spss如何生成频数分布表

点击菜单栏Analyze➔Descriptive Statistics➔Frequencies,d出对话框后把左侧需要进行频数统计的变量移动右侧框中，还可以根据需要设置Statistics和Charts等，点击确定，就生成了频数分布统计表，以上便是简单频数分布表的制作，也可以看到局限性，那就是只适用于分组数据，而不适用于连续型数据，那么针对连续型数据，就需要用到分组频数分布表。（由于 *** 作简单与连续性后面相同，未截图）
连续性计量资料
1首先，我们需要打开一个需要制作频数表的文件，然后切换到Data View。
2点击Transform对频数赋值
3赋值之后点击Analyze➔Descriptive Statistics➔Frequencies,在跳出的对话框里选择刚刚命名的新变量HXBS1进行编辑，分别对Statistics和Charts进行选择
4编辑完后点击OK，跳出下图，鼠标对准频数表右键，即可对输出的内容保存并编辑。读者可根据自己文章的格式，把输出的频数表和图改成自己想要的合适即可。

用SPSS打开需要绘制条形图的数据文档，如要绘制中国各地区的生铁生产量。 2、然后SPSS软件页面窗口分别选择“图形”→“旧对话框”→“条形图”，d出条形图对话窗口。 3、在对话窗口中选择“简单”，然后“个案组摘要”，点击“定义”，进入条形图性质特征定义窗口。 4、选择“其他统计（例如平均值）（s）”,在“变量”窗口选入生铁，然后“更改统计（H）”，选择个案数，然后继续。在“类别轴”中选择“地区”，类别轴就是指横轴。 5、然后确定，条形图就做好了。
在SPSS上打开用来画频数分布图的数据文件。 2、在菜单栏中选择“图形”窗口，点击“旧对话框”中的“条形图”选项。 3、会d出一个新的页面，在选择“集群条形图”和“各个变量的摘要”的基础上点击“定义”。 4、会来到定义的相关窗口，需要选择“条的表征”中的数据变量，还有“类别轴”的参数，回车确定。 5、这样一来，就能够用SPSS画频数分布图了。
打开spss，点击“文件-打开-数据（A）”，导入数据。 2、点击“右键点击鼠标-升序排列或者降序排列”确定数据的最大值为1500，最小值为500。 3、对数据进行分组，点击“转换-重新编码为不同变量（R）”，将FHL移到输出变量，然后给其重新命名并且添加标签，如图，确定之后点击更改。 4、点击“旧值与新值”进入其中，准备进行分组，分为10组，在“范围”栏中进行添加，在新值栏对添加的命名，确定好10组之后，点击继续。 5、分组完成后效果如下所示。 6、点击“分析-描述统计-频率”进入频率表，将肺活量1移动到变量（V）。 7、点击统计量，进入之后将需要知道的数据打勾。 8、然后点击图表，对其。

Hello，

这里是 行上行下 ，我是 喵君姐姐 ~

在上一期中，我们为大家带来了 利用SPSS软件进行高级统计分析的实 *** 教程第一期 ，内容包括： 描述性统计表格模板、卡方&T检验、相关&回归分析 等。

在本期中，我们继续为大家介绍如何利用SPSS进行：中介、多重中介、链式中介、调节分析、有中介的调节分析等。
PS： 后台回复关键词 “高级统计” 即可获得所述的PDF原文啦！
一、中介报告B，SE，t（df），p），置信区间，画中介效应图

1回归方程法

11 算三个回归方程

1) 自—因

2) 自—中

3) 自、中—因
12 数据分析

2 Process插件法：Model4

部分标准化

效应量/Y的标准差

完全标准化

所有变量的标准化

3 报告B、SE、t(df)、P、置信区间+图（标准化系数）

本研究采用软件SPSS 240 中文版进行采集录入和统计分析实验数据。中介效应检验：参照Preacher 和Hayes (2004)提出的Bootstrap 方法进行中介效应检验(模型4)，样本量选择5000，在95%置信区间下。

