市场调研分析工具：SPSS操作基础一、SPSS基本操作1.SPSS的基本认识SPSS是市场调查的有效工具之一，对这一工具应当具备以下基本认识： SPSS的输出结果基本和office兼容SPSS提供了一个类似于Excel的操作界面，同时SPSS可以打开Excel文件。

由于很多公司的各类信息是录入到Excel文件中的，这样就能够顺利地将相关信息导入SPSS。

SPSS具备很好的画图功能SPSS可以将各类信息整理成各类实用而清晰的图表，这是很多公司都非常关心的一项功能。

图1 SPSS的操作界面如图1所示，SPSS的操作界面与Excel非常相似，这款软件是20世纪50年代斯坦福大学的三个研究生研发成功的，此后不断发展成为世界上最著名和客户占有量最大的统计软件。

2009年，这一软件被IBM公司收购，随后在商务上得到快速推进，因为IBM计划将SPSS打造成一款商务智能软件，而不是只局限在高校范围内。

比如，该软件有一个“直销”（Direct sells）模块，这是在数据分析中经常用到的模块，里面放入了一些非常著名的商务分析模型，如客户价值判断模型（RFM），这一模型可以根据客户的购买频次、购买金额、最后一次购买时间等信息，对客户做出价值判断并进行分组，这些都是SPSS被IBM收购后发生的变化。

目前，中国移动、各大银行、淘宝网等知名公司都在应用这些数据分析模块。

由于国内的软件版权保护制度比较落后，IBM目前并不以软件销售作为主赢利渠道，而是主要通过商务咨询和相关服务获取利润。

2.SPSS的操作流程SPSS的主要操作流程大致可以分为五部分：第一，数据读入——是将相关数据读入SPSS中；第二，数据预处理——数据读入后，要稍微做一下预处理才能继续操作；第三，模型处理——选择一个模型进行分析，然后SPSS就会输出相应的结果；第四，结果解读——对输出的结果要进行必要的解读；第六，结果二次处理——最后对结果进行一些再处理。

3.SPSS的操作示例SPSS的操作基础示例1动作1：用SPSS打开一个Excel文件。

点击“打开数据”，并在目录中找到名为“数据购买”的示例文件。

由于SPSS默认的是打开文件名为“sav”的文件，所以要在文件名下拉框中选择文件名为“xls(x)”的Excel文件。

打开界面后，如果Excel文件的第一行有表头，就要勾选；如果没有表头，就点击“确定”，这样就能将Excel文件读入SPSS。

数据读入后能够发现，这是一张市场调查的结果文件，这时会看到两个不同的标签，一是数据视图；一是变量视图，也就是将变量的属性放到视图中去。

然后打开“变量视图”，如图2所示。

图2 变量视图动作2：在变量视图中改变“值”，如性别。

变量视图包括表头、宽度小数等内容，尤其是其中的“值”应当予以特别关注，只有完成相关的赋值才能够进行分析。

动作3：采用“分析-比较均值-均值”，分析不同性别的受访者的产品消息来源、购买来源、购买原因和书价。

在表头中选择“性别”，将其放入“自变量”，然后按“shift”键统一选中消息来源、购买来源、购买原因和书价等进行基本操作，再点击“选项”就会发现不同性别的各类值，在此只关注均值，去掉个案数和标准差。

然后点击“确定”就会输出相应的结果。

SPSS的输出结果有时会非常复杂，为了将其简单化，可以只选择其中的重要部分，对于那些用处不大且比较晦涩的不妨略过。

由于SPSS每次处理都是模式化的，所以当操作熟练后就会得心应手。

在上面的示例中，为了更直观地获取感性认识，采用了“反例”手法，也就是先有了选项和平均值，再点击数据窗口切换到原数据，为了让输出结果中“1”代表男，“2”代表女，可以进入变量视图，在“性别”栏中双击“无”，然后在弹出的窗口中添加用“1”代表男，“2”代表女，然后点击确定。

这时要想在数据视图中检查某个值是否被标记过，可以在“视图”上点击“值标签”，这样设置完的值就会显示出来。

然后可以用同样的方法再进行一遍正常操作，由于之前的“比较均值”和“均值”等已经完成，所以不需要改动，直接点击确定即可，然后就会发现结果的变化。

SPSS的操作基础示例2动作1：绘制散点图。

在Excel操作中经常会用到许多图表，如柱状图、饼状图、散点图、射线图、曲线图、气泡图、雷达图、双轴图等，这些图在SPSS中都有，而且分析功能更加强大。

接前文示例1所述，为了分析不同年龄受访者购书价格的分布情况，就可以采用散点图的方式。

绘制散点图可以很好地呈现出数据的分布特征，在实际工作中非常有用，是图形分析的基本功。

具体操作是使用“图形改造程序”或旧版对话框，然后点击“散点图”并为其定义，在X轴中放入书价，在Y轴中放入年龄。

为了使散点图承载的信息量更大，便于更好地根据不同性别进行数据分析，可以打开“设置标记”并点击“确定”，这时就可以看到图中的要素分为几个层次：首先是书价，从100元一直到700元；其次是年龄，在X轴上呈递增分布；然后可以将男女性别拆分开来，用不同的颜色代表两种性别，分别观察男性受访者和女性受访者的购书数据分布状况。

