1、2019年2月13日星期三,1,第四章 SPSS基本统计分析,描述性统计分析,2019年2月13日星期三,2,SPSS的主要分析工具Analyze菜单,描述性统计分析Descriptive Statistics菜单 均数间的比较Compare Means菜单 一般线性模型General Linear Model菜单 相关分析Correlate菜单 多元线性回归与曲线拟合 Regression菜单 对数线性模型Loglinear菜单 聚类分析与判别分析Classify菜单 因子分析与对应分析Data Reduction菜单 信度分析与多维尺度分析Scale菜单 非参数检验Nonparametri
2、c Tests菜单,2019年2月13日星期三,3,描述性统计分析是统计分析的第一步，做好这第一步是下面进行正确统计推断的先决条件。SPSS的许多模块均可完成描述性分析，但专门为该目的而设计的几个模块则集中在Descriptive Statistics菜单中，包括： Frequencies：频数分析过程，特色是产生频数表 Descriptives：数据描述过程，进行一般性的统计描述 Explore：数据探察过程，用于对数据概况不清时的探索性分析 Crosstabs：列联表分析过程 Ratio statistics：比率分析,2019年2月13日星期三,4,4.1 频数分析,4.1.1 频数分析
3、的目的和基本任务1、目的：基本统计分析往往从频数分析开始。通过频数分析能够了解变量取值的状况，对把握数据的分布特征是非常有用的。例如：在问卷数据分析中，通常应首先对本次调查的被调查者的状况，如被访者的总人数、年龄特点、职业特点、性别特征等进行分析和总结。通过这些分析，能够在一定程度上反映样本是否具有总体代表性，抽样是否存在系统偏差等，并以此证明以后相关问题分析的代表性和可信性。这些可以通过频数分析来实现。,2019年2月13日星期三,5,2、基本任务（1）频数分析的第一个基本任务是编制频数分布表。 频数（Frequency）：即变量值落在某个区间（或某个类别）中的次数 百分比（Percent）
4、：即各频数占总样本数的百分比 有效百分比（Valid Percent）：即各频数占有效样本数的百分比，这里有效样本数总样本缺失样本数 累计百分比（Cumulative Percent）：即各百分比逐级累加起来的结果。最终取值为100。,2019年2月13日星期三,6,（2）频数分析的第二个任务是绘制统计图 条形图（Bar Chart）：用宽度相同的条形的高度或长短来表示频数分布变化的图形，适用于定序和定类变量的分析。 饼图（Pie Chart）：用圆形及圆内扇形的面积来表示频数百分比变化的图形，以利于研究事物内在结构组成等问题。 直方图（Histograms）：用矩形的面积来表示频数分布变化的
5、图形，适用于定距型变量的分析。,2019年2月13日星期三,7,注：变量的尺度： a 定类 （Category Scale）：只能计次 b 定序 （Ordinal Scale）：计次、排序 c 定距（Interval Scale）：计次、排序、加减 d 定比 （Ratio Scale）：计次、排序、加减、乘除,2019年2月13日星期三,8,4.1.2 频数分析的基本操作 （1）选择菜单AnalyzeDescriptive StatisticsFrequencies。 （2）将若干频数分析变量选择到Variable(s)框中。 （3）单击Chart按钮选择绘制统计图形，在Chart Value
6、s框中选择条形图中纵坐标（或饼图中扇形面积）的含义，其中Frequencies表示频数；Percentages表示百分比。至此，SPSS将自动编制频数分布表并显示到输出窗口中。,2019年2月13日星期三,9,频数分析过程对话框,统计量选择对话框,2019年2月13日星期三,10,4.1.3 SPSS频数分析的扩展功能1、计算分位数（Percentile Values）分位数是变量在不同分位点上的取值。分位点在0100之间。一般使用较多的是四分位点（Quartiles），即将所有数据按升序排序后平均等分成四份，各分位点依次是25，50，75。于是四分位数便分别是25，50，75点所对应的变量值
