Matematikcentrum 1(12) Matematisk Statistik Lunds Universitet SPSS (PASW) 18 for Windows - a guided tour VT 2010
2 Introduktion till SPSS (PSAW) Denna övning kommer steg för steg att lära oss de grundläggande funktionerna i SPSS, som står för Statistical Package for the Social Sciences och som är ett av de stora generella statistikprogrammen. Programmet har sitt ursprung vid University of Chicago på 60-talet och det spred sig snabbt över hela världen. Numera är det uppköpt och har namnet PASW Statistics i datorerna i MH230. I denna guide kommer namnet SPSS oftast att användas. Tonvikten i häftet kommer att ligga på de statistiska beräkningar och metoder som använts under dina statistikstudier. Men innan vi börjar med uppgifterna behövs en kortfattad beskrivning till hur SPSS for Windows fungerar. Den som tidigare har arbetat med kalkylprogram t ex Excel känner till viss del igen sig medan andra funktioner är helt annorlunda. Det rutnät där man matar in data ser likadant ut men det finns en väsentlig skillnad. I kalkylprogram kan man i samma kalkylark blanda data, resultat och diagram. I ett statistikprogram får endast individdata finnas på databladet. Alla resultat, analyser och diagram, hamnar i separata fönster och kan inte sparas tillsammans med data utan måste sparas i separata filer eller flyttas över till ett ordbehandlingsprogram och sparas som ett dokument. Programmet startas från Windows genom att man dubbelklickar på PASW-ikonen och efter ett antal sekunder kommer skärmen att se ut ungefär så här:
3 Vad man ser i SPSS-fönstret är det fönster som finns öppet från start. Data Editor I Data Editor finns två lägen. För det första Data View, där vi har det rutnät där data så småningom hamnar, och för det andra Variable View som innehåller information om de variabler (kolumner) som finns i materialet. Datavärdena kan man antingen mata in för hand via tangentbordet eller så kan man läsa in färdiga datafiler skapade av SPSS eller av andra program, t ex Excel. Vid statistiska bearbetningar matas data alltid in så att varje rad motsvarar en individ och varje kolumn motsvarar en variabel (t ex ålder, kön, etc). Ett annat fönster som så småningom visar sig är SPSS Viewer Här hamnar alla resultat av de analyser vi så småningom ska klicka oss fram till; korstabeller, medelvärden etc. Även de diagram vi tar fram hamnar i detta fönster. I SPSS Viewer kan man sedan redigera utskrifterna och diagrammen. Det är endast när beräkningarna innebär att man skapat en ny variabel som de kommer att sparas i datafönstret. Man har t ex födelseår för individerna och vill räkna om till ålder. I ett sådant fall skapar man en ny variabel och låter SPSS göra transformationen ålder = 2008 födelseår. En viktig skillnad gentemot kalkylprogrammen är också att de nya värdena räknas ut och läggs som data, och inte som en formel, i den nya kolumnen. Nog med prat, det bästa sättet att lära sig ett datorprogram är att själv slå sig ner och trycka på tangenterna och klicka med musen. Skulle det hänga upp sig någonstans finns alltid möjlighet att få hjälp on-line, klicka bara på Help på menyraden. I fortsättningen av kompendiet används konventionen att det man ska klicka på är skrivet med typsnittet Arial, medan den vanliga texten är skriven med Times Roman. T.ex. En befintlig datafil läser man in till SPSS genom att välja File > Open > Data och i menyrutan väljer man sedan den fil som ska användas. Detta innebär att först klickar man på ordet File på menyraden. Då dras en rullgardin med flera alternativ ner och av dessa klickar man på Open. Av de möjligheter som sedan visas ska man välja Data. Därefter dyker en menyruta upp och i den väljer man på precis samma sätt som i alla andra Windows-program.
