均值的标准误、方差、标准差、范围、最大值、最小值、峰度和偏度。
3.探索:该过程用于对数据的探索性分析。
4.交叉表:该过程完成分类数据的统计描述和一般的统计检验。
5.比率:输出两个尺度变量比率的描述性统计量。
6.pp图:用于绘制尺度变量的pp图。
7.QQ图:用于绘制尺度变量的QQ图，以判断该变量是否服从正态分布。
在spss中选择【分析】—【描述统计】—【频率】
在spss中选择【分析】—【描述统计】—【描述】
在spss中选择【分析】—【描述统计】—【探索】
在spss【设定表】菜单中也可以输出大部分的描述性统计分析指标。选择【分析】—【表】—【设定表】。
描述性统计分析除了应用数量指标外，还可以应用条形图、饼图、帕累托图、直方图、箱图、茎叶图等统计图形。
在【分析】—【描述统计】—【频率】子菜单下的“图表”选项，可以选择绘制条形图、饼图和直方图。
(1)条形图给出相应每一类的频率，长方形的高度，与类的频率或者相对频率成比例。
(2)帕累托图是按照从高到底顺序排列条形图的长方形条后形成的一种特殊条形图，最高的长方形在左边。
(3)饼图把一个整圆分成几份，每一份代表一个类，每份中心角与类相对频率成比例。
直方图
直方图和条形图十分类似，应用于连续型数据，表现在图形上直方图的各个正方形条之间没有任何间隔。直方图可以直观地观测数据的分布情况。
茎叶图
茎叶图是描述定量变量的一种图形方式，他除了能够给出直方图所给出的分布的信息以外，还能够还原大部分原始数据的信息。
箱图
箱图是总结五数呢图形表现。数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。数据同趋化处理主要解决不同性质数据问题;保证数据服从标准正态分布
篇8：spss心得体会
选择[转换]—[随机数字生成器]，勾选“设置起点”,并在“固定值”下的“值”中输入一个用户给定的数值。
选择[转换]—计算变量，在目标变量框中输入变量名“Spinn”,在“数字表达式”框中输入“trunc(rv.uniform(1,5))”,然后单击(确定)按钮，
(1)选择(分析)—描述统计—频率，然后把变量“spinn”选入“变量”框中，
(2)单击(图表(C))按钮，“频率:图表”对话框，勾选“直方图(h)”选项。
(3)单击(继续)按钮，返回“频率”对话框，然后单击(确定)按钮。以上过程也可以通过在语法编辑器中运行如下的语法程序实现。
并且要打开本章的数据文件“sim.sav”。
然后选择“转换”—计算变量，
保存该文件为“sim norm.sav”。
从该组随机数的分布能否确定该样本数据的确是从正态分布的总体中随机抽取的呢?
如果随机试验只有两个可能的结果，不妨称为成功和失败，设该试验中成功的概率为p(0
选择“条形图”。然后在右侧的示例图预览中双击第一个图标。预览图将出现在右上角的画布中。用鼠标把“变量”中的变量x拖放到“是否x轴”虚线框中，把变量prob25拖放到“计数”虚线框中，。该条形图可以编辑修改。
(3)得到随机变量x的条形图，该条形图可以编辑修改
(4)双击该图，得到“图形编辑器”窗口。
(5)双击图形编辑器窗口中的图形，即可出现属性窗口，在属性窗口中，可以设置条形图的各种属性，如宽度，填充颜色，边框，图形大小等。
(6)改变条形图的填充颜色和条子的宽度，修改后的条形图。
选择文件——新建——数据，在数据编辑器中打开一个空的数据文件，在数据视图的第一例分别输入0，1，2，3，···，10，即随机变量x的所有可能的取值。
单击变量视图，把变量名称“var00001”改为“x”，小数位数设为0;建立另外两个新的变量，分别命名为“c25”和“c40，小数位数都设为4。”
设置随机数种子为“123456”。然后选择(t)——计算变量(c)，在“计算变量”对话框中的“目标”变量t框中输入“c25”，在“数字表达式”框中输入“cdf.binom(x，10，0.25)”。然后单击确定按钮。因为计算变量对话框中的目标变量的名称c25和我们已经定义的变量c25重名，已经在变量视图中定义的c25没有任何内容，因此这里我们单击确定按钮。在变量视图中就生成了服从二项分布的随机变量c25。