7、。此外，还有八分位数、十六分位数等。SPSS提供了计算任意分位数的功能，用户可以指定将数据等分为n份（Cut points for n equal groups）。还可以直接指定分位点（Percentile）。,2019年2月13日星期三,11,2、计算其他基本描述统计量SPSS频数分析还能够计算其他基本统计量，其中包括描述集中趋势（Central Tendency）的基本统计量、描述离散程度（Dispersion）的基本统计量、描述分布形态（Distribution）的基本统计量等。,2019年2月13日星期三,12,3、频数分布表格式（Format）的定义（1）调整频数分布表中数据的输出顺
8、序（Order by）频数分布表中的内容的输出顺序可以按变量值的升序输出（Ascending values），按变量值的降序输出（Descending values），按频数的升序输出（ Ascending counts），按频数的降序输出（ Descending counts）。,2019年2月13日星期三,13,（2）压缩频数分布表（Suppress tables with more than n categories）如果变量取值的个数或取值区间的个数太多，频数分布表将很庞大，此时可以压缩它。SPSS默认，如果变量取值的个数或取值区间的个数大于10，则不输出相应的频数分布表。应用中可以修
9、改该值。,2019年2月13日星期三,14,4.1.4 频数分析的应用举例利用居民储蓄调查数据进行频数分析，有以下两个分析目标： 目标一：分析储户的户口和职业的基本情况。 目标二：分析储户一次存（取）款金额的分布，并对城镇储户和农村储户进行比较。,2019年2月13日星期三,15,分析： 目标一：分析储户的户口和职业的基本情况（1）户口和职业两个变量都是定类型变量，可通过基本频数分析实现。（2）职业变量的取值（分类）数目较多，为使频数分布表更一目了然，应对内容的输出顺序进行调整，单击Format按钮，选择Descending counts按频数的降序输出。（3）单击Chart按钮指定输出户口变
10、量的饼图和职业变量的条形图。,2019年2月13日星期三,16,目标二：分析储户一次存（取）款金额的分布，并对城镇储户和农村储户进行比较。 1、分析思路： （1）由于存（取）款金额数据为定距型变量，直接采用频数分析不利于对其分布形态的把握，因此考虑依据第三章中的数据分组功能对数据分组后再编制频数分布表。 （2）进行数据拆分，并分别计算城镇储户和农村储户的一次存（取）款金额的四分位数，并通过四分位数比较两者分布上的差异。,2019年2月13日星期三,17,2、分析过程： （1）数据分组，将存（取）款金额重新分成五组，五组区间分布为，少于500元，5002000元，20003500元，350050
11、00元，5000元以上。分组后进行频数分析并绘制带正态曲线的直方图。 （2）利用SPSS的频数分析计算所有样本的存（取）款金额的四分位数；然后，按照户口类型对数据进行拆分（Split file）并重新计算分位数，分别得到城镇户口和农村户口的存（取）款金额的四分位数。,2019年2月13日星期三,18,4.2 计算基本描述统计量,4.2.1 基本描述统计量常见的基本描述统计量有三大类： 刻画集中趋势的统计量 刻画离中趋势的统计量 刻画分布形态的统计量,2019年2月13日星期三,19,1、刻画集中趋势的描述统计量集中趋势是指一组数据向某一中心值靠拢的倾向。 （1）均值（Mean）：即算术平均数，
12、是反映某变量所有取值的集中趋势或平均水平的指标。如某企业职工的平均月收入。其计算公式为：,2019年2月13日星期三,20,（2）中位数（Median）：即一组数据按升序排序后，处于中间位置上的数据值。如评价社会的老龄化程度时，可用中位数。 （3）众数（Mode）：即一组数据中出现次数最多的数据值。如生产鞋的厂商在制定各种型号鞋的生产计划时应该运用众数。,2019年2月13日星期三,21,（4）均值标准误差（Standard Error of Mean）：描述样本均值与总体均值之间的平均差异程度的统计量。其计算公式为：其中： 为总体标准差，n为样本单位数,2019年2月13日星期三,22,2、
13、刻画离散程度的描述统计量离散程度是指一组数据远离其“中心值”的程度。如果数据都紧密地集中在“中心值”的周围，数据的离散程度较小，说明这个“中心值”对数据的代表性好；相反，如果数据仅是比较松散地分布在“中心值”的周围，数据的离散程度较大，则此“中心值”说明数据特征是不具有代表性的。,2019年2月13日星期三,23,常见的刻画离散程度的描述统计量如下： （1）样本标准差（Standard Deviation：Std Dev）：表示变量取值距离均值的平均离散程度的统计量。其计算公式为：标准差值越大，说明变量值之间的差异越大，距均值这个“中心值”的离散趋势越大。,2019年2月13日星期三,24,（
