Your SlideShare is downloading. ×
Tutorial spss17
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Saving this for later?

Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime - even offline.

Text the download link to your phone

Standard text messaging rates apply

Tutorial spss17

13,785
views

Published on


1 Comment
3 Likes
Statistics
Notes
No Downloads
Views
Total Views
13,785
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
608
Comments
1
Likes
3
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. SPSS 17 – Analysing Quantitative Data  1  Analysing quantitative data using SPSS 17 for Windows 1)  INTRODUCTION 1.1)  Aims  ¨  To illustrate computational analysis of data.  ¨  To introduce the basics of quantitative data analysis. ¨  To  provide  familiarisation  with  the  SPSS  for  Windows  package  so  that  users  can  begin to assess its suitability for their own analysis. 1.2)  About these notes  ¨  During the class, work your way through exercises 1 to 16, excluding Exercise 3,  following  the  instructions  as  requested.  The  symbol  usually  means  you  should undertake some work away from the computer or check that you have  already  undertaken  some  tasks  on  the  computer.  The  symbol  usually  means  that  you  should  issue  a  command  or  series  of  commands  to  the  computer  –  this  usually  means  pointing  and  clicking  with  the  mouses  left  button.  1  ¨  Exercises 17 and 18 are designed to help you to analyse your own data in SPSS  2  for Windows.  ¨  During the class if you get stuck ask for help.  ¨  Note:  these notes assume the user is familiar with a Windows package such as  3  Word for Windows or Excel. 1  SPSS is a registered trademark of SPSS Inc. 2  Windows is a registered trademark of Microsoft Inc. 3  Word and Excel are registered trademarks of Microsoft Inc.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 2. SPSS 17 – Analysing Quantitative Data  2 2)  BACKGROUND 2.1)  SPSS for Windows  SPSS  for  Windows  is  a  powerful  computer  package  providing  statistical  analyses  and  data  management.  The  SPSS  suite  of  programs  is  the  most  widely  used  statistical analysis package in the world. 2.2)  Data types  Before  data  are  analysed  in  SPSS it is necessary to understand what type of data  you are working with, as this will affect the analysis used.  ¨  Categorical:  categorical  data  consist  of  values  which  cannot  be  expressed  numerically but can be grouped into categories; for example gender which can  be grouped into male and female.  ¨  Quantifiable:  quantifiable  data  consist  of  values  that  can  be  expressed  numerically as quantities; for example year of birth.  Quantifiable data can further be sub‐divided into two groups:  ¨  Discrete,  where  individual  items  of  numeric  data  can  have  one  of  a  finite  number of values within a specified range; such as spinal column point for the  variable  salary  scale.  The  value  can  usually  be  counted  and  it  changes  in  discrete  units,  in  this  case  whole  numbers.  In  some  instances  discrete  data  may be rank data, for example the order a group of people finished in a race.  ¨  Continuous,  where  numeric  data  are  not  restricted  to  specific  values and are  usually measured  on  a  continuous scale; such as journey to work distance (in  km).  Journey to work distance along here  0km  120km  With  such  data  it  is  possible  to  tell  the  interval  between  the  data  values  for  different cases; for example the interval between a journey to work of 15 miles  and another of 22 miles is 7 miles. NB Observed values of a continuous variable  always  appear  discrete  due  to  limitations  of  the  equipment  used  for  measurement (e.g. a car odometer).  One  potentially  confusing  aspect  of  SPSS  is  that  all  data  are  usually  coded  numerically  (e.g.  1  =  male).  Although  it  appears  less  meaningful  to  code  such  responses  numerically,  it  is  better  from  a  data  manipulation  point  of  view  since  SPSS allows only automatic recoding on codes which are numeric.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 3. SPSS 17 – Analysing Quantitative Data  3 2.3)  The TEACH.SAV data file  This  data  file  consists  of  data  about  347  people  recruited  to  work  for  a  UK  local  authority  over  a  ten‐year  period  from  the  mid  1970s  to  mid  1980s  and  weas  obtained from personnel records. The data collection form is included as Appendix  2.  The  vast  majority  of  data  relates  to  the  time  of  their  appointment  and  is  taken  from  a  range  of  secondary  data  sources  such  as  their  application  form  and  the  requisition  orders  to  various  meoutlets  for  vacancy  advertisements.  The  data  refers predominantly to non‐manual employees, although there are a few manual  employees. The data have been anonymised in a variety of ways and all locational  data has been amended to preserve confidentiality. Permission was obtained from  the  local  authority  to  use  these  data  in  suitably  anonymised  format  for  teaching  purposes.  The  data  file  can  best  be  thought  of  as  a  large  spreadsheet  with  each  column  representing  a  variable  for  which  data  are  available  and  each  row  representing  that data for an individual or case:  gender  born  marital  educate  profmemb  1  2  67  1  5  3  2  1  19  .  7  3  3  2  24  2  7  3  Thus,  for  the  table  above,  row  1  represents  a  person  who  has  gender  code  2  (female), was born in 1967, has marital status code 1 (single), was educated up to  code  5  (O  level/GCSE  grade  C  or  above),  and  professional  membership  code  3  (none). The data then continue to the right for further variables. The symbol "." is  the SPSS symbol for missing data, this is discussed in more detail in Help 17.4. A full  list of variables and their codes is given in Appendix 1.