细胞库/细胞培养
ELISA试剂盒
实验室仪器/设备
原辅料包材
体外检测试剂
【攻略】手把手教你怎么用SPSS做统计分析
【攻略】手把手教你怎么用SPSS做统计分析
点击次数：23683
使用SPSS软件进行数据分析 一个严谨的实验，在获得实验数据的那一刻，数据的处理与分析，就显得尤为重要，今天先聊聊主成分分析，以城市分析为例子，大家延伸思考吧，文档已通过论证。想跟师兄交流实验数据问题，加我微信：laiwenshixiong，申请时，记得填写申请理由，格式为：真实姓名+所学专业+学校或单位，例如：高鹏+生化专业+浙江大学。
切入正题：
主成分分析
【例子】以全国31个省市的8项经济指标为例，进行主成分分析。
第一步：录入或调入数据（图1）。
第二步：打开“因子分析”对话框。
沿着主菜单的“Analyze→Data Reduction→Factor”的路径（图2）打开因子分析选项框（图3）。
图2 打开因子分析对话框的路径
图3 因子分析选项框
第三步：选项设置。
首先，在源变量框中选中需要进行分析的变量，点击右边的箭头符号，将需要的变量调入变量（Variables）栏中（图3）。在本例中，全部8个变量都要用上，故全部调入（图4）。因无特殊需要，故不必理会“Value”栏。下面逐项设置。
图4 将变量移到变量栏以后
⒈ 设置Descriptives选项。
单击Descriptives按钮（图4），弹出Descriptives对话框（图5）。
图5 描述选项框
在Statistics栏中选中Univariate descriptives复选项，则输出结果中将会给出原始数据的抽样均值、方差和样本数目（这一栏结果可供检验参考）；选中Initial solution复选项，则会给出主成分载荷的公因子方差（这一栏数据分析时有用）。
在Correlation Matrix栏中，选中Coefficients复选项，则会给出原始变量的相关系数矩阵（分析时可参考）；选中Determinant复选项，则会给出相关系数矩阵的行列式，如果希望在Excel中对某些计算过程进行了解，可选此项，否则用途不大。其它复选项一般不用，但在特殊情况下可以用到（本例不选）。
设置完成以后，单击Continue按钮完成设置（图5）。
⒉ 设置Extraction选项。
打开Extraction对话框（图6）。因子提取方法主要有7种，在Method栏中可以看到，系统默认的提取方法是主成分（Principal components），因此对此栏不作变动，就是认可了主成分分析方法。
在Analyze栏中，选中Correlation matirx复选项，则因子分析基于数据的相关系数矩阵进行分析；如果选中Covariance matrix复选项，则因子分析基于数据的协方差矩阵进行分析。对于主成分分析而言，由于数据标准化了，这两个结果没有分别，因此任选其一即可。
在Display栏中，选中Unrotated factor solution（非旋转因子解）复选项，则在分析结果中给出未经旋转的因子提取结果。对于主成分分析而言，这一项选择与否都一样；对于旋转因子分析，选择此项，可将旋转前后的结果同时给出，以便对比。
选中Scree Plot（“山麓”图），则在分析结果中给出特征根按大小分布的折线图（形如山麓截面，故得名），以便我们直观地判定因子的提取数量是否准确。
在Extract栏中，有两种方法可以决定提取主成分（因子）的数目。一是根据特征根（Eigenvalues）的数值，系统默认的是。我们知道，在主成分分析中，主成分得分的方差就是对应的特征根数值。如果默认，则所有方差大于等于1的主成分将被保留，其余舍弃。如果觉得最后选取的主成分数量不足，可以将值降低，例如取；如果认为最后的提取的主成分数量偏多，则可以提高值，例如取。主成分数目是否合适，要在进行一轮分析以后才能肯定。因此，特征根数值的设定，要在反复试验以后才能决定。一般而言，在初次分析时，最好降低特征根的临界值（如取） ，这样提取的主成分将会偏多，根据初次分析的结果，在第二轮分析过程中可以调整特征根的大小。
第二种方法是直接指定主成分的数目即因子数目，这要选中Number of factors复选项。主成分的数目选多少合适？开始我们并不十分清楚。因此，首次不妨将数值设大一些，但不能超过变量数目。本例有8个变量，因此，最大的主成分提取数目为8，不得超过此数。在我们第一轮分析中，采用系统默认的方法提取主成分。
图6 提取对话框
需要注意的是：主成分计算是利用迭代（Iterations）方法，系统默认的迭代次数是25次。但是，当数据量较大时，25次迭代是不够的，需要改为50次、100次乃至更多。对于本例而言，变量较少，25次迭代足够，故无需改动。
设置完成以后，单击Continue按钮完成设置（图6）。
⒊ 设置Scores设置。
选中Save as variables栏，则分析结果中给出标准化的主成分得分（在数据表的后面）。至于方法复选项，对主成分分析而言，三种方法没有分别，采用系统默认的“回归”（Regression）法即可。
图7 因子得分对话框
选中Display factor score coefficient matrix，则在分析结果中给出因子得分系数矩阵及其相关矩阵。
设置完成以后，单击Continue按钮完成设置（图7）。
对于主成分分析而言，旋转项（Rotation）可以不必设置；对于数据没有缺失的情况下，Option项可以不必理会。
全部设置完成以后，点击OK确定，SPSS很快给出计算结果（图8）。
图8 主成分分析的结果
第四步，结果解读。
在因子分析结果（Output）中，首先给出的Descriptive Statistics，第一列Mean对应的变量的算术平均值，计算公式为
第二列Std. Deviation对应的是样本标准差，计算公式为
第三列Analysis N对应是样本数目。这一组数据在分析过程中可作参考。
接下来是Correlation Matrix(相关系数矩阵)，一般而言，相关系数高的变量，大多会进入同一个主成分，但不尽然，除了相关系数外，决定变量在主成分中分布地位的因素还有数据的结构。相关系数矩阵对主成分分析具有参考价值，毕竟主成分分析是从计算相关系数矩阵的特征根开始的。相关系数阵下面的Determinant=1.133E-0.4是相关矩阵的行列式值，根据关系式可知，det(λI)=det(R),从而Determinant=1.133E-0.4=λ1*λ2*λ3*λ4*λ5*λ6*λ7*λ8。这一点在后面将会得到验证。
在Communalities(公因子方差)中，给出了因子载荷阵的初始公因子方差（Initial）和提取公因子方差（Extraction），后面将会看到它们的含义。
在Total Variance Explained(全部解释方差) 表的Initial Eigenvalues（初始特征根）中，给出了按顺序排列的主成分得分的方差(Total)，在数值上等于相关系数矩阵的各个特征根λ，因此可以直接根据特征根计算每一个主成分的方差百分比（% of Variance）。由于全部特征根的总和等于变量数目，即有m=∑λi=8，故第一个特征根的方差百分比为λ1/m=3.755/8=46.939，第二个特征根的百分比为λ2/m=2.197/8= 27.459，……，其余依此类推。然后可以算出方差累计值（Cumulative %）。在Extraction Sums of Squared Loadings，给出了从左边栏目中提取的三个主成分及有关参数，提取的原则是满足λ&1，这一点我们在图6所示的对话框中进行了限定。
图8 特征根数值衰减折线图（山麓图）
主成分的数目可以根据相关系数矩阵的特征根来判定，如前所说，相关系数矩阵的特征根刚好等于主成分的方差，而方差是变量数据蕴涵信息的重要判据之一。根据λ值决定主成分数目的准则有三：
i 只取λ&1的特征根对应的主成分
从Total Variance Explained表中可见，第一、第二和第三个主成分对应的λ值都大于1，这意味着这三个主成分得分的方差都大于1。本例正是根据这条准则提取主成分的。
ii 累计百分比达到80%~85%以上的λ值对应的主成分在Total Variance Explained表可以看出，前三个主成分对应的λ值累计百分比达到89.584%，这暗示只要选取三个主成分，信息量就够了。
iii 根据特征根变化的突变点决定主成分的数量
从特征根分布的折线图（Scree Plot）上可以看到，第4个λ值是一个明显的折点，这暗示选取的主成分数目应有p≤4（图8）。那么，究竟是3个还是4个呢？根据前面两条准则，选3个大致合适（但小有问题）。
在Component Matrix（成分矩阵）中，给出了主成分载荷矩阵，每一列载荷值都显示了各个变量与有关主成分的相关系数。以第一列为例，0.885实际上是国内生产总值（GDP）与第一个主成分的相关系数。将标准化的GDP数据与第一主成分得分进行回归，决定系数R2=0.783（图9），容易算出R=0.885，这正是GDP在第一个主成分上的载荷。
下面将主成分载荷矩阵拷贝到Excel上面作进一步的处理：计算公因子方差和方差贡献。首先求行平方和，例如，第一行的平方和为
这是公因子方差。然后求列平方和，例如，第一列的平方和为
这便是方差贡献（图10）。在Excel中有一个计算平方和的命令sumsq，可以方便地算出一组数据的平方和。显然，列平方和即方差贡献。事实上，有如下关系成立： 相关系数矩阵的特征根＝方差贡献＝主成分得分的方差
至于行平方和，显然与前面公因子方差（Communalities）表中的Extraction列对应的数据一样。如果我们将8个主成分全部提取，则主成分载荷的行平方和都等于1（图11），即有hi=1，sj=λj。到此可以明白：在Communalities中，Initial对应的是初始公因子方差，实际上是全部主成分的公因子方差；Extraction对应的是提取的主成分的公因子方差，我们提取了3个主成分，故计算公因子方差时只考虑3个主成分。
图9 国内生产总值（GDP）的与第一主成分的相关关系（标准化数据）
图10 主成分方差与方差贡献
图11 全部主成分的公因子方差和方差贡献
提取主成分的原则上要求公因子方差的各个数值尽可能接近，亦即要求它们的方差极小，当公因子方差完全相等时，它们的方差为0，这就达到完美状态。实际应用中，只要公因子方差数值彼此接近（不相差太远）就行了。从上面给出的结果可以看出：提取3个主成分的时候，居民消费的公因子方差偏小，这暗示提取3个主成分，居民消费方面的信息可能有较多的损失。至于方差贡献，反映对应主成分的重要程度，这一点从方差的统计学意义可以得到理解。
在图11中，将最后一行的特征根全部乘到一起，得0.0001133，这正是相关系数矩阵的行列式数值（在Excel中，求一组数据的乘积之和的命令是product）。