14、2）样本方差（Variance）：也是表示变量取值离散程度的统计量，是样本标准差的平方。其计算公式为：（3）全距（Range）：也称极差，是数据的最大值（Maximum）与最小值（Minimum）之间的绝对差。,2019年2月13日星期三,25,3、刻画分布形态的描述统计量数据的分布形态主要指数据分布是否对称，偏斜程度如何，分布陡峭程度等。刻画分布形态的统计量主要有两种： （1）偏度（Skewness）：描述变量取值分布形态对称性的统计量。其计算公式为：,2019年2月13日星期三,26,当分布为对称分布时，正负总偏差相等，偏度值等于0；当分布为不对称分布时，正负总偏差不相等，偏度值大于0或小
15、于0。偏度值大于0表示正偏差值大，为正偏或称右偏；偏度值小于0表示负偏差值大，为负偏或称左偏。偏度绝对值越大，表示数据分布形态的偏斜程度越大。另外，SPSS还计算偏度标准误差（S.E.of Skewness）。,2019年2月13日星期三,27,（2）峰度（Kurtosis）：描述变量取值分布形态陡峭程度的统计量。其计算公式为：当数据分布与标准正态分布的陡峭程度相同时，峰度值等于0；峰度大于0表示数据的分布比标准正态分布更陡峭，为尖峰分布；峰度小于0表示数据的分布比标准正态分布平缓，为平峰分布。另外，SPSS还计算峰度标准误差（S.E.of Kurtosis）。,2019年2月13日星期三,2
16、8,4.2.2 计算基本描述统计量的基本操作 （1）选择菜单AnalyzeDescriptive StatisticsDescriptives,出现如下窗口：,2019年2月13日星期三,29,（2）将需计算的数值型变量选择到Variable(s)框中。 （3）单击Option按钮指定计算哪些基本描述统计量，出现如下窗口：,2019年2月13日星期三,30,在上面窗口中，用户可以指定分析多变量时结果输出的次序（Display Order）。其中，Variable list表示按变量在数据窗口中从左到右的次序输出；Alphabetic表示按字母顺序输出；Ascending Means表示按均值升
17、序输出；Descending Means表示按均值降序输出。至此，SPSS便自动计算所选变量的基本描述统计量并显示到输出窗口中。,2019年2月13日星期三,31,4.2.3 计算基本描述统计量的应用举例利用居民储蓄调查数据，对一次存（取）款金额变量计算基本描述统计量。有以下分析目标：计算存（取）款金额的基本描述统计量，并分别对城镇储户和农村储户进行比较分析：首先按照户口对数据进行拆分（Split file），然后计算存（取）款金额的基本描述统计量。,2019年2月13日星期三,32,4.3 交叉分组下的频数分析,4.3.1 目的和基本任务1、目的：交叉分组下的频数分析又称列联表分析。通过前面
18、的频数分析能够掌握单个变量的数据分布情况，在实际分析中，不仅要了解单个变量的分布特征，还要分析多个变量不同取值下的分布，进而分析变量之间的相互影响和关系。对于这种涉及两个或两个以上变量分布情况的研究通常要利用交叉分组下的频数分析来完成。,2019年2月13日星期三,33,2、基本任务：（1）根据收集到的样本数据，产生二维或多维交叉列联表；（2）在交叉列联表的基础上，对两两变量间是否存在一定的相关性进行分析。 4.3.2 交叉列联表的主要内容编制交叉列联表是交叉分组下频数分析的第一个任务。交叉列联表是两个或两个以上的变量交叉分组后形成的频数分布表。例：职工基本情况数据按职称和文化程度编制的二维交
19、叉列联表（见下页表）：,2019年2月13日星期三,34,2019年2月13日星期三,35,上表中的职称变量称为行变量（Row），文化程度称为列变量（Column）。行标题和列标题分别是两个变量的变量值（或分组值）。表格中间是观测频数（Observed Counts）和各种百分比。16名职工中，本科、专科、高中、初中的人数分别为4，4，5，3，构成的分布称为交叉列联表的列边缘分布；高级工程师、工程师、助理工程师、无技术职称的人数分别为3，4，6，3，构成的分布称为交叉列联表的行边缘分布；4个本科学历职工中各职称的人数分别是1，1，2等，这些频数构成的分布称为条件分布，即在行变量（列变量）取值条
