(window.slotbydup=window.slotbydup || []).push({
id: '2014386',
container: s,
size: '234,60',
display: 'inlay-fix'
&&|&&3次下载&&|&&总117页&&|
您的计算机尚未安装Flash，点击安装&
阅读已结束，如需下载到电脑，请使用积分（）
下载：40积分
0人评价16页
0人评价17页
0人评价16页
0人评价27页
0人评价43页
所需积分：（友情提示：大部分文档均可免费预览！下载之前请务必先预览阅读，以免误下载造成积分浪费！）
（多个标签用逗号分隔）
文不对题，内容与标题介绍不符
广告内容或内容过于简单
文档乱码或无法正常显示
文档内容侵权
已存在相同文档
不属于经济管理类文档
源文档损坏或加密
若此文档涉嫌侵害了您的权利，请参照说明。
我要评价：
下载：40积分您现在的位置： >> 统计学spss实验报告 >> spss实验报告一
spss实验报告一
来源： 时间：
【spss实验报告一】《统计分析与 SPSS 的应用》实 验 报 告 一一、数据来源及说明本次试验报告数据来源于 1991 年美国社会变迁普查（1991 U.S. GeneralSocial Survey） 。在这次试验研究的是美国居民幸福感状况，分析性别、种 族和地区之间的差异对幸福感的影响。研究个案为 1991 年美国社会变迁普 查的 1517 个个案，主要变量为 sex、race、region、happy 这四个。二、 统计分析结果（1）整体幸福感表1 General Happiness频率 有效 Very Happy Pretty Happy Not Too Happy 合计 缺失 合计 NA 467 874 165 7百分比 30.8 57.5 10.9 99.1 .9 100.0有效百分比 31.1 58.0 11.0 100.0累计百分比 31.1 58.0 11.0 100.0图 1 General Happiness 的直方图表 2 关于 General Happy 的统计量均值 General Happy 1.8 中值 2.00 众数 2 标准差 .617 方差 .380（2）按性别分析幸福感表 3 不同性别的幸福感Respondent’s Sex Male 有效 Very Happy Pretty Happy Not Too Happy 合计 缺失 合计 Female 有效 Very Happy Pretty Happy Not Too Happy 合计 缺失 合计 NA NA频率 206 374 53 633 3 635 261 498 112 871 10 881百分比 32.4 58.8 8.3 99.5 .5 100 29.6 56.5 12.7 98.9 1.1 100.0有效百分比 32.5 59.1 8.4 100.030.0 57.2 12.9 100.0图 2 分性别幸福箱图（3）按种族分析幸福感表 4 不同人种的幸福感Race of Respondent White 有效 Very Happy Pretty Happy Not Too Happy 合计 缺失 合计 Black 有效 Very Happy Pretty Happy Not Too Happy 合计 缺失 合计 Other 有效 Very Happy Pretty Happy Not Too Happy 合计 缺失 合计 NA NA NA频率 409 730 117 4 46 116 39 201 3 204 12 26 9 47 2 49百分比 32.4 57.8 9.3 99.4 .6 100.0 22.5 56.9 19.1 98.5 1.5 100.0 24.5 53.1 18.4 95.9 4.1 100.0有效百分比 32.6 58.1 9.3 100.022.9 57.7 19.4 100.025.5 55.3 19.1 100.0图 3 分人种幸福感箱图（4）按地区分析幸福感表5region of the United States North East 有效 Very Happy Pretty Happy Not Too Happy 合计 缺失 合计 South East 有效 Very Happy Pretty Happy Not Too Happy 合计 缺失 合计 West 有效 Very Happy Pretty Happy Not Too Happy 合计 缺失 合计 NA NA NA不同地区的幸福感频率 185 412 76 673 6 679 149 215 47 411 4 415 133 245 42 420 3 423 百分比 27.2 60.7 11.2 99.1 9 100.0 35.9 51.8 11.3 99.0 1.0 100.0 31.4 57.9 9.9 99.3 7 100.0 31.7 58.3 10.0 100.0 36.3 52.3 11.4 100.0 有效百分比 27.5 61.2 11.3 100.0图 4 分地区幸福感箱图三、结论(1)根据表 1 的数据，在调查的 1517 个个案中有 1504 个个案是有效的，其中 Very Happy 的为 31.1%， Pretty Happy 的为 58.0%， Not too Happy 的为 11.0%， 均值为 1.8，众数为 2。由这些数据可以表明 Pretty happy 的人数占大部分，Not too Happy 的人数占的比例较少，美国人口总体幸福感较强。(2)根据表 3 的数据，男性人口 Very Happy, Pretty Happy 的比例高于 Female， Not Very Happy 的比例低于女性，表明女性幸福感低于男性。(3)根据表 4 的数据，美国白人幸福感高于黑人和其他种族。白人人口 Not VeryHappy 的比例明显低于黑人，说明种族对幸福感有一定的影响。(4)根据表 5 的数据，North East，South East，West 三个地区中人口 Not Very Happy 的比例差不多，没有明显差别。其中 North East 人口 Pretty happy 的比 例最大为 61.2%，South East 人口 Very Happy 的比例最大为 36.3%。West 幸 福感接近全国平均水平。不同地区幸福感差别不一样。四、建议与对策（1）进一步提升全国总体幸福感水平，重点分析什么因素导致 Not Very Happy 的产生。(2)关注是哪些因素使女性幸福感低于男性，更加关注女性的身心健康。(3)白人幸福感高于黑人，要提高社会种族平等意识，消除种族之间的矛盾，关 注黑人幸福感。(4)缩小地区和地区之间及地区内部之间幸福感差异，提升全体幸福感。五、参考文献 [1]薛薇.统计分析与SPSS的应用（第三版）北京大学出版社.2010[2]卢淑华.社会统计学（第四版）北京大学出版社.2009
【spss实验报告一】Spss16.0 与统计数据分析实 验 报 告实验主题 实验题目 实训时间 学生姓名 实训地点 SPSS 统计分析 均值比较与 T 检验、方差分析、相关分析、回归分析
学年 第二学期 15 周 （2011 年 5 月 30 日―6 月 3 日）目录均值比较与 T 检验 ..................................................................................... 2 一 、实验目的....................................................................................... 2 二、 实验内容....................................................................................... 2 三、与..................................................................................... 4 方差分析 ...................................................................................................... 4 一 实验目的 ........................................................................................... 4 二 实验内容 ........................................................................................... 4 三、心得与体会................................................................................... 14 相关分析 .................................................................................................... 14 一 实验目的 ......................................................................................... 14 二 实验内容 ......................................................................................... 