1、 1 目录 第五章 常用统计图绘制及编辑 第一节 条形图的绘制 一、 条形图的概念 二、 条形图分类变量划分 三、 条形图特征值划分 第二节 线图 一、 线图分类变量划分 二、 线图特征值划分 三、 其他图形的绘制 第三节 统计图的编辑技巧 一、 图元素编辑 二、 图形编辑 三、 图模板的应用 2 第第第 五五五 章章章 常用统计图绘制及编辑 在统计分析中，统计图作为数据描述的重要方法之一，主要是通过点、线、条、面积等的位置与大小的变化来表现或说明所研究问题的变化及其规律。在数据分析的过程中，数据分析图与数据表格有时可同时产生，有时必 须分开进行。 统计图具有简洁、直观、可读性强和易理解等特点
2、，被分析者和信息使用者广泛使用，因此，数据分析人员在进行统计分析时，掌握统计图的绘制与编辑是必不可少的数据分析技能。在 spss 中，提供了用原始数据和表格中数据进行绘图的功能，数据图的种类也比较多，可方便地供数据分析人员选用。 第第第 一一一 节节节 条形图的绘制 一、 条形图的概念 1、 条形图的含义 条形图（ bar）用条的根数代表分类变量所分组的多少，或者选用变量的个数，用条的高度反映各组分析指标值的大小，或者变量特征值的大小，各个条之间有间隔。它可以直观揭示或比较频数变量的频数特征 值、分类变量在有关综述变量方面的特征值大小，以此发现重要组或类（ group）。 2、 分类轴（ ca
3、tegory axis） 条形图的横轴为分类轴，用来统计分类变量所分的组数。如果只有一个分类变量，这种条形图称为简单条形图 （ simple bar） ，如果有两个分类变量，这种条形图称为复合条形图，其中一个变量称为分组变量，另一个变量称为分层变量。根据分层变量绘图方式的不同，复合条形图又分为分组分层条形图 (clustered bar)、分组分段条形图 (stacked bars)。 3、 刻度轴（ scale axis） 条形图的 纵轴为刻度轴，用来统计各个分组的特征值。按照特征值描述的对象不同分为以下三种类型： 一是组内特征值描述（ summaries for groups of cas
4、es），即 分类变量将统计个案分成若干组，统计每个组的特征值，如统计各个组的频数、频率或其他能反映组特征变量在各个组上的特征值，这类条形图 简称为组特征值条形图或分组条形图 。 二是平行变量特征值描述（ summaries of separate variables），即选择若干个平行变量（指性质相同，可放在一起进行比较的一组变量），对这些变量的特征值进行统计 ，这类条形图简称为平行变量条形图，如被访者对 10 个产品分别打分，将 10 个产品的各自得分可看作是 10 个平行变量。 三是个案值描述（ values of individual cases），即直接描述数据库的原始数据而不再进行统
5、计计算，这类条形图简称为个案条形图。如果在数据分析的过程中，已经得到了分组变量、平行变量的特征值，不必进行重新计算，可直接用数据作图。如用数据综述的方法得到了平行变量的综述特征值表，用该表中的数据制图。该功能与 Excel 中的画图功能相似，因此在分析时，可直接使用 Excel 工具绘图可能更方便 。 二、 条形图分类变量划分 条形图按照分类变量的选用情况分为简单条形图、复合条形图两大类，复合条形图按照图形表达方法不同又分为分组分层条形图与分组分段条形图。三种图的区别如图 5-1（ a）、5-1（ b）、 5-1（ c）所示， 从图中可以看出，简单条形图只选用了一个分组变量来分组，没有进一步分
6、层，各个条之间有间隔。分组分层条形图选用了一个分类变量（大类）和一个分3 层变量（小类）来分组，属于同一组的条之间没间隔（小类不间隔），而不同组之间有间隔（大类间隔）。在分组分段条形图中，选用了一个分类变量和一个分层变量，条的个数为大类标志所分组的个数，而各层在每一条上按顺序分段表达出来，其分段长度代表了各个层的指标值的大小，总长度代表了汇总值。 年龄40 岁以上36 -40 岁31 -35 岁26 -30 岁20 -25 岁16 -20 岁16 岁以下Mi ss in gPercent30.020.010.00.010.36.88.816.127.014.14.212.9图 5-1（ a）