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 4. SPSS 17 – Analysing Quantitative Data  4 3)  USING SPSS FOR WINDOWS Exercise 1: To load SPSS SPSS for Windows follows the conventions used in other Windows applications, making use  of  a  variety  of  menus  and  dialogue  boxes.  This  means  you  rarely  have  to  use  the keyboard other than for entering data, or for naming specific variables.  Power up your machine (switch it on!) and your normal screen will appear.  After  clicking  the  button,  SPSS  will  be  located  somewhere  in  the  Programs option as shown below:  Click  to open SPSS. This will  take some time so be patient! You will see this  screen.  When you do, click  at the bottom of  the dialogue box to remove it.  You should now have an Untitled SPSS Data Editor  screen. End of Exercise 1 3.1)  The SPSS Windows  When you load and run the SPSS package it opens up a menu bar and two views.  These are Data View (currently visible) and Variable View…  This  sheet  will contain  your  data,  each column  representing  a variable  for  which  data  are available  and  each  row representing  the  data  for an  individual  or  case.  At present  this  sheet  should be  blank.  As  this  sheet  is currently selected, its name on the tab at the bottom is in bold.  At present this sheet is not visible as the variable view sheet is not active. Consequently, the name is not in bold. Do not bother to click on the tab and look at this sheet yet, we will do that later.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 5. SPSS 17 – Analysing Quantitative Data  5 Menu Bar: This provides a selection of options (File, Edit, View, Data …) which allow you, for  example,  to  open  files,  edit  data,  generate  graphs,  create  tables  and  perform statistical  analyses.  Selecting  from  this  menu  bar  will,  like  in  other  Windows packages, provide further pull‐down menus and dialogue boxes. The menu bar options are used as follows: ¨  File  is used to access any files whether you want to Open an existing SPSS file or read  data  from  another  application  such  as  Excel  or  dBase,  or  start  a  New  file.  It is also  the menu option you choose to Save files. ¨  Edit can be used to alter data or text in the Data View or the Variable View. ¨  View  can be used to alter the way your screen looks. Please leave this on the default  settings. ¨  Data is used to define variables and make changes to the data file you are using. ¨  Transform  is  used  to  make  changes  to  selected  variable(s)  in  the  data  file  you  are  using.  This  can  include  recode(ing)  existing  variables  and  compute(ing)  new  variables. ¨  Analyze  is  used  to  undertake  a  variety  of  analyses  such  as  producing  Reports,  calculating  Descriptive Statistics  such as  Frequencies  and  Crosstabs  (crosstabulations)  and  associated  summary statistics, as well as various statistical procedures such as  Regression and Correlation. ¨  Graphs  is  used  to  create  a  variety  of  graphs  and  charts  such  as  Bar,  Line  and  Pie  charts. ¨  Utilities  is  for  more  general  housekeeping  such  as  changing  display  options  and  fonts, displaying information on variables. ¨  Window operates in the same way as other Windows packages. ¨  Help  is  a  context‐sensitive  help  feature  which  operates  the  same  way  as  other  Windows packages.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 6. SPSS 17 – Analysing Quantitative Data  6 Exercise 2: To load a previously created SPSS for Windows data file All versions of SPSS for Windows will  work  with  data  files  using  a filename  of  up  to  eight characters and the file extension .SAV, for example TEACH.SAV. For  the  most  recent  versions longer  filenames  can  be  used, but it is better to be safe!  Make sure you have loaded  SPSS (see Exercise 1).  In the Menu Bar click  File | Open | Data. The  Open File  dialogue box appears. Notice  that SPSS looks for data files in the most recently used sub‐directory. For example,  if you are going to load a file which is on a USB portable storage device you need  locate the appropriate drive.  Locate the TEACH.SAV file.  Open the TEACH.SAV by double‐clicking on it. You will now see the data appear in the Data View window and the filename above the menu bar change to TEACH.SAV. This may take some time so be patient!© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 7. SPSS 17 – Analysing Quantitative Data  7 Alternatively,  you  can  download  the  file  TEACH.SAV  from  the  web  by  following  the tutorial  and  datasets  link:  http://wps.pearsoned.co.uk/saunders  (for  the  5th  Edn)  and then save it on your USB portable storage device. End of Exercise 2 Exercise 3: To load an Excel spreadsheet data file  Do  not  undertake  this  exercise  until  you  need  to  load  your  own  data  from  an  Excel  spreadsheet.  Make  sure  that  your  Excel  spreadsheet  file  is  set  out  with  one  column  per  variable  and  one  row  for  each  individual  (survey  form).  Note:  the  first  row  should  be  the  variable  names. This is illustrated for the Excel equivalent of an extract from the teach.sav data file  below:  A  B  C  D  E  1  gender  born  marital  educate  profmemb  2  2  67  1  5  3  3  1  19  7  3  4  2  24  2  7  3  Make sure you have loaded SPSS (see Exercise 1).  In the Menu Bar, click  File | Open | Data. The  Open File  dialogue box appears. Notice  that  SPSS  looks  for  data  files  in  the  most  recently used  sub‐directory.  As  you  are  going  to  load  an  Excel  file  from  a  USB  portable mass storage device you need to  insert this first.  Insert your USB portable mass storage device and click6in the Look in: box.  Click on the appropriate removable disk, for example:  .  Click6in the Files of type:  box and use the scroll arrows on the right of the dialogue  box to find Excel.  Click  Excel  (*.xls).  You  will  see  your  Excel  files  displayed  in  the  Open  File  dialogue  box.  