最后说明Component Score Coefficient Matrix（成分得分系数矩阵）和Component Score Covariance Matrix（成分得分协方差矩阵），前者是主成分得分系数，后者是主成分得分的协方差即相关系数。从Component Score Covariance Matrix可以看出，标准化主成分得分之间的协方差即相关系数为0（j≠k）或1（j=k），这意味着主成分之间彼此正交即垂直。
初学者常将Component Score Coefficient Matrix表中的数据当成主成分得分或因子得分，这是误会。成分得分系数矩阵的数值是主成分载荷除以相应的特征根得到的结果。在Component Matrix表中，将第一列数据分别除以λ1=3.755,第二列数值分别除以λ2=2.197,…，立即得到Component Score Coefficient；反过来，如果将Component Score Coefficient Matrix表中的各列数据分别乘以λ1=3.755，λ2=2.197,…，则可将其还原为主成分载荷即Component Matrix中的数据。
实际上，主成分得分在原始数据所在的SPSS当前数据栏中给出，不过给出的都是标准化的主成分得分(图12a)；将各个主成分乘以相应的√λ即特征根的二次方根可以将其还原为未经标准化的主成分得分。
a.标准化的主成分得分
b. 非标准化的主成分得分图12 两种主成分得分
计算标准化主成分得分的协方差或相关系数，结果与Component Score Covariance Matrix表中的给出的结果一致（见图13）。
第一因子第二因子第三因子
第二因子0.00000 1
第三因子0.00 1
图13 主成分（得分）之间的相关系数矩阵
第五步，计算结果分析。
从Component Matrix即主成分载荷表中可以看出，国内生产总值、固定资产投资和工业产值在第一主成分上载荷较大，亦即与第一主成分的相关系数较高；职工工资和货物周转量在第二主成分上的载荷绝对值较大，即负相关程度较高；消费价格指数在第三主成分上的载荷较大，即相关程度较高。
因此可将主成分命名如下：
第一主成分：投入－产出主成分；
第二主成分：工资－物流主成分；
第三主成分：消费价格主成分。
问题在于：一方面，居民消费和商品零售价格指数的归类比较含混；另一方面，主成分的命名结构不清。因此，有必要作进一步的因子分析。
至于因子旋转之类，留待“因子分析”部分说明；计算结果的系统分析不属于软件操作范围，预备课堂讲解。
【说明】本人计算机是双系统，现在常用的WinMe系统出了毛病，SPSS10.0在WinMe系统中；故这次改用本人Win2000系统中的SPSS11.0。对于因子分析之类,SPSS11.0与SPSS10.0基本没有什么差别。 想了解更多有用的、有意思的前沿资讯以及酷炫的实验方法的你，都可以成为师兄的好伙伴 师兄微信号：laiwenshixiong
相关实验方法
本网站所有注明“来源：丁香园”的文字、图片和音视频资料，版权均属于丁香园所有，非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：丁香园”。本网所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
难度系数：
共436人点评打分
难度系数：
共190人点评打分
难度系数：
共157人点评打分
难度系数：
共151人点评打分
难度系数：
共130人点评打分
丁香通采购热线：400-
Copyright (C)
DXY All Rights Reserved.温馨提示！由于新浪微博认证机制调整，您的新浪微博帐号绑定已过期，请重新绑定！&&|&&
LOFTER精选
网易考拉推荐
用微信&&“扫一扫”
将文章分享到朋友圈。
用易信&&“扫一扫”
将文章分享到朋友圈。
阅读(7520)|
用微信&&“扫一扫”
将文章分享到朋友圈。
用易信&&“扫一扫”
将文章分享到朋友圈。
历史上的今天
在LOFTER的更多文章
loftPermalink:'',
id:'fks_',
blogTitle:'聚类分析：运用SPSS软件分析得出的树状图，该如何解读？',
blogAbstract:'&&&&&&& 聚类分析方法和技术虽然还在研究和探索之中，但由于其应用的广泛性，加之SPSS统计分析软件强大的统计分析和处理功能，使得聚类分析越来越受到统计爱好者青睐。
&&&&&&& 今年3月，本人在辽宁税专参加培训的时候，有两堂课接触过SPSS统计分析软件，也学习了聚类分析方法。近期在对贵州省建强县税收经济状况研究分析中，利用SPSS软件聚类分析功能，对全省27个建强县的10项经济和税收指标进行分析处理，得到了如下聚类分析树状图（附后）。由于本人是SPSS软件的初学者，对聚类分析方法也知之甚少，所以不能对该图进行解读，希望得到高才帮助，万分感谢！
blogTag:'',
blogUrl:'blog/static/',
isPublished:1,
istop:false,
modifyTime:9,
publishTime:5,
permalink:'blog/static/',
commentCount:0,
mainCommentCount:0,
recommendCount:0,
bsrk:-100,
publisherId:0,
recomBlogHome:false,
currentRecomBlog:false,
attachmentsFileIds:[],
groupInfo:{},
friendstatus:'none',
followstatus:'unFollow',
pubSucc:'',
visitorProvince:'',
visitorCity:'',
visitorNewUser:false,
postAddInfo:{},
mset:'000',
remindgoodnightblog:false,
isBlackVisitor:false,
isShowYodaoAd:true,
hostIntro:'',
hmcon:'1',
selfRecomBlogCount:'0',
lofter_single:''
{list a as x}
{if x.moveFrom=='wap'}
{elseif x.moveFrom=='iphone'}
{elseif x.moveFrom=='android'}
{elseif x.moveFrom=='mobile'}
${a.selfIntro|escape}{if great260}${suplement}{/if}
{list a as x}
推荐过这篇日志的人：
{list a as x}
{if !!b&&b.length>0}
他们还推荐了：
{list b as y}
转载记录：
{list d as x}
{list a as x}
{list a as x}
{list a as x}
{list a as x}
{if x_index>4}{break}{/if}
${fn2(x.publishTime,'yyyy-MM-dd HH:mm:ss')}
{list a as x}
{if !!(blogDetail.preBlogPermalink)}
{if !!(blogDetail.nextBlogPermalink)}
{list a as x}
{if defined('newslist')&&newslist.length>0}
{list newslist as x}
{if x_index>7}{break}{/if}
{list a as x}
{var first_option =}
{list x.voteDetailList as voteToOption}
{if voteToOption==1}
{if first_option==false},{/if}&&“${b[voteToOption_index]}”&&
{if (x.role!="-1") },“我是${c[x.role]}”&&{/if}
&&&&&&&&${fn1(x.voteTime)}
{if x.userName==''}{/if}
网易公司版权所有&&
{list x.l as y}
{if defined('wl')}
{list wl as x}{/list}播放列表加载中...
正在载入...
分享视频：
嵌入代码：
拍下二维码，随时随地看视频
陈老师spss数据分析教程之spss统计图分析P-P概率图
上 传 者：
内容介绍：
陈老师spss数据分析教程之spss统计图分析P-P概率图
我来说点啥
版权所有 CopyRight
| 京网文[0号 |
| 京公网安备：
互联网药品信息服务资格证：（京）-非经营性- | 广播电视节目制作经营许可证：（京）字第403号
<img src="" width="34" height="34"/>
<img src=""/>
<li data-vid="">
<img src=""/><i data-vid="" class="ckl_plays">
<img width="132" height="99" src=""/>
在线人数：
<li data-vid="">
<img src=""/><i data-vid="" class="ckl_plays">
<img src="///img/blank.png" data-src=""/>
<img src="///img/blank.png" data-src="http://"/>
<li data-vid="" class="cfix">
src="///img/blank.png" data-src=""/>
<i data-vid="" class="ckl_plays">
<li data-vid="" class="cfix">
src="///img/blank.png" data-src=""/><i data-vid="" class="ckl_plays">
没有数据！
{upload_level_name}
粉丝 {fans_count}
{video_count}
{description}如何看懂spss分析图|全方位分析巴铁为何对中国这么铁？看完后秒懂
当前位置： && 正文
如何看懂spss分析图|全方位分析巴铁为何对中国这么铁？看完后秒懂
19:37:15 来源： 责任编辑：
