spss29.0 mac版

智能摘要

SPSS 29.0 Mac 版是专为 Mac 用户打造的统计数据分析新软件，也被称作 IBM SPSS Statistics 29 Mac、SPSS for Mac 29。它以类似 Excel 表格的形式输入和管理数据，数据接口通用，能方便地从其他数据库导入数据。该软件广泛应用于通讯、医疗、银行等多个领域，具备易用性、灵活性和可扩展性，能助力研究和分析人员轻松完成统计分析工作，是制作统计报表的得力助手。

此外，SPSS 29.0 软件拥有更智能的数据导入导出功能，能更智能化地读写 Excel 文件，可依据相同格式值的指定百分比确定列的数据格式。它还具备强大的分析技术和能力，能节省时间，助你快速从数据中发现新想法。有需要的朋友可到本站免费下载体验。

IBM SPSS Statistics 29 Mac 新特性

一、弹性网（Elastic Net）

新的线性弹性网络扩展过程可估计一个或多个自变量上因变量的正则化线性回归模型，图为该过程的示例输出。

二、套索（Lasso）

新的线性套索扩展能估计一个或多个自变量上因变量的 L1 损失正则化线性回归模型，包含显示跟踪图和基于交叉验证选择 alpha 超参数值的可选模式，图为该过程的示例输出。

三、脊（Ridge）

新的线性 ridge 扩展过程可估计一个或多个自变量上因变量的 L2 或平方损失正则化线性回归模型，有显示跟踪图和基于交叉验证选择 alpha 超参数值的可选模式，图为该过程的示例输出。

四、参数化加速失效时间（AFT）模型

新过程利用非循环寿命数据调用参数化生存模型过程。参数化生存模型假定生存时间服从已知分布，此分析可拟合加速失效时间模型及其相对于生存时间成比例的模型效应，图为该过程的示例输出。

五、Pseudo - R2 线性混合模型和广义线性混合模型中的度量

Pseudo - R2 度量和类内相关系数如今包含在线性混合模型和广义线性混合模型输出中（若适用）。决定系数 R2 是常报告的统计量，因其表示线性模型解释的方差比例。类内相关系数（ICC）是一种相关统计量，用于量化多级/分层数据中由分组（随机）因子解释的方差比例。

六、命令语法

1、GENLINMIXED

输出现在包含 Pseudo - R2 度量和类内相关系数（适当时）。

2、LINEAR_ELASTIC_NET

新的扩展命令运用 Python sklearn.linear_model.ElasticNet 类，用于估计一个或多个自变量上因变量的正则化线性回归模型。

3、LINEAR_LASSO

新的扩展命令使用 Python sklearn.linear_model.Lasso 类，用于估计一个或多个自变量上因变量的 L1 损失正则化线性回归模型，该命令有显示跟踪图和选择基于交叉验证的 alpha 超参数值的可选模式。

4、LINEAR_RIDGE

新的扩展命令采用 Python sklearn.linear_model.Ridge 类，用于估计一个或多个自变量上因变量的 L2 或平方损失正则化线性回归模型，命令有显示跟踪图和选择基于交叉验证的 alpha 超参数值的可选模式。

5、MIXED

输出现在包含 Pseudo - R2 度量和类内相关系数（适当时）。

6、SURVREG AFT

新的扩展命令使用非循环的生命周期数据调用参数化生存模型过程。

7、Python 和 R 升级

Python 3.10.4 和 R 4.2.0 会与 IBM® SPSS® 统计 29 一同安装。

七、删除隐藏未选定案例的功能

选择一部分案例后，未选择的案例不再隐藏在数据编辑器中，也不会丢弃未选择的案例，这恢复到 Statistics 27.0.1 及更早版本的行为。

八、小提琴图

图形板模板选择器新增了小提琴图，它是箱形图和内核密度图的混合体。小提琴图能显示数据中的峰值，用于可视化数值数据的分布。与只能显示汇总统计数据的箱形图不同，小提琴图能描述汇总统计数据和每个变量的密度。

九、工作簿模式增强功能

添加了两个新的工作簿工具栏项：“显示/隐藏所有语法窗口”和“清除所有输出”。状态栏上还有一个新按钮，用于在经典（输出和语法）和工作簿模式之间切换。

十、搜索增强功能

“搜索”功能现在提供了直接在工具栏字段中输入术语以及在下拉窗格中查看结果的选项。

软件亮点

1、操作简便

界面十分友好，除数据录入及部分命令程序等少数输入工作需键盘键入外，多数操作可通过鼠标拖曳、点击“菜单”、“按钮”和“对话框”完成。

2、编程方便

具有第四代语言的特点，只需告诉系统要做什么，无需说明怎么做。只要了解统计分析原理，无需精通统计方法的各种算法，就能得到所需的统计分析结果。对于常见统计方法，SPSS 的命令语句、子命令及选择项的选择大多通过“对话框”操作完成，用户无需花费大量时间记忆大量命令、过程和选择项。

3、功能强大

具备完整的数据输入、编辑、统计分析、报表、图形制作等功能，自带 11 种类型 136 个函数。SPSS 提供了从简单统计描述到复杂多因素统计分析的方法，如数据的探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、Logistic 回归等。