14 三、心得与体会................................................................................... 18 回归分析 .................................................................................................... 18 一 实验目的 ......................................................................................... 18 二 实验内容 ......................................................................................... 18 三、心得与体会................................................................................... 251均值比较与 T 检验一 、实验目的为掌握 SPSS 统计分析中的均值比较与 T 检验方法（1）均值比较 （2）单样本 T 检验（One-Sample T Test） （3）独立样本 T 检验（Independent Sample T Test） （4）配对样本 T 检验（Paired-Sample T Test）二、 实验内容题目一：表 5.14 是某学生的高考数学成绩，试分析该班的数学成绩与全国的平均成绩 70 分之间是否 有显著性差异。序号 1 2 3 4 5 6 7 8 9 成绩 63 99 81 77 68 79 80 63 87 序号 10 11 12 13 14 15 16 17 18 成绩 94 98 73 89 98 77 67 69 81 序号 19 20 21 22 23 24 25 26 27 成绩 70 65 84 84 95 61 69 73 60实验结果截图：One-Sample Statistics N 成绩 27 Mean 77.93 Std. Deviation 12.111 Std. Error Mean 2.331One-Sample Test Test Value = 70 95% Confidence Interval of the Difference t 成绩 3.400 df 26 Sig. (2-tailed) .002 Mean Difference 7.926 Lower 3.13 Upper 12.72实验结果分析：由上表可看出，双尾检测概率 P 值为 0.002，小于 0.05，故拒绝零假设，也就是说在显著性水平 0.05 下，该班的数学成绩与全国的平均成绩 70 分之间有显著性差异。题目二：在某次测试中，随机抽取男女同学的成绩各10名，数据如下：男：99 79 59 89 79 89 99 82 80 85 女：88 54 56 23 75 65 73 50 80 652假设样本总体服从正态分布，比较在致信度为 95%的情况下男女得分是否有显著性差异。实验结果截图：Group Statistics 性别 成绩 男 女 N 10 10 Mean 84.00 62.90 Std. Deviation 11.528 18.454 Std. Error Mean 3.645 5.836实验结果分析：对于齐次性，这里采用的是 F 检验，表中第一列是 F 统计量的值，为 1.607，第二列是对应的概率 P 值，为 0.221&0.05，可以认为两个总体的方差无显著性差异，即方差具备齐性。在方差相等的情况下，相 应的双尾检测概率为 0.007&0.05， 故拒绝零假设， 即认为在致信度为 95%的情况下男女得分有显著性差异。题目三：某医疗机构为研究某种减肥药的疗效，对 16 位肥胖者进行为期的观察测试，测试指标为使用该药之前和之后的体重，数据如表 5.15 所示。假设体重近似服从正态分布，试分析服药前后， 体重是否有显著变化。表 5.15 服药前后的体重变化服药前后的体重数据 服药前 体重 服药后 体重 198 237 233 179 219 169 222 167 199 233 179 158 157 216 257 151 192 225 226 172 214 161 210 161 193 226 173 154 143 206 249 140实验结果截图：Paired Samples Statistics Mean Pair 1 服药前体重 服药后体重 198.38 190.31 N 16 16 Std. Deviation 33.472 33.508 Std. Error Mean 8.368 8.377Paired Samples Correlations N Pair 1 服药前体重 & 服药后体重 16 Correlation .996 Sig. .000实验结果分析：3由上表可知，在显著性水平为 0.05 时，服药前后的概率 p 值为 0.000，小于 0.05，拒绝零假设，说明 服药前后的体重有显著性变化。三、心得与体会通过本次实验我掌握了（1）均值比较，用于计算指定变量的综合描述统计量； （2）单样本 T 检验（One-Sample T Test） ，检验单个变量的均值与假设检验之间是否存在差异； （3）独立样本 T 检验（Independent Sample T Test）,用于检验两组来自独立总体的样本，其独立总 体的均值或中心位置是否一样； （4）配对样本 T 检验（Paired-Sample T Test）,用于检验两个相关的样本是否来自具有相同均值的 总体。但在实验中仍遇到了一些问题， 在实验的一开始对齐性分析不是很清楚， 变量的设置有时候会倒置等， 后来查了一些资料，再看书上的一些例题才弄明白。方差分析一 实验目的掌握单因素方差分析的原理与步骤、多因素方差分析的原理与步骤、协方差分析的原理与步骤。二 实验内容题目一某农场为了比较 4 种不同品种的小麦产量的差异， 选择土壤条件基本相同的土地， 分成 16 块， 将每一个品种在 4 块试验田上试种，测得小表亩产量（kg）的数据如表 6.17 所示（数据文件 为 data6-4.sav） ， 试问不同品种的小麦的平均产量在显著性水平 0.05 和 0.01 下有无显著性 差异。（数据来源《SPSS 实用统计分析》 郝黎仁，中国水利水电出版社）表 6.17 小麦产量的实测数据 品种 A1 277.5 产量 276.4 271 272.4 A2 244.2 249.5 236.8 239 A3 249.2 244.2 252.8 251.4 A4 273 240.9 257.4 266.5实验结果截图：4Multiple Comparisons 产量 LSD Mean Difference (I) 品种 A1 (J) 品种 A2 A3 A4 A2 A1 A3 A4 A3 A1 A2 A4 A4 A1 A2 A3 (I-J) 31.00 14.87500*95% Confidence Interval Std. Error 5.44 5.44 5.44 5.44 5.44 5.44 Sig. .000 .001 .020 .000 .231 .011 .001 .231 .104 .020 .011 .104 Lower Bound 19.1 2.9 -19.9 -36.9 -21.9 4.9 Upper Bound 43.9 27.1 5.1 -12.9 2.1 28.9**-31.700 -16.800**7.000 -14.00**9.80000*. The mean difference is significant at the 0.05 level.5实验结果分析：根据不同小麦的平均产量在显著性水平0.05和0.01下的奇性检验结果、方差检验结果、多 重比较结果、均值折线图可以看出，不管是方差还是均值，差异较大，而它的均值折线图分 布比较陡峭。所以，不同小麦的平均产量有显著差异。题目二：2. 某希望检测四种类型的轮胎 A，B，C，D 的寿命（由行驶的里程数决定） ，见表 6.18（：千英里） （数据文件为 data6-5.sav） ，其中每种轮胎应用在随机选择的 6 辆汽车上。在显著性 水平 0.05 下判断不同类型轮胎的寿命间是否存在显著性差异？（数据来源《统计学（第三版），M.R. 》斯皮格尔，科学出版社） 表 6.18 四种轮胎的寿命数据 A B C D 33 32 31 29 38 40 37 34 36 42 35 32 40 38 33 30 31 30 34 33 35 34 30 31实验结果截图：ANOVA 里程 Sum of Squares Between Groups Within Groups Total 77.500 216.333 293.833 df 3 20 23 Mean Square 25.833 10.817 F 2.388 Sig. .099Multiple Comparisons Dependent Variable:里程 Mean Difference (I) 轮胎 LSD A (J) 轮胎 B C D B A C D C A B D D A B C (I-J) -.500 2.167 4.000*95% Confidence Interval Std. Error 1.899 1.899 1.899 1.899 1.899 1.899 1.899 1.899 1.899 1.899 1.899 1.899 6 Sig. .795 .267 .048 .795 .176 .028 .267 .176 .346 .048 .028 .346 Lower Bound -4.46 -1.79 .04 -3.46 -1.29 .54 -6.13 -6.63 -2.13 -7.96 -8.46 -5.79 Upper Bound 3.46 6.13 7.96 4.46 6.63 8.46 1.79 1.29 5.79 -.04 -.54 2.13.500 2.667 4.500*-2.167 -2.667 1.833 -4.000 -4.500**-1.833TamhaneAB C D-.500 2.167 4.000 .500 2.667 4.500 -2.167 -2.667 1.833 -4.000 -4.500 -1..701 1.538 2.349 2.201 2.078 1.701 2.201 1.302 1.538 2.078 1.7 .176 1.000 .838 .352 .797 .838 .722 .176 .352 .722-8.40 -3.46 -1.34 -7.40 -5.04 -3.22 -7.79 -10.37 -2.51 -9.34 -12.22 -6.187.40 7.79 9.34 8.40 10.37 12.22 3.46 5.04 6.18 1.34 3.22 2.51BA C DCA B DDA B C*. The mean difference is significant at the 0.05 level.