篇一 ： 全方位分析巴铁为何对中国这么铁？看完后秒懂点击上方时间后的蓝色“军事”，查看更多精彩内容国家主席习近平将于20日至21日对巴基斯坦进行国事访问，21日至24日赴印度尼西亚出席亚非领导人会议和万隆会议60周年纪念活动。(）2015年习近平主席的首次出访选择周边国家，显示周边外交在中国外交战略中的首要地位。“巴铁”校园友谊快闪预祝习近平访巴成功作为一带一路中不可或缺的巴基斯坦，更是希望在习大大为期两天的访问中，能够与中方签署价值460亿美元的投资合作协议。这不，“巴铁”做起拉拉队，快闪高呼中巴友谊万岁，预祝习近平主席访问巴基斯坦圆满成功!身穿着“中国巴基斯坦好哥们”来快闪!习总即将访问巴基斯坦。根据巴方媒体报道，中国和巴基斯坦近期将集中签订约90项协议及备忘，协议和备忘包括“中巴经济走廊”、瓜达尔港、瓜达尔机场项目，以及核电、能源、基建、贸易和投资等领域。另据英国媒体4月2日报道，巴基斯坦政府批准了一项从中国购买8艘潜艇的协议(大概率是中国最先进的柴电潜艇元级的出口型S20)。姑娘身穿“永远是春天”这一协议也得到了中国外交部的间接证实，中国外交部发言人华春莹表示，中国和巴基斯坦是传统友好邻邦，双方保持着正常的军工和军贸合作，有关合作不违反国际条约，符合中国军品出口的一贯原则。与此同时，中国的武直10直升机已现身巴基斯坦。中巴友谊万岁!一口气可能继续拧如此众多的大项目合作，一次性出售如此大规模的高端军备，这是绝对的最亲密兄弟国家。这一方面说明进入印度洋是中国的战略需要，中国绝对支持巴基斯坦;另一方面也说明，巴基斯坦和中国彼此绝对信任，双方合作毫无障碍。事实上，我们都知道，在这个世界上，中国只有一个铁哥们，那就是巴基斯坦!巴基斯坦与中国铁到什么程度呢?1989年东欧剧变时我国也出现了动荡，在西方都制裁中国时，在朝鲜都不吱声时，巴铁毫不犹豫站出来支持中国!2008年4月，奥运火炬全世界传递时在西方遇到了严重困难，西方纵容藏独份子抢夺火炬、制造事端。而当火炬到了巴基斯坦，火炬被总统马车车队护送到传递地点，巴国总理和总统同时在起点迎接，最后的时候又同时在终点等待。2008年汶川5&12地震，巴铁把全国之内包括军队的战略物资帐篷都运到了中国，当别人问价值多少时，巴方官员说中巴友谊不是用钱来衡量的。2013年5月李克强总理访问巴基斯坦，巴基斯坦用枭龙战机护航，总统总理同到机场迎接。到机场迎接李克强总理的巴基斯坦青少年们中国人到巴基斯坦，总是得到热情的迎接。而中国对巴基斯坦援助同样慷慨，譬如，2010年巴基斯坦爆发巨大洪灾，中国向遭遇洪灾的巴基斯坦提供了超过15亿人民币的物资援助。巴基斯坦对中国地缘战略意义重大那么，很多人会问，巴基斯坦是伊斯兰教国家，中国虽有2000多万穆斯林却并非穆斯林国家，为何中巴关系这么铁呢?为何这世界上只有这一个国家称得上中国铁哥们呢?为何中巴关系是全天候呢?这其中最大的原因就是印度的存在，其次是因为巴基斯坦对中国地缘战略意义的提升。我们知道，历史上印巴都是英国殖民地，二战后随着殖民体系瓦解，印度这片土地上也开始独立运动。但是，由于北部主要信仰伊斯兰教，南部主要信仰印度教，最后在英国主导下完成印巴分治。由于印巴分治的领土分割是在短期内很草率完成的，自然会引发印巴的巨大矛盾，双方在1947年即因克什米尔归属问题爆发大战，这就是著名的印巴第一次战争。这场战争最终以各占克什米尔的一部分宣布结束。第一次印巴战争与中国无关，那时中国还没解放。但是，第二次印巴战争就和中国有密切联系了。1965年，第二次中巴战争时的国际环境是，中苏关系破裂，中美关系也未解冻并正与中国在越南进行较量，中印则在1962年刚刚爆发了中印战争并以印度溃败而告终。在这种时候，中国和巴基斯坦关系非常好，已经结成了事实上的同盟关系。当时，巴基斯坦的主要盟友是中国和美国，巴基斯坦的军事装备主要都是美式装备。第二次印巴战争起因又是没有划清的边界问题，双方因此大打出手。当时中国明确支持巴基斯坦，在巴基斯坦总统1965年3月访华期间，中国国家主席刘少奇就曾向其明确承诺，如果印度侵略巴基斯坦，将军队开入巴基斯坦境内，中国将支持你们，那时候看巴基斯坦需要中国做什么。巴基斯坦的主要盟友是中国另外还表示，如果印度进入中国，中国也可以进入印度，如果印度打巴基斯坦，中国就可以抄印度的后路去德里(相关内容见《外交评论》第三期《第二次印巴战争中国对巴基斯坦的支援》，作者成晓荷)。中国明确对巴基斯坦方面如此承诺，实际上就是准备好了随时介入战争。之后，印巴战争果然越来越激烈，巴方处于严重劣势。中国刚开始主要是外交和舆论方面的声援，后来中国方面由毛主席确定了军事介入。在这场战争中，美国表面上中立，实际上却是支持印度，其政治目的是试图借此推动亲美政权上台，从而进一步遏制中国。那时候，由于巴基斯坦的装备基本都是美式装备，美国保持“中立”(对巴军事禁运)的结果就是支持印度，本来就弱于印度的巴基斯坦，整个国家实际上到了生死存亡的境地。T-59坦克这个时候，中国担心巴基斯坦内部因为外部巨大压力导致亲美势力政变，于是决定改变过去外交舆论上的支持策略，转而开始进行军事支持。中国军事支持非常给力，中国不但援助普通装备，甚至援助巴基斯坦包括T-59坦克和米格-19战机，有很多军事装备都是直接从我军装备中调拨。就在巴基斯坦危在旦夕，军事要塞拉合尔濒临失守之时，中国果断出手，拔掉了中印边界印控工事，然后向印度发出最后通牒，即限印度3天时间拆除中锡边界上的所有工事，立即停止中锡边界的一切入侵活动。中国的这一通牒和一系列行动，震动了美国和苏联，他们担心中国的介入会引发更大规模的大战，从而影响自己的战略利益。于是，在通牒后的第二天安理会即通过决议，限令印巴3天内停火。于是，印度很快拆了中锡边界的工事，偃旗息鼓回家了，第二次印巴战争就此结束。第三次印巴战争，是印度扶植东巴基斯坦(现孟加拉国)搞独立，1971年11月在东巴基斯坦矛盾激化的情况下，在苏联的支持下出兵东巴基斯坦。12月战争扩大到了西巴基斯坦。巴基斯坦无力招架，军事重镇拉合尔再次面临失守，巴方求救中国，中国政府再次向印度发出最后通牒，要求其立刻停火，否则中国政府保留采取一切措施的权力。在中国政府的巨大压力下，印度宣布停火。这次战争的结果是，东巴基斯坦获得独立，成为今天的孟加拉国。2008年，因为印度孟买恐怖袭击事件，印度一度将责任归于巴基斯坦，甚至试图因此发动战争，最后在中国强大压力下印度放弃了战争幻想。从上述我们可以看出，巴基斯坦之所以能完整的存在，是因为背后有中国的支持。否则，实力远强于巴基斯坦的印度，不知道会侵略多少巴基斯坦领土。印巴之间的平衡，主要是因为中国在背后支持巴基斯坦。因此，对巴基斯坦来说，中国就是巴基斯坦的命。本来，美国也是巴基斯坦的最重要盟友，从原来巴基斯坦大都是美式装备可见一斑。但美国在印巴战争中不但不支持巴基斯坦，还背后支持印度，对巴基斯坦实施武器禁运。看当时的形势，可见巴基斯坦是多么的困难。关键时刻，是中国这个真兄弟、真朋友出手，三番五次挽救巴基斯坦。巴基斯坦之所以能完整的存在，是因为背后有中国的支持正是基于这种历史原因，巴基斯坦无论谁上台、谁执政，都会把和中国的关系放在第一位，都会把中国的事情放在第一位，无论任何时候都会毫不犹豫、尽自己所能支持中国，这也是为什么中国称巴基斯坦为巴铁的原因，也是巴铁为什么那么铁的原因。相比过去，今天的巴基斯坦对中国的战略意义比过去更加重要。如今，巴基斯坦不但是中国平衡印度的重要地缘“兄弟”国家，还是中国进入印度洋联通中东、非洲和欧洲最近的一条路，中国武装巴基斯坦，就相当于拓展了自己在印度洋的势力范围。巴基斯坦还是中国陆地上贯通伊朗影响中东格局的最重要支点。中国在军事上大力支持巴基斯坦基于此，中国不但会在政治、军事上大力支持巴基斯坦，在经济上和巴基斯坦紧密合作战略意义也极其重要。而且，随着“一带一路”战略的提出，巴基斯坦作为陆路联通“一带”和“一路”的一环，作为中国“丝绸之路经济带”战略南线的一支，其地缘地位越发凸显。特别是，在美国撤出阿富汗后，中巴合作再无任何大的障碍。因此可以预见，这次习总访问巴基斯坦将会展开N多项目合作，中国会对巴基斯坦进行更大力度的全方位扶持。中巴关系是全天候的伙伴关系，就亲密程度而言，全世界无出其右。巴铁，还会继续铁下去，这是历史铸就的生死与共的兄弟国家!这才是真正的铁哥们：巴铁直接送中国一座基地众所周知，巴基斯坦是中国的全天候合作伙伴，被西方媒体形容为“中国的唯一军事盟友”。在一些中国网民眼中巴基斯坦是绝对的“铁哥们”，以至于巴基斯坦被称为“巴铁”。西方媒体认为，中巴军事关系需要更多新的内容来充实自己，除去军事交流和军火出口合作，中方正在积极寻求新的海外军事基地，在拿下吉布提海军基地之后，中国正在将视角移到巴基斯坦，由于中国正在改变过去不建立海外军事基地的长期策略，解放军对待军事合作政策正在变得更加灵活，中国军舰出现在巴基斯坦和北印度洋海域将会越来越频繁。西方媒体认为，在上世纪60年代以来，中国在外交上受到东西两方的合力打击压制，巴基斯坦成为中国外交主要的桥梁和枢纽，成为中国最可靠的战略盟友之一，对中国制衡印度，沟通美国和西方世界发挥了巨大作用。图片为中巴空军进行联合作战训练巴基斯坦是较早承认新中国的国家之一。上个世纪七十年代，在“中美建交”这一震惊世界的重大事件中，巴基斯坦曾起到十分重要的作用。基辛格能够秘密访华便是在巴基斯坦的帮助下实现的。中巴军事合作自上世纪70年代开始，至今已经有40多年历史，一直以来，防务装备合作是中巴合作伙伴关系的重要发展方向，围绕着巴基斯坦武器装备需求，双方从空中、海上、水下和陆地武器系统展开了广泛的合作。巴基斯坦是较早承认新中国的国家之一据国外研究所数据显示，55%中国军备出口流入到巴基斯坦。虽然美国为了反恐的理由不断接近巴基斯坦，但巴方认为美国是个“不可靠的合作伙伴”，所以中国取代美国成为其最大的武器供应国。外媒普遍认为，就中国而言，中国对巴提供武器，既可以达到遏制印度的目的，又可以获得进入具有重要战略意义的海湾地区的途径。中国现代化军工企业的努力令许多国家受益，因为美国拒绝与其盟国分享关键技术，美国对巴基斯坦的技术封锁和歧视性政策限制了与巴基斯坦的军事合作，却给中国带来了机会，以巴基斯坦为例，虽然美国不与巴基斯坦分享无人机技术，但中国肯定会填补这个缺口。除去军事技术和武器出口贸易，中国与巴基斯坦即将开展新的合作，那就是建立海军基地。实际上，基于提升军事合作水平和制衡印度的需要，中国要打通从喀什通向印度洋的战略通道，均绕不开巴基斯坦这个国家。西方媒体称，作为世界第二大经济体，目前中国的经济利益现在已经遍及全球。这就需要一支远洋海军为其保驾护航。而拥有自己的海外军事基地，对于远洋海军建设来说是件事半功倍的事，这就等于延长了海军的臂膀，是大国战略必不可少的一个组成部分。显然，就应然性而言，中国建海外军事基地无可厚非。而从可行性上说，中国这样做的条件也愈来愈成熟。近年来，中国海军已经成功地实施了多批次的亚丁湾护航，目前已经常态化。图片为瓜达尔港，它是中国迄今最大的援外工程之一，也是中巴合作的又一结晶此举的意义不仅在为中国商船提供了国际水域的安全保护，更重要的是为海军的远洋活动确立了正面形象。作为中巴友谊的标志性工程，瓜达尔港项目一直受到中巴两国政府和领导人的高度重视。