如何结合SPSS与在线统计分析平台来撰写论文？

郑老师开发的风暴统计是一款优秀的智能在线免费统计分析平台！功能涵盖一键导出三线表、样本量计算、差异性分析（t检验、值和检验、卡方检验等）、logistic回归、线性回归等，但是在数据整理模块比较薄弱。

数据整理的可以考虑Excel和常见统计软件SAS、SPSS、R，SAS数据整理非常强大，但是需要一定的门槛，R语言需要编程基础，估计一时三刻也学不会；

对于初学者，一般我们建议还是通过SPSS来整理更合适，它虽然是傻瓜式操作，但是相对来说过程清晰，我们能够知道每一步的步骤。

接下来主要从两方面为大家介绍：SPSS进行数据整理、风暴统计进行数据分析。

一、SPSS进行数据整理

首先，我想一般情况下，数据一开始的形式，经常是EXCEL的格式，基本格式如下：

1.首行是变量名，一般是英文或者拼音，不建议用汉字。2.从第二行开始，每一行都代表着一个研究对象的所有变量信息。3.每一列都代表所有人一个变量的变量值4.一般建议，CSV和excel中的变量值，建议用数字表示，比如男性=1，女性=2；血型（1、2、3、4），这种做法比较灵活，而且可以保证数据集在各统计软件通行无阻。对于数据集赋值不清者，请列一份变量赋值表5.缺失值默认处理，一般是空白代替，不要写NA6.除非特殊字符串（比如姓名），数据库不要出现汉字或者英文字符串，会导致后续分析被卡。

关于数据整理的内容，主要围绕下面四部分展开：

1. 修改变量和变量值的属性2. 数据转换3. 打标签4. 变量值打标签5.结果导出

1. 修改变量和变量值的属性

在SPSS“变量视图”中，你会发现，有些变量“类型”明明是数值，怎么全部显示字符串呀？

遇到这种情况请大家谨慎处理下这一堆的数据，如果你确认这个变量（比如这里的age，或者常见的BMI、性别等）都是数值型体现在数据库，那么要把字符串变成数值。但是，如果变量值本身含有字符串，千万不要贸贸然变成数字。

还有这里。很多导入的数据都默认为“名义”，所谓名义就是无序分类数据。一般情况下只有字符串的情况下，才是名义变量。如果上面你已经改为数字型数据，那么在这里不要填“名义”，一般下拉菜单，选择“标度”。

4. 变量值打标签

对变量值打标签：上面说过，我们很多分类变量，其变量值一般也用1234构成，但是1234 如果意思不知道怎么办嘛？就需要在“值”这一列对分类变量值注释。  

5.数据导出

数据导出格式更加推荐csv形式，这种格式对缺失值处理以空白代替，而非NA代替

这里有个注意，导出的数据，可以以值标签的名义导出，也可以以原始值的名义导出。

什么时候用值标签，什么时候用原始数据值呢？

一般情况下，都推荐原始数据值，方便后续对数据集进行修改。除非，你在SPSS数据库已经完全整理好了你的变量值，尤其是分类变量值，并做好了分类。

二、风暴统计进行数据分析

导出数据集以后，就可以利用风暴统计进行统计分析了！一篇文章最少不了的就是基线表，利用风暴统计平台，3分钟生成word版三线表！还有文献中常见的logistic回归、线性回归等都可以一站式搞定。

一般学过统计的朋友都知道，我们开始医学论文数据分析包括统计描述、差异性分析与回归分析。等下各位可以看看它怎么实现的？

1.风暴统计平台，也有数据整理转换的功能，比如变量值打标签、定量变量转为定性变量，目前存在于部分模块。

2. 统计分析

2.1 开始统计分析前，非常重要的步骤，是开展一些探索性的分析

探索性数据分析，包括正态性检验、定量数据统计描述、定性数据统计描述、t检验、方差分析、卡方检验、秩和检验。

这些方法是帮助大家对数据的分布、及采用的一些统计学方法有个初步的认识！尤其是哪些数据是正态的、哪些是偏态的，尤其重要。

2.2. 研究群体特征和分布差异性（统计描述+差异性分析）

（1）首先进入风暴统计网站的“风暴智能统计”模块，点击“一键生成规范三线表”，这里更推荐大家使用“带统计量版本”，因为进行卡方检验时，可以自动检验变量适用于卡方检验还是fisher法，无需像SPSS一样，自行挑选结果，更加快捷方便。

（2）导入数据集（目前支持10 M 以内的csv格式），点击左侧“一键三线表”，指定不同的变量类型。这个版本，可以自动检验分类变量使用卡方法或fisher法！并在“statistic”注明了检验统计量。

（4）导出word版结果，结果直接呈现三线表形式，包括表名与表头一步到位。如需细节打磨，word形式方便进行编辑！

2.3.  回归分析

完成基线表格后，还可以利用风暴统计网站进行logistic回归、线性回归具体操作流程详见其他文章。还有Cox回归、网状meta、孟德尔随机化等更多功能在开发中，欢迎大家多多关注！

 线性回归分析的详细教程

一键生成线性回归统计报告！批量单因素分析+先单后多+逐步回归法

 logistic回归分析的详细教程

最快捷的logistic回归方法来了！批量单因素回归、自动先单因素后多因素回归