7、简单条形图 年龄40 岁以上36 -40 岁31 -35 岁26 -30 岁20 -25 岁16 -20 岁16 岁以下Percent40.030.020.010.00.0性别女男图 5-1（ b）分层条形图 年龄40 岁以上36 -40 岁31 -35 岁26 -30 岁20 -25 岁16 -20 岁16 岁以下Percent70.060.050.040.030.020.010.00.0性别男女图 5-1（ c）分段条形图 4 在 SPSS 中绘制条形图时，需要对以上三种情况进行选择，条形图选择窗口如图 5-2(a)所示，各类图的绘制操作过程如下： 图 5-2(a)条形图选择窗口 图 5-
8、2(b)条形图选择窗口 1、 简单条形图（ simple bar）的绘制 1） 打开数据文件“服装市场调查数据库 .sav”。 2） 点击“ graphs bar” 显示 bar charts 对话框，选择 simple bar， 点击【 define】，进入绘图参数输入窗口，如图 5-2(b)。 3） 在条图纵轴指标（ bar represents）选项中选择频率选项（ % of cases），在分类轴横轴（ category axis）中输入分类变量“ q7”。如果不需要在图中显示缺失值统计结果，在 options选项中去掉缺失值显示 (display groups defined by
9、missing values)，其他均采用系统默认值。 4） 确认【 ok】，生成条图输出 到“ output”中，如图 5-1（ a）所示，该图反映了分类变量“ q7”的各个组别出现的频率，即各年龄组的人数占总调查个案数的比例。 需要注意的是，条图的纵轴指标，也可以是综述变量的统计指标。在上述操作中，在选择条图纵轴指标（ bar represents）选项中选择计算综述值（ other summary function），在综述变量（ variable）中输入变量“ q6_1”，统计指标选择均值（也可选择其他值，如汇总值、方差等），在分类轴横轴（ category axis）中输入分类变量“
10、 q7”，这时生成的条图 反映的是各个年龄组别对某一品牌的评价情况。 2、 分层条形图 (clustered bar) 的绘制 1） 打开数据文件“服装市场调查数据库 .sav”。 2） 点击“ graphs bar” 显示 bar charts 对话框，选择 clustered bar， 点击 【 define】进入绘图参数输入窗口。 3） 在条图纵轴指标（ bar represents）选项中选择频率选项（ % of cases），在分类轴横轴（ category axis）中输入分类变量“ q7”，在分层变量（ define clusters by） 中输入分层变量“ q8”，其他均采用
11、系统默认值。 4） 确认【 ok】，生成条图输出到“ output”中。如图 5-1（ b）所示，该图的分类轴上，包括了分类变量和分层变量共同的分组，分类情况直接标注在横轴上，分层情况则以图例（ legend）反映出来。该图反映了分类变量“ q7”的各个组别中，不同性别的被访者出现的频率。 与简单条形图相似，其纵轴指标，也可以是综述变量的统计指标。在上述操作中，在选择条图纵轴指标（ bar represents）选项中选择计算综述值（ other summary function），并输入综述变量即可。 5 3、 分段条形 图 (stacked bars) 的绘制 1） 打开数据文件“服装市场
12、调查数据库 .sav”。 2） 点击“ graphs bar” 显示 bar charts 对话框，选择 stacked bar， 点击 【 define】 ，进入绘图参数输入窗口。 3） 在条图纵轴指标（ bar represents）选项中选择频率选项（ % of cases），在分类轴横轴（ category axis）中输入分类变量“ q7”，在分段变量 define stacks by 中输入分层变量“ q8”，其他均采用系统默认值。 4） 确认 【 ok】 ，生成条图输出到“ output”中。如图 5-1（ c）所示，该图的分类轴上，只包括分类变量，分类情况直接标注在横轴上，分段