4 Övningsuppgifter - Beskrivande statistik 1. I denna första uppgift ska vi mata in ett mindre datamaterial och göra några beräkningar. Till kursen MASB11 har våren 2010 anmält sig bland annat följande 6 personer: Namn Kön Ålder Poäng Termin 1 Lasse 1 23 112,5 4 2 Bosse 1 20 45 2 3 Lisa 2 19 30 1 4 Anna 2 24 52,5 2 5 Britta 2 25 270 6 6 Olle 1 27 300 8 a) Variabeln Poäng innehåller information om hur många högskolepoäng (hp) individerna har vid kursens start. Variabeln Termin är antalet terminer av universitetsstudier. Innan du börjar inmatningen av värden i SPSS skall du trycka på fliken Data View långt ner till vänster i skärmen. Börja nu med att skriva in den första individens namn på rad 1 i den första datakolumnen. Eftersom det första värdet= Lasse innehåller bokstäver så kommer SPSS att uppfatta hela den första kolumnen som en teckenkolumn (String). Mata in alla sex namnen. Observera att det blir lite problem med Britta. SPSS accepterar inte sista bokstaven i namnet. Detta beror på att längden på kolumnen bestäms av att Lasse har fem bokstäver. Gör då så här: Tryck på fliken Variable View nere till vänster i skärmen. Då hamnar du på ett ställe där man kan se information om de olika variablerna. Rubrikerna heter Name, Type, Width, Decimals, Labels, Values m.m. Observera att i kolumnen Type så står det att variabeln är av typ String (betyder teckenvariabel=kan innehålla bokstäver). Ändra nu längden till sex tecken (eller något annat) i kolumnen Width. Du kan nu också passa på att ändra lite annan information om variabeln. Om du även vill kontrollera hur många tecken som visas i skärmen så bör du även ändra under Columns till minst sex tecken. Gå till kolumnen Name och ändra till Namn. Observerar att det finns vissa begränsningar för vilka tecken som förekomma i ett namn. Mellanslag är t ex inte tillåtet. Ställ dig därefter i kolumnen Label och skriv in Förnamn som Label (variabeletikett). Variabeletiketten kan innehålla alla tecken och den kan vara upp till 256 tecken lång. Om det finns en etikett kommer denna att komma på alla utskrifter. I många fall skrivs dock endast 40 tecken ut och ibland ännu färre. Här kan man alltså ge en bättre beskrivning av variabelinnehållet än variabelnamnet. Definiera nu även de fyra andra variablerna. Välj variabelnamnen enligt ovan och använd etiketterna (Labels) Kön, Ålder, Totalt antal högskolepoäng och Antalet terminer av universitetsstudier.
5 OBS!! Dessa fyra variabler ska vara av typen Numeric och inte String eftersom de ska innehålla siffervärden som olika beräkningar ska utföras på. Ta gärna också bort så att de blir heltal utan decimaler. Efter allt detta förberedande arbete skall du nu mata in resterande data. Tryck på Data View och lägg in datamaterialet (överst på sidan 4) i sina respektive kolumner. Lägg märke till att de numeriska variablerna får två decimaler i datafönstret om man inte valde något annat när variabeln definierades. Definitionerna kan ändras när som helst genom att man när som helst går in under Variable View. Ändra nu till noll decimaler om du inte redan har det. Korrigera nu så att Britta blir riktig. Lägg även in dig själv som en sjunde person i datamaterialet. b) Spara datamaterialet när alla värden är inmatade, File>Save (eller Save As). Varje gång man ändrat i data, lagt till nya individer eller utfört en transformation, bör man spara sina data på nytt. c) Värdet 1 för män och 2 för kvinnor är naturligtvis praktiskt vid inmatning av data men vid utskrifter vill man hellre se det riktiga värdet, dvs Man eller Kvinna. Då använder man s k Value Labels. Gå in under Variable View och ställ dig i kolumnen Values på raden för variabeln som anger Kön. Tryck på knappen med de tre punkterna. Därefter bör du få upp ovanstående ruta. Skriv in 1 i rutan Value och Man i rutan Value Label. När man sedan klickar på Add hoppar definitionen ner i rutan under. Upprepa för kvinnorna, och sedan OK. Gå till Data View. Syns inte etiketterna direkt väljer man View och klickar på Value labels. d) Innan vi går vidare ska vi också se ett enkelt exempel på hur man kan skapa en ny variabel. Antag nu att vi vill bilda en ny variabel som visar hur många poäng studenterna i genomsnitt har tagit per termin de studerat. Gå då in under Transform > Compute. I