瓜达尔港使中国获得进入阿拉伯海的通道，这已引起印度和美国不安。许多西方和印度分析家认为，中国有意在该港口建造海军基地。中国海军执行亚丁湾护航任务因为执行亚丁湾护航任务的中国军舰，保护的不仅仅是中国商船，也包括其他国家的商船。护航期间，但凡有国际商船提出急救要求，中国军舰都是尽可能予以满足。所以，亚丁湾护航说到底保护的这片水域的畅通。这样的事实，显然有助于打消外界对中国建设远洋海军的疑虑，让世界相信这对世界来说是福音，而非威胁。另外，中国的友好邻邦也有让中国在其境内建立军事基地的愿望。2013年，巴基斯坦国防部长穆合塔尔明确表示，巴方已经请求中国在巴境内的瓜达尔港建一个海军基地。穆塔尔还透露，巴基斯坦总理吉拉尼不久前访华时，已经正式向中方表达了这一请求。巴铁大手笔从中国引进舰艇：印度表示压力山大据俄罗斯军工综合体新闻网7月28日报道，俄罗斯世界武器贸易分析中心7月27日指出，中国和巴基斯坦已于7月23日达成一致，双方将在近期签署数十亿美元的合同，向巴海军供应8艘常规潜艇。分析师认为，这项协议将成为中国自进军世界军火市场以来最大的武器出口合同。据悉，巴基斯坦政府暂时没有披露协议细节及其潜在价值。专家指出，这项协议规定采购8艘常规潜艇。中巴双方达成的协议首先应当得到中国领导层的最终批准，然后将签署正式协议。今年4月巴基斯坦国防部向国家议会通报，声称正在就从中国采购潜艇事宜进行谈判。当月英国《金融时报》援引巴军退役高官的话披露称，合同金额可能高达40-50亿美元。中国常规潜艇巴基斯坦财政部一名消息人士透露，巴财政部长已经在和中国船舶重工国际贸易有限公司总裁会谈时商定了潜艇采购计划的财政问题。预计巴方将分4笔向中国预付潜艇采购款项，而潜艇本身的交付工作将在未来几年落实。中国船舶重工国际贸易有限公司是中国船舶重工集团公司的贸易分支，主要负责军用舰船和潜艇的维修、租赁和销售。上个月中国和巴基斯坦还曾达成协议，为巴海事安全局建造6艘巡逻舰，正式销售合同已由巴政府和中国船舶工业贸易公司代表于6月10日签订。预计4艘巡逻舰将在中国建造，剩余2艘将在巴基斯坦卡拉奇造船和机器制造厂建造。中巴同盟正面压制印度：新德里再难有所作为！《新印度快报》7月26日文章，原题：有中国做朋友，巴基斯坦正取笑印度。游戏已改变，我们却被甩在后面巴基斯坦正在取笑甚至挑战新德里。传统上，印度向来对这种虚张声势不屑一顾。但如今现实已发生改变。中巴团结已具有更广泛的影响力，尤其是从印度的视角来看。曾几何时，中国将印度视为唯一值得认真对付的亚洲国家。中国领导层——当今世界上最精明且最有远见者，找到了防患于未然的捷径。中国将巴拥抱为亲密盟友并壮大巴的实力以令印度动弹不得。当中国帮助巴成为核国家时，印巴形势就已成定局。更有决定意义的是中国近来在巴取得的基础设施新进展。如今，中国在巴开发的瓜达尔港正通过道路网与新疆相连。在该道路网沿线，将崛起新的大坝、能源管线和全新城市。巴方乐于为北京提供服务，甚至为保护中国在巴资产而组建全新的步兵师。中巴同盟正如巴曾是美国对阿富汗政策的关键一样，如今在中国旨在加速获得经济战略中心地位的新丝路政策中，巴已成为关键所在。北京不再仅将其当成令印度分心的制衡方，还正将其视为抗衡美国“转向亚洲”政策的枢纽。面对这种情况，尚无迹象表明印度的外交政策专家已提出确保印度利益——却非遏制中国(目前这点不可能做到)——的政策。事实上，如今的印度只是中国雷达上一个微不足道的小亮点。在习领导下，中国宣示自己的方式表明，北京的视野已更为宽广。而美国通常雷声大雨点小，未对中国的“大胆”采取任何行动。印度军队这是一场“大腕”之间的游戏，沉溺于小家子气游戏的人玩不了。迄今，莫迪及其顾问的作为，只是明显偏向美国的转变。但在当前局势下——一方面，美国对巴的承诺依然牢固;另一方面，俄中越走越近并组成联合阵线抗衡美国，印度的这种做法会在多大程度上有利于本国利益?中国枭龙签订单接到手软：印度看的眼红不已！据俄罗斯军工综合体新闻网7月22日报道，在中国帮助巴基斯坦研制的JF-17“雷电”(FC-1“枭龙”)歼击机已经得到第一个出口订单之时，印度“家养”(国产)轻型战机“敏捷”还需要一年时间才能完全形成战斗力。更令人担忧的是，使用更大功率发动机的“敏捷Mk2”版本的研制仍然处于画图版(设计)阶段。虽然计划在年首飞，但是据印方消息人士透露，现在距离关键设计审查还有很远的距离。印度空军现在仅有35个歼击机中队，其中只有一半飞机有战斗力。而要想抗衡中国和巴基斯坦，印军需要45个有战斗力的飞行中队。在和法国就36架“阵风” 歼击机供应问题进行的谈判顺利的条件下，也只能在签署合同两年之后才开始交付。与此同时，印度空军表示，自己需要两倍数量(72架)的该型飞机。中国“枭龙”现在印度军队应当迅速列装“敏捷”战机，保证在老旧的米格-21、米格-27歼击机退役之后，不至于形成更大的航空机队缺口。印度准备在2016年年中之前装备完全具备战斗力的“敏捷”飞机。但是“敏捷”轻型战机没有能力担负“阵风”中型和苏-30MKI重型多用途歼击机的角色。“敏捷”的飞行半径只有400公里，仅为上述“阵风”和苏-30MKI相应指标的三分之一，战斗载荷也只有三分之一。印度“敏捷”战机总之，“敏捷”战机无法用于实施深入轰炸式打击，比如攻击中国目标。在此背景下，印度必须加快研制先进中型战斗机AMCA。这种双发歼击机具有较强的隐身能力，能够进行超音速巡航飞行，应当在年首飞。中印海军水下力量对比：印度完全没有一战之力不久前一艘中国“元”级常规潜艇停靠巴基斯坦的消息，再次刺痛了印度海军水下舰队。《印度斯坦时报》20日称，从规模上看，中国海军潜艇部队是印度的4倍，而且近年来中国潜艇不断更新换代，性能更非印度海军老式潜艇所能比拟。报道称，尽管这艘“元”级潜艇采用常规动力，但与印度同类潜艇比起来，它不需要经常浮出水面换气，隐蔽性更好。这只是印度潜艇部队落后的缩影。中国“元”级常规潜艇目前印度海军共有14艘潜艇，其中包括一艘从俄罗斯租借的攻击核潜艇。相比之下，中国海军共有68艘潜艇，规模是印度的4倍。在中国潜艇序列中，还有至少9艘核潜艇，包括5艘攻击核潜艇和4艘战略核潜艇。印度13艘常规潜艇大部分已接近服役寿命，4艘德国造209型潜艇基本失去作战能力;9艘俄制“基洛”级潜艇也问题不断。印度“基洛”级潜艇让印度担心的是，就连印度最主要的假想敌巴基斯坦也在加强水下力量。目前巴基斯坦共有5艘常规潜艇。《印度斯坦时报》称，中国计划向巴基斯坦提供8艘“元”级潜艇。为应对中巴的水下舰队，印度在加快引进新型潜艇的同时，还持续向美国购买最先进的P-8I反潜巡逻机。中国带来的压力实在太强：印度再向俄租赁核潜艇据海军科技网7月10日报道，据报道，印度计划租借另一艘来自俄罗斯的攻击型核潜艇，作为“查克拉—3”号项目的一部分，以加强本国海军能力。此项目的协商现在进入到收尾阶段，印度总理纳伦德拉&莫迪和俄罗斯总理弗拉基米尔&普京将在金砖国家首脑会议上就此事进行讨论。据报道，该艇被认为是“亚森”级攻击型核潜艇。项目有关人士表示：“最终结果尚未确定，但现在几乎可以肯定的是，将建造一艘“绿地”潜艇。”2012年，印度租借了一艘俄罗斯建造的“阿库拉”级核潜艇，8140吨，被更名为“查克拉”号，租期10年，合同金额接近9亿美元，从此印度成为继美国、英国、法国、中国和俄罗斯之后第六个拥有核潜艇的国家。此外，俄罗斯还计划与印度造船厂建立合资企业，进行常规潜艇的升级、维护和维修服务。俄罗斯zvyozdochka 造船厂副总监Evgeny V Shustikov 表示：“我们正在与印度船厂谈判，如果谈判成功，印度将成为我们完成现代化基洛级潜艇未来任务的合作伙伴。”“不只是印度，对其他第三世界国家也是一样。”印度目前计划在孟买的马扎冈船厂(MDL)基于P75型?鱼级潜艇前身的生产线上建造六艘常规潜艇。新潜艇将具备更远探测范围和新近作战管理系统，拥有性能最佳的传感器，以及包括鱼雷和导弹的武器系统。俄向中国出售苏35制造矛盾：印度或投入欧美怀抱据俄罗斯军工综合体新闻网报道，近年来，俄罗斯和印度以前较为活跃的军火贸易规模明显减少。只有极少数国家能像俄印这样保持自上世纪60年代以来如此漫长的合作。在大约半个世纪的时间内，俄一直都是印进口军事产品的供应大国。严格地说，军火贸易是俄印亲密战略关系的主要原因，特别是在冷战结束之后。然而，目前俄军用产品在印度武器进口总额中的比例持续稳步下降。由于地缘政治地位的提高，以及和美国战略关系的恢复，新德里在西方找到了新伙伴。因此，过去非常确定的俄印双边军售关系现在面临着可能成为两国沉重负担的危险。实际上这种变化已有大约十年之久，其开端可以说是印美签署的核协议。保持与印度的“战略伙伴关系”，可能是美国前总统小布什外交政策延续时间最长的遗产。在南亚宗教极端主义兴起的背景下，布什政府相信印度能够成为地区政治稳定的铁锚。美国前总统小布什美国相信自己和印度的地缘政治利益一致，因此实行赋予印度战略盟友地位的政策，尽管它与核不扩散政策完全相反。恢复与美国的战略合作关系，也是印度恢复和其他国家防务合作的分水岭。西方随即取消了对印度许多军品生产企业的制裁，开始逐步放松对印高科技出口管制。外国国防和航空航天公司得到了扩大印度市场准入的机会。从那时起，以色列和印度的军事贸易规模达到100亿美元，美国和印度的军贸关系超过90亿美元。C-17战略运输机所有这些都对印俄军火贸易产生了不利影响。今后俄在对印武器出口中的比率将会下降，至少近期仍会下降。最近几年，俄没有抓住机会签订向印度大量供应武器的重大国防合同。这个名单上包括供应36架多功能战机价值70亿美元的合同(和法国签署)，购买10架C-17战略运输机价值41亿美元的合同(和美国签署)，以及购买8架P-81海上巡逻机价值21亿美元的合同(与美国签署)。现在，俄国防工业因为要履行已经签署的合同，仍然保持着与印度之间相当密切的联系。但是，除了价值110亿美元的第五代歼击机联合研发和设计合同之外，印度没有购买俄武器的具体计划。尽管俄方也在参与印度向外国公司开放的各种军事招标项目，但是在任何一项竞争中都不再是“娇子”。在印度空军出资10亿美元购买6架空中加油机的招标中，欧洲航空航天和防务集团的空客A330MRTT显得比俄罗斯伊尔-78更有吸引力。至于直升机方面，俄罗斯产品同样不如美国波音公司的AH-64“阿帕奇”武装直升机和CH-47F运输直升机有竞争力。因此，在履行完此前几年签订的合同之后，俄将面临丧失自己在印度国防工业中已经持续数十年的重要作用的显著风险。现在已经是乌云密布。所有迹象都指明，俄已经把俄印双边军事技术关系降格到稍低的水平，印度已由独家伙伴变成单纯的优先伙伴。这种实用主义并不令人意外，因为新德里同样也在推行武器装备进口渠道多元化策略，不再把俄罗斯视为独家贸易伙伴。巴基斯坦试图从俄罗斯进口军事产品的努力显得更加突出。俄罗斯伊尔-78在此方面的显著事件是俄方不久前决定向巴方提供米-35“雌鹿”武装直升机。