Select  the  filename  you  want  by  clicking  on  it  and  then  click  on  the  Open  button.  The  Opening  Excel  Data  Source  dialog  box  appears.  Make sure there is a  to the left of Read  variable  names  and  click  OK.  You  will  see  the  file  appear  in  the  Data  View  and  the  filename  above  the  menu  bar  change.  This will take some time so be patient! End of Exercise 3 Because you are loading the file from Excel you will still need to add variable labels and value labels within SPSS and save your data as an SPSS data file (*.sav).© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 8. SPSS 17 – Analysing Quantitative Data  8 Exercise 4: To check how variables have been coded To check what the column heading for each variable and the codes refer to:  Click  sheet at the bottom of the screen. You will now see: The first column contains the variable  Name, in the case of the first row ‘gender’. This is the column heading that appears in the  . The second column refers to the  Type  of data. Although gender is categorical data, it is refered  to  as  numeric  because  numeric  code  values  have  been  used!  The  key to  these code values is given in the column headed Values. The fifth column contains the variable’s Label. At present this is partially obscured by the subsequent column. To see the full value label:  Move  your  mouse  pointer  in‐between  the  Label  and  the  Values  column  headings  untill this,  appears.  Click  and  drag  the  column  width  to  the  right  until  the  variable’s label can be read. Note:  if you wish to edit a variable’s label just retype the label in the appropriate cell. The sixth column contains the key to the codes used for each variable. These are known as the Value labels. To see the Value labels used:  Click on the cell containing the first value for the variable gender  Click on the  to the right of this cell.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 9. SPSS 17 – Analysing Quantitative Data  9 The  Value  Labels  dialogue  box  appears. It shows the current value labels for this variable. Note: you can also use this option to change each value label for the codes or enter new value labels.  Click  in  the  Value  Labels  dialogue box to return to  the Variable View.  Use the ideas in this exercise to explore at least five other variables in the data set.  Check the codes with those that appear in Appendix 1, can you find any errors? End of Exercise 4 Exercise 5: To undertake a frequency distribution  Return to  .  Click  Analyse  |  Descriptive  Statistics  |  Frequencies.  The  Frequencies  dialogue  box  appears.  If the variables are arranged  alphabetically,  use  the  downward  arrow  on  the  left‐hand box to scroll down  until Gender appears.  Highlight  Gender  in  the  left‐  hand box by clicking on it.  Click  to move gender into the Variable(s) box.  Note  the  arrow button  changes  direction  and  the cursor moves to the  Variable(s)  box. This is to allow you to reverse your decision if you wish.  Click  . You will see a series of tables displayed in the  SPSS Viewer. Note that SPSS tells you if there are missing cases. In this instance, there is one missing case.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 10. SPSS 17 – Analysing Quantitative Data  10  Use6and4to  scroll  to  view  the  frequencies  table.  Note  that  SPSS  lets  you  know  if  there are any missing cases and calculates the valid percent appropriately.  Repeat  this process using  Analyze | Descriptive Statistics | Frequencies  for at least  five  other  variables  of  your  choice.  You  can  do  this  by  pointing  and  clicking  on  the menu commands which are visible at the top of your screen.  While  you  are  doing  this,  explore  the  effect  of  the  buttons on your output.  To  remove  the  variables  from  the  right  Variable(s)  box  within  the  dialogue  box  either  click  or  highlight  the  variable  in  the  right  Variable(s)  box  and  click  .  To quit this analysis (for example, if you make a mistake) click  . You may (or may not!) have noticed that each of the tasks you have performed in SPSS has been automatically appended to the SPSS Output Viewer. You can see this by scrolling through your output window using the up and down arrows on the right of the window. You can edit the SPSS Viewer and save it, or parts of it, to a file which can subsequently be read into a word processor. Alternatively you can print it out.  5.1: To delete output in the SPSS output viewer To delete some output in the SPSS Output Viewer:  Click  the  area  you  want  to  delete,  a  line  will  appear around it.  Press Delete.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 11. SPSS 17 – Analysing Quantitative Data  11 To delete all the output in the SPSS Output Viewer:  Ensure that the SPSS Output Viewer window is maximised.  In the SPSS Output Viewer click Edit | Select All.  Press Delete.  5.2: To save the contents of the SPSS output viewer to a file  Click File | Save As…  Type  in  the  filename  you  wish  to  save  it  to  in  the  File name box, making sure  the file type is *.spv.  Ensure  that  the  file  is  being saved to the correct  drive  and  directory  (note:  please do not save output  from the TEACH.SAV file).  Click  . End of Exercise 5 Exercise 6: To calculate the arithmetic mean (average) and the standard deviation  Click Analyze | Descriptive Statistics | Descriptives.  Scroll  down  to  and  select  the  Journey  variable  (it’s  at  the  end  of  the  variable  list),  then  click4to  put  it  in  the  Variable(s) box.  Click  .  Note how the results  are added to the end© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 12. SPSS 17 – Analysing Quantitative Data  12  of your output in the  SPSS  Viewer.  