13、情况标注在条上，并以图例（ legend）反映出来。该图反映了分类变量“ q7”的各个组别中，不同性别的被访者出现的频率，与分层条形图相比，较简洁。 与简单条形图相似，其纵轴指标，也可以是综述变量的统计指标。在上述操作中，在选择条图纵轴指标（ bar represents）选项中选择计算综述值（ other summary function），并输入综述变量即可。 三、 条形图特征值划分 在绘制上面三种条形图时，图中的数据源 选项（ data in chart are）中，有三种选择，如图 5-2（ a）所示。不同选择，其条形图纵轴反映的指标值的含义不同，其绘制图形分别称为组特征值条形图、平行
14、变量条形图、个案值条形图，如图 5-3（ a）、 5-3（ b）、 5-3（ c）所示 。从图中可以看出，图的外观没有太大的差别，其差别主要在于各种图的纵轴所揭示的指标值不同。 年龄4 0岁以上3 6- 40 岁3 1- 35 岁2 6- 30 岁2 0- 25 岁1 6- 20 岁1 6岁以下M is si ngPercent30.020.010.00.010.36.88.816.127.014.14.212.9图 5-3（ a） 分组变量的频数描述图 U2满意度苹果满意度堡狮龙满意度佐丹奴满意度真维斯满意度班尼路满意度Mean9.08.58.07.57.07.37.27.67.68.77.
15、3图 5-3（ b） 平行变量平均值描述图 6 Cas e Num ber181716151413121110987654321Value 店员基本礼貌110.0100.090.080.0图 5-3（ c） 个案值描述图 在数据分析的过程中，选用何种图，主要视分析的目标及数据库的情况而定， 各 类图的绘制操作过程如下： 1、 组特征值条形图（ summaries for groups of cases）的绘制 1） 打开数据文件“服装市场调查数据库 .sav”。 2） 点击“ graphs bar”，显示 bar charts 对话框，选择 simple bar，在 数据源 （ data in
16、 chart are） 选项中选择第一项 summaries for groups of cases， 点击 【 define】 ，进入绘图参数输入窗口。 3） 在条图纵轴指标（ bar represents）选项中选择频率选项（ % of cases），在分 类轴横轴（ category axis）中输入分类变量“ q7”，其他均采用系统默认值。 4） 确认 【 ok】 ，生成条图输出到“ output”中，如 图 5-3（ a）所示，该图反映了分类变量“ q7”的各个组别出现的频率，即各年龄组的人数占总调查个案数的比例。 2、 平行变量特征值条形图（ summaries for separ
17、ate variables）的绘制 1） 打开数据文件“服装市场调查数据库 .sav”。 2） 点击“ graphs bar” 显示 bar charts 对话框，选择 simple bar，在数据源（ data in chart are） 选项中选择第二项 summaries for separate variables， 点击 【 define】 ，进入绘图参数输入窗口。 3） 在条图纵轴指标（ bar represents）选项中输入平行变量“ q6_1、 q6_2、 q6_3、 q6_4、q6_5、 q6_6”，选择统计平均值，其他均采用系统默认值。 4） 确认 【 ok】 ，生成条图
18、输出到“ output”中，如 图 5-3（ b）所示，该图反映 6 个品牌满意度评价的对比。 3、 个案值条形图（ values of individual cases）的绘制。 1） 打开数据文件“ 服务水平调查数据库 .sav”。 2） 点击“ graphs bar” 显示 bar charts 对话框，选择 simple bar，在数据源（ data in chart are） 选项中选择第三项 summaries for separate variables， 点击 【 define】 ，进入绘图参数输入窗口。 3） 在条图纵轴指标（ bar represents）选项中输入变量“
19、q1”，分类标签（ category label）系统默认为记录号（ case number），也可以输入分类变量“ store”，其他均采用系统默认值 。 4） 确认 【 ok】 ，生成条图输出到“ output”中，如 图 5-3（ c）所示，该图反映了变量“ q1”的 18 个个案值的大小对比。 7 根据以上的两种分类，在使用条形图工具时，可组合成 9 种不同的条形图绘制方法，但常用的是横轴组别划分用简单的、分层的两种形式，纵轴数据描述用组特征值、平行变量特征值两种形式，形成四种常用的条形图。在选择具体的制图方法时，主要根据分析的目标进行灵活选择。另外有些条图在一些报表分析功能中，也可直