在此之前，鉴于印巴之间的紧张关系，俄放弃向巴供应致命性武器。这种排他性是1971年俄印签署的友好合作和平条约的遗产，结果导致现在的俄巴武器交易令许多专家大感意外，费尔根豪尔称此为“俄在南亚地区政策的关键变化”。俄外交官在此方面的行动非常迅速，同时强调军售谈判只是俄巴在国防和反恐领域继续合作的一部分。莫斯科在此问题上的立场变化，发出了俄调整对南亚地区武器供应政策的信号。米-35“雌鹿”武装直升机国防研究和分析专家巴克什指出，这是非常显著的变化，它是由俄罗斯无法抗拒的销售武器的必要性所决定的。苏联解体引发的重要问题之一是原加盟共和国对外债和国有资产的分配。俄罗斯继承了庞大的军工产业，包括1600家企业和大约200万名员工。现在员工数字已经增加到250-300万人，占全国制造业就业总人数的20%。然而，现在俄经济不够健康，无法支撑庞大的军工产业。最近三年，国防工业支出与GDP的比例平均高达14.1%。为了弥补国防开支缺口，保持增产增效，支持资源饥渴型国防工业和研发工作，俄对武器出口的依赖越来越严重。前副总理克列巴诺夫曾经表示，军品出口是俄军事工业的“生命线”，因为国家国防预算不大，国防订单自然不多。因此，除了发展与其他国家的战略合作关系之外，俄向外国伙伴出售武器的一个动机就是必须以此补贴国防工业。俄决定恢复向巴基斯坦和其他国家出口军事产品，很可能就是出于保持高额军事出口的经济需要。不久前俄罗斯扩大和中国的军事合作同样未被印度忽视。俄可能通过向中国销售苏-35现代化战机来主动制造利益冲突。每次向中国销售武器之后，俄武器在印度市场的兴趣就会减弱，首先涉及到航空航天领域，因为印度空军机队的大部分都是从俄罗斯进口的飞机。苏-35一些专家认为，俄向印提供的设备和技术要比俄售华的同类产品更加全面和先进，但是这种说法很难得到验证，因为俄向中国供应的飞机和设备型号不会进入印度市场，无论是用于评估还是测试。然而事实仍然在于，新德里有机会从替代供应商处得到先进军事装备，尤其是能确保对俄售华武器拥有竞争优势的军事装备。中国国防工业以擅长“逆向研制”进口军事装备而闻名，这在过去曾经惹恼了俄罗斯。当年中国在购买少量苏-27战机之后，开始启动与之类似的国产歼-11B 战机系列。相比之下，印俄武器贸易没有如此疑惑的过去。歼-11B如果说中国令人怀疑的“逆向研制”实践和高度发达的工业基础在俄武器装备供应决策中起过作用的话，那么对于俄军工产品长期贸易来说，印度可能是更为合适的伙伴。展望未来，可以预计俄印将迎来分歧阶段，因为俄印暂时还不适应目前的“现实政策”。中国三招阻遏美独霸亚洲安抚亚太联俄印美国《国家利益》7月11日文章，原题：中国阻碍美国独霸亚洲的大计划中国的首要战略目标之一，就是阻止美国的注意力和资源转向亚太。在俄罗斯乌法举行的金砖国家和上合组织的双峰会上，中国领导人给出北京将要利用的三组战略的概要。一是增援俄罗斯急剧下滑的国力。美国防部门资深人士称，俄如今是美国的头号威胁，这种说法令中国战略分析家不禁兴奋。加上美宣布要裁减陆军，这对美增加亚太驻军不是好消息，因为焦点如今似乎重新转向欧洲，为欧洲-大西洋世界的不稳定东部边境提供支持。中国为俄经济提供的生命线，令莫斯科能够削弱西方制裁的冲击。俄愈加反美也对中国有利，因为有莫斯科守护着北京的后院，有助于保障中国西部安全。普京以前尝试与西方建立战略伙伴关系——包括“9&11”后为美国驻中亚军队提供帮助，曾令中国人颇为不安，中国向来担心被美国四面包围。乌克兰危机造成俄罗斯与西方交恶，也拉近了莫斯科与北京的关系。其二是确保印度中立。美国转向亚洲本身并不足以抑制中国，它还需要关键地区伙伴组成有效联盟。华盛顿在地区的头号盟友日本光靠自己达不到这些要求。构筑一个准备联手制衡中国的区域，印度必须充当起西面支柱。新德里深知北京构成的战略威胁，但也警惕被美国拖入太平洋地区的斗争。习近平竭力、恳切地与莫迪接触，目的是减少中印关系中的刺激因素。中国想表明，新德里和北京能够无忧相处，不需要美国的介入，并暗示新德里有被华盛顿拖入冲突的危险——那不符合印度的利益。若中印能开启“上海进程”——复制解决中国与俄罗斯和中亚共和国的边界争端的外交努力，就能有助于第三个目标实现：说服与中国有陆地和海上领土争端的亚洲国家相信，北京愿意寻求外交途径解决冲突，只要不让美国掺和进来。此外，中国对整个大欧亚邻国提出的部分计划，是说服他们让本国的增长和繁荣计划搭上“中国梦”快车，将自己与新的丝绸之路相连，把整个地区串在一起——与美国构想的跨太平洋伙伴关系对垒。印度邀日本加入美印军演显露对华“轻蔑”姿态据《印度时报》7月13日报道，印度将邀请日本参加将于10月在孟加拉湾举行的马拉巴尔海上军事演习，届时美国也将参演。印度以此向中国显露“轻蔑”姿态。而在9月，印度还将与澳大利亚单独举行双边海上军演。资料图：马拉巴尔海上军事演习此前，印度最初在国防建设计划中未安排日本加入美印第19次马拉巴尔海上军演。但随着现在莫迪政府对日本加入开启“绿灯”，印美日三方计划会议将于七月底在日本横须贺港召开。“正式邀请已经向日本发出。”消息人士称。在马拉巴尔演习之前，印度于澳大利亚还将在9月11日至12日举行两国首次双边海上军演。澳大利亚海军“阿兰达”号护卫舰、“天狼星”号油轮和“希恩”号潜艇将参与这场位于孟加拉湾威扎吉港海域的演习。澳大利亚“希恩”号潜艇印度则将派出一艘驱逐舰、一艘护卫舰和一艘油轮参与军演。报道称，中国在2007年曾对包括日本、澳大利亚和新加坡等多国参与的马拉巴尔海上军演提出强烈抗议。中国认为这种多国军演时为了建立遏制中国的安全轴心。印度上届政府主要将马拉巴尔演习的范围限定在双边演习的层次上，特别是在临近印度的海域举行军演时，邀请其他国家的决定较为谨慎。资料图：马拉巴尔海上军事演习印度仅在2009年和2014年邀请日本参与，当时，这两场军演在太平洋西北部举行。自人民党政府去年上台后，印度总理莫迪与美国总统奥巴马分别于去年9月和今年1月举行的峰会决定“升级”两国的年度马拉巴尔军演。与此同时，日本和澳大利亚也希望常规性加入该系列军演。资料图：马拉巴尔海上军事演习印度、美国和日本军队中国日益增长的军事能力和在亚太地区趋于强硬的姿态感到担忧。尽管新德里在这一问题上调门较低，但华盛顿和东京已经对中国在东海和南海的“攻击性”举动表达不满。微信关注公众号“xinjunshi"，免费抽取苹果iPhone6 Plus点击左下角[查看原文]获取更多精彩内容篇二 ： 数据分析这点事：如何看懂数据 用好数据？先声明一下，按照传统的定义，我还真不是数据分析高手，各种关联算法，只会最简单的一种（话说不少场合还算管用）；各种挖掘技术，基本上一窍不通；各种牛逼的数据分析工具，除了最简单的几个免费统计平台之外，基本上一个都不会用。所以，各种高手高高手请随意BS，或自行忽略。这里说点高手不说的。从微博段子说起，微博上关于数据分析有两个段子，我经常当作案例讲：第一个段子，说某投资商对某企业所属行业有兴趣，要做背景调查，甲是技术流，一周分析各种网上数据，四处寻找行业材料，天天熬夜，终于写出一份报告；乙是人脉流，和对方高管喝了次酒，请对方核心人员吃了顿饭，所有内幕数据全搞定，问谁的方法是对的；第二个段子，某电商发现竞争对手淘宝店，周收入突然下降了30%，但是隔周后又自然恢复，中间毫无其他异常现象，于是老板让分析师分析，苦逼的分析师辛苦数日，做各种数学模型，总算找到勉强的理由自圆其说，老板读毕，虽说不能让人信服，却也没有更合理的解释，某日，见对手老板，闲聊此事，“你们某段时间怎么突然收入下降？”“嗨，别提了，丈母娘去世了，回家奔丧，公司放羊了。”老板恍然大悟。两个段子，第一个段子，微博上一边倒的说，苦逼分析没有人脉有用；第二个段子类似，一边倒的认为，人脉的消息比苦逼分析管用多了。但是我想说的是，这个解读绝对是错的！先说第一个段子，其实网络不乏这种“人脉达人”，特别是媒体圈，一些所谓的“IT名记”或者“著名评论家、分析师”和各种互联网大佬称兄道弟，天天秘闻不断，但是呢？他们从不研究产品，不分析用户，所以，他们知道了数据，却不懂数据背后是什么，更不知道什么是重要的，什么是次要的，我有时会批评身边这样的朋友，别天天觉得自己知道几个互联网大佬的花边新闻，就当自己是资深业内人士了，正因为掌握这些东西又觉得炫耀，才反而忽视了真正有价值的信息和有价值的数据。这就是为什么混网络媒体的，见过市面的各种达人，在互联网创业浪潮里，几乎没有成功几率的真实原因，自以为人脉广泛，无所不知，其实正因为缺乏最基本的数据背景分析，所以才是看上去什么都懂，细究下其实什么都不懂。请记住一点，除非你是富二代，官二代，衔着金钥匙出生，那不在我的讨论范围里，否则，没有苦逼的经历，就没有牛逼的成就。我常订阅一些著名分析师的微博，他们透露的数据往往是很有价值的（这是我订阅的原因），但是他们的解读通常是惨不忍睹的，这就是只看表象的恶果，而且随便翻看一下他们的数据解读，可以说他们的数据感和数据认知贫乏到可笑，甚至缺乏最基本的数据校核和考证的能力，他们拿到了某公司核心数据又怎样？没经历过苦逼的分析，他们其实什么都看不到。第二个段子同理，如果不是持续有效的数据跟踪，怎么能得出下降30%的结论，这一数据结论与人脉得到的消息相互验证，才会得到完整真实的结果，否则仅仅是闲聊，你怎能知道对方企业管理对业绩影响的范畴，苦逼的分析也许一时没有人脉的消息管用，但是你所得到的对数据的认知和积累，是人脉永远不会给你的。所以，再次强调，基本的数据跟踪和日常的数据感养成，绝不是可以忽略和无视的。人脉情报可以成为数据解读重要的信息来源，但是绝不能喧宾夺主，替代基本的数据分析工作。下面说一下数据感，什么是数据感？就是别人说一个数据出来，你会琢磨一下这个是否符合常理，与你日常的数据观测经验是否一致，如果不一致，那么可能的理由是哪些？ 比如12306号称一天几十亿次点击，如果你有数据感，第一眼就会质疑这个“点击”定义的合理性；比如曾经有人说某国内图片分享网站一天多少亿访问量，第一眼就知道这个“访问量”定义是有歧义的，（事后官方解释是图片加载量，这个和访问量差异几十倍。） 数据感需要不断的培养，和基本的逻辑（比如你应该知道中国有多少网民，每天有多少人上网，一个大概什么类型，什么排名的网站会覆盖网民的比例是多少），以及善于利用各种工具，我以前在巨头公司，得益于公司巨大的数据资源，可以看到很多互联网的核心数据；但是离开后，才发现，其实互联网上公开可获取的数据途径是非常多的，而且善于利用的话非常有效。每天去查询一些感兴趣的数据，经过一段时间积累，想没有数据感都难。作为公司或团队负责人，怎么培养员工的数据感，我其实也有一个建议，平时可以搞一些小的竞猜，比如团队集体竞猜新产品或产品改版上线后的日活跃用户，或者pv数字，或者收入数据，等等；然后看谁的最准，一种是惩罚制，最不准的请最准的喝奶茶，吃冰淇淋；另一种不惩罚，最准的累计积分后公司可以发一些奖品鼓励，这样下去大家的数据感就会在日常培养起来，而且对团队的气氛培养也有帮助。