Note:  you  may  need  to  maximise  the  window  by  clicking  [  ]  to  see  all  the  statistics. We  can  therefore see that the  mean  journey  to  work is 11.45km. End of Exercise 6 Calculating a mean makes sense, as we are working out the average distance. However we have to be careful. We  could  calculate  the  mean  gender  in  the  same  way.  SPSS  would  take  the  codes  for male (1) and female (2), add them all up and divide by the number of observations. It is therefore  important  that  you  decide  what  statistic  makes  sense  for  the  type  of  data (Section 2.2). Other  statistics  for  the  average  are more appropriate in this case – the mode (the one that occurs most often). Exercise 7: To calculate the mode and other measures of central tendency To calculate the mode for the variable gender:  Click Analyze | Descriptive Statistics | Frequencies.  Click  to empty the Variable(s) box.  Select  Gender,  then  click4to  put  it  in  the  Variable(s) box.  Click  on  the  right© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 13. SPSS 17 – Analysing Quantitative Data  13  Select  Mode  in  the  Central  Tendency  dialogue  box  by  clicking on it. A  appears in the box when it is selected (see right).  Click  to  return  to  the  Frequencies  dialogue box.  This time, we do not want  an  output  table  so  click  the  box  to  the  left  of to  remove the tick.  Click  . The  following  will  be  added  to the  SPSS  Output  Viewer  (don’t forget  to  maximise  the  window and scroll down). We  now  know  that  the  most common gender is 2 – female.  Repeat this process by calculating the most appropriate average for the following  variables:  educate  prevemp  salary  seg  class  three others of your choice Your choices for the most appropriate average are: ¨  Mean: normally known as the average of the data values. ¨  Median: the mid point once all the data values have been ranked. ¨  Mode: the data value that occurs most often. End of Exercise 7 Exercise 8: To produce a bar chart  Click Analyze | Descriptive Statistics | Frequencies.  Deselect all variables by clicking the Reset button.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 14. SPSS 17 – Analysing Quantitative Data  14  Scroll down and select the variable (social class) Class.  Click  .  Use the radio button to select Bar Charts | Continue.  At the Frequencies dialogue box click OK.  The  SPSS  Output  Viewer  will  contain  your bar chart.  Notice that missing  data  are  automatically  excluded  from  the  chart.  Notice  also  that  you  are  presented  with  a  different  menu  bar  which  allows  you  to  edit  the  current  chart  and  other  options.  To the left of your bar chart is a series of icons. These provide an index to your  output that is in the SPSS Output Viewer.  Click the  icon on the left to see what happens.  Now  practice  your  charting  skills  by  creating  another  bar  chart  for  the  variable  (educational attainment)  Educate  but with the vertical axis displaying percentages  rather than frequencies. You will need to: ¨  Deselect  the  variable  Class  and  select  the  variable Educate. ¨  Select  Percentages  |  Continue. This will give you a chart like the one on the right. End of Exercise 8© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 15. SPSS 17 – Analysing Quantitative Data  15 Exercise 9: To create a table (Crosstab) of one variable against another  One  of  the  most  useful  features  of  SPSS  is  its  male  female  ability  to  create  crosstabulations  of  one  variable  postgrad plus  against another. In this exercise, you will create a  up to degree  table  of  the  variable  Educate  (Educational  up to HNC/D  attainment)  by the variable  Gender. You will want  up to Alevel  your table to look like this.  up to Olevel (GCSE C+)  To do this:  up to CSE (GCSE D‐)  Minimise the SPSS Output Viewer.  No quals.  Click Analyze | Descriptive Statistics | Crosstabs.  This  gives  the  Crosstabs  dialogue box.  Select  the  Row(s)  variable  Educational  Attainment  and  the Column(s)  variable Gender  using  the  same  principles  as  when selecting frequencies.  Once  you  have  selected  row  and  column  variables,  you  will be able to click OK.  Your  table  will  appear  in  the  SPSS Output Viewer.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 16. SPSS 17 – Analysing Quantitative Data  16 End of Exercise 9 Exercise 10: To calculate a Chic‐square statistic for a table Minimise the SPSS Output Viewer.  Click  Analyze  |  Descriptive  Statistics  |  Crosstabs.  Select  the  Row(s)  variable  Educational  Attainment  and  the  Column(s)  variable  Gender  using  the  same  principles  as  when selecting frequencies.  Click  ,  the  Crosstab:  Statistics dialogue box appears.  Select Chi‐square option.  Click  Continue  |  OK.  The  results  will  be  displayed in the SPSS Output Viewer. The  key  elements  of  your  output  are  in  the  row  titled  Pearson  Chi‐Square  and  the associated footnote. The chi square statistic (the value for Pearson Chi‐Square), is, in this case, 52.529 with 6 degrees of freedom (df). This is highly significant .000. The footnote states that no cells have  an  expected  count  of  less  than  5  and  that  the  minimum  expected  frequency  for each  cell  in  the  table  is  7.86.  This  means  the  assumptions  of  the  Chi‐square  test  are satisfied. End of Exercise 10 Exercise 11: To add row and column percents to a table using crosstabs Minimise the SPSS Output Viewer.  Select two variables you wish to use to create a table as outlined in Exercise 9.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 17. SPSS 17 – Analysing Quantitative Data  17  Click  at the top right of  the crosstabs dialogue box.  Click  on  Row  and/or  Column  and/or  Total  in  the  Percentages  dialogue  box  (see  right)  to  obtain  the desired  percentages.  Click Continue | OK.  Use  SPSS  to  create  further  new  tables from pairs of variables of your  choice.  