实验结果分析：在多重比较结果图里，有 4 个组之间的相伴概率都小于显著性水平，而且，在各组均值 的折线图里，我们也可以看出四组存在了显著性差异。所以四种不同类型轮胎的寿命间存在 显著性差异。题目三：将 4 种不同的水稻品种 A1，A2，A3，A4 安排在面积相同的 4 种不同土质的地块 B1，B2，B3，B4中试种，测得各地块的产量（kg）如表 6.19（数据文件为 data6-6.sav） ，试分别在显著性水平 为 0.05 和 0.01 下检验不同水稻品种、不同土质及二者交互作用对水稻产量的影响。（数据来源《SPSS 实用统计分析》郝黎仁，中国水利水电出版社）表 6.19 四种水稻的产量数据 B1 A1 A2 A3 A4 135 154 125 115 B2 120 129 129 124 B3 147 125 120 119 B4 132 125 133 123实验结果截图：Warnings Post hoc tests are not performed for 水稻 because error term has zero degrees of freedom. Post hoc tests are not performed for 土地 because error term has zero degrees of freedom.Between-Subjects Factors Value Label 水稻 1 2 3 4 土地 1 A1 A2 A3 A4 B1 N 4 4 4 4 4 72 3 4B2 B3 B44 4 4Tests of Between-Subjects Effects Dependent Variable:产量 Type III Sum of Source Corrected Model Intercept rice soil rice * soil Error Total Corrected Total Squares adf 15 1 3 3 9 0 16 15Mean Square 104.796
158.229 31.563 111.396 .F . . . . .Sig. . . . . . 474.687 94.688 0
a. R Squared = 1.000 (Adjusted R Squared = .)1. 水稻 Dependent Variable:产量 99% Confidence Interval 水稻 A1 A2 A3 A4 Mean 133.500 133.250 126.750 120.250 Std. Error . . . . Lower Bound . . . . Upper Bound . . . .2. 土地 Dependent Variable:产量 99% Confidence Interval 土地 B1 B2 B3 B4 Mean 132.250 125.500 127.750 128.250 Std. Error . . . . Lower Bound . . . . Upper Bound . . . .3. 水稻 * 土地 Dependent Variable:产量 99% Confidence Interval 水稻 A1 土地 B1 B2 Mean 135.000 120.000 Std. Error . . 8 Lower Bound . . Upper Bound . .B3 B4 A2 B1 B2 B3 B4 A3 B1 B2 B3 B4 A4 B1 B2 B3 B.000 154.000 129.000 125.000 125.000 125.000 129.000 120.000 133.000 115.000 124.000 119.000 123.000. . . . . . . . . . . . . .. . . . . . . . . . . . . .. . . . . . . . . . . . . .实验结果分析：由上述各种结果图可以看出不同水稻品种、不同土质对水稻产量的影响差异性显著，而 且，两控制变量对观测变量的交互作用图中，两因素相交，说明了有交互作用的影响。同理 可得在显著性水平为 0.01 下也有上述结论。题目四：某超市将同一种商品做 3 种不同的包装（A）并摆放在 3 个不同的货架区（B）进行试验，随机抽取 3 天的销售量作为样本，具体资料见表 6.20。要求检验：在显著性水平 0.05 下商品包 装、摆放位置及其搭配对销售情况是否有显著性影响。（数据来源《应用统计学》 耿修林，科学出版 社；数据文件：data6-7.sav）表 6.20 销售样本资料 B1 A1 A2 A3 5,6,4 7,8,8 3,2,4 B2 6,8,7 5,5,6 6,6,5 B3 4,3,5 3,6,4 8,9,6实验结果截图：9Between-Subjects Factors Value Label 包装 1 2 3 摆放位置 1 2 3 A1 A2 A3 B1 B2 B3 N 9 9 9 9 9 9Tests of Between-Subjects Effects Dependent Variable:销量 Type III Sum of Source Corrected Model Intercept casing place casing * place Error Total Corrected Total Squares 65.407adf 8 1 2 2 4 18 27 26Mean Square 8.176 822.259 .481 1.593 15.315 1.074F 7.612 765.552 .448 1.483 14.259Sig. .000 .000 .646 .253 . .963 3.185 61.259 19.333 907.000 84.741a. R Squared = .772 (Adjusted R Squared = .670)Multiple Comparisons Dependent Variable:销量 Mean Difference (I) 包装 LSD A1 (J) 包装 A2 A3 A2 A1 A3 A3 A1 A2 Tamhane A1 A2 A3 A2 A1 A3 A3 A1 A2 (I-J) -.44 -.11 .44 .33 .11 -.33 -.44 -.11 .44 .33 .11 -.33 Std. Error .489 .489 .489 .489 .489 .489 .778 .915 .778 .941 .915 .941 Sig. .375 .823 .375 .504 .823 .504 .924 .999 .924 .980 .999 .980 95% Confidence Interval Lower Bound -1.47 -1.14 -.58 -.69 -.92 -1.36 -2.52 -2.58 -1.63 -2.19 -2.36 -2.86 Upper Bound .58 .92 1.47 1.36 1.14 .69 1.63 2.36 2.52 2.86 2.58 2.1910Multiple Comparisons Dependent Variable:销量 Mean Difference (I) 包装 LSD A1 (J) 包装 A2 A3 A2 A1 A3 A3 A1 A2 Tamhane A1 A2 A3 A2 A1 A3 A3 A1 A2 Based on observed means. The error term is Mean Square(Error) = 1.074. (I-J) -.44 -.11 .44 .33 .11 -.33 -.44 -.11 .44 .33 .11 -.33 Std. Error .489 .489 .489 .489 .489 .489 .778 .915 .778 .941 .915 .941 Sig. .375 .823 .375 .504 .823 .504 .924 .999 .924 .980 .999 .980 95% Confidence Interval Lower Bound -1.47 -1.14 -.58 -.69 -.92 -1.36 -2.52 -2.58 -1.63 -2.19 -2.36 -2.86 Upper Bound .58 .92 1.47 1.36 1.14 .69 1.63 2.36 2.52 2.86 2.58 2.19Multiple Comparisons Dependent Variable:销量 Mean (I) 摆放位 置 LSD B1 (J) 摆放位置 B2 B3 B2 B1 B3 B3 B1 B2 Tamhane B1 B2 B3 B2 B1 B3 B3 B1 B2 Based on observed means. The error term is Mean Square(Error) = 1.074. Difference (I-J) -.78 -.11 .78 .67 .11 -.67 -.78 -.11 .78 .67 .11 -.67 Std. Error .489 .489 .489 .489 .489 .489 .795 1.011 .795 .782 1.011 .782 Sig. .129 .823 .129 .189 .823 .189 .724 .999 .724 .796 .999 .796 Lower Bound -1.80 -1.14 -.25 -.36 -.92 -1.69 -3.00 -2.80 -1.45 -1.52 -2.58 -2.85 Upper Bound .25 .92 1.80 1.69 1.14 .36 1.45 2.58 3.00 2.85 2.80 1.52 95% Confidence Interval11实验结果分析：根据上述的各个结果图里面可以看出，不仅在任何检验中 sig.