IBM SPSS Statistics 是目前世界上主流的数据预测统计分析软件之一，本文从 IBM SPSS Statistics 的基本概念入手，对其在数据分析流程中的各个应用进行了简单介绍，通过针对一个实际问题的分析，并结合典型算法，介绍使用 IBM SPSS Statistics 进行数据分析的基本流程。读者可以在较短时间内了解如何使用 IBM SPSS Statistics 进行建模及数据预测分析。 IBM SPSS Statistics 简介及基本概念介绍 SPSS Statistics 统计分析预测软件是一款在调查统计行业，市场研究，医学统计，政府和企业的数据分析应用中久享盛名的统计分析工具，是世界上最早的统计分析软件，全球约有 28 万家产品用户，他们分布于通讯，医疗，银行，证券，保险，制造，商业，市场研究，科研教育等多个领域和行业，是目前世界上应用最广泛的专业数据预测统计分析软件。在 2009 年 IBM 收购 SPSS 公司之后，IBM SPSS Statistics 成为 IBM 商业智能分析优化解决方案的重要组成部分，最新的发布版本是 19.0 多国语言版。 基本概念 典型的 IBM SPSS Statistics 数据编辑器界面如下： 图 1 IBM SPSS Statistics 数据编辑器界面 变量视图：变量视图用于管理变量的属性，包括变量名称，类型，标签，缺失值，度量标准等 10 个属性。 数据视图：数据视图用于管理录入的数据，一行表示一条记录在不同变量下的值，一列表示相同的变量在不同记录中的值。 图 2 变量类型定义界面 变量类型：IBM SPSS Statistics 主要包括 3 种类型，分别是：数值型，字符型和日期型，根据不同的显示方式，数值型又被细分为 6 种，为了便于统计计算，通常尽可能将变量类型定义为数值型的。 度量标准：在 IBM SPSS Statistics 中，按照对事物描述的精确程度，可以将变量分为 3 种度量标准，度量（Scale），名义（Nominal），序号（Ordinal），因为不同的变量度量标准适用不同的统计模型，因此正确定义一个变量的度量标准很重要。 度量（Scale）变量：通常也称为连续变量，表示变量的值通常是连续的，无界限的，如员工收入，企业销售额等。 名义（Nominal）变量：通常也称为无序分类变量，表示变量的值是离散的，相对有限个数的，通常变量值的个数不超过 10 个，但值之间没有顺序关系的，如性别。 序号（Ordinal）变量：通常也称为有序分类变量，表示变量的值是离散的，相对有限个数的，但值之间是有顺序...