数据感之后，谈数据分析的方法，我的建议是，不炫技，不苛求技术复杂度，最简单的数据，所包含的信息往往是最有价值的，而很多人恰恰这一步都没做好，就总想着弄一堆挖掘算法；数据的价值在于正确的解读，而不是处理算法的复杂度，切不可喧宾夺主。 大公司的kpi制度，往往会产生偏差，比如技术工程师的评定，要讲究“技术复杂度”、“技术领先性”，直接导致简单的事情没人肯做，最基本的工作不认真做！所以往往是大公司的分析工程师，为了评高级工程师，非要简单问题复杂化，四则运算就搞定的事情一定要弄一套诡异的算法，最终非但浪费了资源，消耗了时间，而且往往由于工程师对业务理解的漠视，对应的产品人员又对算法的陌生，导致了严重的理解歧义，从而出现各种误读。下面说关键，数据解读，正确的数据解读，是所有数据分析工作最关键的一步，这一步错了，前面的所有努力都是白搭，然后，往往很多人简单的以为“数据会说话”，他们认为把数据处理完一摆就ok了，所以我看到很多知名分析师拿着正确的数据信口胡诌；而更有甚者，显然是故意的行为，一个非常非常著名的、口碑极佳的跨国企业，曾经就同一份很酷的数据，在不同的场合下，为了市场公关的需求，做出不同的解读；这简直就是道德问题了。数据解读，不能是为了迎合谁，要遵循数据的本质，要遵循科学的逻辑，要有想象力（配合求证），可能有时候也需要依赖人脉关系所获得的情报，（这个也有很多典型范例），这个具体再怎么说可能我也说不清楚，说几个反面例子也许更容易理解。1、因果关联错误，或忽略关键因素，A和B的数据高度相关，有人就片面认为A影响了B，或者B影响了A；但是，有时候真实原因是C同时影响了A和B，有时候C被忽略掉了。2、忽略沉默的大多数，特别是网上投票，调查，极易产生这种偏差，参与者往往有一定的共同诉求，而未参与者往往才是主流用户。3、数据定义错误，或理解歧义，在技术与市场、产品人员沟通中产生信息歧义，直接导致所处理的数据和所需求的数据有偏差，结果显著不正确。4、强行匹配；不同公司，不同领域的数据定义可能不一致，在同一个公司内或领域内做对比，往往没有问题，大家对此都很习惯，却有评论家不懂装懂，强行将不同定义的数据放在一起对比做结论，显著失真；海外著名金融机构在分析中国页游和端游市场就连续犯这类错误。5、忽略前提；有些数据结论是基于某种前提，符合某种特定场景下得出的，但是解读者有意或无意忽略前提，将结论扩大化，显著误读。6、忽略交互；在商业模式改造和产品改进，往往都会出这类问题，最简单说，你游戏中的道具降价，对收入的影响是增还是减？如果忽略交互，仅仅依赖于数据推算，当然是减，但是实际呢？做运营的都知道。7、缺乏常识；如果对一些重要的纪念日，节日，或者网购节不了解，那去处理有关数据[）显然就不知所云了。做行业报告更是如此，很难想像对行业不了解的人能做出怎样的报告。8、无视样本偏差；我们通常做数据调研，是基于样本数据，而采样过程本身很难做到完全的公平和分散，样本偏差要控制在合理范畴内，即便无法控制，在结论中也需要标注；这才是严谨的数据解读，对样本偏差视而不见，甚至为了某种宣传目的刻意寻找偏差的样本，都不可能做出好的数据结论。那么， 数据处理也多说一点，虽说是个技术活，但是有些不那么技术的事情，也必须做到位才行；很多时候，我看到一个数据，不符合我的预期，我第一反应，是了解数据来源和处理逻辑，我们通常面对的数据，包括大量的干扰，噪音数据，以及一些识别上容易产生歧义甚至误判的数据，这都是需要处理的，很多时候工程师只关心算法层面、效率层面，不愿意也不关心这些东西，所得出的数据结论失真度就非常高，越是大公司，这种情况越普遍；在我效力的巨头公司时，这样的范例非常多，处理方法其实很简单，多看看源数据，对中间的噪音和干扰数据正确识别标注，对容易误判的数据进行二次判定，全是苦力活，没啥技术含量，但是这是必须的。最后，很多人想知道我怎么看数据，或者想问我，他们每天看很多数据，不知道怎么去看，我其实有很简单的三板斧，一学就会，一用就灵，对常见的数据场景，可解决绝大部分日常需求。 简单说就是“对比，细分，溯源” 六字真言，没了。对比，数据放在那里，是没意义的，你说你游戏周流失率80%，啥情况？不知道，你问我我也不知道。对比起来才知道。一是横比，你拿出50款游戏来比，别人平均流失率90%，你80%，你游戏还不错勒，别人要平均流失65%，你80%，这就有问题了。二是纵比，和自己时间轴比，你两个月前1.0版本流失率90%，你现在80%，有进步么，你要是两个月前是50%，现在80%，好好反思喽。所以，我特别强调，在通常企业数据监控，显示一大屏数据的界面上，对比特征要最大体现，比如所有同比下降超过多少比例的一概红色体现，所有上升多少比例的一概绿色体现，公司运营状况一目了然。细分，数据出现对比异常，你当然想知道原因，那就需要细分了。细分先分纬度，再分粒度，什么是纬度？你按照时间去分，就是时间纬度，按照地区去分，就是地区纬度，按照来路去分，就是来路纬度，按照受访去分，就是受访纬度；你说今天网站访问量涨了5%，咋回事不知道，你细分一看，大部分网页都没涨，某个频道某个活动页涨了300%，这就清楚了，这就是细分最简单的范例，其实很多领域都通用。 粒度是什么，你时间纬度，是按照天，还是按照小时？这就是粒度差异，你来路纬度，是来路的网站，还是来路的url，这就是粒度的差异；这样可以将对比的差异值逐级锁定，寻找原因。溯源，有时候我对比，细分锁定到具体纬度，具体粒度了，依然没有结论，怎么办，溯源，依据锁定的这个纬度和粒度作为搜索条件，查询所涉及的源日志，源记录，然后基于此分析和反思用户的行为，往往会有惊人的发现，我们正是基于这一逻辑发现过产品的一些缺陷，而且你不断通过这个方式分析数据，对用户行为的理解也会逐步加深。其实，这个话题还有很多延伸，比如，如何看一个年轻人有没有数据分析潜质；以及如何培养数据分析和产品分析人才，等等，不过，就这样吧。今天说的不少了，我水平有限，吃饭的就这几招，而且又老又笨，大家都会了我离下岗也不远了，您就凑活看吧。作者：曹政（caoz）原载：数据分析这点事 - caoz的Blog篇三 ： 星盘图上如何显示上升星座和下降星座我看占星实例分析里都显示上升星星盘图上如何显示上升星座和下降星座我看占星实例分析里都显示上升和下降星座，但是我下载得Astrolog5.40里却没有，是我的版本不对还是设置有问题呢？怎么才能调出上升和下降得星座呢？我用的也是那个版本肯定有的，红色的ASC那里就就显示上升阿倒是婚神星不是自动显示的“设置”里，“忽略的星体”选择，把婚神星钩掉就可以显示了篇四 ： 教你如何制作与分析五律图更新着一段时间，兔芝我又忙别的事情去了，不过今天会打算更新哟！今天想教大家怎么制作五律图，包括教怎么解释五律图。什么是五律图？五律图是把一张出生图中的行星相位，扩大原来倍数的5倍后，得出的一张新的星盘。五律图乃是五分相系列中，用来看一个人的艺术爱好，创造天赋，欲望与物质，知识与权力，来判断出你今生得到的礼物与天赋。它可以帮助你了解，你追求物质的重心，甚至说它会告诉你，让你明白你人生中，最大的亮点在哪。如何制作五律图？我们可以运用占星软件32（astrolog32）来做出此盘，请跟着我来做五律图。首先，你要做出你的出生盘，做好出生盘之后，请快速点击快捷键“alt+shift+s,”就会出现一个菜单：请在菜单中的“相位倍律数”把1.0改成5.0即可。最后一个完整的五律图就做好了如何解释五律图（运用我做好的例子盘，作为实际分析）？五律图的分析重点在，特殊的格局相位这块。比如说：大十字，T三角，大三角，风筝格局，信封格局等。这些特殊的格局相位，会看出盘主得到的某些天赋外，还可以看出盘主的人生成功率。另外，五律图中的轴点也很重要，此刻轴点们会带领我们，去寻找我们的人生亮点。特别说轴点与行星有合的现象，那么我们会特别关注它！还有，其实运用四轴来分析五律图，上升的作用会很大！因为上升会告诉你，你的天赋区域会更明显。当然，如果说其他的轴点，也可作为辅助的作用，可以成为你人生中第二个发现点。还有，我们在分析太阳与月亮，在这里也会产生一种微妙的关系。因为你会发现太阳与月亮之间，这层关系会配合得很默契的！比如说，太阳是你的外在的性格，包括说是主宰“我”的意思，而月亮可能说是你，最终想要完善的力量。比如说随着成长，心会变得更加成熟后，你会懂得自己想要的欲望。那么月亮在这会主宰你的“欲”，这欲望会随着你遇到的事情，尝试阴晴圆缺的感受，甚至会慢慢的磨练自我的不足。对于兔芝我做出的五律图，这五律图让我感到十分的有趣！它的特殊在于，上升形成了一个大三角，这个供三角而言，对盘主的天赋描述得十分明显！冥王供金星上升8，然后金上升供太阳4，太阳又供冥王12，这个是属于火象大三角。这层力量来说，它是发挥在了一种本能里，比如说盘主学到的知识，完全是有能力掌控自如的，而且会做到精力充沛的积极正能量很强，所以这点是十分可贵的！再者来说的话，盘主的EQ很高的哟，甚至说她在家里会成为一家之主，很受家人的爱戴与尊重。包括说，她的主导组织能力很强，给一个死气沉沉的家焕然一新，改变家里不好的负面，同时会用强烈的物质金钱，甚至是真实的爱，来满足这个家的需要！当然，在这相位看来，盘主有一种天赋，她可以成为爱情专家这类的人，可能说她擅长的范围，就会是救人这部分，这种救人的范围也不排除，是在一种灵修中进行的。盘主很合适运用天赋，来改变自己的人生，把不好的人生重建为最佳最好的人生！可能说她喜欢，用自己的能量作为开发与革命，如她的能量是在玄学上的，那她就会有超强的超能力！她会发挥自身的能量，影响到一个群体，将来会成为一位领袖人物！换个角度来看，这个供三角，她也会有强大的直觉，她的直觉会带领着她，找到自己的最爱！那么，她与自己的爱人，会是双生的形式出现！然后，我再说说其他的相位，天王在7宫里，她对待自己的爱人，会采取小调皮和小聪明的。她有一股可爱小精灵的味道，每天都可以成为爱人的开心果，喜欢抓弄自己的爱人。甚至说她喜欢的爱人，他也必须是一个个性人物。那么她的个性对象，会让她十分的欣赏。天王半合月亮，她很懂事体贴人，但又很个性与任性，相当于性格魅力指数很高的人！她不会是一个死气沉沉的人，是一个充满活跃思维的人。特别是体现在，水星供月亮，再半合天王的情况下，盘主是思维活跃，甚至说她对自己伴侣很信任，她有自己的一套方法，懂得怎么调教自己的爱人，甚至懂得如何调情，总不会给自己的爱人腻的时候呀。不过，这个相位在不描述爱情的时候，那么盘主是一个非常懂得讨人欢心的人，她懂得在适当的时候说适当的话，幽默的个性嘴巴也甜。当然，她聪明懂得如何获取人的信任，让别人给予她想要的帮助！不过，月亮刑木的相位，会让盘主对金钱的欲望降低，她可能说什么事情都无所谓，比如说不会因为利益而接近一个人。目前你要找出有关联的因果相位：水星与月亮相位之间的相位，甚至木星与月亮的相位，总概括出盘主不会因为利益才卖乖，她卖乖的时候会因人而异的哟。如果说她得不到自己想要的，她会做出让步的，因为她道德与原则是强大的，不会因为金钱毁掉自己的人格魅力！