Note:  it  would  be  sensible  to  use variables that contain categorical  data  rather  that  quantifiable  data  –  see Section 2.2. End of Exercise 11 Exercise 12: To recode a variables values into a new variable In this exercise you are going to create a new variable educnew from the variable Educate (Educational attainment) by recoding the values as follows:  Postgraduate study (1)  1  Up to A level (4)  4  Up to degree level (2)  1  Up to O level or equivalent (5)  4  Up to HNC/D or diploma (3)  1  Up to CSE or equivalent (6)  4  Not stated  Missing This  will  split  educational  attainment  into  those  educated  up  to  A  level  (code  4)  and  those educated above A level (code 1).  Minimise the SPSS Output Viewer.  Click Transform | Recode | Into Different Variables.  This gives the Recode into Different Variables dialogue box.  Click  Educate  in the variable list  on  the  left‐hand  side,  it  will be  highlighted.  Click  to  transfer  the  variable  into  the  Numeric  Variable ‐> Output Variable box.  In  the  Output  Variable  area,  click in the  Name:  box and type  the  new  variable  name  educnew  and  a  new  variable  label  College  Education?  in  the  Label box below.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 18. SPSS 17 – Analysing Quantitative Data  18  Click  .  Notice that the new variable label appears in the Numeric Variable ‐> Output Variable  box.  Click  and  the  Recode  into  Different  Variables  dialogue box opens. To  recode  the  values  1,  2 and 3 into 1:  Click  the  Range  radio  button  in  the  Old  Value  dialogue  box  and type  1  in the first  box  and  3  in  the  second box.  Click the  Value  radio button in the  New Value  dialogue box and type  1  in the box to  the right.  Click Add.  Note that the recode has been added into the Old ‐‐> New dialogue box:  Revise this procedure to recode the values 4, 5 and 6 to 4.  Revise this procedure to recode the value 7 to a missing value, using the Value  and  the System Missing radio buttons.  Check the Old ‐‐> New dialogue box looks like this:  Click Continue | OK. The new variable will be created and you will be returned to the Data View.  Now use the procedures outlined in Exercise 5 to produce a frequency distribution  for your new variable. End of Exercise 12 WARNING:  it  is  possible  to  recode  a  variable  into  the  same  variable,  however  doing  this  will DELETE the original values for the variable. If you decide to do this, make a security copy (save onto a different disc) of your data first. Exercise 13: To compute a new variable from existing variable(s) In  this  exercise,  you  are  going  to  create  a  new  variable  age  from  the  variable  born  by subtracting the variable born from the year, in this instance 95. Remember, year of birth was only coded as the years in the last century and so we do not include the 19. Age = 95 – born  Ensure the SPSS Output Viewer is minimised.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 19. SPSS 17 – Analysing Quantitative Data  19  Click Transform | Compute. This  gives  the  Compute Variable dialogue box.  Type  age  in the  Target  Variable: box.  Click  and  label the variable  Age in years.  Click Continue.  Point  and  click  the  number  9  followed by  5  on  the  number  pad  in the dialogue box.  Point  and  click  the  arithmetic  operator  in  the  dialogue  box.  Click the variable born  (Year  of  birth)  in  the  list  of  variable  names  on  the  list  and  click  .  Check  that  this  expression  has  appeared  in  the  Numeric  Expression  box.  If you make a complete mess of it, click Reset at the bottom and start again.  Click OK. This  is  only  a  very  simple  compute  and  it  is  possible  to  do  far  more  complex  calculations.  In some cases it is better to write them down prior to typing them in! End of Exercise 13© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 20. SPSS 17 – Analysing Quantitative Data  20 Exercise 14: To undertake an analysis on part of the data set In this exercise you are going to select a subset of your data: all female employees.  If necessary, minimise the SPSS Output Viewer.  Click Data | Select Cases.  Click  on  the  If  condition  is  satisfied radio button.  Click  button,  the  following  dialogue  box appears:  Click  Gender  in  the  variable list.  Click  to  transfer  the  variable  into  the  box  on  the right.  Click  on the operator  in the dialogue box.  Click  on  the  number  2  on  the  number  pad  in  the  dialogue box.  Check that the expression  gender = 2  has appeared in  the box.  Click  .  Check  that  the  Unselected  Cases  Are:  Filtered  is  selected.  Filtered  means  that  you  will  not  be  deleting  the  rest  of  your  data,  in  this  case  all  the  males!  Click OK.  Undertake an analysis of your choice, using just the data for females. End of Exercise 14 Exercise 15: To return to the full data set after using a selection (select cases) Make sure the SPSS Output Viewer is minimised.  Click Data | Select Cases.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 21. SPSS 17 – Analysing Quantitative Data  21  Click on the All cases radio button.  Click OK. End of Exercise 15 Exercise 16: To exit SPSS  Click File | Exit.  SPSS will ask you if you want to save the contents of your Output Viewer and Data  Editor. End of Exercise 16© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 22. SPSS 17 – Analysing Quantitative Data  22 4)  ANALYSING YOUR OWN DATA IN SPSS FOR WINDOWS Exercise 17: To check that your data have been entered correctly  Make sure that you have loaded SPSS (Exercise 1).  Load your data file (Exercise 2, or Exercise 3 for an Excel file).  Construct  a  frequency  distribution  (frequencies)  for  each  variable  and  check  it  in  the  output  window  (Exercise  5).  Provided  you  have  labelled  all  valid  value  labels,  any values without labels will be errors! NB: if you have loaded an Excel file there  will be no value labels.  