软件介绍
中文版SPSS17.0是一款专业的数据统计分析和管理软件，集数据录入、整理和分析功能于一体。用户只需点击自己的需求，就可以轻松读取其他数据库的数据，完全可以满足非统计专业人员的工作需求。
软件功能
1.操作简单。界面非常友好。除了数据录入、一些命令程序等少数输入任务需要键盘打字外，大部分操作都可以通过拖动鼠标，点击“菜单”、“按钮”、“对话框”来完成。
2.简单编程
它具有第四代语言的特征，告诉系统做什么，而不告诉怎么做。只要知道统计分析的原理，不需要知道统计方法的所有算法，就可以得到需要的统计分析结果。对于常见的统计方法，SPSS中命令语句、子命令、选项的选择，大多是通过“对话框”的操作来完成的。因此，用户不需要花费大量的时间去记忆大量的命令、程序和选项。
3.强大的功能
它具有完整的数据输入、编辑、统计分析、报告、图形制作等功能。有11种类型和136种功能。SPSS提供的方法从简单的统计描述到复杂的多因素统计分析，如探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归和Logistic回归等。
4.数据界面
能够读取和输出各种格式的文件。比如，*。dBASE、FoxBASE和FoxPRO生成的dbf文件，文本编辑软件和*生成的ASC数据文件。Excel的xls文件可以转换成SPSS数据文件进行分析。可以将SPSS图形转换成7种图形文件。结果可以保存为*。txt和html文件。
5.模块组合
软件分为几个功能模块。用户可以根据自己的分析需求和计算机的实际配置灵活选择。
6.针对性强
适合新手，熟练，精通。而且很多群体只需要掌握简单的操作分析就可以了，而且大多偏爱SPSS。比如薛伟的《基于SPSS的数据分析》一书也比较适合初学者。熟练或精通的人也更喜欢SPSS，因为可以通过编程实现更强大的功能。
软件功能
[增强的数据管理功能]在10版之后，SPSS的每一个新版本都会对数据管理功能进行一些改进，使之更加方便用户使用。13版本的改进可能主要包括以下几个方面:
1)超长变量名:在第12版中，变量名最长可达64个字符，而在第13版中，这一限制可能必须大大放宽，以实现与当今复杂数据仓库的更好兼容性。
2)改进的Autorecode流程:该流程将能够使用自动编码模板，以便用户可以按照用户定义的顺序而不是默认的ASCII代码顺序重新编码变量值。此外，Autorecode流程将能够同时对多个变量进行重新编码，以提高分析效率。
3)改进的日期/时间函数:这项改进将集中在使计算两个日期/时间之间的差异以及增加或减少日期变量的值变得更容易。
【更完善的成绩报告功能】
从第十版开始，数据和结果的图表呈现功能一直是SPSS改进的重点。在16版中，SPSS推出了全新的常规图表功能，报表功能也达到了比较完善的程度。13版本会根据使用中的一些问题和用户的需求进一步完善图表功能。
1)统计图:经过一年的使用，新的常规图表操作界面已经基本完善。这一改进不仅使操作更加方便，还突出了两个关键点。首先，在常规图形中引入更多的交互式图形功能，如Paneled charts，带误差线的分类图形，如误差线图和折线图，具有三维效果的简单、堆叠和分段饼图等。其次，介绍了几种新的图形，包括人口金字塔和点密度图。
2)统计表:流程几乎所有的输出都会抛弃文本，被改成更漂亮的透视表。而且透视表的性能和易用性也会进一步提升，还会增加一些新的功能，比如排序统计、合并/省略表中几个小类别的输出等。另外，透视表可以直接导出到PowerPoint中，无疑方便了用户。
[向复杂样本模块添加统计建模功能]
复杂样本是第12版中新增的模块，用于实现复杂样本的设计方案，并描述相应的数据。但是，当时没有提供统计建模功能。在第13版中，这一点将得到很大的改进。将一般线性模型完全引入复杂抽样模块，实现复杂抽样研究中各种连续变量的建模和预测功能，如市场研究中的客户满意度数据建模。对于分类数据，将系统地引入逻辑回归。这样，对于任意复杂的抽样研究，如多阶段分层整群抽样或更复杂的PPS抽样，研究人员可以在该模块中轻松实现从抽样设计、统计描述到复杂统计建模的整个分析过程，以发现影响因素。可以使用方差分析模型、线性回归模型、Logistic回归模型等复杂的统计模型，操作方式会和完全随机抽样数据没有区别。可以预见，该模块的引入将极大地促进统计推断模型在我国复杂抽样中的正确应用。