20、接得到，而不必单独作图。 第第第 二二二 节节节 线图 线图 line 用点或折线将各个组别的指标值（或相关变量的成对指标值）连 接起来，反映各个组别的指标值的大小（或相关变量的变化趋势），以此发现重要组或重要的变化趋势。线图和条图在原理上比较接近，只是外观上有差别，因此两种图形可以转换，在分析过程中，选用哪种图，与个人的习惯有关，如当分类轴的组别太多时，用条图就不好看，用线图表达效果更好。此外，线图比条图应用范围更广，如果要反映两个连续变量之间的关系时，只能用线图来表达。 一、 线图分类变量划分 线图按照分类轴选用分组变量的情况分为单线图、复合线图两大类，复合线图按照图形表达方法不同又分为多
21、线图与垂线图，如图 5-4（ a）、 5-4（ b）、 5-4（ c）所示。 从图中可以看出，单线图只选用了一个分组变量来分组，计算各个组别的特征值，并用折线连接起来，只有一条线。 多线图选用了一个分组变量和一个分线变量来分组，横轴为分组变量所分的组数，纵轴统计由分组变量和分线变量产生的各个组别的特征值，并用折线将属于同一个分线变量的各个数据连接起来，形成多线图，线的条数表示分线变量的分类个数。 垂线图选用了一个分组变量和一个分点变量来分组，横轴为分组变量所分的组数，每条垂线上有若干点，与分点变量分类个数及其指标值大小对应。在垂线图中，用垂线将属于同一大类的各个数据 连接起来，形成垂线图。 垂
22、线图与多线图计算原理是相同的，只是数据的连接方式不同。在比较由分线变量形成的组的差别时，该图比较直观。在比较由分组变量形成的组的差别时，用垂线图比较直观。 年龄40岁以上36-40岁31-35岁26-30岁20-25岁16-20岁16岁以下Percent40.030.020.010.00.0图 5-4（ a） 单线图 8 年龄40 岁以上36 -40 岁31 -35 岁26 -30 岁20 -25 岁16 -20 岁16 岁以下Percent40.030.020.010.00.0性别女男图 5-4（ b ） 多线图 年龄40岁以上36-40岁31-35岁26-30岁20-25岁16-20岁16
23、岁以下Percent40.030.020.010.00.0性别女男图 5-4（ c） 垂线图 在 SPSS 中绘制线图时，需要对以上三种情况进行选择，线图选择窗口如图 5-5（ a）所示，各类图的绘制操作过程如下： 图 5-5（ a）线图选择窗口 图 5-5（ b）线图选择窗口 9 1、 单线图（ simple）的绘制 1） 打开数据文件“服 装市场调查数据库 .sav”。 2） 点击“ graphs line” 显示 line charts 对话框，选择 simple line， 点击 【 define】 ，进入绘图参数输入窗口，如图 5-5(b)所示。 3） 在线图纵轴指标（ line r
24、epresents）选项中选择频率选项（ % of cases），在分类轴横轴（ category axis）中输入分类变量“ q7”，如果不需要在图中显示缺失值统计结果，在 options选项中去掉缺失值显示 (display groups defined by missing values)，其他均采用系统默认值。 4） 确认【 ok】，生成线图输出到“ output”中，如图 5-4（ a）所示，该图反映了分类变量“ q7”的各个组别出现的频率，即各年龄组的人数占总调查个案数的比例。 需要说明的是，线图的纵轴指标，也可以是综述变量的统计指标。在上述操作中，在选择线图纵轴指标（ line
25、represents）选项中选择计算综述值（ other summary function），在综述变量（ variable）中输入变量“ q6_1”，统计指标选择均值（也可选择其他值，如汇总值、方差等），在分类轴横轴（ category axis）中输入分类变量“ q7”，这时生成的线图反映的是各个年龄组别对某一品牌的评价情况。 2、 多线图（ multiple）的绘制 1） 打开数据文件“服装市场调查数据库 .sav” 点击“ graphs line” 显示 line charts 对话框，选择 multiple， 点击 【 define】 ，进入绘图参数输入窗口。 2） 在线图纵轴指标（