&0.05，而且它们的交互影 响折线图在相同的情况下，是平行的。所以，在显著性水平 0.05 下，商品包装、摆放位置及 其搭配对销售情况没有显著性影响。题目五：研究杨树一年生长量与施用氮肥和钾肥的关系。为了研究这种关系，一共进行了 18 个样地的栽培实验，测定杨树苗的一年生长量、初始高度、全部实验条件（包括氮肥量和钾肥量）及实验 结果（杨树苗的生长量）数据如表 6.21，请在显著水平 0.05 下检验氮肥量、钾肥量及树苗初始 高度中哪些对杨树的生长有显著性影响。（数据来源《生物数学模型的统计学基础》李勇，科学出版社； 数据文件：data6-8.sav）表 6.21 杨树栽培试验数据 序号 1 2 3 4 5 6 7 8 9 氮肥量 钾肥量 树苗初高 生长量 序号 氮肥量 钾肥量 少 少 少 少 少 少 少 少 少 0 0 0 12.5 12.5 12.5 25 25 25 4.5 6 4 6.5 7 5 7 5 5 1.85 2 1.6 2 2.04 1.91 2.4 4.25 2.1 10 11 12 13 14 15 16 17 18 多 多 多 多 多 多 多 多 多 0 0 0 12.5 12.5 12.5 25 25 25 树苗初高 6.5 6 6.5 4 6 5.5 5 6 5.5 生长量 2.15 1.99 2.06 1.93 2.1 2.15 4.2 2.3 4.25实验结果截图：Warnings Post hoc tests are not performed for 氮肥量 because there are fewer than three groups. Post hoc tests are not performed for 初始高度 because at least one group has fewer than two cases.Between-Subjects Factors 12N 氮肥量 多 少 钾肥量 0 12.5 25 初始高度 4 4.5 5 5.5 6 6.5 7 9 9 6 6 6 2 1 4 2 4 3 2Tests of Between-Subjects Effects Dependent Variable:生长量 Type III Sum of Source Corrected Model Intercept N K height N * height K * height Error Total Corrected Total Squares .574adf 15 1 1 2 6 1 3 2 18 17Mean Square .038 57.772 6.429E-5 .072 .029 .000 .006 .008F 5.006 8 9.378 3.748 .046 .790Sig. .179 .000 .935 .096 .226 .850 ..429E-5 .143 .172 .000 .018 .015 77.801 .590a. R Squared = .974 (Adjusted R Squared = .779)Multiple Comparisons Dependent Variable:生长量 Mean Difference (I) 钾肥量 (J) 钾肥量 LSD 0 12.5 25 12.5 0 25 25 0 12.5 Tamhane 0 12.5 25 (I-J) -.0800 -.3083*95% Confidence Interval Std. Error .0 .0 .0 .0 13 Sig. .254 .026 .254 .046 .026 .046 .776 .028 Lower Bound -.2973 -.5256 -.1373 -. .0111 -.3518 -.5808 Upper Bound .1373 -. -. . -. -. .2283**-.0800 -. 25.0800 -. .0 . .007 .028 .007-.1918 -. . -. ..5.**Based on observed means. The error term is Mean Square(Error) = .008. *. The mean difference is significant at the 0.05 level.实验结果分析：在方差齐性检验结果中，其相伴概率值 sig.=0.085&0.05,所以此分组的方差具有奇性。但是 在检验控制变量与协变量的交互作用中，可以看出，N 和 K，N 和 height，K 和 height 的交互 作用项 sig.均大于 0.05，所以它们之间都没有交互作用。而在协方差分析图中，我们又可以 看出 N，K，height 所对应的组的 sig.都小于 0.05.。所以，在显著水平 0.05 下，氮肥量、钾肥 量及树苗初始高度中分别对杨树的生长都有显著性影响。三、心得与体会 通过这次的关于方差分析的上机操作实验，我学会了单因素方差分析的原理与步骤、多 因素方差分析的原理与步骤、协方差分析的原理与步骤，还有怎么去对观测变量的总体分布 下的基本假设来实践操作分析对各总体分布是否有显著差异分析以及推断。在进一步的学习 上与操作上，也加深了我对 Spss 这个软件的了解以及应用。并且，也会帮助自己在今后的学 习上取得一定的进步。相关分析一 实验目的1、掌握 SPSS 软件进行简单统计分析的一般操作，并对处理结果做出解释； 2、理解相关系数、秩相关系数与偏相关系数的差异，并结合描述性统计分析，综合分析得到的结果； 掌握二元变量相关分析；掌握偏相关分析；掌握距离分析；二 实验内容题目三：K.K.Smith在烟草杂交繁殖的花上收集到如表8.16所示的数据，要求对以上3组数据两两之 间进行相关分析，以0.05的显著性水平检验相关系数的显著性。（数据来源《统计软件SPSS 系列应用实践篇》 苏金明 ，电子工业出版社；数据文件：data8-5.sav）表8.16 K.K.Smith所调查的长度资料 花瓣长 49 44 32 42 32 53 36 39 37 45 41 48 45 39 40 34 37 35 花枝长 27 24 12 22 13 29 14 20 16 21 22 25 23 18 20 15 20 13 花萼长 19 16 12 17 10 19 15 14 15 21 14 22 22 15 14 15 15 16实验结果截图：Correlations 花瓣长 花瓣长 Pearson Correlation Sig. (2-tailed) 14 1.000 花枝长 .955**花萼长 .797**.000.000N 花枝长 Pearson Correlation Sig. (2-tailed) N 花萼长 Pearson Correlation Sig. (2-tailed) N18.000 .955**18 1.0**.000 18 .797**.002 18.000 .678**18 1.000.000 18.002 18 18.000**. Correlation is significant at the 0.01 level (2-tailed).实验结果分析：由上表可知：在0.05的显著性水平下，花枝长与花瓣长的相关系数为0.995&0，说明呈正相关，而相 伴概率值sig.=0.000&0.05,因此应拒绝零假设（H0：两变量之间不具相关性），即说明花枝长是受花瓣长 显著性正影响的；同理可得，花萼长也是受花瓣长显著性正影响的。花瓣长与花萼长也是受花枝长显著性 正影响的，花瓣长与花枝长也受花萼长显著性正影响的。题目四：试确定年安徽省国民收入与城乡居民储蓄存款余额两个变量间的线性相关性，数据如 表8.17所示。（数据来源《数据统计与管理》 1990年第5期， 中国商场统计研究会主办； 数据文件data8-6.sav）表8.17年份 国民收入(亿元) 存款余额(亿元) 年份 国民收入(亿元) 存款余额(亿元)64 8年安徽省国民收入数据表68 71 74 82 2.55 .44 2..67 39.52 47.32 54.14 50.86 49.69 51.61 65.06 72.57 77.72 83.57 0.59
