摘要：在数据可视化工具中，茎叶图因其兼具数据分布展示与原始信息保留的双重优势，成为探索性分析的重要方法。尤其在小样本或未分组定量数据场景下，其通过“茎”与“叶”的分解结构，既能呈...
在数据可视化工具中，茎叶图因其兼具数据分布展示与原始信息保留的双重优势，成为探索性分析的重要方法。尤其在小样本或未分组定量数据场景下，其通过“茎”与“叶”的分解结构，既能呈现整体趋势，又能追溯具体数值细节。SPSS作为主流统计软件，为生成茎叶图提供了高效的操作路径。
操作流程与步骤分解
生成茎叶图的核心路径位于SPSS的“探索”模块。用户需依次点击菜单栏的“分析-描述统计-探索”，将目标变量拖入“因变量列表”。若需分组比较，可同时将分类变量加入“因子列表”以生成多组茎叶图。在“图”选项中勾选“茎叶图”并取消默认的“直方图”选项，可避免冗余图表干扰。
部分版本SPSS需额外调整显示设置。例如，在“选项”对话框中选择“仅显示图”或“统计量与图”，确保输出结果包含茎叶图。对于特殊数据格式（如带小数点的数值），建议在“变量视图”中提前定义数据精度，避免茎叶分解时出现截断误差。通过案例测试发现，未定义精度的三位小数数据可能导致叶部仅显示个位数。
结果输出与解读要点
SPSS生成的茎叶图包含三列核心信息：左侧频数统计、中间茎部、右侧叶部。茎部代表数据的高位数值（如年龄数据的十位数），叶部则为末位数值（如个位数）。底部的“茎宽”标注单位换算关系，例如“茎宽=10”表示茎部数值需乘以10还原原始量级。极端值会单独标注于图表顶部，例如“极端值=8”提示存在低于主分布区间的异常数据。
解读时需注意SPSS的自动优化逻辑。当某茎部数据密集时，系统会重复显示该茎部以增强细节辨识度。例如，10-19岁样本量较大时，茎部“1”可能重复出现两次，分别对应10-14和15-19区间。叶部的排列默认按升序排列，但若数据存在多位小数，需结合茎宽参数还原真实数值范围。
适用场景与数据要求
茎叶图适用于50-150个观测值的中小规模数据集，过少会导致信息稀疏，过多则降低可读性。数据类型需为连续型或离散型数值变量，名义变量（如性别编码）无法生成有效分解结构。医学研究中常见于生理指标分布分析，如甲状腺弹性指数、血压值等。
对于存在明显偏态或异常值的数据，茎叶图相比直方图更具优势。例如某医院患者弹性指数集中在3.0-4.0区间时，茎叶图既能显示主要分布区间的叶部密集度，又能保留1.0-2.0区间的零星个案信息。教育领域应用于成绩分析时，教师可通过叶部快速定位低于60分的具体学生分数。
对比传统图表优劣
相较于直方图，茎叶图无需预设分组区间，避免人为分组导致的信息扭曲。实验数据显示，对30名受试者心率数据的两种呈现方式中，茎叶图可准确追溯78、79、81三个相邻数值的个体分布，而直方图在5为组距时会合并70-75区间。但箱线图在展示四分位数和异常值范围时更为直观，因此建议将茎叶图与箱线图结合使用。
在数据动态更新场景下，茎叶图可通过简单添加新叶部数值实现实时更新，而直方图需重新计算频数分布。但涉及三位以上数字时，茎叶图的分解规则会变得复杂。例如425元收入数据若以十位为茎，则分解为42|5；若以百位为茎，则分解为4|25，后者可能导致叶部过宽。
注意事项与常见误区
数据预处理阶段需检查异常值对茎叶图结构的影响。某班级数学成绩分析案例中，未剔除的0分试卷导致茎部出现“0”行，使得叶部5%以下频数区间被压缩。建议先通过“描述统计”模块计算极值，再决定是否修正数据。
软件操作时需避免同时选择过多变量，否则会导致输出混杂。当因变量列表包含身高、体重两个变量时，SPSS会分别生成独立茎叶图而非合并展示。若需对比多组数据，应通过“因子列表”引入分组变量而非多次单独运行。对于包含缺失值的数据，需在“选项”中设定剔除规则，防止叶部出现空白占位符。