6 rutan uppe till vänster (under Target Variable) skall man skriva namnet på den nya variabeln. I den stora rutan till höger (Numeric Expression) skriver man ett uttryck för hur den nya variabeln skall beräknas. Skriv nu in ett nytt namn under Target Variable (t ex Ptermin). Skriv nu in formeln för hur antalet poäng per termin skall beräknas under Numeric Expression. (Poäng/Termin). Du kan antingen antingen skriva direkt om du minns variabelnamnen. Alternativt kan du klicka in de rätta variablerna med hjälp av pilen mellan rutorna. För divisionstecknet kan du använda knapparna till höger om variabelnamnen (alternativt skriv på tangentbordet). Tryck OK när du är klar. (Ibland kan programmet vara inställt så att det bara är variabelnamnet som kommer upp överst och alla värden är punkter. Då måste man klicka på Transform>Run Pending Transforms för att de nya värdena ska beräknas.) e) Nu fortsätter vi med några statistiska beräkningar. Vi börjar med en frekvenstabell för variabeln Kön, Ge meny-alternativet Analyze>Descriptive Statistics>Frequencies. När dialogrutan här bredvid kommer fram markerar man den eller de variabler man vill ha en frekvenstabell för och klickar på triangeln i mitten som är riktad åt höger. Variabeln flyttas då över till rutan Variable(s). OK och resultatet kommer i SPSS Viewer. Gör nu detta för variabeln Kön. I tabellen är Frequency= antal, Percent=procent (räknat på alla värden, även saknade), Valid percent= procent (saknade värden borttagna). f) Nästa steg blir att beräkna lite beskrivande mått för de numeriska variablerna i materialet. Även detta kan göras under Analyze>Descriptive Statistics>Frequencies. Byt först ut variabeln Kön mot Ålder, Poäng och Termin. Tryck sedan på knappen Statistics. Vi får då följande ruta: Markera att du vill beräkna medelvärdet (mean), medianen, standardavvikelsen (Std deviation), minimum och maximum.
g) Både när det gäller diagram och tabeller (utskrifter) finns det i SPSS rikliga möjligheter att redigera och förändra de resultat man får fram. Vi skall återkomma till detta även senare. Men vi börjar med några enkla principer. Ta fram en färdig tabell t ex nedanstående tabell över könsfördelningen. Anta att vill redigera denna. Vi är inte intresserade av att presentera de två sista kolumnerna (Valid Percent och Cumulative Percent). Kön Valid Man Kvinna Total Cumulative Frequency Percent Valid Percent Percent 3 50,0 50,0 50,0 3 50,0 50,0 100,0 6 100,0 100,0 Gör då så här: Dubbelklicka på tabellen (två snabba klick med vänster musknapp). Om tabellen nu har fått en taggig kant så är det rätt. Nu är vi inne i ett redigeringsläge. Markera nu siffrorna inuti tabellen i kolumnerna som vi vill ta bort. Tryck på Deleteknappen på tangentbordet. Tabellen reduceras till: Kön Valid Man Kvinna Total Frequency Percent 3 50,0 3 50,0 6 100,0 I redigeringsläget finns det otaliga möjligheter att redigera tabellen. Pröva med att klicka på höger musknapp. Då kommer det upp en ny rullgardinsmeny. Gå in under Table Looks. Här finns ett stort antal färdiga tabellutseenden.
8 2. Innan du startar med denna uppgift ska du antingen starta om SPSS eller tömma både SPSS Viewer (Edit>Select All, Edit>Delete) och datafönstret (File>New>Data). På kursens hemsida http://www.maths.lth.se/matstat/kurser/masb11/htm3/material, hittar du en länk till filen GRÅSPARVAR.SAV. Hämta hem denna fil till din dator. Här följer en kort beskrivning av datamaterialet: Datamaterial: Efter en svår februaristorm 1898 fångades 136 gråsparvar. Fåglarna var i dålig kondition och 72 hämtade sig medan 64 dog. I ett laboratorium mättes 8 morfologiska karaktärer samt vikten hos fåglarna: Variabler: Längd - Total längd (mm) Vinglängd - Vinglängd (alar) (mm) Vikt - Vikt (g) HuvudNäbb - Längd av huvud och näbb (beak and head) (mm) Överarmsben - Längd av överarmsben (humerus) (mm) Lårben - Längd av lårben (femur) (mm) Tars - Längd av tars (tibiotarsus) (mm) Skallbredd - Skallbredd (skull) (mm) Bröstbenskam - Längd av bröstbenskam (keel of sternum) (mm) Ålder Ålder (1=Adult, 2=Ung) Kön Kön (1=Hane, 2=Hona) Överlevnad Överlevnad (1=Död, 2=Överlevde) Öppna datamaterialet i SPSS med hjälp av File>Open>Data. a) Börja nu med att komplettera materialet med variabeletiketter för de tre kategorivariablerna Ålder, Kön och Överlevnad. Ledning: Om du inte kommer ihåg hur man gjorde titta på uppgift 1c! Gör sedan frekvenstabeller för de tre variablerna, Analyze>Descriptive Statistics> Frequencies. Lägg märke till skillnaden mellan Percent och Valid Percent i tabellen för Ålder. Varför blir det så? Svar: b) Rita ett enkelt stapeldiagram för variabeln Ålder (Graphs>Legacy Dialogs>Bar>Simple>Define). Specificera här endast en variabel (Ålder). Lägg in den på Category Axis. Rita diagrammet.