Construct  tables  (crosstabs)  to  discover  if  data  have  been  entered  for  questions  where  the  respondent  should have not responded (Exercise 9); perhaps due to a  skip generated by a filter question.  Compute  new  variables  to  make  sure  there  are  no  foolish  responses  (Exercise  13)  such as employees aged over 65.  For each error note down the id number which corresponds to the survey form by  using:  ¨  Select Cases (Exercise 14) to only select those cases which contain the error.  ¨  Crosstabs  (Exercise  9)  to  construct  a  table  of  the  variable  identifier  by  the  variable which contains the error.  Correct your data as described in Help 17.1 to 17.4.  Help 17.1: to replace a data value Make sure that you have loaded SPSS and that the data file has already been opened. Click the cell that contains the data value. Enter the new value (this will replace the old value).  Press Return. The new value appears in the cell.  Help 17.2: To delete all data values for a variable (or case) Note:  before deleting an entire variable (or case), it is worth saving the data file (Exercise 10) in case you make a mistake.  Highlight all the values for that variable (or row) but not the variable name.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 23. SPSS 17 – Analysing Quantitative Data  23  Press Delete. Each value will be replaced by "." signifying a "missing value". Note:  if  you  make  a  mistake,  you  can  rectify  it  immediately afterwards by clicking  Edit | Undo.  Help 17.3: To delete a variable (or case)  Click the variable name (or case number) to highlight the entire column (or case).  Press Delete. The variable (or case) will be deleted. Note:  if  you  make  a  mistake,  you  can  rectify  it  immediately afterwards by clicking  Edit | Undo.  Help 17.4: To enter missing values Missing values in a cell are signified by a "." as illustrated in Help 17.2.To enter a missing value in a blank cell do not type "."  Click on cell in which to enter that the data is missing.  Press Tab to move one cell to the right.  Type in the next value.  Press Tab to move one cell to the right and so on. To enter a missing value in a cell which already has a value it:  Click on cell which currently contains the data.  Press Delete.  Press Tab to move one cell to the right. Exercise 18: To analyse data© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 24. SPSS 17 – Analysing Quantitative Data  24  Note the research questions you wish to answer.  Choose  the  most  appropriate  statistical  and  charting  techniques  and  SPSS  procedures. Use  the  SPSS  procedures  to  analyse  the  data  (see  Help  18.1  to  18.3  for  additional procedures).  Help 18.1: To test for a significant relationship between two variables (correlation)  Make sure you have loaded SPSS and that the data file has already been opened.  Click Analyze | Correlate | Bivariate.  Click  on  the  first  variable  for  you  wish  to  obtain  a  correlation  coefficient  with  another variable.  Click  to  transfer  the  variable  into  the  Variables  box.  Repeat this procedure for the  other  variable(s)  you  wish  to  correlate  with  the  first  variable.  Choose  the  most  appropriate  Correlation Coefficient  for your  data and make sure there is a  in the box.  Choose the most appropriate Test of Significance and click on the radio button. Note:  use  a  Two‐tailed  test  when  the  direction  of  the  relationship,  positive  or  negative, cannot specified in advance. Use a One‐tailed test when it can be specified in advance.  Make sure there is a  in the box  Flag significant correlations. This will ensure the  significance level is displayed.  Click OK.  The results of the correlation will appear in the Output Window.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 25. SPSS 17 – Analysing Quantitative Data  25 In  this  output  window, the variables  Salary  and Born  from  the TEACH.SAV  data  set have been correlated. SPSS  has  produced  a correlation  matrix. Obviously  there  is  a perfect  correlation (1.0000)  between  the variable  initial  annual Salary and itself. As the variable is correlated with itself it is impossible to calculate the significance (p = . ). There is no correlation (‐0.011) between the variable  Salary  and the variable  Born  and this lack of correlation is significant at the 0.841 (p = 0.841) level.  Help 18.2: To test for a significant causal relationship between one dependent and one or more independent variables (linear regression)  Make sure you have loaded SPSS and that the data file has already been opened.  Check that your data are appropriate for regression analysis.  Click Analyze | Regression | Linear.  Click  on  the  dependent  variable  which  you  wish  to  predict  using  another  variable  or  variables.  Click  to  transfer  the  variable into  the  Dependent  box.  Repeat this procedure to transfer the independent variable(s) you wish to use  to predict the dependent variable into the Independent(s) box.  Click OK.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 26. SPSS 17 – Analysing Quantitative Data  26 Warning:  interpreting  the  regression  output  is  comparatively complicated.  You  need  to understand  the  regression  coefficient  (r2)  and  the  regression equation (y = a + bx). The SPSS  manual  (Norusis,  1992)  explains  these  in  some  detail.  A  simpler  explanation  of regression  with one  independent  variable  is  provided  in  Section  2,  Unit  18  of  Saunders and Cooper (1993).  Help 18.3: To use other statistical tests Given the introductory nature of this hand out, and the need for a reasonable statistical knowledge to make informed decisions about the use of statistical tests, the procedures for other statistical tests are not discussed.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 27. SPSS 17 – Analysing Quantitative Data  27 5)  FURTHER READING The most useful book on SPSS in my opinion is: q  Norusis, M.J. (2007). SPSS 15 Guide to Data Analysis. London: Prentice Hall. Unlike  many  computer  manuals  this  is  both  readable  and  easy  to  use!  