20、件下的列变量（行变量）的分布。,2019年2月13日星期三,36,在交叉列联表中，除了频数外还引进了各种百分比。例如表中第一行中的33.3， 33.3， 33.3分别是高级工程师3人中各学历人数所占的比例，称为行百分比（Row percentage），一行的百分比总和为100；表第一列中的25.0，25.0，50.0分别是本科学历4人中各职称人数所占的比例，称为列百分比（Column percentage），一列的列百分比总和为100，表中的6.3，6.3，12.5等分别是总人数16人中各交叉组中人数所占的百分比，称为总百分比（Total percentage），所有格子中的总百分比之和也为1
21、00。,2019年2月13日星期三,37,4.3.3 交叉列联表行列变量间关系的分析对交叉列联表中的行变量和列变量之间关系进行分析是交叉分组下频数分析的第二个任务。为了理解行、列变量之间的关系，可以从分析两个极端的例子出发：（1）年龄与工资收入的交叉列联表（一）,2019年2月13日星期三,38,（2）年龄与工资收入交叉列联表（二）表一中表示年龄与工资收入呈正相关关系，表二表示年龄与工资收入呈负相关关系。但大多数情况下，观测频数分散在列联表的各个单元格中，不容易直接发现行列变量之间的关系强弱程度，此时就要借助非参数检验方法。通常用的方法是卡方检验和相关性检验等。,2019年2月13日星期三,3
22、9,交叉列联表的卡方检验,卡方检验属假设检验的范畴，步骤如下： （1）建立原假设（ ）在列联表分析中卡方检验的原假设为行变量与列变量独立 （2）选择和计算检验统计量列联表分析卡方检验统计量是Pearson卡方统计量，其数学定义为：,2019年2月13日星期三,40,其中，r为列联表的行数，c为列联表的列数； 为观察频数， 为期望频数（Expected Count）。期望频数的计算方法是：其中，RT是指定单元格所在行的观测频数合计，CT是指定单元格所在列的观测频数合计，n是观测频数的合计。,2019年2月13日星期三,41,（3）确定显著性水平（Significant Level）和临界值显著性
23、水平 是指原假设为真却将其拒绝的风险，即弃真的概率。通常设为0.05或0.01。在卡方检验中，由于卡方统计量服从一个（行数1）（列数1）个自由度的卡方分布，因此，在行列数目和显著性水平确定时，卡方临界值是可唯一确定的。,2019年2月13日星期三,42,（4）结论和决策对统计推断做决策通常有两种方式： 根据统计量观测值和临界值比较的结果进行决策。如果卡方观测值大于临界值，则认为实际分布与期望分布之间的差距显著，可以拒绝原假设，断定列联表的行列变量间不独立，存在相关关系；反之，接受原假设。 根据统计量观测值的概率p值和显著性水平 比较的结果进行决策。如果p值小于等于 ，则认为卡方观测值出现的概率
24、是很小的，拒绝原假设，断定列联表的行列变量间不独立，存在依存关系；反之，接受原假设这两种决策方式本质上是完全一致的。,2019年2月13日星期三,43,4.3.4 交叉分组下的频数分析的基本操作 （1）菜单选项AnalyzeDescriptive StatisticsCrosstabs，出现窗口,2019年2月13日星期三,44,（2）如果进行二维列联表分析，则将行变量选择到Row(s)框中，将列变量选择到Column(s)框中。如果Row(s) 和Column(s)框中有多个变量名，SPSS会将行列变量一一配对后产生多张二维列联表。如果进行三维或多维列联表分析，则将其他变量作为控制变量选到L
25、ayer框中。多控制变量间可以是同层次的，也可以是逐层叠加的，可通过Previous或Next按钮确定控制变量间的层次关系。,2019年2月13日星期三,45,（3）选择Display clustered bar charts选项，指定绘制各变量交叉分组下频数分布柱形图。Suppress tables表示不输出列联表，在仅分析行列变量间关系时可选择该选项。 （4）单击Cells按钮指定列联表单元格中的输出内容，窗口如下：,2019年2月13日星期三,46,SPSS默认列联表单元格中只输出观测频数（Observed）。为便于分析，通常还应指定输出Percentage框中的行百分比（Row）、列百
26、分比（Column）、总百分比（Total）。Counts框中的Expected表示输出期望频数；Residuals框中的各个选项表示在各个单元格中输出剩余。其中，Unstandardized为非标准化剩余，定义为观测频数期望频数；Standardized为标准化剩余，又称Pearson剩余，定义为：,2019年2月13日星期三,47,（5）单击Format按钮指定列联表各单元格的输出排列顺序。Ascending表示以行变量取值的升序排列，是SPSS默认项；Descending表示以行变量取值的降序排列。 （6）单击Statistics按钮指定用哪种方法分析行变量和列变量间的关系，窗口如下，其