9 c) Gör nu ett cirkeldiagram på Överlevnad (Graphs>Legacy Dialogs>Pie>Summaries for group of cases>define). Överlevnad i rutan Define Slices by. Försök gärna att ändra färger och mönster. Tips: Dubbelklicka på diagrammet. Detta hamnar då i den s.k. Chart Editorn. Det är nu möjligt att ändra i diagrammet. Dubbelklicka på cirkeln (detta bör öppna fönstret Properties) och försök ändra färger (fliken Fill & Border). Observera att endast en färg får vara markerad åt gången. När diagrammet är klart kan det kopieras till ett Worddokument. d) Antag nu att vi vill göra detta diagram uppdelat på kön. Alternativ 1: Gå in under Graphs>Legacy Dialogs>Pie>Summaries for group of cases>define igen och lägg in Kön under antingen Rows eller Columns i avdelningen Panel by längst ner. Alternativ 2: Det finns en mycket kraftfull funktion som på menyraden heter Data>Split File. Gå in där och markera Organize output by groups. Lägg sedan in Kön i rutan Groups based on. Tryck OK. Observera texten Split by Kön längst ner till höger i SPSS (i Datafönstret). Gör om cirkeldiagrammet för Överlevnad (ta bort Kön under Panel by). När man kopplar på Split File så blir allt man gör uppdelat på den variabel man angett (i vårt fall Kön). e) Gå nu in under Data>Split File och ta bort uppdelningen på Kön (Analyze all cases, do not create groups). Gör nu en korstabell mellan Kön och Överlevnad. Gå in under Analyze>Descriptive Statistics>Crosstabs. Ange den ena variabeln under Row och den andra under Column. Tryck OK. Gör sedan en ny tabell där det även finns med procent på lämpligt sätt för att svara på frågan: Hur stor andel av hanar respektive honor dog? Ledning: Cells under Analyze>Descriptive Statistics>Crosstabs. Hanar: % Honor: % f) Rita nu ett grupperat stapeldiagram på Kön och Överlevnad. Det gör man genom att gå in under Graphs>Bar>Legacy Dialogs>Clustered>Define. Det finns två varianter vad gäller placeringen av variablerna. Pröva gärna båda. g) Försök komplettera föregående uppgift med ett uppdelat stapeldiagram där varje stapel för Kön delas upp Överlevnad. Varje stapel skall också summera till 100 %. Ledning: Graphs>Legacy Dialogs>Bar>Stacked>Define. Rita diagrammet. Dubbelklicka på diagrammet och sedan på staplarna och gå in under Bar>Options. Hur stor andel av hanar/honor överlever? Jämför med 2 e. Hanar: % Honor: % h) Rita ett histogram för variabeln HuvudNäbb, Graphs>Legacy Dialogs>Histogram. Rita diagrammet. Vi vill nu ändra klassindelningen till att omfatta klasserna 29,5-30,0,..., 33,0-33,5. Dubbelklicka först mitt i diagrammet. Dubbelklicka därefter på skalan på x- axeln Ändra under Properties>Scale (Minimum 29,5 / Maximum 33,5 / Major increment 0,5) följt av Apply.