97.23 103.81 116.29 127.87 150.29 161.47 180.2 221.17 271.81 310.53 357.86 444.78 2.74 3.13 3.91 5.75 8.76 12.19 16.36 20.95 28.32 38.43 55.43 74.2 89.83实验结果截图：Correlations 国民收入 国民收入 Pearson Correlation Sig. (2-tailed) N 存款余额 Pearson Correlation Sig. (2-tailed) N 27.000 .976**存款余额 .976**1.000.000 27 1.000.000 27 27.000**. Correlation is significant at the 0.01 level (2-tailed).实验结果分析：由上表看出，相关系数为0.976&0，说明呈正相关，而相伴概率值sig.=0.000&0.01,因此应拒绝零假 设（H0：两变量之间不具相关性），即说明国民收入与城乡居民储蓄存款余额两变量在0.01水平下是显著 相关的。题目五：某高校抽样得到10名短跑运动员，测出100米的名次和跳高的名次如表8.18，问这两个名次是否在150.05的显著性水平下具有相关性。（数据来源《应用统计学：数据统计方法、数据获取与SPSS应用》 马庆国，科学出版社；数据文件：data8-7.sav） 表8.18 10名运动员的100米及跳高名次 百米名次 跳高名次 1 4 2 3 3 1 4 5 5 2 6 7 7 10 8 8 9 9 10 6实验结果截图：Descriptive Statistics Mean 百米名次 跳高名次 5.50 5.50 Std. Deviation 3.028 3.028 N 10 10Correlations 百米名次 百米名次 Pearson Correlation Sig. (2-tailed) Sum of Squares and Cross-products Covariance N 跳高名次 Pearson Correlation Sig. (2-tailed) Sum of Squares and Cross-products Covariance N 82.500 9.167 10 .697*跳高名次 1 .697*.025 57.500 6.389 10 1.025 57.500 6.389 10 82.500 9.167 10*. Correlation is significant at the 0.05 level (2-tailed).实验结果分析：相关系数为0.697&0，说明呈正相关，而相伴概率值sig=0.025&0.05,说明百米名次和跳 高名次在0.05水平下是显著相关的。题目六：某公司太阳镜销售情况如表8.19所示，请分析销售量与平均价格、广告费用和日照时间之间的关 系，并说明此题用偏相关分析是否有实际意义（显著性水平为0.05）（数据来源。《SPSS for Windows统计分析（第3版） 卢纹岱，电子工业出版社；数据文件：data8-8.sav） 》 表8.19 某公司销售太阳镜的数据月份 销量 价格 广告费用 日照时间123 6 64 3.5 75 3 22 5 90 148 183 242 263 278 318 256 200 140 80 6.8 6.5 2 5 2.4 4 2.9 2.6 25 28 2.1 3.1 3.6 4.2 4.2 30 22 18 10 2 24.2 6.88.4 10.4 11.5 9.6 6.1 3.4实验结果截图：Correlations 16Control Variables 销量 价格 Correlation Significance (2-tailed) df 广告费用 Correlation Significance (2-tailed) df 日照时间 Correlation Significance (2-tailed) df价格 1.000 . 0 .040 .906 9 .509 .110 9广告费用 .040 .906 9 1.000 . 0 -.253 .454 9日照时间 .509 .110 9 -.253 .454 9 1.000 . 0实验结果分析：由上表可看出，销量与价格呈负相关，广告费用与日照时间也呈负相关。题目七：某动物产下3个幼仔，现分别对3个幼仔的长、体重、四肢总长、头重进行测量，试就这几个测量数据而言，用距离分析法分析3个幼仔的相似性，数据如表8.20所示。（数据文件为：data8-9.sav）表8.20 三个幼仔的数据指标 序号 长 1 2 3 50 51 52 体重 215 220 220 四肢总长 100 110 112 头重 11 12 12实验结果截图：Case Processing Summary Cases Valid N 3 Percent 100.0% N 0 Missing Percent .0% N 3 Total Percent 100.0%Proximity Matrix Euclidean Distance 1 1 2 3 .000 11.269 13.191 2 11.269 .000 2.236 3 13.191 2.236 .000This is a dissimilarity matrix实验结果分析：由上表可知：幼仔 1 和幼仔 2 比较相似，和幼仔三相差最大。幼仔 2 和幼仔 3 最相似。17三、心得与体会通过这次的试验操作，我学会了使用SPSS 软件进行简单统计分析的一般操作，并对处理结果做出解 释，理解相关系数、秩相关系数与偏相关系数的差异，并结合描述性统计分析，综合分析得到的结果； 掌握二元变量相关分析；掌握偏相关分析；掌握距离分析。而且，在试验中，我不仅学会了对随机变量 之间进行相关性分析，也掌握了根据题意需求去选择什么时候该什么样的分析进行数据统计分析，才能 将自己所想要的数据得到，并且进行分析数据的潜在意义。回归分析一 实验目的1.掌握线性回归分析、曲线估计、非线性回归分析的原理与步骤； 2.掌握线性回归分析、曲线估计、非线性回归分析的操作界面，并熟练； 3.学会对实例进行线性回归分析、曲线估计、非线性回归分析出来的结果进行思考以及分析。二 实验内容题目三：合金钢的强度 y 与钢材中碳的含量 x 有密切的关系，为了冶炼出符合要求强度的钢，常常通过 控制钢水中的碳含量来达到目的，因此需要了解 y 与 x 之间的关系，数据如表 9.27 所示，现对 x 和 y 进行一元线性回归分析。（数据文件为：data9-5.sav）表 9.27 碳含量与钢强度数据 碳含量 0.03 0.04 0.05 0.07 0.09 0.1 0.12 0.15 0.17 0.2 钢强度 40.5 39.5 41 41.5 43 42 45 47.5 53 56实验结果截图：Descriptive Statistics Mean Y x 164.391 .18 Std. Deviation 396. N 11 11Correlations Y Pearson Correlation Y x Sig. (1-tailed) Y x N Y x 1.000 .983 . .000 11 11 x .983 1.000 .000 . 11 11Variables Entered/Removed Model 1 Variables Entered xabVariables RemovedMethod. Enter 18Variables Entered/Removed Model 1 Variables Entered xabVariables RemovedMethod. Entera. All requested variables entered. b. Dependent VariableYModel Summary Std. Error R Model 1 R .983abChange Statistics R Square Change F Change df1 1 df2 9 Sig. F Change .000 Durbin-Watson .163Adjusted R Square .962of the Estimate 77.3073Square .966.966 253.845a. Predictors(Constant), x b. Dependent VariableYANOVA Model 1 Regression Residual Total a. Predictors(Constant), x b. Dependent VariableY Sum of Squares
dfbMean Square 1 9 10
3.845Sig. .000aCoefficients Standardiz ed Unstandardize d Coefficients Std. Model 1 (Constan t) x B Error Beta t Coefficien ts Sig .a95% Confidence Interval for B Lower Bound -158.8 58
Upper Bound -30.29 2
.983 .983 .98 3 Correlations Zero-ord Partia Par er l tCollinearity Statistics Toleran ce VIF-94.57 28.41 5 7 .983-3.32 .00 8 .51 10 115.93 .00 3 01.a. Dependent VariableYCoefficient Correlations Model 1 Correlations Covariances x xax 1.000