27、中，Chi-Square为卡方检验。,2019年2月13日星期三,48,4.3.5 SPSS中列联表分析的其他方法对列联表中行列变量的分析，除上述卡方检验方法之外，SPSS还提供了其他测度变量间相关关系的检验方法，方法选择窗口见上面Statistics窗口，包括： 适用于两定类变量的方法：Nominal框中列出的方法属该类方法。 适用于两定序变量的方法：Ordinal框中列出的方法属该类方法。 适用于一定类变量、一定距变量的方法：Nominal by interval框中的Eta方法属该类方法。 其他方法。,2019年2月13日星期三,49,4.3.6 交叉分组下的频数分析应用举例利用居民储蓄
28、调查数据进行分析，实现以下目标：分析城镇和农村储户对“未来两年内收入状况的变化趋势”是否持相同的态度。分析：该问题列联表的行变量为户口，列变量为未来收入状况，在列联表中输出各种百分比、期望频数、剩余、标准化剩余，显示各交叉分组下频数分布柱形图，并利用卡方检验方法，对城镇和农村储户对该问题的态度是否一致进行分析。,2019年2月13日星期三,50,4.4 比率分析,4.4.1 比率分析的目的和主要指标比率分析用于对两变量间变量值比率变化的描述分析，适用于定距型变量。例如根据1999年各地区保险业务情况的数据，分析各地区财产保险业务的保费收入占全部业务保费收入的比例情况。,2019年2月13日星期
29、三,51,通常的分析可以生成各个地区财产保险业务的保费收入占全部业务保费收入的比率变量，然后对该比率变量计算基本描述统计量（如均值、中位数、标准差、全距等），进而刻画比率变量的集中趋势和离散程度。SPSS的比率分析除能够完成上述分析外，还提供了其他相对比描述指标，大致也属于集中趋势描述指标和离散程度描述指标的范畴，具体包括：,2019年2月13日星期三,52,（1）加权比率均值（Weighted mean）：两变量均值的比，属集中趋势描述指标。 （2）AAD（Average Absolute Deviation）平均绝对离差：是对比率变量离散程度的描述，计算公式为：其中， 是比率数，M是比率变
30、量的中位数，N为样本数,2019年2月13日星期三,53,（3）COD（Coefficient of Dispersion）离散系数：也是对比率变量离散程度的描述，计算公式为：（4）PRD（Price-related Differential）相关价格微分：是比率均值与加权比率均值的比，也是比率变量离散程度的描述。,2019年2月13日星期三,54,（5）COV变异系数：用于对比率变量离散程度的描述，分为基于均值的变异系数（Mean centered COV）和中位数的变异系数（Median centered COV ）。前者是通常意义下的变异系数，是标准差除以均值；后者定义为：,2019年2
31、月13日星期三,55,4.4.2 比率分析的基本步骤 （1）选择菜单AnalyzeDescriptive StatisticsRadio，出现窗口,2019年2月13日星期三,56,（2）将比率变量的分子选择到Numerator框中，将比率变量的分母选到Denominator框中。 （3）如果做不同组间的比率比较，则将分组变量选择到Group Variable框中。 （4）单击Statistics按钮指定输出哪些关于比率的描述统计量，出现如下窗口：,2019年2月13日星期三,57,至此，SPSS将自动计算比率变量，并将相关指标输出到输出窗口中。,2019年2月13日星期三,58,4.4.3
32、比率分析的应用举例根据1999年各地区保险业务情况的数据，分析各地区财产保险业务的保费收入占全部业务保费收入的比例情况，可以采用SPSS的比率分析来实现。,2019年2月13日星期三,59,4.5 多选项分析,4.5.1 多选项分析的目的SPSS中的多选项分析是针对问卷调查中的多选项问题的。例如，居民储蓄调查的问卷中有一个问题是“本次存（取）款的目的”，并列出了十一种目的供被调查者选择，对该问题显然会有一个以上的答案。这类问题就属于多选项问题。,2019年2月13日星期三,60,对多选项问题的分析一般包括以下两步：（1）将多选项问题分解（2）利用前面讲到的频数分析或交叉分组下的频数分析等方法进
