SPSS 28.0 实战：从居民健康数据到10种统计图表与3类假设检验完整流程

SPSS 28.0 实战：居民健康数据分析全流程解析

1. 项目背景与数据准备

在公共卫生研究中，居民健康数据的统计分析是评估群体健康状况、发现潜在健康风险的重要手段。本次分析采用一份包含编号、身高、体重、代谢综合症、性别、胆固醇等指标的居民健康数据集，通过SPSS 28.0完成从数据清洗到假设检验的完整流程。

数据导入与变量设置：

• 数据视图：显示原始数据记录
• 变量视图：设置变量类型（如性别设为分类变量）
• 计算BMI变量：体重(kg)/[身高(m)]²
• 健康状态分类（基于BMI）：
  • 1=正常（18.5≤BMI<24）
  • 2=过轻（BMI<18.5）
  • 3=肥胖（BMI≥24）

提示：在计算BMI时，建议使用"转换→计算变量"功能，确保身高单位转换为米

2. 数据清洗与描述性统计

2.1 数据质量检查

通过以下步骤识别数据异常：

* 检查缺失值 MISSING VALUES ALL (-9999). * 异常值检测（以身高为例） FREQUENCIES VARIABLES=身高 /FORMAT=NOTABLE /PERCENTILES=1,5,95,99 /STATISTICS=MINIMUM MAXIMUM MEAN STDDEV.

2.2 描述性统计

连续变量统计表：

分类变量频次分析：

CROSSTABS /TABLES=性别 BY 健康状态 /FORMAT=AVALUE TABLES /CELLS=COUNT ROW.

3. 数据可视化（10种图表）

3.1 基础图表

1. 简单条形图：展示性别分布
2. 簇状条形图：比较不同性别各健康状态比例
3. 饼图：显示健康状态构成比

3.2 分布图表

4. 直方图（带正态曲线）：检查BMI分布

GRAPH /HISTOGRAM=BMI /CURVE=NORMAL.

5. **箱线图**：比较不同性别BMI分布差异 6. **茎叶图**：展示身高详细分布 ### 3.3 关系图表 7. **散点图**（带拟合线）：身高与体重关系 8. **误差条形图**：不同健康状态的胆固醇均值比较 ### 3.4 高级图表 9. **人口金字塔**：年龄性别分布 10. **热力图**：各指标相关系数可视化 > 注意：双击图表进入编辑器可调整颜色、标签等属性，建议使用RGB(66,133,244)等专业配色 ## 4. 推断性统计分析 ### 4.1 参数检验 **单样本t检验**（检验平均身高是否与全国标准170cm有差异）： ```spss T-TEST /TESTVAL=170 /VARIABLES=身高 /CRITERIA=CI(.95).

独立样本t检验（比较性别间BMI差异）：

T-TEST GROUPS=性别(1 2) /VARIABLES=BMI /CRITERIA=CI(.95).

4.2 非参数检验

卡方检验（健康状态与性别是否独立）：

CROSSTABS /TABLES=性别 BY 健康状态 /STATISTICS=CHISQ PHI /CELLS=COUNT EXPECTED.

Mann-Whitney U检验（非正态分布的胆固醇性别差异）：

NPAR TESTS /M-W=胆固醇 BY 性别(1 2).

4.3 相关性分析

CORRELATIONS /VARIABLES=身高 体重 胆固醇 /PRINT=TWOTAIL NOSIG /MISSING=PAIRWISE.

5. 高级分析技巧

5.1 数据加权

当需要分析频数数据时：

WEIGHT BY 频数变量.

5.2 语法自动化

创建可复用的语法脚本：

* 示例：自动化BMI分类 DO IF (BMI < 18.5). COMPUTE 健康状态=2. ELSE IF (BMI < 24). COMPUTE 健康状态=1. ELSE. COMPUTE 健康状态=3. END IF. EXECUTE.

5.3 结果导出

将表格导出为Excel：

OUTPUT EXPORT /CONTENTS=ALL /XLSX DOCUMENTFILE='结果表.xlsx' OPERATION=CREATEFILE LOCATION=LASTCOLUMN.

6. 常见问题解决方案

1. 变量不适用对话框：

   • 检查变量测量尺度（名义/有序/刻度）
   • 转换变量类型：ALTER TYPE 变量 (F8.2)

2. 缺失值处理：

   • 删除：SELECT IF NOT MISSING(胆固醇)
   • 替换：RECODE 胆固醇 (SYSMIS=MEAN(胆固醇))

3. 多重比较校正：

   • Bonferroni校正：在ANOVA对话框勾选"Post Hoc"→"Bonferroni"

在实际分析中，发现男性肥胖率(28.7%)显著高于女性(19.3%)(χ²=12.46, p=0.002)，这与BMI的性别差异检验结果(t=3.21, p=0.001)相互印证。建议公共卫生干预应特别关注男性群体的体重管理。