而且木星供火星劫夺11与10宫，盘主的交际圈子与事业圈子，都是依赖一种动力。这种动力她很努力赚钱，也很在乎自己的事业，不过她讲究的就是用心做事。用心之后获取的劳动果实，只拿属于自己的那一份！总的来说，盘主对金钱欲望是被动的，但赚钱的能力是有的。不过，火星刑水与天王，她会沉迷在一种冒险状态，胆子很大的个性，最终的冒险总是会留下伤疤，比如说她做事是急躁的，很容易因自己的做事强势，最后可能会让别人生气！甚至说，她的脾气不小，容易也迁怒到别人生气。她可能对别人好的时候很好，不好的时候会发脾气很大！不过，有时脾气大，也是因为她在专注时，不喜欢被人打扰！DES在这个盘里，没有开小行星，它是空的哟。那么它在这里的作用，落在了2宫双子里，也就是说盘主婚后的生活，对金钱的安全感会变弱，甚至想办法赚钱会涉及到很多沟通的领域。而且盘主在婚后而言，她会更明白金钱要换个方式去思考，怎么赚钱会用脑力去赚钱。IC是空在9宫里，包括海王也是空的，也在9宫里。盘主会因为自身的感受，她会活在一种精神感受的世界里，她会比较单纯自在的。还有，她对家的归宿感，看起来十分的漂泊不安，因为她对家有着压力的存在，甚至会觉得自己会跑来跑去，涉及到异地两边跑的可能性哟。那么，她在学习的过程里，她会很冷静对待，总是在事情发生之后，也才担心事情，最后冷静解决问题。就好像说，她的压力是来自IC的压力（家庭的压力），不过海王会教会她等待的道理。总结：想要把五律图看好，请记住：如果你发现这个人的盘，他/她是有格局相位的，那么盘主的天赋会比较优越与明显！如果说他/她的盘没有格局，那就意味着，相位组合成的天赋，这类的天赋会相对弱一些，但不代表说没有天赋！没有格局的人，他/她的天赋来自后天的机遇与完善。那么无格局的人，是需要有天赋高的人来指点，这样他/她的人生会变得更有意义！（本文版权归弦心兔芝の新浪博客所有权！需要转载的朋友们，请注明，兔芝我的原创作品，在此谢谢合作！）篇五 ： 如何用SPSSSPSS学习笔记描述样本数据一般的，一组数据拿出来，需要先有一个整体认识。[）除了我们平时最常用的集中趋势外，还需要一些离散趋势的数据。这方面EXCEL就能一次性的给全了数据，但对于SPSS，就需要用多个工具了，感觉上表格方面不如EXCEL好用。个人感觉，通过描述需要了解整体数据的集中趋势和离散趋势，再借用各种图观察数据的分布形态。对于SPSS提供的OLAP cubes（在线分析处理表），Case Summary（观察值摘要分析表），Descriptives （描述统计）不太常用，反喜欢用Frequencies（频率分析），Basic Table（基本报表），Crosstabs（列联表）这三个，另外再配合其它图来观察。这个可以根据个人喜好来选择。一．使用频率分析（Frequencies）观察数值的分布。频率分布图与分析数据结合起来，可以更清楚的看到数据分布的整体情况。以自带文件Trends chapter 13.sav为例，选择Analyze-&Descriptive Statistics-&Frequencies，把hstarts选入Variables，取消在Display Frequency table前的勾，在Chart里面histogram，在Statistics选项中如图1图1分别选好均数(Mean)，中位数(Median)，众数(Mode)，总数(Sum)，标准差(Std. deviation)，方差(Variance)，范围(range)，最小值(Minimum)，最大值(Maximum)，偏度系数(Skewness)，峰度系数(Kutosis)，按Continue返回，再按OK，出现结果如图2spss 如何用SPSS图2表中，中位数与平均数接近，与众数相差不大，分布良好。（）标准差大，即数据间的变化差异还还小。峰度和偏度都接近0，则数据基本接近于正态分布。下面图3的频率分布图就更直观的观察到这样的情况图3二．采用各种图直观观察数据分布情况，如采用柱型图观察归类的比例等。同样以自带文件Trends chapter 13.sav为例，我们可以观察一下各年的数据总和的对比：1．选择Graph-&Bar-&Simple，在“Data in chart are”一项选择Summary of groups of cases，然spss 如何用SPSS后按Define，出现图4，图42．选择Bars Represent-&Other statistic(e.g. mean)，把hstarts一项选入Variable里面，把YEAR, Periodic一项选入Category Axis项中，并按Change Statistic键，出现图5：图53．在Statistic选项中选Sum of values一项，按Continue返回，按OK即可出现图6：spss 如何用SPSS图6从图中可以非常直观的看出1965年-1975年间，每年的总体数量对比和各数值多少。[）三．通过列联表来观察，数据的交错关系。以软件自带的文件University of Florida graduate salaries.sav来说明1、选择Tables-&Basic Table，在弹出对话框中，选择Graduate到Summaries栏，College到Down ，Gender到Across栏，如图7图72、选择Statistics按键，选取Count和layer%到Cell Statistics一栏，并按Continue键，如图spss 如何用SPSS8图8三、选择Layout按键，选择Summary Variable Labels-&In separate labels（汇总的标签，如本例的Graduate，放在表外），Statistics Labels-&Across top（数据的标签横放在顶部，如本例的Count和Layer%），并在Label groups with value labels only前选择打勾(表示只需要具体的标签名就可以，不需要汇总名，如本例Gender和College)，如图9图9spss 如何用SPSS四、选择Total按键，在Totals over each group variable一项前选勾，则输出表会有增加汇总一栏，如图10图10提示，需要什么表格形式可以根据要求来调整，但对输出按键都需要熟悉，多尝试几次就可以看出不同的区别。[）图11为输出的表格图11重要提示：如果结果变成变量的汇总（SUM），则先选择Data-&Weight Cases，把Graduate的选项先选入Weight Cases by内，再选回Do not weight Cases，按OK即可。对于其他带有编号的一项都可以这样做。这一点不知为何，本人屡次试过总需要这样调整。参考图12spss 如何用SPSS图12几种常用的统计方法应用一般来说，最最常用的统计分析有假设检验和回归分析，在SPSS中也有很好的对应工具来做这些分析，但对其基本思路和要求都必须了解，这样才能更灵活的发挥。（)下面抄录《EXCEL在市场调查中的应用》一书中关于这方面的内容：1．假设检验目的：是用来判断样本与样本，样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。基本思想：小概率反证法思想。即P&0.01或P&0.05在一次试验中基本不会生发。反证法思想是先提出假设（检验假设H0），再用适当的统计方法确定假设成立的可能性大小，如果可能性小，则认为假设不成立，否则，还不能认为假设不成立。方法：t检验，u检验，秩和检验，卡方检验应用条件：A、各组资料具有可比性B、具正态分布C、方差齐性（即先作F检验，如F0.1，具方差齐性）2．方差分析目的：又称为变异系数分析或F检验。用于推断两组或多组资料的总体平均数是否相同，检验两个或多个样本平均数的差异是否具有统计意义(也可认为是检验多个总体均值是否有显著性差异注1，这样可能更简单一点)。基本思想：用组内均方去除组间均方的商，即F值，与1比较，若F值接近1，则说明各验均数间的差异没有统计学意义，否则表示有统计学意义。应用条件：A、各组资料具有可比性B、具正态分布C、方差齐性 （即F检验）提示，在应用SPSS中，只要死死的记住一个显著系数0.05就可以应用（如果是双尾系数需要除以2），一般的大于0.05接受原假设，小于0.05则拒绝。简单的说，一般结果拒绝就是spss 如何用SPSS说样本有差异，样本相对独立，都是表示同一种意思，读这方面书的时候，希望不要让这些名词混乱了思路。［］SPSS的方差检验中，需要注意下面问题：方差检验中，Post Hoc键有LSD的选项：当方差分析F检验否定了原假设，即认为至少有两个总体的均值存在显著性差异时，须进一步确定是哪两个或哪几个均值显著地不同，则需要进行多重比较来检验。LSD即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验。2 Independent Samples检验中的Mann-Whitney U检验与K Independent Samples中的Kruskal-Walllis（克鲁斯卡尔—瓦里斯）H检验法思想类似，常用来作为非参数检验。2 Related Samples非参数检验中，一般有Sign普通符号检验法和Wilcoxon威尔科克森符号秩检验法。前者用于研究的问题只有两个可能的结果：“是”或“非”，并且二者遵从二项分布；后者是普通符号检验法的改进，除了可以检验是非外，还可以了解差异的大小。K Related Samples非参数检验中，主要有Friedman秩和检验与Cochran Q检验二种选择，前者是对多个样本是否来自同一总体的检验，而后者是用于只分为“成功”和“失败”两种结果的定类尺度测量的数据。附录：SPSS假设检验方法使用对照表图13其中相关、配对或有交互作用可以理解为EXCEL的重复，独立或无交互作用可以理解为EXCEL中的无重复。图13表大部分参考《数据分析与SPSS应用》一书，特别说明3．回归分析目的：研究一个变量Y与其它若干变量X之间的一种数学工具。它是一组试验或观测数据的基础上，寻找被随机性掩盖的变量之间的依存关系。A．直线回归方程 Yc=a bXB．回归关系的检验：求回归方程在总体中是否成立，即是否样本代表的总体也有直线回归关系。a. 方差分析：基本思想是将总变异分解为SS回归和SS乘余，然后利用F检验来判断方程是否成立。b. t检验：基本思想是利用样本回归系数b与总体平均数回归系数进行比较来判断回归方程是否成立。下面摘录《数据分析与SPSS应用》一书关于相关回归和时间序列分析一些概念解释。 数据变量间主要存在二类关系：一类是函数关系，一类是相关关系。前者是变量间有确定关系，即一个变量的值能够在其他变量取值确定的情况下，按某种函数关系唯一确定；后者是变量间虽然具有的联系，并非确定关系，如价格与销量量，价格高了，spss 如何用SPSS销售量可能会上去，但无法确定销售量是多少。