33、行分析。 4.5.2 多选项问题的分解1、多选项二分法（Multiple Dichotomies Method）将多选项问题中的每个答案设为一个SPSS变量，每个变量只有1或0两个取值，分别表示选择了该答案和不选择该答案。,2019年2月13日星期三,61,2、多选项分类法（Multiple Category Method）首先估计多选项问题最多可能出现的答案个数，然后为每个答案设置为一个SPSS变量，变量取值为多选项问题中的可选答案。例如，居民储蓄调查中的存（取）款目的我们设置了目的一、目的二、目的三三个变量，每个变量取值都是一种情况。,2019年2月13日星期三,62,4.5.3 多选项分
34、析的基本操作1、多选项分析的基本思路第一，按多选项二分法或多选项分类法将多选项问题分解成若干问题，并设置若干个SPSS变量。第二，采用多选项频数分析或多选项交叉分组下的频数分析数据。第一步已经介绍过了，下面介绍第二步。,2019年2月13日星期三,63,2、定义多选项变量集 （1）选择菜单AnalyzeMultiple ResponseDefine Sets； （2）从数值型变量中将进入多选项变量集的变量选择到Variables in Sets框中； （3）在Variables Are Coded As框中指定多选项变量集中是按照哪种方法分解的。Dichotomies表示以多选项二分法分解，并
35、在Counted Value中输入对哪组值进行分析；Categories表示以多选项分类法分解，并在Range框和through框中输入变量取值的最小值和最大值。,2019年2月13日星期三,64,（4）为多选项变量集命名，系统会自动在该名字前加字符$； （5）单击Add按钮将定义好的多选项变量集加到Mult Response Sets框中。SPSS可以定义多个多选项变量集。3、多选项频数分析的基本操作步骤 （1）选择菜单AnalyzeMultiple ResponseFrequencies； （2）从Mult Response Sets中把待分析的多选项变量集选择到Table(s) For框
36、中；,2019年2月13日星期三,65,（3）指定是否处理缺失数据。SPSS规定只要样本在多选项变量集中的某一个变量上取缺失值，分析时就将该样本删除。Exclude cases listwise within dichotomies适用于多选项二分法， Exclude cases listwise within categories适用于多选项分类。至此，SPSS将自动产生综合频数分析结果。,2019年2月13日星期三,66,4、多选项交叉分组下频数分析的基本操作步骤 （1）选择菜单AnalyzeMultiple ResponseCrosstabs； （2）选择列联表的行变量并定义取值范围，或
37、选多选项变量集为行变量； （3）选择列联表的列变量并定义取值范围，或选多选项变量集为列变量； （4）选择列联表的控制变量并定义取值范围，或选多选项变量集为控制变量；,2019年2月13日星期三,67,（5）单击Option按钮选择列联表的输出内容和计算方法。其中，在Cell Percentages中选择单元格输出哪些百分比；在Percentage Base On框中指定如何计算百分比，Case表示分母为个案数，Responses表示分母为多选项应答数；Match Variable Across Response Sets选项表示如果列联表的行列变量均为多选项变量集时，第一个变量集的第一个变量与
38、第二个变量集的第一个变量做交叉分组，第一个变量集的第二个变量与第二个变量集的第二个变量做交叉分组，依此类推。至此，SPSS将自动产生相应的交叉列联表。,2019年2月13日星期三,68,4.5.4 多选项分析的应用举例利用居民储蓄调查数据进行分析，实现以下两个分析目标： 目标一：分析储户的储蓄目的 目标二：分析不同年龄段储户的储蓄目的,2019年2月13日星期三,69,分析： 目标一：分析储户的储蓄目的储蓄目的是一个多选项问题，为便于数据分析将该问题依据多选项分类法分解成三个问题，并设立了三个变量目的一、目的二、目的三，将这三个变量定义为一个多选项变量集，名为X，表示储蓄目的，然后做多选项频数分析。,2019年2月13日星期三,70,目标二：分析不同年龄段储户的储蓄目的在目标一定义多选项变量集X的基础上做多选项交叉分组下的频数分析，选择多选项变量集X为行变量，选择年龄为列变量，并指定年龄的取值范围为14，打开Option选项指定输出行百分比、列百分比和总百分比。,2019年2月13日星期三,71,
