使用技巧

在许多数据分析案例中，往往有许多种不同变量或因素共同影响最终结果，为了探究多变量或因素对实验结果的影响，我们常常会对数据进行主成分分析，将具有一定相关关系的变量重新组合划分为几组互不相关的新变量，作为影响结果的几种主成分，即新的综合指标来分析结果。本节将会带大家学习如何使用SPSS进行主成分分析。需要注意的是，进行主成分分析要满足两个条件：变量是连续变量或有序分类变量，且变量之间存在线性相关关系。

我们在数据分析之前出现极端值（无效数据）怎么办？比如性别1和2分别代表男和女，却出现了除1、2之外不可能的数字。那么我们如何用SPSS去将极端值筛选出来呢？

SPSS的多元线性回归研究的是多个自变量与单个因变量的回归关系，与一元线性回归方程相比，多元线性回归方程更有实际性意义。因在实际的研究中，一个现象总是由多个因素影响，而很难局限于单因素影响。

堆积条形图，是一种同时展示数据总体与细分状况的图表，适合用于描述多项变量组成的数据组。比如，可分析购买A产品的人群性别分布、区域分布等。

SPSS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。

在SPSS的变量视图中，我们可以看到，其变量测量包含了标度、名义与有序的类型。那么，测量类型代表什么含义呢？实际上，SPSS测量类型区分的是变量对应数据的类型。

回归方程是通过分析样本数据得到的变量间的回归关系的数字表达式。回归方程拟合程度足够好的话，可运用自变量来预测因变量的数值。比如，我们经常会构建销售额与客流量间的回归方程，以预测一定客流量下的销售额。

欧氏距离是距离分析中比较容易理解的、也是较为常用到的距离计算方法，其度量的是欧氏空间中两个点之间的距离。

CPI，消费者价格指数，反映的是居民购买消费品或服务项目的价格变动情况。CCI，消费者信心指数，由消费者满意指数与消费者预期指数构成，反映的是消费者对当前经济生活的评价以及未来的期望。