[]通过散点图来观察，如果点都集中在一条直线附近，是线性相关，如果在一条曲线附近，则为非线性相关。如果一个变量因另一个变量的增加而增加，减少而减少，则二个变量间存在正相关关系，反之则为负相关关系。极端的相关是完全相关和零相关。如某地区购买自行车多少与购买大蒜多少无关，是为零相关。按我的理解，相关分析就是推断变量与变量之间关系的密切程度，回归就是在相关的基础上，找出变量间的拟合模型，从而进一步推测出未来的趋势和变量。而时间序列则是以时间的作为观察的序列，来推断变量间的关系的一种模型。以自带文件Trends chapter 13.sav为例，说明一下如何应用这三种分析工具。1．相关打开Trends chapter 13.sav文件，可以看到，这个文件的数据是以时间来排序的，在每个值前增加一行序列号变量，如图14图14一个时间序列的影响因素有四种变动：A长期趋势（Secular Trend），B季节变动（Seasonal Variation），C循环变动（Cyclical Variation），D不规则变动（Irregular Variation）。 我们可以观察一下这些数据是否存在某种关系，打开Graphs-&Sequence，如图15spss 如何用SPSS图15把hstarts选入Variables项，把No.选入Time Axis Lables，然后按OK，出现图16：图16从图可以看出，数据总是在一个周期内反复在上下波动，虽然高低的位置不一样，但这种波动显然是随着时间的不同而变化。[）因此可以察看，因变量与时间的关系如何。选择Data-&Define Dates，出现图17spss 如何用SPSS图17在Year一栏填入1965，Month一栏填入1，表示数据从1965年1月开始计算。（) 选择Analyze-&Correlate-&Bivariate，出现图18图18把hstarts，Year和Month都选入Varibales选项，Correlation Coefficients选择Pearson和Spearman（其实只需要选Spearman就可以，这里只是试一下，作为比较）。注：相关检验中有Pearson（皮尔森）相关系数和Spearman（斯皮尔曼）等级相关，前者也称皮尔森相关系数，是对两个定距变量关系的刻画；后者是用来考察两个变量中至少有一个spss 如何用SPSS定序变量时的相关关系。［)Zero-order Correlations（零阶偏听偏相关系数）是按Pearson简单相关系数公式计算得到的相关系数。在皮尔森系数r是对两个定距变量关系的刻画: 若-1≤r≤1，|r|越大，表明两个变量之间的相关程度越强。若0&R≤1，表明两个变量之间存在正相关。若R=1，则表明变量之间存在着完全正相关的关系。&&/R≤1，表明两个变量之间存在正相关。若R=1，则表明变量之间存在着完全正相关的关系。&若-1≤r&0，表明两个变量之间存在负相关。若r=-1，则变量间的关系为完全负相关。 若r=0，表示两个变量之间无线性相关，即零相关。按Option按键，如图19图19在Statistics选择Means and standard deviations Cross-product deviations and covariances，注意，这二个选择是Pearson才有的，如果开始只选择Spearman，则此二项不能选。返回后，按OK如图20：spss 如何用SPSS图20从图20看到Year的Pearson系数为0.219，Sig值为0.012，小于P值0.05，与Hstarts显著相关，Month的Pearson系数为0.058，Sig值为0.506，大于P值0.05，则与Hstarts不显著相关。()从下图21的Spearman也同样得到相同的结论。图212．回归试建立回归模型，看能否形成各变量间的关系式。选择Analyze-&Regression-&Curve Estimation，出现图22spss 如何用SPSS图22把hatarts选入Dependents选项，Independent选择Time，Models选择（Linear）线性回归，（Quadratic）二次曲线回归，（Cubic）三次曲线回归，（Exponential）指数回归，选择Include constant in equation表示方程式有常数项，Plot models则表示用图表示，然后按OK，出现图23图23线性方程：Y=70.43 0.135X二次曲线方程：Y=64.171 0.415X-0.02X2三次曲线方程：Y=87.68-1.667X 0.037X2( 0X3)指数曲线方程：Y=68.229xe0.002从Sig值判断，都小于0.05，都接受回归成立，这样，只能从R拟合度和F值较大来判断三次曲线方程的拟合程度比较高。[)注意，如果方程成立的话，想要增加预测，则可以在Save选项中选择Predicted Values一项，如果还想预测未来的数值，则可以在原表上增加若干行（如1行），然后选择Predict Cases下面Predict through，在Year填入1976，在Month填入1，这样就表示预测值到1976年的spss 如何用SPSS一月。（］如图24所示。图24注意，在Independent选择Time和把ID选入结果一样，则因为ID是以时间为序来排，所以结果一样。3．时间序列因为R的似合度分别为0.05，0.064，0.199和0.039，都比较低，方程的效果不太好，如果要预测数值还是选择时间序列比较合适，因为从刚才Sequence的图也可以观察到，数据是以后的时间来波动的变化关系。选择Analyze-&Time Series-&Exponential Smoothing，出现图25spss 如何用SPSS图25把hstarts选入Variables选项，并在Model选择Winters（注意，三种不同的模型的选择：简单指数平滑适用于不包含长期趋势和季节成分的数据；Holt方法适合于包含长期趋势但不包含季节成分的数据；Winters方法适合于包含季节成分（以及长期趋势）的数据。[]EXCEL中只有简单的指数回归，与这里的绝不相同，从这里也可以看到专业分析软件的优势更具体更仔细），又按Save键，如图26图26Predict Case选项中选择Predict through，并在Year栏填入1976，month填入6，这样就可以spss 如何用SPSS得到月份的预测值（注意，此处与上面的回归不同，不需要增加6个ID，不然结果会显示有缺失值）。()返回，按Parameters键，如图27图27分别把Alpha（截距项的平滑系数），Gamma（趋势项的平滑系数）和Delta（季节指数的平滑系数），设为从0到1之间以步长0.05搜索最优的参数值，其它选项采用默认值。返回按OK，出现结果如图28：图28从图可看到平滑指数分别是Alpha＝0.75，Gamma=0，Delta=0，而更重要的是，可以直接得spss 如何用SPSS到预测值，如图29：图29除了Fit一项的预测外，可以得到月的预测结果。[）同时，可以通过FIT 1的预测情况与上面三次曲线回归方程比较，采用平均绝对误差、均方根误差和平均绝对百分误差的结果选择更佳的答案。与EXCEL表现的比较和补充这一点是针对像我这样开始只懂得用EXCEL的人来说。从个人的体会来说，二种软件有一定相似，操作都简便，同时又有一些可以互补的地方。一、图型的表现力是SPSS的主要优点之一应该说，EXCEL的图型表现主要是简便，对许多的人来说基本够用，但对于科学的表现，SPSS就更为详细和准确，这一点据说在所有统计软件中都突出。因为大多的书里面都谈到，这里从略。二、通过SPSS检验方差齐性和数据分布假设检验中，采用的t检验和方差检验都需要满足二个要求，即1．样本方差齐性2．样本总体呈正态分布在EXCEL中，提供了F检验来检验方差齐性问题。也就是可以先通过F检验确定方差齐性与否来选择下一步用哪个T检验或方差检验分析工具。但只要数据多于二组则无从下手；通过描述统计大约能从峰度和偏度来了解样本的分布（实际工作中，只要分布单峰且近似对称分布，也可应用注2），但要具体确定样本的分布也有难度。这二个问题在SPSS就可以解决。A、用SPSS检验方差齐性同样以University of Florida graduate salaries.sav文件作为例子来检验性别数据是否方差齐性 a.选择Analyze-&Descriptive Statistics-&Explore，再选择Dependent List-&Graduate，Factor List-&Gender，Display-&Both，如图30spss 如何用SPSS图30b.点击Plot按键，在对话框里选择Boxplots-&None，Spread vs.Level with Levene Test-&Untransformed，在Descriptive选择中取消Stem-and-leaf一项，如图31图31然后，按OK键，结果如图32显示：spss 如何用SPSS图32图32中可以看出,显著值sig都大于0.05，因此不能拒绝H0方差齐性的假设，即数据的方差齐性。［]提示，在SPSS中，应用t检验是不需要单独检验方差齐性问题。结果中就有Levene检验的结果，从中就可以选择方差分别作为相等与不等假设时的结果，如图33图33而在方差检验中， Option的按键有一个Homogeneity of Variance test的按键，选择后，输出就有方差齐性的检验结果。B、用SPSS检验样本总体的分布。以软件自带文件World 95 for Missing Values.sav作为例子检验出生率的分布是否服从正态 a. 选择Data-&Weight Cases，并把Birth rate per 1000 people选入Weight cases by的选项，如图34spss 如何用SPSS图34b.选择Analyze-&Nonparametric Tests-& 1 sample K-S，把Birth rate per 1000 people选入test Variable List选项，Test distribution选Normal，如图35图35c.按OK可以看到结果如图20，两侧检验率为0，则表示拒绝接受Ho（数据整体服从正态分布）的假设，数据分布不服从正态分布。(］spss 如何用SPSS图36提示，除了正态（Normal）外，还可以检验其它分布，只要在图中选项中选择Uniform（均匀分布），Poisson（泊松分布），Exponential（指数分布）即可。（］当然，如果样本过大，可能SPSS也会拒绝运算。三、感觉在数据和表格处理上，EXCEL要强一点。像图11中，想把男性和女性}