4、数据接口

能够读取和输出多种格式的文件，如由 dBASE、FoxBASE、FoxPRO 产生的 *.dbf 文件，文本编辑器软件生成的 ASCⅡ 数据文件，Excel 的 *.xls 文件等均可转换成可供分析的 SPSS 数据文件，还能把 SPSS 的图形转换为 7 种图形文件，结果可保存为 *.txt 及 html 格式的文件。

SPSS 29.0 Mac 版多元 Logistic 回归分析的使用技巧

一、概述

1、数据

- 这是一份关于不同人群早餐选择的调查数据，借助 SPSS 的多元回归分析，可将人群特征变量与早餐类型进行分析，找出它们之间的关系。

2、功能位置

- 在“分析”菜单下，能找到“回归”中的“多元 logistic”分析，进入多元回归分析窗口。

二、分析方法

1、因变量设置

- 因变量是随自变量变化的量，本例中为“首选的早餐”这一变量。

- 点击“参考类别”，设置因变量的参考类别，这是分析时的参考样本，设置为所有类别都和最后一个类别对比，类别顺序选择升序。

2、因子和协变量

- 因子可简单理解为自变量，这里将年龄分段、婚姻状况和生活方式作为因子处理。

- 协变量是分析过程中需控制的、对因变量有一定影响的控制变量，这里设置为性别。

3、分析模型

- SPSS 的多元回归分析有三类模型可选，主效应是指设置好的因子和协变量与因变量之间的关系分析；全因子模型既包含主效应，也包括因子和协变量之间的交互分析；定制步进式可由用户自己定义分析类型。

- 这里选择主效应进行分析即可。

4、统计设置

- 此窗口设置需要进行的统计数据分析，有多类统计数据可选，勾选模型下的伪 R 方、单元格可能性、步骤摘要、分类表、模型拟合度信息和拟合度，参数下的估计（置信区间设置为 95%）和似然比检验。

- 定义子群体选择“由因子和协变量定义的协变量模式”。

5、收敛条件

- 最大迭代数是数据进行回归分析时可进行迭代的次数，该数值必须是大于或小于 100 的整数，最大步骤对分设置的是迭代时的等分数，系统默认是 5。

- 对数似然收敛可设置收敛值，回归过程中对数似然比函数要大于设定值；参数收敛的数值设置类似。

- 本例中该对话框保持默认即可。

6、选项设置

- 在选项对话框中设置离散度量为“无”。

- 数据的进入概率为 0.05，出去概率为 0.1，这两个参数中，前者越大，进入模型的数据越多；后者越小，数据被剔除的越多，进入和出去方法均选择似然性。

- 其余保持默认即可。

7、保存设置

在这个对话框中设置需要保存的变量，若要将模型信息输出到 XML 文件，也可在此设置。

8、完成分析

完成上述设置后，即可在日志输出窗口查看分析结果！分析结果包含多个表格，每个数值都有特定含义，分析时要认真观察数据。

SPSS 入门学习使用技巧

一、多项选择题数据的输入

方法 1：多重二分法。有多少选项就设多少个变量，某个个案选择了某项就在该变量名下录入“1”，未选择则录入“0”，即将每个变量变成类似于“是”、“否”的选择题。

方法 2：多重分类法。有多少选项就设多少个变量，某个个案选择了某项就在该变量名下录入“1”，未选择则录入“0”。例如，某个个案选择了第“1”、“3”、“4”项，则依次录入“1、 0、 1、 1、 0、 0”。

方法 3：多重分类法。选了多少项就设置多少个变量，如命名为 seq1、seq2 和 seq3 ，若某个个案选择了第“1”、“3”、“2”项，则依次输入“1”、“3”、“2”。

方法 4：多重分类法，利用 Excel 的分列功能。

- 设置一个变量，命名为 var1。

- 录入数据。例如，某个个案选择了第“1、 3、 2”项，则输入“1 3 2”。

- 将该多选题及其数据另存为 Excel 文件。

- 在 Excel 中将 var1 这一个变量分列，步骤是“选定该变量 →数据 →分列 →固定宽度 →下一步→使用鼠标分列 →下一步 →完成”。这样，原来由一个变量组成的数据库转化为由几个变量组成的新数据库。

- 将新的变量 Seq1、Seq2、Seq3 保存。

- 最后，使用 SPSS 软件读取该数据文件。

二、分析方法

SPSS 提供了三种相关分析方法：

1、Bivariate 方法

- 用于进行两个/多个变量间的参数/非参数相关分析。若为多个变量，则给出两两相关的分析结果。该方法十分常用，通常会占到所有相关分析的 95%以上。

2、Partial 方法

- 用于偏相关分析，通常在进行相关分析的两个变量其取值均受到其他变量的影响时使用。

3、Distances 方法

- 对同一变量内部各观察单位间的数值或各个不同变量间进行距离相关分析，在教育教学研究中使用较少。

- 以语文成绩与数学成绩是否相关为例，假设采集 30 名学生的数学和语文成绩进行分析。

- 输入数据后，对数据的信度进行检查，并绘制散点图，直观查看两变量间是否有相关性。然后进行相关分析：

- 在菜单中选择 Analyze --> Correlate --> Bivariate （即：分析 --> 相互关系 --> 二变量），将需要进行分析的变量：数学和语文加入 Variables 列表中。

- 在界面中确认选中“Pearson ”即要求计算皮尔森相关系数，确认选中 Two - tailed ，即要求进行两边检测，选中 Flag significant correlations 即当变量间有关时，显示相关标记，设置完成后，单击 OK，SPSS 即会帮我们算出结果。