26、 line represents）选项中选择频率选项（ % of cases），在分类轴横轴（ category axis）中输入分类变量“ q7”，在分线变量 define lines by 中输入分线变量“ q8”，其他均采用系统默认值。 3） 确认【 ok】，生成线图输出到“ output”中。如图 5-4（ b）所示，该图中，分类变量的分组情况直接标注在横轴上，分线变量的分组情况则以图例（ legend）反映出来，每条线代表分线变量的一个分组。该图反映了分类变量“ q7”的各个组别中，不同性别出现的频率对比。 与单线图相似，其纵轴指标，也可以是综述变量的统计指标。在上述操作中，在选择线
27、图纵轴指标（ bar represents）选项中选择计算综述值（ other summary function），并 输入综述变量即可。 3、 垂线图（ drop-line）的绘制 1） 打开数据文件“服装市场调查数据库 .sav”。 2） 点击“ graphs line” 显示 line charts 对话框，选择 drop-line， 点击 【 define】 ，进入绘图参数输入窗口。 3） 在线图纵轴指标（ line represents）选项中选择频率选项（ % of cases），在分类轴横轴（ category axis）中输入分类变量“ q7”，在分线变量 define lin
28、es by 中输入分线变量“ q8”，其他均采用系统默认值。 4） 确认【 ok】，生成 垂 线图输出到“ output”中。如图 5-4（ c）所示，该图中，分类变量的分组情况直接标注在横轴上，分点变量的分组情况则以图例（ legend）反映出来，垂线上的每个点代表分点变量的一个分组。该图反映了分类变量“ q7”的各个组别中，不同性别出现的频率对比。 与单线图相似，其纵轴指标，也可以是综述变量的统计指标。在上述操作中，在选择线图纵轴指标（ bar represents）选项中选择计算综述值（ other summary function），并输入综述变量即可。 二、 线图特征值划分 在绘制上
29、面三种线图时，图中数据源 选项（ data in chart are）中，有三种选择，不同10 选择，其线图纵轴反映的指标值的含义不同。 第一种选择为 summaries for groups of cases，该选项为默认值，该图的纵轴描述的是，按照一个频数变量或分类变量分组的各组特征值，简称为组特征值线图 。 第二种选择为 summaries of separate variables，该图的纵轴描述的是，若干个平行变量的特征值，简称为平行变量线图。 第三种选择为 values of individual cases，该图纵轴直接使用原始数据库 中的个案数值，而不计算分组特征值或变量特征值
30、，简称为个案线图。 如果在数据分析的过程中，已经得到了分组变量、平行变量的特征值，不必进行重新计算，可直接用数据作图。该功能与 Excel 中的画图功能相似，因此在分析时，可直接使用Excel 工具绘图可能更方便。 以上三种方式生成的线图 如图 5-6（ a）、 5-6（ b）、 5-6（ c）所示。 从图中可以看出，图的外观没有太大的差别，其差别主要在于各种图的纵轴所揭示的指标值不同。 年龄40 岁以上36 -40 岁31 -35 岁26 -30 岁20 -25 岁16 -20 岁16 岁以下Percent40.030.020.010.00.0图 5-6（ a） 分组变量的均值线图。 U2满
31、意度苹果满意度堡狮龙满意度佐丹奴满意度真维斯满意度班尼路满意度Mean9.08.58.07.57.0图 5-6（ b） 平行变量平均值线图 11 Cas e Num ber181716151413121110987654321Value 店员基本礼貌110.0100.090.080.05-6（ c） 两 个变量对应个案值线图。 在数据分析的过程中，选用何种图，主要视分析的目标及数据库的情况而定， 各类图的绘制操作过程如下： 1、 组特征值线图（ summaries for groups of cases）的绘制 1） 打开数据文件“服装市场调查数据库 .sav”。 2） 点击“ graphs