为了探讨MIL和FCI的关系中是否存在PA的中介作用，本研究以MIL得分为自变量，FCI得分为因变量，PA得分为中介变量进行中介效应检验。结果表明，PA在MIL和FCI之间起着中介作用。

MIL对PA有显著的预测作用（B=024，SE=007，t（98）=355，p < 0001），置信区间（LLCT = 010，ULCT =037）不包含0； 中介检验的结果不包含0（ LLCT = 007 , ULCT = 037） ，表明 P A 的中介效应显著（中介效应大小为022，S E =008） ，中介效应如图所示。
参考文献：Preacher, K J , & Hayes, A F (2004) Spss and sas procedures for estimating indirect effects in simple mediation models  Behavior Research Methods, Instruments & Computers,   36 (4), p717-731

二、多重中介

1 Process插件法：model4

三、链式中介

1 Process插件法：model6

中心化：原始数据-均值

拆分文件：spilt
四、调节报告B、SE、t、β、p、95%CI、Δ+画回归表、交互作用图

1 线性回归法

11 S pss *** 作

1）算z分数

2）算交互项

3）算回归方程

12  S pss结果解读
13  画交互作用图：对调节变量做高低分组
高分组：平均值+标准差=612

低分组：平均值—标准差=368
14 拆分文件，做回归
15 再做一次回归，画图

2 Process插件法：model1

21 S pss *** 作
22 S pss结果解读

23 报告

利用Process model 1 (Hayes，2018)探讨生命意义感P、社会支持以及二者的交互作用与工作倦怠的关系。

结果表明， 生命意义感P (B = -046， t = -135， p = 018 )、 社会支持 (B = -019， t = -055， p =058 )以及二者交互作用(B = 005， t = 083， p =041 ) 对工作倦怠的作用 均不显著 （如表3所示），简单斜率分析图如图2所示。
图 2简单斜率效应分析图
五、有调节的中介报告B、SE、β、p、95%CI+画回归表+交互作用图

1线性回归法

11 算两组交互项 自调 中调

1) 自、调、自调—因

2) 自、调、自调—中

3) 自、调、自调、中、中调—因
12 报告

接下来验证有调节的中介作用，以压力为自变量，生命意义感P为调节变量，自我效能感为中介变量，深层劳动为因变量为例。

根据温忠麟和叶宝娟(2014)的观点，检验有调节的中介模型需要对三个回归方程的参数进行检验：(1)方程1 估计调节变量(生命意义感P)对自变量(压力)与因变量(深层劳动)之间关系的调节效应; (2)方程2 估计调节变量(生命意义感P)对自变量(压力)与中介变量(自我效能感)之间关系的调节效应; (3)方程3 估计调节变量(生命意义感P)对中介变量(自我效能感)与因变量(深层劳动)之间关系的调节效应以及自变量(压力)对因变量(深层劳动)残余效应的调节效应。

根据Muller, Judd 和Yzerbyt (2005)的观点, 如果模型满足以下两个条件则说明有调节的中介效应存在：(1)方程1 中, 压力的总效应显著, 且该效应的大小不取决于生命意义感P; (2)方程2 和方程3 中, 压力对自我效能感的效应显著, 生命意义感P与自我效能感对深层劳动的交互效应显著, 和/或压力与生命意义感P对自我效能感的交互效应显著, 自我效能感对深层劳动的效应显著，本研究中有调节的中介模型检验结果见表2、图3。

由表2、图1可见，方程1 中压力负向预测深层劳动（β=-037，p<0001），压力与生命意义感P的交互项对深层劳动的预测作用显著（β=-023，p<0001）。

方程2 和方程3 中，压力与生命意义感P的交互项对自我效能感的预测效应显著（β=-018，p<001）；压力与生命意义感P的交互项对深层劳动的预测作用显著（β=-018，p<001）；同时自我效能感对深层劳动的预测效应显著（β=053，p<0001）。

