一、自己评分
自己给它一个评分（个人评判5分制）：
内容专业性：5分；
数据真实性：4分；
适用范围广度：5分；
综合评价：4.7分。

---

---

---

---

---

---

---

---

---

二、误区讨论：

---

---

---

一、简单问题复杂化
但不少人认为简单的统计方法所涉及的数学知识相对较少, 方法比之推断统计或多元统计方法，低级而宁可选择后者, 人为将问题复杂化。

作为初学者，这种急功近利的思想非常多，笔者就是一个典型，非常想用”华丽统计方法“来博得眼球。

---

---

---

---

---

---

二、使用分析指标越多越好
在对多个案, 多变量计算量较大的问题进行处理时必须使用统计软件。对于这类多元统计分析的问题, 指标筛选是关键的第一步。

---

---

---

---

---

---

三、忽略统计检验过程
估计推断、假设检验的思想, 是统计的基本思想之一。我们在对总体进行推断时, 自然少不了要进行检验, 更何况我们对具体现象的研究和分析, 所取得的数据更是总体中的一部分, 即便是得到像人口普查这样的全面资料, 还要事后进行1%的抽样调查来修正全面调查结果所产生的数据误差。

---

---

---

---

---

---

---

主成分/因子分析的检验：
（1）数据的相关矩阵（秩相关）做以相应的检验, 如使用SPSS 软件,在Descriptives 对话框中的相关矩阵栏中可以选择Coefficients 变量间相关系数或Anti- image 反映相关矩阵；（仅就Coefficients 而言, 如果相关矩阵中大部分相关系数都小于
0.3, 则不适合做主成分分析或因子分析。）
（2）KMO and Bartlett’s test of sphericity KMO 测度和巴特利特球体检验三个统计量中的任意一个统计量, 这三个统计量都可以反映数据是否做主成分分析或因子分析。

---

---

---

---

---

---

四、统计分析结论偏离输出的结果
因子分析
若各变量初始因子载荷相差明显, 会得到几个主因子; 若各变量初始因子载荷相差不明显, 为使因子结构简单, 更易于解释, 根据需要可进行方差最大法或斜交旋转等方法进行因子旋转, 之后得到旋转后的主因子, 有些人不是通过得到的第一主因子、第
二主因子或更多的因子来解释和分析, 而是撇开这些主因子去谈, 失去了所使用统计方法的意义。

---

---

---

---

---

---

五、滥用统计方法
统计学是方法论的科学, 无疑具有显著的方法性, 但只强调方法性是不够的, 统计方法只有通过实践应用才能体现其价值, 不能被应用或得不到应用的方法也就无所谓方法了。

把主成分分析方法和因子分析方法放在一起
事实上, 主成分分析是因子分析的一个特例, 二种方法都是用于综合评价和指标筛选上, 作用相同, 如果说有区别的话, 因子分析还可以利用因子得分, 对样本或变量作进一步的分类。应用这二种方法时一定要根据研究目的的需要, 二者只能任选其一, 不能不加选择地放在一起使用。

---

---

---

---

---

---

六、综述
总之, 统计软件的应用有着良好的发展前景, 熟练地操作和正确使用是统计分析和统计工作实践的必然要求, 但如何科学有效的使用, 是我们应理智面对的一个现实问题。我们在使用统计软件去处理和分析大量的数据和实际案例时,一定要根据数据特征,选择科学的统计方法并注意所使用方法的应用条件, 合理选取分析指标, 进行各种相应的检验, 通过得到的正确结果在定性分析的基础上进行科学的定量分析, 得出符合实际的有价值的结论。现实要求我们即要有完善统计理论和方法做依托, 又要对所使用软件有充分的操作经验, 这样才能走出统计软件应用的误区。

---

---

---

---

---

---

---

---

---

三、数据源（免费）











~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~广告一下~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
如果觉得好，值得去收藏，点以下的网址链接，订阅我的文库吧：【免费数据源】和【综合评价方法（统计必学）】（直接，点击，我的文库，名字（）免费数据源即可）
还有，希望有心的朋友，能分享出你拥有的一些数据资源给大家，谢谢了~~
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~广告一下~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~