32、line” 显示 line charts 对话框，选择 simple，在数据源（ data in chart are） 选项中选择第一项 summaries for groups of cases， 点击 【 define】 ，进入绘图参数输入窗口。 3） 在 线图纵轴指标（ line represents）选项中选择频率选项（ % of cases），在分类轴横轴（ category axis）中输入分类变量“ q7”，其他均采用系统默认值。 4） 确认【 ok】，生成条图输出到“ output”中，如图 5-6（ a）所示，该图反映了分类变量“ q7”的各个组别出现的频率，即各年龄组的人数
33、占总调查个案数的比例。 2、 平行变量特征值线图（ summaries for separate variables）的绘制 1） 打开数据文件“服装市场调查数据库 .sav”。 2） 点击“ graphs line” 显示 line charts 对话框，选择 simple，在数据源（ data in chart are） 选项中选择第二项 summaries for separate variables， 点击 【 define】 ，进入绘图参数输入窗口。 3） 在线图纵轴指标 line represents 中输入平行变量“ 6_1、 q6_2、 q6_3、 q6_4、 q6_5、q6_
34、6”，选择统计平均值，其他均采用系统默认值。 4） 确认【 ok】，生成条图输出到“ output”中，如图 5-6（ b）所示，该图反映 6 个品牌满意度评价的对比。 3、 个案值线图（ values of individual cases）的绘制 1） 打开数据文件“服务水平调查数据库 .sav”。 2） 点击“ graphs line” 显示 line charts 对话框，选择 simple，在数据源（ data in chart are） 选项中选择第三项 summaries for separate variables， 点击 【 define】 ，进入绘图参数输入窗口。 3） 在
35、线图纵轴指标 line represents 中输入“ q1”，分类标签（ category label）系统默认为记录号（ case number），也可以输入分类变量“ store”，其他均采用系统默认值。 4） 确认【 ok】，生成条图输出到“ output”中，如图 5-6（ c）所示，该图反映了变量“ q1”的 18 个个案值的大小对比。 12 根据以上的两种分类标志，在使用线图工具时，可组合成 9 种不同的线形图绘制方法，但常用的是横轴组别划分用单线的、多线的两种形式，纵轴数据描述用组特征值、平行变量特征值两种形式，形成四种常用的线图。在选择具体的制图方法时，主要根据分析的目标进行
36、灵活选择。另外有些线图在一些报表分析功能中，也可直接得到，而不必单独作图。 三、 其他图形的绘 制 1、 饼图（ pie） 与条线图绘制原理相同，饼图类型 线图按照反映指标值的不同分为以下三类：一是描述按照一个频数变量或分类变量分组的各组特征值，简称为组特征值饼图或分组饼图。二是描述若干个平行变量的特征值，简称为平行变量饼图。三是直接描述原始数据库中的个案数值，简称为个案饼图。如图 5-7（ a）所示，从图中可以看出各个收入层所占的比例。 较高中档较低无M i s s i n g图 5-7（ a） 收入分类饼图 2、 帕累托图（ pareto） 也称排列图或主次因素图，实际上是将条形图按降序排
37、列，并附上累计百分比的曲线。通过累计百分比曲线，可以很快判断主要因素和 次要因素。如图 5-7(b)所示，从图中可看出，前四个因素为主要因素。 购买品牌休闲服考虑的第一因素店铺装修及陈设推广Missing服务紧贴潮流品牌知名度体现个性价格舒适合体款式品质Count50 0040 0030 0020 0010 000Percent10 0500图 5-7(b) 帕累托图 3、 控制图（ control） 13 将一个时间序列以时间为横轴，在坐标系中依次用点表示出来，并用折线连接起来，同时绘制上限 ULC 和下限 LCL 两条水平控制线及平均值线 Average，以此判断数据的波动是否在控制的范围