Coefficient Correlations Model 1 Correlations Covariances a. Dependent VariableY x xax 1.000 Collinearity DiagnosticsaVariance Proportions Model 1 Dimension 1 2 a. Dependent VariableY Eigenvalue 1.572 .428 Condition Index 1.000 1.916 (Constant) .21 .79 x .21 .79Residuals Statistics Minimum Predicted Value Residual Std. Predicted Value Std. Residual a. Dependent VariableY -52.269 -131.4671 -.556 -1.701 Maximum . 1.200aMean 164.391 . .000Std. Deviation 389.1 1.000 .949N 11 11 11 11实验结果分析：从上述表中可以看出R=0. 983，自变量和因变量的相关性很强，且两者之间有96.6%的差异，可建立线 性模型。则该回归方程有意义:y=-94.575+题目四：某公司太阳镜销售情况如表8.17，销售量与平均价格、广告费用和日照时间之间的关系作多元线性回归分析。（数据文件：data8-8.sav）实验结果截图：Variables Entered/Removed Model 1 Variables Entered 日照时间, 价格, 广告费用 a. All requested variables entered. b. Dependent Variable销量bVariables RemovedMethod. EnterModel Summary Std. Error R Model R Square Adjusted R Square of the Estimate R Square Change 20bChange Statistics F Change df1 df2 Sig. F Change Durbin-Watson1.994a.988.8 218..967a. Predictors(Constant), 日照时间, 价格, 广 告费用 b. Dependent Variable销量ANOVA Model 1 Regression Residual Total Sum of Squares 9.896
dfbMean Square 3 8 11 4.987F 218.376Sig. .000aa. Predictors(Constant), 日照时间, 价格, 广告费用 b. Dependent Variable销量CoefficientsaStandardized Unstandardized Coefficients Model 1 (Constant) 价格 广告费用 日照时间 a. Dependent Variable销量 B 119.594 -12.163 2.319 13.231 Std. Error 29.373 4.399 .920 2.698 -.235 .292 .504 Coefficients Beta t 4.072 -2.765 2.522 4.905 Sig. .004 .024 .036 .001Coefficient Correlations Model 1 Correlations 日照时间 价格 广告费用 Covariances 日照时间 价格 广告费用 a. Dependent Variable销量 日照时间a价格 .192 1.000 .492 2.274 19.348 1.989广告费用 -.695 .492 1.000 -1.723 1.989 .2 -.695 7.278 2.274 -1.723Residuals Statistics Minimum Predicted Value Residual Std. Predicted Value Std. Residual a. Dependent Variable销量 73.28 -15.058 -1.403 -1.404 Maximum 315.79 18.663 1.527 1.740aMean 189.42 .000 .000 .000Std. Deviation 82.754 9.145 1.000 .853N 12 12 12 1221实验结果分析：从表中的相关系数可以看出三个自变量和因变量的关系均较密切，而且价格和销量的关系为负相关。因为从建立的那个模型与方差分析中，R 和 R 的平方均为很大和显著性概率明显小于 0.05，不仅可以看出 销量和三个自变量之间具有很强的线性关系，也可以看出所建立的模型存在显著性。所以，建立的回归方 程有意义，为：y=119.594-12.163x1+2.913x2+13.231x3 ;题目五：研究青春发育阶的年龄与远视率的变化关系，测得数据如表 9.28 所示，请对 x 与 y 的关系进行曲线估计。（数据来源《统计学（第二版） 袁卫，高等教育出版社；数据文件：data9-6.sav） 》表 9.28 青春发育阶段年龄与远视率的变化关系 年龄（x） 6 7 8 9 10 11 12 13 14 15 16 17 18远视率（y） 63.64 61.06 38.84 13.75 14.5 8.07 4.41 4.27 2.09 1.02 2.51 3.12 2.98实验结果截图：Model Description Model Name Dependent Variable Equation 1 1 2 Independent Variable Constant Variable Whose Values Label Observations in Plots MOD_1 远视率 Linear Sa年龄 Included Unspecifieda. The model requires all non-missing values to be positive.Case Processing Summary N Total Cases Excluded Casesa13 0 0 0Forecasted Cases Newly Created Cases a. Cases with a missing value in anyvariable are excluded from the analysis.Variable Processing Summary Variables Dependent 远视率 Number of Positive Values Number of Zeros Number of Negative Values Number of Missing Values User-Missing System-Missing 13 0 0 0 0 Independent 年龄 13 0 0 0 022Model Summary and Parameter Estimates Dependent Variable:远视率 Model Summary Equation Linear S R Square .674 .877 F 22.710 78.119 df1 1 1 df2 11 11 Sig. .001 .000 Parameter Estimates Constant 74.006 -1.502 b1 -4.768 37.175The independent variable is 年龄.实验结果分析：从表中可看出：所有模型的拟合优度值 R 的平方的比较，可以看出 三次曲线 cubic 的 R 的平 方最大，效果最好，并且显著性水平为 0。而在优度表中我们可以看出相关系数 R 和 R 的平 方以及校正后 R 的平均值均很大，分别为:0.979,0.959,0.945;所以我们可以判断原始率和发育 阶段的年龄之间有较显著的三次曲线关系。而且，在方差分析表中，它的相伴概率 sig.=0.000 也说明了这个模型具有显著的统计意义。题目六：棉花单株在不同时期的成铃数（y）与初花后天数（x）存在非线性的关系，假设这一非线性关系可用 Gompertz 模型表示：y=b1*exp(-b2*exp(-b3*x))。某一棉花品种 7 月 5 日至 9 月 3 日每隔 5 天的单株成铃数观测值如表 9.29 所示。试根据观测值拟合模型中的参数。（数据来源《线性模型分析原理》朱军，科学出版社；数据文件为：data9-7.sav） 表 9.29 棉花成铃数观测数据表 天数 成铃数 5 0.75 10 2 15 4 20 25 30 35 40 45 50 55 60 654.75 4.25 5.5 7.75 10.13 14.26 13.14 13.52 14.15 14.53bIteration History23Residual Sum of Iteration Number 0.1 1.1 2.1 3.1 4.1 5.1 6.1 7.1 8.1 9.1 10.1 11.1 12.1 13.1 14.1 15.1 16.1 17.1 18.1 19.1 20.1 21.1 22.1aParameter b1 5.000 8.287 8.287 8.287 8.281 10.315 10.393 16.336 16.290 15.735 15.756 16.099 17.150 17.119 17.282 17.882 18.607 18.777 18.980 19.027 19.028 19.028 19.028 b2 3.000 3.000 3.194 3.194 3.325 3.969 4.118 6.185 6.242 4.854 4.243 3.986 3.628 3.556 3.826 3.661 3.493 3.505 3.496 3.484 3.486 3.486 3.486 b3 3.000 3.000 .104 .104 .107 .092 .090 .063 .066 .061 .058 .054 .047 .047 .049 .046 .043 .043 .042 .042 .042 .042 .042Squares 428.418 287.968 156.395 156.395 156.252 75.219 72.416 15.264 14.390 10.363 9.671 8.722 8.059 7.569 7.323 6.972 6.816 6.772 6.764 6.763 6.763 6.763 6.763Derivatives are calculated numerically. a. Major iteration number is displayed to the left of the decimal, and minor iteration number is to the right of the decimal. b. Run stopped after 22 iterations. Optimal solution is found.Parameter Estimates 95% Confidence Interval Parameter b1 b2 b3 Estimate 19.028 3.486 .042 Std. Error 2.521 .449 .008 Lower Bound 13.410 2.487 .023 Upper Bound 24.645 4.486 .061Correlations of Parameter Estimates b1 b1 b2 b3 1.000 -.611 -.945 b2 -.611 1.000 .815 b3 -.945 .815 1.00024ANOVA Source Regression Residual Uncorrected Total Corrected Total Dependent variableYaSum of Squares .763 .968df 3 10 13 12Mean Squares 391.318 .676a. R squared = 1 - (Residual Sum of Squares) / (Corrected Sum of Squares) = .977.实验结果分析：从表中我们又可以得到模型所不能解释的变异信息、全部变异之和、以及与因变量平均 值的差异等；且，从脚注又可以看出它们的复相关系数的平方和为 0.977，也说明了这个模型 能够解释因变量 97.7%的变异，所以这个模型的非线性估计的效果不错。因此，这个模型具 有了的分析统计意义。模型可为：Y=19.028*exp(-3.486 * exp(-0.42 * X)) ；三、心得与体会 通过这次线性回归分析实践，我掌握线性回归分析、曲线估计、非线性回归分析的原理与 步骤、操作界面，也学会对实例进行线性回归分析、曲线估计、非线性回归分析出来的结果 进行思考以及分析。实践不仅能够让我们自己把脑海里的理论知识巩固和深入了解，也可以 帮助我们在学习的过程中更好的去接触新事物，并加以掌握。25
【spss实验报告一】第四章 描述性统计分析 一、实验目的通过计算诸如样本均值、中位数、样本方差等重要基本统计量，并辅助于 SPSS 提供的图形功能，能够 使分析者把握数据的基本特征和数据的整体分布形态， 对进一步的统计推断和数据建模工作起到重要作用。并且，通过例子学习描述性统计分析及其在 SPSS 中的实现，包括统计量的定义及计算、频率分析、描述性 分析、探索性分析、交叉表分析和多重响应分析，能够使分析者更好的掌握基本的统计分析，即单变量频 数分布的编制、基本统计量的计算以及数据的探索性分析等。二、实验内容1．打开数据文件 data4-8.sav，完成以下统计分析。（1）计算各科成绩的描述统计量：平均成绩、中位数、众数、标准差、方差、极差、最大值和最小值； ①解决问题的原理：描述性分析 ②实验步骤：通过“分析-描述统计-描述” ，打开“描述性”对话框，根据题目所需要的统计量进行设置。③结果及分析：描述统计量 N 成绩 有效的 N （列表状态） 45 45 全距 83 极小值 15 极大值 98 均值 60.51 标准差 23.048 方差 531.210表中分析变量“成绩”的个案数、所有个案中的极大值、极小值、均值、标准差及方差。（2）使用 Recode 命令生成一个新变量“成绩段” ，其值为各科成绩的分段：90～100 为 1，80～89 为 2， 70～79 为 3，60～69 为 4，60 分以下为 5，其值标签：1―优，2―良，3―中，4―及格，5―不及格。分段 以后进行频数分析，统计各分数段的人数，最后生成条形图和饼图。①解决问题的原理：频率分析。②实验步骤：通过“分析-描述统计-频率” ，打开“频率”对话框，根据题目所需要的统计量进行设置。③结果及分析：成绩 频率 有效 15 19 24 28 30 32 33 34 36 37 43 49 50 55 1 1 1 1 1 2 1 1 1 2 1 1 1 1 百分比 2.2 2.2 2.2 2.2 2.2 4.4 2.2 2.2 2.2 4.4 2.2 2.2 2.2 2.2 有效百分比 累积百分比 2.2 2.2 2.2 2.2 2.2 4.4 2.2 2.2 2.2 4.4 2.2 2.2 2.2 2.2 2.2 4.4 6.7 8.9 11.1 15.6 17.8 20.0 22.2 26.7 28.9 31.1 33.3 35.656 60 62 63 69 70 73 74 75 76 78 81 83 85 86 90 91 95 98 合计及累积百分比。4 3 1 1 1 1 3 1 1 1 1 1 1 2 1 2 1 2 1 458.9 6.7 2.2 2.2 2.2 2.2 6.7 2.2 2.2 2.2 2.2 2.2 2.2 4.4 2.2 4.4 2.2 4.4 2.2 100.08.9 6.7 2.2 2.2 2.2 2.2 6.7 2.2 2.2 2.2 2.2 2.2 2.2 4.4 2.2 4.4 2.2 4.4 2.2 100.044.4 51.1 53.3 55.6 57.8 60.0 66.7 68.9 71.1 73.3 75.6 77.8 80.0 84.4 86.7 91.1 93.3 97.8 100.0表中显示了变量“成绩段”在各个取值上出现的次数（频率） 、其频率占所有个案中的百分比、有效百分比表中显示了变量“成绩段”的直方图，从图上可以看出不具备明显的正态分布。表中显示了变量“成绩段”的饼图，从图上可以更好的看出“成绩段”的分布。2．打开数据文件 data4-9.sav，完成以下统计分析。（1）对身高进行，分析四分位数，计算上奇异值、上极端值、下 奇异值和下极端值，并生成茎叶图和箱图； ①解决问题的原理：探索性分析 ②实验步骤：通过“分析-描述统计-探索” ，打开“绘制”对话框，根 据题目所需要的统计量进行设置。③结果及分析身高 Stem-and-Leaf Plot Frequency 2.00 16.00 39.00 18.00 13.00 7.00 1.00 Stem widthEa00ch leafStem & 9 . 10 . 10 . 11 . 11 . 12 . 12 . 10.0 1 case(s) Leaf 99 344 9
5 表 4.22 吸烟人群健康状况调查表 是否患气管炎 患病 健康 患病 健康 人数 43 162 13 121是否吸烟 是 是 否 否从上的茎叶图可以更加详细地分析身高数据。从上的箱图可以分析变量“身高”的四分位数。（2）考察身高、体重和胸围的正态性。①解决问题的原理：运用频率分析、描述性分析、探索性分析。②实验步骤通过 “分析-描述统计-交叉表” 打开 ， “交叉表” 对话框， 根据题目所需要的统计量进行设置。③结果及分析：从上的 Q-Q 图中可以看出,身高、体重、胸围三个变量都很好的服从正态分布。3．表 4.22 是对吸烟与患气管炎的调查表，试分析吸烟与患气管炎之间的关系。（用交叉列联表分析，参见 数据文件：data4-10.sav。） ①解决问题的原理：运用交叉表分析。②实验步骤通过 “分析-描述统计-交叉表” 打开 ， “交叉表” 对话框， 根据题目所需要的统计量进行设置。③结果及分析：处理摘要 案例 有效的 N 是否患气管炎 * 是 否吸烟 表给出了数据基本信息，表中给出了参与分析的个案数、缺失信息等。本例中，每个变量有 4 个个案参与 分析，无缺失值。4 百分比 100.0% N 0 缺失 百分比 .0% N 4 合计 百分比 100.0%是否患气管炎* 是否吸烟 交叉制表计数 是否吸烟 是 是否患气管炎 患病 健康 合计 1 1 2 否 1 1 2 合计 2 2 4表给出了了数据的交叉表，与原始数据在形式上基本一致。卡方检验 渐进 Sig. (双 值 Pearson 卡方 连续校正 似然比 Fisher 的精确检验 线性和线性组合 有效案例中的 N .000 4 1 1.000b精确 Sig.(双 侧)精确 Sig.(单 侧)dfa侧) 1 1 1 1.000 1.000 1.000.000.000 .a. 4 单元格(100.0%) 的期望计数少于 5。最小期望计数为 1.00。b. 仅对 2x2 表计算 表是行、 列变量通过卡方检验给出的独立性检验结果。从表可知， 各种检验方法显著水平都远小于0.05， 所以有理由拒绝“实验准备与评价结果是独立的”假设，即认为实验准备这一评价指标与评价结果是相 关的。各组状况条形图相当于交叉表的直观表示，用图形表示可直观地得出各种情况的比较。4．为分析某中学学生填报志愿的倾向，设计了一道问卷调查题，每位同学可填报 3 个志愿，请按顺序依次 选择打算报考的大学第一志愿 第二志愿 第三志愿 ① 北京大学 ② 清华大学 ③ 复旦大学 ④ 中国人民大学 ⑤ 北京交通大学 ⑥ 四川大学 问卷调查的结果存放在 SPSS 数据文件 data4-11.sav 中，按如下要求进行统计分析。