[新的分类树模块]
这个模块实际上是将之前单独发布的SPSS AnswerTree软件整合到了SPSS平台中。几年前我在自己的网站上介绍SPSS 11的新功能时，曾尖锐地指出，SPSS目前的产品线过于分散，要把各种功能单一的小软件，如AnswerTree、Sample Power等整合到SPSS等几个平台上。看来SPSS也意识到了这一点，AnswerTree就是在这种背景下第一个完全整合的产品。
分类树模块基于数据挖掘中开发的树结构模型预测分类变量或连续变量，可以方便快捷地细分样本，不需要用户有太多的统计专业知识。目的广泛应用于市场细分和数据挖掘。现在已知该模块提供了三种算法:CHAID、穷举CHAID和C&RT，但AnswerTree中提供的QUEST算法不确定是否会被收录。
为了方便新老用户使用，树模块不再使用AnswerTree中的向导模式，而是使用了SPSS近两年才采用的交互式tab对话框。但是整个tab界面的内容和原来的向导基本相同。另外，模型的结果输出仍然是AnswerTree中的标准树形图，使得AnswerTree的老用户基本知道如何使用该模块，无需专门学习。
由于树形结构模型的方法体系与传统的统计方法完全不同，贸然引入可能会造成读者统计方法体系的混乱。所以本进阶课程不介绍这个模块，但会在下一版进阶课程和关于市场细分的教材中详细介绍。
【SPSS系列产品兼容性更好】
随着自身产品线的不断完善，SPSS的产品体系日益完备，不同产品之间的互补性和兼容性也在不断提高。在第13版中，SPSS软件可以很好地与其他最新产品集成，形成更完整的解决方案。例如，SPSS、SPSS数据输入和新发布的SPSS调查文本分析共同构成了一个完整的调查和研究解决方案。新增加的SPSS分类树模块将使SPSS软件本身为市场细分提供一个更完整的方法体系。
如何在SPSS17.0中文版上进行相关分析
1、打开SPSS软件；点击“开始”按钮，双击“SPSS”软件。导入数据:点击左上角的文件-打开-数据，选择您的数据。如果是spss数据，可以直接导入。如果是excel格式，需要在文件类型框中选择excel格式。
2.开始数据分析:
在工具栏上，单击:
"分析"-"相关性"-"双变量"，如下图所示，然后开始变量选择。
3.如图，你需要先确定要分析的变量。首先，在“变量”框中放入两个变量。
此时需要注意的是，只能选取少数变量进行分析，而不能选取所有变量；
当然，如果分析更多变量，也可以同时选择所有变量。
4.然后，在“相关系数”框中选择“皮尔逊”。
因为这里的两个变量是连续变量，所以采用皮尔逊相关分析。
如果有两个分类变量，或者一个分类变量是连续变量，可以使用Spearman相关分析。
5.选择变量后，如果需要描述或查看数据，可以打开右上角的按钮，即选择“选项”，如下图所示。
6.大部分分析需要对原始数据进行统计描述，即如果需要进行描述性分析，可以选择均值和标准差，比如上图所示的均值和标准差，分别描述数据的大小和离散度，点击确定即可。
7.如果需要模拟分析数据，可以选择右上角的“bootsTrap”进行模拟分析，如下图所示。
样本数是要模拟的总次数，可以自己定义；后面的种子数是开始模拟随机数的初始种子数，也可以自己定义。的置信区间为CI，是结果的置信区间。
8.点击OK，然后就可以在输出窗口看到了:结果如下。
结果给出两个分析，一个是描述性分析，下面第二个图，pearson相关分析的结果是第一个图。
9.作为一般结果，应该首先描述第二个图的表含义。
Mean是均值，是两个连续变量的平均值；第二个值是Std。偏差，表示标准差，即原始数据的标准差。
10.第一张图是皮尔逊相关表，也就是相关系数表。
皮尔逊相关是相关系数。
sig 为P 值（