这表明， 压力、生命意义感P、自我效能感和深层劳动四者之间构成了有调节的中介效应模型 ， 自我效能感在压力与深层劳动之间具有中介作用 ， 生命意义感P 在 压力与深层劳动、压力与自我效能感间起调节作用 。
表2 压力对深层劳动有调节的中介效应检验（以生命意义感P为调节变量、自我效能感为中介变量）

图 3压力对深层劳动有调节的中介效应图（中介变量为自我效能感，调节变量为生命意义感P）
参考文献：

温忠麟, & 叶宝娟 (2014) 中介效应分析:方法和模型发展  心理科学进展,   022 (005), 731-745
由于生命意义感P在压力与深层劳动、压力与自我效能感间起调节作用，因此需要进一步检验简单效应以明确生命意义感P调节作用。

首先将生命意义感P按照正负一个标准差分成高、低组, 采用简单斜率检验考察在生命意义感P不同水平上压力对深层劳动、压力对自我效能感的影响，相应的简单效应分析见图5、图6。

图5结果表明，对于 生命意义感P 较 高 的个体 来说，压力能负向预测深层劳动（ B= -044， SE = 013，  p <001 ） ；而对于生命意义感P较低的个体来说，压力不能显著预测深层劳动（B =009, SE = 011,p = 045），即 比起低压力情景，高生命意义感P的个体在高压情景下，会有更少的深层劳动。
图 5生命意义感P对压力与深层劳动之间的关系调节作用

图6结果表明，对于生命意义感P较低的个体来说，压力不能预测自我效能感（B = -019，SE =013，p =017）；而对于 生命意义感P较高的个体来说 ， 压力能负向预测深层劳动（ B =-045 ， SE = 013 ， p  <001） ；即比起低压力情景时， 高生命意义感P的个体在高压情景下自我效能感更低。
图 6生命意义感P对压力与自我效能感之间的关系调节作用
2  Process插件法

21 调节前半路径：model7

1)Spss *** 作

2) Spss结果解读

22 调节后半路径：model14

1) Spss *** 作

2)Spss结果解读

23 探索前后：model57

24 报告

使用Hayes (2019)的SPSS 宏程序PROCESS（Model7），分析自我效能感在压力与深层劳动之间的中介作用（前半段）是否受生命意义感P的调节。

结果表明（如表4所示）： 自我效能感显著正向预测深层劳动（B= 037 ，S E =00 4 ，p< 0001 ） ； 压力与生命意义感P的交互项能显著负向预测自我效能感（B=-002，S E =001，p< 001 ） 。

表4：生命意义感P调节自我效能感在压力与深层劳动之间中介作用的回归分析

在生命意义感P得分为平均数减一个标准差、平均数以及平均数加一个标准差三个水平时，自我效能感在压力与深层劳动之间的中介效应值及其95%Bootstrap 置信区间如表5所示。

综合以上结果，本研究提出的有调节的中介模型得到了支持。 自我效能感 在 压力与深层劳动之间起中介作用， 而且该中介作用 前 半段 受到生命意义感P的调节。

表5：不同生命意义感P水平时压力与自我效能感之间的关系

生命意义感P水平中介效应值Boot标准误Bootstrap下限Bootstrap上限

M-SD-009 003-016-004

M-013 003-019-008

M+SD-017 003-024-011

注： p<0001
进一步采用简单斜率检验来分析生命意义感P在压力与自我效能感关系中的调节作用。按生命意义感P的平均分加减一个标准差将被试分为高生命意义感P水平组(高于平均数加一个标准差的被试)、低生命意义感P水平组(低于平均数减一个标准差的被试)与中生命意义感P水平组（介于两组之间的被试）三组，采用分组回归的方式考察压力与自我效能感的关系，结果如图所示： 随着 生命意义感P水平的升高 ,  压力 对 自我效能感 的负向预测作用逐渐 变强 (由B=-009 , p < 0001 减弱为B=-017,p < 0001)。

---