描述性统计分析在实证研究中的作用及具体软件实现
——以SPSS为例
为了提升经管代码库(/forum-2626-1.html)人气，一大早起床，打算就微观实证分析中描述性统计分析作用及SPSS具体软件实现做个详细的说明，理由如下：
一是有坛友在论坛上问：看到很多实证研究在建模前有做描述性统计分析，问做这个有何意义(网址链接：/thread-929635-1-1.html)，说明有实际需求；二是论坛上也没看见有什么详细阐述这个问题的，说明有实际需求而无有效供给。故而特开此贴，希望能吸引更多对计量实证感兴趣的朋友关注经管代码库，来多多发此类原创帖。不多说，图文并茂的开讲啦！
做用SPSS具体做描述性统计分析前，先简要说一下我个人认为的在实证分析中做描述性统计分析的作用——探究数据分布趋势，找出极端异常值。由于此贴只讲描述性统计分析，故而不对极端异常值对模型的影响，数据分布趋势不是正态进一步详尽处理展开来说，只点到即止，后续帖子陆续补充。
在用SPSS做描述性统计分析前，先截两张实证论文中一般做的描述性统计分析表格。进而可以直观看到我们一般做描述性统计分析要交待哪些统计量。
-4-7 19:29:59 上传
下载附件 (229.33 KB)
以上两个表格是常见的描述性统计分析表述表格，一般实证论文中，做描述性统计分析要报告以下4个统计量：均值、标准差、最小值和最大值(有的文章限于表格篇幅，只报道均值和标准差)。问题来了，做了描述性统计分析后，结果要怎么看呢？我们要怎么才能确认结果是好或者不好呢(即变量是否符合正态分布呢)？
这个问题一般看均值和标准差。如果标准差>>均值，那表明数据可能存在极端异常值，这时可能要对数据做进一步的处理。如做箱形图看是否存在极端异常值(头上标*的就是)。然而，一般情况下如果均值和标准差相差不大，如上表中“1998—年均调整地块百分比”这类变量，可以就这样，不用做进一步处理。若存在极端异常值，参见我这篇帖子的处理方法：/thread-3569928-1-1.html。
下面用SPSS截图演示怎么做描述性统计分析吧(案例用的SPSS自带文件accidents.sav)。
软件操作：分析——描述统计——描述
-4-7 19:33:01 上传
下载附件 (66.46 KB)
得到如下结果：这时平均值>>标准偏差，说明数据离散程度不高，可以进一步进行后面的建模分析。
-4-7 19:33:51 上传
下载附件 (11.82 KB)
为了看看变量的趋势，我们再做一个直方图，附加正态分布曲线看看。
软件操作：图形—图表构建器(弹出对话框，点确认)—选择直方图(直接将下面的图形拖动到图表预览窗口即可)，选择“风险人口”变量到X轴，右边勾选“显示正态曲线”。
-4-7 19:35:04 上传
下载附件 (135.46 KB)
如果还不放心，做一个箱图看看是否存在极端异常值。
软件操作：图形—图表构建器(弹出对话框，点确认)—选择箱图。这时，“风险人口”这种连续变量放纵坐标，性别等类别变量放横坐标(前提是你想看不同性别风险人口是否存在极端异常值，若只想看变量总体的分布是否存在极端异常值，则只将关心的连续变量拖到纵坐标框即可，横坐标不用管，然后点确定)。我们这里只看总体吧。
看结果，上面没有“*”出现，表明不存在极端异常值。可对数据进一步做建模处理。
-4-7 19:36:16 上传
下载附件 (47.02 KB)
分界点：下面我们人为的改变一下原始数据大小，使其出现两个极端异常值(极大值和极小值)，看看情况。我们把原始数据人口第一行从198522改为10000，第6行208239改为1000000。然后再重复前面的描述性统计分析过程。
-4-7 19:37:21 上传
下载附件 (86.84 KB)
由上表可知，标准偏差>平均值的(但可能是否远远大于不好判断，因为原始数据量就只有6个，比较少)。这时我们持保留态度。看箱图。
软件操作：图形—图表构建器(弹出对话框，点确认)—选择箱图。
-4-7 19:38:14 上传
下载附件 (6.33 KB)
这时，我们看到这个箱形图的上下方各有一个“*”，表明存在极端异常值。接下来就是对极端异常值的处理了。限于篇幅，本篇描述性统计分析介绍就到这里，下一篇是极端异常值的诊断和处理。请期待经管代码库的下篇解说，谢谢。