It  also  contains advice regarding when to use different statistical tests. However, at the time of writing, the update of the book for version 10 has yet to be written. Two good books on SPSS for beginners, which also clearly explain the statistics are: q  Field, A. (2009). Discovering Statistics Using SPSS (3rd Edn). London: Sage. q  Pallant,  J.  (2007).  SPSS  Survival  Manual:  A  Step  by  Step  Guide  to Data Analysis Using  SPSS for Windows (Version 15). Buckingham: OUP. These  books  offer  a  clear,  non‐technical  approach  to  using  SPSS.  They  assume  little familiarity  with  the  data  analysis  software  and  cover  both  inputting  data  and  how  to generate and interpret a wide range of tables, diagrams and statistics. A  reasonably  straightforward  book  on  collecting  your  data  and  preparing  it  for quantitative analysis is: q  Saunders,  M.N.K.,  Lewis,  P.  and  Thornhill,  A.  (2009).  Research  Methods  for  Business  Students (5th Edn). London: Financial Times Prentice Hall, Chapters 10 and 11. If  you  need  a  statistics  book  that  assumes  virtually  no  statistical  knowledge  focussing upon  which  test  or  graph,  when  to  use  it  and  why.    It  is  written  for  people  who  are fearful and anxious about statistics and do not think they can understand numbers then you may find the following helpful: q  Berman Brown, R. and Saunders, M. (2008). Dealing with Statistics: What you need to  know. Maidenhead: McGraw Hill Open University Press.© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 28. SPSS 17 – Analysing Quantitative Data  28 6)  APPENDIX 1: LIST OF VARIABLES  1)  Local Government  AND THEIR CODES FOR DATA SET  2)  Outside Local Government  TEACH.SAV  3)  Student Variable  names  are  in  capitals  with  the  4)  Unemployed variable label on the same line. Codes and  5)  Self‐employed value labels appear on subsequent lines.  6)  Youth Training Scheme GENDER  7)  Retired Gender of Employee  PREVEAST 1)  Male  Town of previous employment Eastings 2)  Female  PREVNOR BORN  Town of previous employment Northings Year of Birth  APPLEAST 19 – year  Home Town when applied Eastings MARITAL  APPLNOR Marital Status  Home Town when Applied Northings 1)  Single  OCCUPAT 2)  Married  Occupation (OPCS 1980 Classification) 3)  Widowed  1.00  Solicitor 4)  Divorced  2.10  Auditor EDUCATE  2.20  Accountant Educational Attainment  2.50  Valuer 1)  Postgraduate Study  3.10  Personnel Officer 2)  Up to Degree Level  3.20  Work Study Officer 3)  Up to HNC/D or Diploma  4.20  Computer Programmer 4)  Up to A level  5.20  Advertising Executive 5)  Up to O level  6.10  EH Officer 6)  Up to CSE  6.20  Building Inspector 7)  No educational qualifications stated  8.00  Admin Executive PROFMEMB  9.50  Legal Executive Professional Body Membership  9.80  Curator (Museum) 1)  Member of Professional Body  13.10  Warden (OAP) 2)  Not a member of a Professional Body  13.20  Play Group Leader PREVEMP  13.30  Welfare Occupations n.e.c. Nature of Previous Employment  18.20  Vet© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 29. SPSS 17 – Analysing Quantitative Data  29 22.20  Projectionist  62.30  Art Gallary Attendant 25.00  Municipal Engineer  63.30  Supervisor Bar 31.10  Architect/Town Planner  63.40  Supervisor Catering 31.20  Quantity Surveyor  65.20  Bar person 31.30  Building Surveyor  66.10  Counter Hand 33.10  Architect/Town Planner Technician  71.10  Supervisor Caretakers 33.20  Building/Engineering Technician  71.40  Supervisor Car Parks 33.40  Works Manager  72.10  Caretaker 35.10  Maintenance Supervisor  72.20  Cleaner 35.20  Clerk of Works  75.20  Car Park Attendant 36.20  Transport Manager  75.60  Service Worker n.e.c. 36.30  Stores Controller  76.30  Foreman Gardeners 37.20  Office Manager  78.10  Horticulture Workers 39.50  Entertainments/Sports Manager  78.20  Gardener 44.10  Caravan Site Manager  83.00  Dog Warden 44.40  Managers n.e.c.  100.30 Print Machine Operator 45.20  Supervisor Stores Clerks  105.10  Carpenter 45.30  Supervisor Drawing Assistants  109.30 Black Smith 45.40  Supervisor Clerks  111.00  Management Trainee 45.50  Supervisor Cashiers  114.50  Foreman Fitters 46.10  Clerk Stores  118.10  Fitter 46.20  Tracer Assistant  125.00  Plumber 46.30  Clerk Non‐retail  133.40  Painter and Decorator 47.00  Cashier Retail  139.10  Foreman Bricklayers 48.20  Supervisor Machine Operators  139.11  Foreman Sewage Workers 49.10  Receptionist  139.12  Foreman Construction Workers 49.20  Typist  139.80 Highways Inspector 50.00  Punch Card Operator  140.10  Bricklayer 51.10  Telephone Receptionist  140.50 Building Worker 51.20  Switch Board Operator  142.10  Seage Plant Attendant 56.00  Meals on Wheels Operator  152.20  Refuge Vehicle Driver 60.40  Estate Ranger  152.30  Road Sweeper Driver 60.60  Supervisor Security  156.10  Foreman Storekeeper 62.10  Park Keeper  156.40 Foreman Refuse Collection© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 30. SPSS 17 – Analysing Quantitative Data  30 157.10  Store Keeper  EMPLEAST 157.40  Refuse Collector  Town of Employment Eastings 159.80 Foreman Labourers  EMPLNOR 160.80 Labourer n.e.c.  Town of Employment (Northings) EMPSTAT  HOMEEAST Employment Status on application  Home  Town  at  start  of  Employment  (Eastings) 1)  Manager  HOMENOR 2)  Foreman/Supervisor  Home  Town  at  start  of  Employment 3)  Apprentice/Trainee  (Northings) 4)  Employee n.e.c.  