1. 用spss分析数据
SPSS（Statistical Product and Service Solutions），“统计产品与服务解决方案”软件。最初软件全称为“社会科学统计软件包”（Solutions Statistical Package for the Social Sciences），但是随着SPSS产品服务领域的扩大和服务深度的增加，SPSS公司已于2000年正式将英文全称更改为“统计产品与服务解决方案”，这标志着SPSS的战略方向正在做出重大调整。SPSS为 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，有Windows和Mac OS X等版本。
2. 用spss分析数据的论文
写论文用的。实证论文里需要数据分析。spss是常用的分析软件。
3. 怎么使用spss分析数据
SPSS不能直接分析字符串变量，但转换一下即可。文字描述的变量，比如性别，值为男或女，可以赋值为1和0，变量即可设定为数值变量，即可纳入SPSS分析，这种变量叫做虚拟变量。
4. 用spss分析数据时 方差不齐看哪个表格
这里应该是求两者的差异系数CV。
方法是求得两组数据的平均数和标准差（这个不用我说了吧）
CV=标准差/平均数
差异系数越大，说明数据之间的差异越大。
5. 用spss分析数据分布特征
偏态分析三组数据分析，是做非参数秩和检验，在非参数菜单下操作
6. 用spss分析数据的意义
spss 的相关表格每个单元格有三行数据，一个是pearson相关系数值，它代表了相关系数的大小，一个是样本容量，代表你这组数据有多少被试，最后一个是显著性检验结果，即sig（双侧），它可以用来说明你所得到的相关分析结果有没有统计学意义。
通常sig<0.05即认为显著，有统计学意义（有统计学意义或者说显著的意思是说这种相关性可以分辨出来，不表示相关的大小，就好像用显微镜可以看到细胞并不能说明细胞很大），如果不显著，即便相关系数很大，也不能说明该相关有意义，相关性有可能是抽样误差所致，但这个时候你可以考虑增大样本容量后再分析看看。相关系数值后面的星号也反映了显著性，一个*表明0.05水平显著，**代表0.01水平显著。
7. 用spss分析数据变异程度
求各主成分的权重：
权重就是用提取出来的主成分的特征根值去除以这几个主成分特征根值之和就得出对应每个主成分的权重了。各个主成分的特征值可以查看解释的总方差表。
因子解释变异量：
因子解释的变异量=该因子特征值/因子总数。如因子特征值为1.56，共有20个因子，该因子解释的变异量为7.8%
因子解释的变异量可以直接在解释的总方差表中看到。
8. 用spss分析数据,数据如何整理
1、数据收集整理
2、数据录入spss并进行整理
3、分析——一般线性模型——单变量
4、选择变量到各自对应的变量框（操作类似回归分析）
5、饱和多因素方差分析结果：这里同样有R方，显著性，还有平方和（类似于系数）
6、多重比较
7、多重比较的结果与单因素方差分析的一样
9. 用spss分析数据的稳定性
用SPSS分析的问卷必须是李克特五级量表或七级量表，建议小白设计五级单因素的量表，问卷数据收集完成后，首先要剔除无效问卷，在保证数据的准确性。分析步骤如下：
一. 录入问题及数据
在变量视图界面内输入问题及设置值，一般设置值为1非常不同意，2不同意，3不一定，4同意，5非常同意，同理输完一篇问卷即可。
二. 描述性分析
描述性分析主要是对被调查者的基本信息进行描述，如性别、学历、年龄、工作年限、居住地，这类问题一般放置在一份问卷的开头，主要对问卷的均值、标准差进行分析，均值相同时，比较标准差，标准差越小，表示越稳定。
二. 信度分析
信度分析主要是通过SPSS分析验证设计的问卷是否可靠，问卷题目之间是否具有良好的相关性进行分析，被调查者的答案是否存在矛盾，是否可靠等等。
先说一下问卷的设计。
实证分析的论文中比较简单的模型是：研究对象的自变量会影响研究对象的因变量，一般能够找出四五个影响因素设计为自变量，每一个影响因素可以设计3~7个问题进行调查。
在进行可靠性分析的时候，可以对每一个影响因素的题目数分析一次，看是否每一个自变量的设计的问题都具有较好的信度。
三. 效度分析和因子分析
效度分析是检验问卷题目与研究目的是否相一致即不能研究顾客对某产品的满意度，问卷设计的问题是调查某产品的市场覆盖率，通常分为内容效度和结构效度：
内容效度是指题项与所测变量的适合性和逻辑相符性；
结构效度是指题目衡量所测变量的能力。
实证分析一般着重分析结构效度，可以通过进行探索性因素分析检验来证明量表的结构有效性。
四. 相关分析
相关性分析一般是用来简单的分析数据之间的相关性关系，用来研究的是连续性的数值变量或者量表的数据，只能分析出来每两个变量之间的相关性关系。一般是用于在回归分析之前，用于对于数据进行一个简单的相关性探讨，回归分析说明的是数据之间的因果关系。
在进行相关分析前首先要取各个因子的平均值，得出因子的维度平均值后进行相关分析。
五. 回归分析
回归分析是一种预测性的建模技术，它研究的是因变量和自变量之间的关系，这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。例如，司机的鲁莽驾驶与道路交通事故数量之间的关系，最好的研究方法就是回归。回归分析需要看的图有模型摘要图、ANOVA、系数图等等。
相关性分析是检验自变量与因变量之间是否具有相关性，回归分析则说明了自变量对因变量是否具有显著性影响。