38、内。控制图有多种绘制方法，如均值 -极差 -标准差绘制法（ X-Bar， R， S）、个案 -移动极差法（ Individuals， Moving Range）、不合格品率绘制法（ p， np）、缺陷数绘制法（ C， U）。在品质控制中，控制图是最常用的工具。在分析销售数据波动时，也可使用这一工具，如图 5-7(c)所示，该图是利用均值 -标准差绘制法（ X-Bar， S）绘制的，从图中可以看出，每周销售额的波动情况以及突破控制线的时段。 C o n t r o l C h a r t : 销售额S i g m a l e v e l : 352494643403734312825221916
39、1310741Mean1 8 1 7 11 2 9 2 676802434- 2 8 1 2销售额U C LA v e r a g e = 7 6 7 9 . 8 0LC L图 5-7(c) 周销售额控制图 4、 散布点图（ scatter） 将两个或两个以上变量对应的值在坐标系中用点表示出来，根据点的分布规律或离散程度判断这些变量之间的相关性及其规律，如图 5-7（ d）所示，从图中可以看出，尺码大小与销售额之间没 有明显的相关关系。 尺码424038363432302826销售额1 6 0 0 01 4 0 0 01 2 0 0 01 0 0 0 080006000400020000图 5
40、-7（ d） 散布点图 14 在 spss 分析软件中，还提供了其他的制图工具，如直方图（ histogram）、面积图（ area）、概率图（ normal p-p）和（ normal q-q）、高低图（ high-low）、误差图（ error bar）等，可根据实际需要选择，在此不一一叙述。 第第第 三三三 节节节 统计图的编辑技巧 一、 图元素编辑 1、 图中的各种文本标识 图中的文本标识主要包括图的名称、 x 轴和 y 轴的名称、轴的刻度标签、图例等方面，在进行图的文本编辑时，文字尽量简洁明了，不要重复，必要时删除多余的文本，增强图的可 读性。对文本编辑的操作如下： 1） 在“ ou
41、tput”窗口中，双击需要编辑的图，进入图编辑窗口，如图 5-8 所示。 2） 单击需要修改的文本，出现选中框。 3） 在快捷键或格式菜单（ format）中，选择文本编辑功能（ text） 4） 显示文本编辑对话框，指定字体的类型及大小 5） 确认【 ok】 在以下各种图元素的编辑中，编辑方法与上面类似，遵循编辑什么，点击什么，选中之后，选择相应的编辑功能进行编辑。对于大多数的编辑，还可采用双击的做法，可迅速弹出相应的编辑菜单进行编辑。因此，下面只介绍图的编辑元素，编辑操作省略。 图 5-8 图编 辑窗口 2、 x 轴。 通常 x 轴作为分类轴（ categories axis），编辑内容相
42、对较少。 X 轴的编辑窗口如图 5-9所示，分类轴的编辑元素主要包括以下几个方面： 15 图 5-9 X 轴编辑窗口 1） x 轴的名称及对齐方式 在 x 轴显示方式（ display axis）选项中，如果不作选择，将不显示 x 轴线，在该选项下，还可修改标题名称（ axis title）、调整对齐方式（ title justification）。 2） x 轴的标识 在 x 轴的标识（ axis markers）选项中，有两个选项，一是刻度标记（ tick marks）， 二是垂直线标记（ grid lines）。画垂直格线的目的是定位，如果格线太多，反而影响图的可读性，因此是否需要格线应
43、根据需要而定。 3） x 轴的标签 在 x 轴的标签（ display label）选项中，有以下三个选择项目： 一是显示分类轴的标签数量。默认为全部显示（ all labels），如果标签太多，可间隔显示间隔大小视情况而定。 二是标签文本的修改（ label text）。 三是标签的对齐方向（ orientation）。有自动对齐（ automatic）（默认值）、水平对齐（ horizontal）、垂直对齐（ vertical）、右倾对齐（ diagonal）、错行对齐（ staggered）五种方式选择。 在实际应用中，对 x 轴的编辑，主要包括对轴的名称、标识、标签对齐方向等方面，其他
44、项目采用默认值。 3、 y 轴 通常 y 轴作为刻度轴 (scale axis)，编辑内容相比较复杂。 Y 轴的编辑窗口如图 5-10 所示， y 的编辑元素主要包括以下几个方面： 16 1） y 轴的名称及对齐方式 在 y 轴的名称（ display axis）选项中，如果不作选择，将不显示 y 轴线，在该选项下，还可修改标题名称（ axis title）、调整对齐方式（ title justification）。 2） y 轴选用的尺度 在 scale 选项中，有以下两种选择，一是线性刻度，为默认选项。二是对数刻度。如果需要作对数图时，选用此项。 3） y 轴值的范围 在 range 选顶