NOTIFY SEG  1)  Notification Outlet 1 Socio‐economic Group  2)  Internal 1.2  Managers  in  Government  and  3)  Word of Mouth  Industry  4)  Letter of Enquiry 4.0  Professional Employees  5)  Circular to adjacent Local Authorities 5.1  Ancillary Workers  6)  Job Centre 5.2  Foremen/Supervisors (non manual) 6.0  Junior Non manual  7)  PER (Professional Executive Register) 7.0  Personal Services  8)  Employment Agency (Private Sector) 8.0  Foremen/Supervisors (manual)  9)  Careers Office (local)  DAILY LOCAL NEWSPAPERS 9.0  Skilled Manual 10.0  Semi skilled Manual  10)  Evening Post  WEEKLY LOCAL NEWSPAPERS 11.0  Unskilled Manual  11)  Two County Courier 15.0  Agricultural Workers  12)  Local Town Chronicle CLASS Social Class  13)  County Messenger 1)  Professional  14)  County Express 2)  Intermediate Non‐manual  15)  Local Town News 3)  Junior Non‐manual  16)  East County Gazette  FREE WEEKLY LOCAL NEWSPAPERS 4)  Skilled Manual  17)  Local Town News in Focus 5)  Semi‐skilled Manual  18)  News in Focus 6)  Unskilled Manual  19)  Local Town Times SALARY Initial Annual Salary (Spinal Column Point)  20)  Local Town Times and Gazette  NATIONAL DAILY NEWSPAPERS© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 31. SPSS 17 – Analysing Quantitative Data  31 21)  Daily Mail  50)  Municipal Journal* 22)  Daily Telegraph  51)  Public  Service  and  Local 23)  The Times  Government* 24)  The Guardian  52)  Municipal Engineer* NATIONAL SUNDAY NEWSPAPERS  53)  Baths Service Circular 25)  Sunday Times  54)  Caterer and Hotel Supervisor JOURNALS  AND  MAGAZINES  (*PUBLIC  55)  Accountancy Age SERVICE)  56)  Management (Work Study) Services 26)  Commercial Motor  57)  Quantity Surveyors Weekly 27)  Horticulture and Amenities Weekly  58)  Surveyor 28)  Army  Appointments  Service  59)  Architects Journal  Magazine  60)  The Planner 29)  Church Times  61)  Building 30)  Parks and Recreation  62)  Planning 31)  Golf Illustrated  63)  Law Society Gazette 32)  Groundsman  64)  Meat Trades Journal 33)  Health and Social Services Journal  65)  Protection 34)  Lady Magazine  66)  Institute  of  Personnel  Managers 35)  Public Finance and Accounting*  Digest 36)  Institute  of  Management  Science  67)  New Civel Engineer  Journal  68)  Veterinary Record 37)  UK Press Gazette  69)  Current Vacancies 38)  Building Trades Journal  70)  The Stage 39)  Gardeners Chronicle  71)  Regional Arts Magazine 40)  Solicitors Journal  72)  Health and Safety at Work 41)  Nursing Times  NOTIFY2 42)  Nurising Mirror  Notification Outlet as for NOTIFY1 43)  Policy Holder Insurance Journal  NOTIFY3 44)  Opportunities*  Notification Outlet as for NOTIFY1 45)  Estates Gazette  NOTIFY4 46)  Clerk of Works Weekly  Notification Outlet as for NOTIFY1 47)  Computing  NOTIFY5 48)  Association  of  Recreation  Managers  Notification Outlet as for NOTIFY1  Appointments  NOTIFY649)  Local Government Chronicle* © Prof. Mark N.K. Saunders  April 2009 Document1 
  • 32. SPSS 17 – Analysing Quantitative Data  32 Notification Outlet as for NOTIFY1  10)  Death NOTIFY7  11)  Illness Notification Outlet as for NOTIFY1  12)  Marriage NOTIFY8  13)  Family Commitments Notification Outlet as for NOTIFY1  14)  First Job Commitments NOTIFY9  15)  Leaving the Country Notification Outlet as for NOTIFY1  16)  Travel Costs NOTIFY10  17)  Fixed Term Contract Notification Outlet as for NOTIFY1  18)  Other YEAREMP  FULLPART Year of Employment  Full or Part‐time Employment 19‐‐ Year of Employment  1)  Part Time ASSISTAC  2)  Part Time (second job) Assistance by Accommodation Provision  3)  Full time 1)  Permanent Accommodation Provided  HEARDN1 2)  Temporary Accommodation Provided  NOTIFY1 is how first heard of vacancy 3)  No assistance given  1)  Yes ASSISTMO  2)  No Assistance with Moving Expenses  The following additional variables have been 1)  Financial Assistance Given  created using SPSS 2)  No Assistance Given  INTERNAL TERMYEAR  Notified internally Year of Termination of Employment  1)  used 19 – Year of Termination  2)  not used TERMWHY  CIRCULAR 1)  Reason for Termination  Notified  by  circulating  other  Local  Authorities 2)  New Job  1)  used 3)  Spouses New Job  2)  not used 4)  Going to College  JOBCENTR 5)  Having a Baby  Notified at Job Centre 6)  Early Retirement  1)  used 7)  Retirement  2)  not used 8)  Redundancy  LOCAL 9)  Dismissed  Notified in Local Press© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 33. SPSS 17 – Analysing Quantitative Data  33 1)  used  1)  used 2)  not used  2)  not used REGIONAL  DISTMIG Notified in Regional Media  Distance Migrated (km) 1)  used  ‐‐ straightline distance migrated 2)  not used  JTOWORK NATIONAL  Journey to work (km) – new job Notified in National Media  – straightline distance of journey© Prof. Mark N.K. Saunders  April 2009 Document1 
  • 34. page:  Full time/part time Reason for termination (9)  Year of termination  Assistance (8)  Year of Employment  DATA COLLECTION SHEET FOR PERSONNEL RECORDS  Notification outlet(s) (7)  Home town – new (4)  April 2009  New Employment – location (4)  Spinal Column point (6)  Occupation (5)  Home town – applied (4)  Previous Employment –location (4)  Previous Employment ‐nature (3)  Professional membership (2)  Education (1)  Marital status  YoB  © Prof. Mark N.K. Saunders Name of organisation:  Gender  ID  Document1 
  • 35. Name of organisation: 7)  NOTES ON DATA COLLECTION 1)  Recorded as highest qualification achieved. 2)  Recorded on a yes/no basis. 3)  Coded at collection (1: Local Government, 3: Outside Local Government, 4: Student,  5:  Unemployed,  6:  SelfeEmployed;  additional  codes  added  as  necessary  during  collection). 4)  Recorded  as  place  name,  subsequently  coded  as  a  grid  reference  (Eastings  and  Northings). 5)  Recorded  as  actual  job;  subsequently  coded  into  occupation,  employment  status,  socio‐economic  group  and  social  class  using  existing  UK  government  classification  (see  pages  333–4  of  Research Methods for Business Students,  3rd  Edn  for  details  of  UK government classifications). 6)  Recorded as spinal column point to overcome the impact of inflation on salaries. 7)  All outlets recorded, where outlet actually heard about job known, indicated by *. 8)  Provision of accommodation and/or moving expenses recorded. 9)  Recorded as actual reason, subsequently coded.© Prof. Mark N.K. Saunders  April 2009 Document1