一、准备数据

本次分析采用的是居民健康状况数据，数据有编号、身高、体重、代谢综合症、性别、胆固醇。

变量视图：

数据视图：

计算BMI变量：

根据BMI值评判个人健康状况，新增评判结果变量，如果值为1，正常；为2，过轻；为3，肥胖。

二、数据分析：

（1）简单的统计分析

选中性别列，鼠标右击，点击描述统计，可以得到描述统计分析

交叉表：分析-描述统计-交叉表

（2）交叉频数分布

分析-描述统计-交叉表

（3）复杂的交叉频数分布表

分析-描述统计-交叉表

（4）条形图

图形-旧对话框-条形图-简单（选择个案组摘要）

双击-元素-显示数据标签

（5）簇状条形图

图形-旧对话框-条形图-簇状（选择个案组摘要）

（6）堆积条形图

图形-旧对话框-条形图-堆积（选择个案组摘要）

（7）饼图

图形-旧对话框-饼图（选择个案组摘要）。选择分类变量到分区定义依据。

（8）直方图

图形-旧对话框-直方图-变量处选择身高或者体重。

双击-元素-显示分布曲线

（9）茎叶图

分析-描述统计-探索

（10）箱线图

图形-旧对话框-箱线图-简单-确定。生成图之后点击中间横线-右击-显示数据标签。

（11）散点图

图形-旧对话框-散点图-简单散点图-（X轴身高，Y轴体重）-确定。双击图像-元素-总计拟合线。

（12）描述统计量

分析-描述统计-探索-因变量为身高-统计中选描述-选项中选成列排除个案-确定

（13）参数估计

分析-比较平均值-单样本T检验-选择身高--检验值为0-确定

（14）假设检验

分析-比较平均值-单样本T检验-选择身高-检验值设置数值-确定

（15）拟合优度检验（卡方检验）

分析-非参数检验-旧对话框-卡方-选择“评判结果”-确定

原假设：无显著差异。渐近显著性水平(P值)。由于P=0.000<a=0.05，因此拒绝原假设，表明居民身体健康状况的评判结果的偏好表现出显著差异。

（16）独立性检验

分析-描述统计-交叉表-统计（按照下面设定）-单元格计数中选择实测和期望-确定

由于P<a，因此拒绝原假设，认为居民身体健康状况评判结果与性别不独立，或者说居民身体健康状况评判结果与性别有关。从几个数值的值来看，BMI指数，也即肥胖跟男女性别有关系。

上图为相关性测量。相关性度量中的Phi值、克莱姆 V以及列连系数显著性检验结果均显著，这表明肥胖性与性别两个变量不独立，即它们之间存在显著的相关性。

以上就是使用SPSS进行数据分析的全过程。包括数据导入、数据设定、数据统计和数据分析。