10 i) Rita ett spridningdiagram som visar sambandet mellan Vikt och Längd (Graphs> Legacy Dialogs>Scatter/Dot>Simple Scatter>Define). Ange Vikt som Y-variabel och Längd som X-variabel. Finns det något samband? j) Beräkna beskrivande statistik för Längd, Vinglängd och Vikt (Analyze>Descriptive Statistics>Descriptives). Uppställningen kommer att innehålla medelvärde, standardavvikelse, min, max och antal observationer. Pröva även Analyze>Descriptive Statistics>Explore. Lägg där in variablerna på Dependent List. k) Antag att vi nu vill göra samma beräkningar som i föregående uppgift fast uppdelat på fåglarnas kön. SPSS har då flera alternativ. För det första kan man gå in under Analyze> Compare Means>Means. Lägg in analysvariablerna på Dependent List och Kön på Independent List. Alternativ två är att använda Data>Split File. Pröva först alternativet Compare Groups. Eftersom uppdelningen nu redan är gjord så skall man sedan använda Analyze>Descriptive Statistics> Descriptives. Gå in under Data>Split File och markera Organize output by groups i stället för Compare groups. Gör om beräkningen av beskrivande statistik. Lägg märke till skillnaden i utskrift. Ta sedan bort uppdelningen på kön genom att gå in under Data>Split File och markera Analyze all cases, do not create groups. l) Rita nu en boxplot på vinglängden där man delat upp på kön (Graphs>Legacy Dialogs>Boxplot> Simple>Define). Lägg in Vinglängd som Variable och Kön som Category Axis. Rita diagrammet. m) En alternativ grafisk beskrivning av materialet kan man få under Graphs>Legacy Dialogs>Error Bar> Simple>Define. Lägg även här in Vinglängd som Variable och Kön som Category Axis. n) Ibland vill man inte använda de numeriska värdena på en variabel utan man vill istället dela in individerna i t ex två grupper, under medel och över medel. Låt oss göra detta för variabeln Vinglängd. I tidigare uppgifter har vi räknat fram att medelvärdet på denna variabel är 245,04 för hela materialet. Vi vill nu dela in materialet i grupperna: Grupp 1 Under medel = 215-245,04 Grupp 2 Över medel = 245,04-256 Värdena 215 och 256 är min och maxvärden från datamaterialet. Omkodningen gör man under Transform>Recode>Into different variables.
11 Tryck in variabeln som du vill koda om (Vinglängd) i rutan Numeric Variable -> Output Variable. Skriv in ett namn på den nya omkodade variabeln under Output Variable (VLgrupp). Skriv in en Label (Vinglängd två grupper). Tryck sedan på knappen Change. Nästa steg blir att definiera hur grupperna skall bildas. Tryck på Old and New Values. I den vänstra delen av rutan skall man skriva in värdena på den gamla variabeln (Old Value Range 215 through 245,04). Uppe till höger skriver man in värdet på den nya variabeln (New Value = 1). Tryck sedan på knappen Add. Upprepa för den andra gruppen (Old Value Range 245,04 through 256 / New Value = 2. Tryck på Add). När omkodningen är färdig ge Continue. Följt av OK. Nu har en ny variabel (AEGRUPP) bildats med värdena 1 och 2. Ge nu variabeletiketter som i 1 c). Grupp 1=Under medel och Grupp 2=Över medel. Avsluta med att i en korstabell räkna ut hur stor andel av hanar respektive honor som ligger över medel. Hanar: % Honor: %
12 Svar på frågorna: 2. a) Ålder finns bara för hanar. e) Hanar 41,4%, Honor 57,1% g) Hanar 60%, Honor 40% n) Hanar 70,1%, Honor 20,4% Sammanfattning SPSS File>Open>Data File>Save Transform>Compute Transform>Recode>Into different variables Analyze>Descriptive Statistics>Frequencies Analyze> Descriptive Statistics >Descriptives Analyze> Descriptive Statistics >Explore Analyze>Descriptive Statistics> Crosstabs Analyze> Compare Means>Means Graphs>Legacy Dialogs>Bar Graphs>Legacy Dialogs>Pie Graphs>Legacy Dialogs>Histogram Graphs>Legacy Dialogs>Scatter/Dot Graphs>Legacy Dialogs>Error Bar Data>Split File Öppna SPSS-data Spara data Bilda nya variabler Koda om en variabel Frekvenstabeller Beskrivande mått Beskrivande mått Korstabeller Beskrivande mått uppdelat på grupper Stapeldiagram Cirkeldiagram Histogram Spridningsdiagram Error Bar Dela upp materialer i grupper