45、中，有两个调整项目：一是数据库中的数据范围（ data），一般由系统自动识别。二是图中显示数据的范围（ displayed）。可根据图的显示效果进行调整，通常是增加最小的显示值，删除图中不必要的空白空间，从而使图中的线条显示效果更好。 4） 主要刻度或次要刻度 在主刻度（ major divisions）和辅刻度（ minor divisions）选项中，可调整最小刻度，一般由系统自动识别。此外，还有 y 轴标识选项，包括刻度标记（ tick marks）和水平线标记（ grid lines）。水平线是用来确定数据大小的参考线，如果水平线太多也会影响图的可读性。 5） 第二坐标轴。在 spss
46、 中提供了定义第二坐标轴的选项（ display derived axis）。如果图太大，需要在图的右侧显示刻度线时，可选择此项。 6） y 轴的标签 在 y 轴的标签（ display label）选项中，有以下五个指定项目： 一是小数点的位数（ decimal places） 二是前导 符（ leading character），如在数据前加货币符号。 三是后导符（ trailing character），如在数据后加 %。 四是数据用千分位表示（ 1000s seperator）。 17 五是数据缩小系数（ scaling factor），默认为 1，即使用原数据，不作缩小。 在实际应用
47、中，对 y 轴的编辑，主要包括图中数据显示范围、水平线、小数点位等，其他项目均使用系统的默认值。 二、 图形编辑 1、 图形格式（ format） 对图形格式的编辑功能，集中在图编辑窗口的 format 菜单中，也可直接使用快捷图标。图形式格式 编辑主要包括以下几个方面： 1） 条的形状（ bar style）、填充方式（ fill pattern）、颜色（ color）、数据标识（ bar label style）。 2） 线的形状（ line style）、颜色（ color）、线中点的连接方式（ interpolation）（包括孤立点、折线 straight、阶梯线 step、跳跃线
48、jump、平滑线 spline 五种可供选择），点的标识符号（ marker）（对孤立点作图适用）。 3） 坐标轴转置（ swap）：当横轴标签太多时，通过坐标轴转置可改善图的显示效果。 4） 缺失数据中断效果 （ break line at missing） 。 将缺失数据也在图形中表示出来。 2、 图中使用的数据系列（ series） 对图中使用的数据系列的编辑功能，集中在图编辑窗口的 series 菜单中，图形式格式编辑主要包括以下两个方面： 1） 增减图中线、条的根数（ displayed）。 2） 多线图中，分线变量和分组变量的互换（ transpose data）。该功能对单线图不
49、适用。 3、 图形类型的变换 在 spss 图编辑窗口的 gallery 菜单，可实现条形图、线图、面积图、饼图之间的互相变换。在多线图中，还可采用混合表达的方法（ mixed） ， 对不同的线使用不同的图表达方式，在一张图中，可同时使用条、线、面积三种图形的混合表达。在转换的过程中，需要注意对应关系。如多线图可转换为分层条图或分段条图，但转换成饼图时，每次只能将其中一条线转为饼图。 4、 图显示效果 为了增强图的可读性，改善图的外观， spss 图编辑提供了一些改善图编辑效果的功能，这些功能集中在图编辑窗口中 chart 菜单中，除了前面提到的 x 轴和 y 轴的编辑之外，还包括以下几个方面的内容： 1） 添加参考线（ reference），包括添加水平参考线（ scale）和垂直参考线（ category）。如 果制图时，没有加格线，但又需要在某些重要的位置加水平参考线和垂直参考线，可选用此项编辑功能，指定参考线的位置。通过添加参考线，可提高对图观察精度。 2） 图例（ legend）的选择或编辑。 3） 图的外框 /内框（ outer frame/inner frame）的选择 4） 增加注释（ annotation）。可在图中指定位置增加文字说明