具体内容如图3所示。

图3 散点图动作2：在“图标编辑器”中更改颜色。

为了使图表呈报得更加清晰，可以双击这张图进入“图标编辑器”，双击女性的某个散点进行“预览”，这时就可以更改代表女性的散点图标的格式，比如大小、边框、颜色等。

在这里将其大小改为“10”，边框改为醒目的红色，然后点击“应用”并关闭图标编辑器，图中代表女性的散点图标就会完成更改。

回到图中可以发现，20岁到30岁的女性购书花费比较高，结论是这个年龄段的白领女性购买力较强，而且学习充电的动力很大，所以购书花费较多。

通过上面的示例可以看出，要想绘制出各类实用美观的图表，一是要了解绘图中的X 轴、Y轴、设置标记以及面板依据中行、列的意义；二是要了解和掌握图标编辑器的基本功能。

二、SPSS基本分析模块在市场调研分析中，最常用到的SPSS模块是“数据”、“转换”和“分析”，其中“数据”和“转换”主要是用来做SPSS的商业数据的预处理，而“分析”主要用于各种各样的建模，里面包含了大部分常用的基本分析模块。

具体内容如图4所示。

图4 SPSS的三个常用主模块在图4的模块下面，市场调查中常用的SPSS基本分析模块主要包括描述统计、交叉表（cross table，也叫列联表）、相关、回归、分类、降维、多重相应和最优尺度等。

具体内容如表1所示。

表1 SPSS的常用基本分析模块表三、统计分析基本概念统计分析中涉及的基本概念主要包括：方差和均值、置信度、离散量和连续量、标准化、加权个案、假设检验、检验P值和R平方（R2）等。

1.方差和均值方差和均值的定义方差。

方差，主要是用来反映某段数据中数值变量的波动状况。

比如，如果A股大盘指数的方差很大，就说明股票市场还不够成熟，因为成熟的股票市场的波动应当较小。

与其相关的一个概念是标准差。

均值。

均值，就是多个数据的平均值。

如一个公司的平均工资水平、销售的平均业绩等。

方差和均值的作用方差和均值有着各自不同的作用：均值反映数据的平均水平，而方差则反映数据的波动情况。

例如：对于均值相同的两个销售团队，方差小，说明这个团队成员的销售业绩比较平均；方差大，则说明团队成员的销售业绩差距较大，高的高，低的低。

方差和均值的示例如图5所示，这是两个销售员的业绩数据，将销售1和销售2放到因变量中，将自变量保持不变，然后做一个选项。

这时可以忽略个案数和标准差，只关注平均数和方差，这时就会出来一个报告。

通过报告可以看出，两个销售人员销售数据的均值相同，但销售1的方差为72.727，销售2的方差则是418.182，由此可以得知前者各个月度的销售额差别较小，而后者各个月份的销售额则波动很大。

图5 方差和均值数据分析示例2.置信度置信度（Confidence），也叫置信水平，它是指特定个体对待特定命题真实性相信的程度。

例如，找100位金融行业的老总，经过薪资收入水平调查后得出的结果是，95%的金融行业老总的年平均收入在80～100万元人民币，这时就可以说金融行业老总年收入在这一区间的置信度是95%，80～100万元的区间则称为置信区间。

置信区间越大，置信度就越高，例如金融行业老总在0～1000万年收入的置信区间内的置信度几乎为100%。

3.离散量和连续量离散量离散量的定义。

离散量，就是一组跳跃的值。

例如：某品牌或产品是否被客户接受，其结果要么是“是”，要么是“否”，非此即彼，这就是典型的跳跃值。

离散量的分类。

离散量可以分为二项（二元跳跃）、名义值和有序值三类。

二项：即二元跳跃，只有非此即彼的两个值，例如经济是否增长、是否患病、品牌是否被接受。

名义值：多个值，但是其之间没有明显的排序关系，如n个城市、m个品牌。

在做数据分析时，销售团队可能分布在多个城市，或者是像宝洁公司一样有多个品牌的“品牌簇”，这时各个城市或品牌之间的值就是跳跃的，相互之间也没有明显的排序关系。

有序值：有序列关系。

例如空气质量标准欧III、欧IV、欧V，这组数值之间有着明显的递进排序关系，这就是有序值离散量。

要点提示离散量的分类：①二项（二元跳跃）；②名义值；③有序值。

连续量连续量就是在数值上可以连续变的值，如年龄、啤酒饮用量、渠道铺货率，显然都是连续量。

4.标准化在数据处理时，经常会出现数据级别差异太大的情况，此时一般需要标准化，通俗地讲，就是“把数据变得差不多大，这样就好处理了”。

例如：在统计游客数量时，人少时游客数可能是7人，人多时则有2000多人，而在计算景区资金支出时，最少时是700元，多时则有4万多元，这时就需要在SPSS中通过数据转换，既保留各个数值原来的特征，又让这些数据看上去差别不那么大。

具体的操作路径是“分析”—“描述统计”—将四个变量选进去—勾选“将标准化得分另存为变量”，这时就能将其另存为新的四列变量，每一列之前都加了一个“z”，这个“z得分”就是标准化。

5.假设检验在生活中，实际上就存在很多假设检验，如在与人打交道时就经常发生这一过程。

如图6所示。

图6 假设检验的示例之所以要了解假设检验，是因为在分析模型中，经常要先做一个假设，然后再去检验统计的量值（俗称“检验P值”）与现实的符合情况。

假设检验的步骤为：第一，设定虚拟假设H0；第二，设定对立假设H1；第三，决定显著水平（α）；第四，选择适当的检验统计量，以及决定危险域（放弃域的临界点）；第五，计算所选检验统计量的观察值；第六，结论：当检验统计量的观察值落入危险域，放弃虚拟假设H0，反之则接受。

6.检验P值和R平方检验P值检验P值在SPSS的操作中使用极其广泛，几乎所有的检验分析过程都会用到检验P值。

一般来说，检验P值低于5%，就认为差异效果是明显的，而高于5%，则认为差异效果不显著。