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（https://bbs.pinggu.org/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：https://bbs.pinggu.org/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。

         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—2003年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：https://bbs.pinggu.org/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

         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。

      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”。

         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。

         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。

         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。

         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。