（1）对第一、二、三志愿填报情况进行统计分析； （2）对各填报志愿的情况进行统计分析，包括人数、百分比等。①解决问题的原理：运用频率分析、描述性分析、交叉表分析。②实验步骤：通过“分析-描述统计-频率” ，打开“频率”对话框，根据题目所需要的统计量进行设置。通 过“分析-描述统计-交叉表” ，打开“交叉表”对话框，根据题目所需要的统计量进行设置。③结果及分析统计量 志愿 1 N 有效 缺失 中值 众数 标准差 方差 极小值 极大值 百分位数 25 50 75 频率表 志愿1 频率 有效 1 2 3 4 5 6 合计 20 17 26 14 14 9 100 百分比 20.0 17.0 26.0 14.0 14.0 9.0 100.0 有效百分比 累积百分比 20.0 17.0 26.0 14.0 14.0 9.0 100.0 20.0 37.0 63.0 77.0 91.0 100.0 100 0 3.00 3 1.578 2.491 1 6 2.00 3.00 4.00 志愿 2 100 0 3.00 3 1.429 2.041 1 6 2.00 3.00 4.00 志愿 3 100 0 3.00 4 1.642 2.695 1 6 2.00 3.00 5.00志愿2 频率 有效 1 2 20 24 百分比 20.0 24.0 有效百分比 累积百分比 20.0 24.0 20.0 44.03 4 5 6 合计26 15 10 5 .0 10.0 5.0 100.0 志愿 326.0 15.0 10.0 5.0 100.070.0 85.0 95.0 100.0频率 有效 1 2 3 4 5 6 合计 14 19 18 21 12 16 100百分比 14.0 19.0 18.0 21.0 12.0 16.0 100.0有效百分比 累积百分比 14.0 19.0 18.0 21.0 12.0 16.0 100.0 14.0 33.0 51.0 72.0 84.0 100.0表中显示了变量“志愿”在各个取值上出现的次数（频率） 、其频率占所有个案中的百分比、有效百分比及 累积百分比。三、实验心得与体会通过本章例子学习描述性统计分析及其在 SPSS 中的实现，学会了基本描述性统计量的定义及计算、频 率分析、描述性分析、探索性分析、交叉表分析。深刻体会到了如何计算诸如样本均值等重要的基本统计 量，并辅助于 SPSS 提供的图形功能来分析把握数据的基本特征和数据的整体分布形态。同时加强了自己的 操作能力。第五章 参数估计与假设检验 一、实验目的如果掌握了所研究总体的全部数据， 那么只需做一些简单的统计描述， 就可得到有关总体的数据特征， 如方差、总体均值等，但在现实情况中，很多时候不可能或者不必对总体中的每个单位进行测定，就需要 从总体抽取一部分单位进行测定，通过样本提供的信息来对总体信息进行估计和推断。而参数估计和假设 检验就是通过样本分析总体， 从样本的观察或试验结果的特征 对总体的特征进行估计和推断。表 5.20序号 1 2 3 4 5 6 7 成绩 63 99 81 77 68 79 80 63 87某班学生数学成绩序号 10 11 12 13 14 15 16 17 18 成绩 94 98 73 89 98 77 67 69 81 序号 19 20 21 22 23 24 25 26 27 成绩 70 65 84 84 95 61 69 73 60二、实验内容3．表 5.20 是某班学生的高考数学成绩，试分析该班的数学成 绩与全国的平均成绩 70 分之间是否有显著性差异。（参见数据 文件：data5-16.sav。） ①解决问题的原理：单样本 T 检验 ②实验步骤：通过“分析-比较均值-单样本 T 检验（S），打 ” 开“单样本 T 检验”对话框，根据题目所需要的统计量进行设 置。③结果及分析单个样本统计量 N 均值 标准差 均值的标准误8 9单个样本统计量 N 成绩 27 均值 77.93 标准差 12.111 均值的标准误 2.331表给出了单样本T检验的描述性统计量,包括样本数(N) 、均值、标准差、均值的标准差。单个样本检验 检验值 = 70 差分的 95% 置信区间 t 成绩 3.400 df 26 Sig.(双侧) .002 均值差值 7.926 下限 3.13 上限 12.72表是单样本T检验结果表， 当置信区间为95%时， 显著水平为0.05， 从表中可以看出， 双尾检测概率P值为0.02， 小于0.05，故原假设不成立，也就是说，数学成绩与全国的平均成绩70分之间有显著性差异。4．在某次测试中，随机抽取男女学生的成绩各10名，数据如下男：99 女：88 79 54 59 56 89 23 79 75 89 99 82 80 85 65 73 50 80 65假设样本总体服从正态分布，比较置信度为95%的情况下男女得分是否有显著性差异。（参见数据文件data5-17.sav。） ①解决问题的原理：独立样本 T 检验 ②实验步骤：通过“分析-比较均值-独立样本 T 检验（T）”, 打开“独立样本 T 检验” 对话框，根据题 目所需要的统计量进行设置。③结果及分析：上表中是独立样本T检验的均值检验结果。显著水平为0.05，从表中可以看出T统计量的概率P小于0.05，故 拒绝原假设，所以男女得分有显著性差异。5．某医疗机构为研究某种减肥药的疗效，对16位肥胖者进行为期半年的观察测试，测试指标为使用该药之前和之后的体重，数据如表5.21所示。假设体重近似服从正态分布，试分析服药前后，体重是否有显著变 化。（参见数据文件：data5-18.sav。） 表5.21 服药前后的体重变化 体 服药前 216 257 192 225 服药后 206 249 140 ①解决问题的原理：配对样本 T 检验 ②实验步骤：通过“分析-比较均值-配对样本 T 检验（P）”, 打开“配对样本 T 检验” 对话框，根据题 目所需要的统计量进行设置。③结果及分析151 226 172 214 161 210 161 193 226 173 154 143 重 233 179 219 169 222 167 199 233 179 158 从上表一及表二中可以看出，在显著水平为 0.05 时，概率 P 值明显小于 0.05，拒绝原假设，可以认为减 肥药前后的体重有明显的线性关系。从上表三是配对样本 T 检验的最终结果， 可以看出， 在显著水平为 0.05 时，由于概率 P 值明显小于 0.05，拒绝原假设，故可以认为服药前后，体重有显著变化。10．某农民想了解两品种的小麦Ⅰ、Ⅱ产量是否有显著区别，其产量数据如表 5.24 所示，分别在显著性水 平 0.05 和 0.01 下检验两品种产量是否有显著性差异。（数据来源：M.R.斯皮格尔， 《统计学（第 3 版）， 》 科学出版社；参见数据文件：data5-23.sav。） 表 5.24 两种小麦的产量数据 16 16 14.6 15.3 14.5 16.6 18.1 17.2 15.4 16小麦 1 15.9 15.3 16.4 14.9 15.3 小麦 2 16.4 16.8 17.1 16.9 ①解决问题的原理：独立样本非参数检验。18②实验步骤：通过“分析-非参数检验-独立样本” ，打开“非参数检验”对话框，根据题目所需要的统计量 进行设置。③结果及分析：由图可知，因为显著性水平为 0.05，而相伴概率 Sig.=1.000&0.05，所以接受原假设，两品种产量无显著 性差异。由图可知，因为显著性水平为 0.01，而相伴概率 Sig.=1.000&0.05，所以接受原假设，两品种产量无显著 性差异。11．为研究长跑运动对增强普通高校学生心脏功能的效果，对某校 15 名男生进行测试，经过 5 个月的长跑 锻炼后看其晨脉是否减少。锻炼前后的晨脉数据如表 5.25 所示。表 5.25 长跑锻炼前后晨脉变化表 锻炼前 锻炼后 70 48 76 54 56 60 63 64 63 48 56 55 58 54 60 45 65 51 65 48 75 56 66 48 56 64 59 50 70 54试问锻炼前后的晨脉在显著性水平 0.05 下有无显著性差异。（数据来源：卢纹岱， 《SPSS for Windows 统 计分析（第 3 版），电子工业出版社；参见数据文件：data5-24.sav。》 ） ①解决问题的原理：相关样本的非参数检验。②实验步骤：通过“分析-非参数检验-相关样本” ，打开“非参数检验”对话框，根据题目所需要的统计量 进行设置。③结果及分析：由图可知，因为显著性水平为 0.05，而相伴概率 Sig.=0.22&0.05，所以接受原假设，可以得知锻炼前后的 晨脉之间差异的中位数等于 0，即锻炼前后的晨脉无显著性差异。三、实验心得与体会通过对本章的学习以及实例分析的操作，学会了如何用 T 检验解决两样本间均值比较的问题。对数据 的分析有了进一步的认识和技能的掌握有了很大的提高。从而在以后的学习工作中，遇到此类问题，能更 快的反应、理解和掌握。第七章 一、实验目的相关分析利用分析多个性质不同的 SPSS 变量，从而分析总体的多个特征，并分析这些特征的联系。相关分析是 比较简单的多元分析，使用多元分析方法，能快速发现总体特征之间的关系，并检验这些特征的显著性。以此广泛用于生物学、经济学等各个领域。二、实验内容3．K.K.Smith 在烟草杂交繁殖的花上收集到如表 7.21 所示的数据，要求对以上 3 组数据两两之间进行相 关分析，以 0.05 的显著性水平检验相关系数的显著性。（数据来源：苏金明， 《统计软件 SPSS 系列应用实 践篇》 ，电子工业出版社；参见数据文件：data7-9.sav。） 表 7.21 K.K.Smith 所调查的长度资料 花瓣长 花枝长 花萼长 49 44 32 42 32 53 36 39 37 45 41 48 45 39 40 34 37 35 27 24 12 22 13 29 14 20 16 21 22 25 23 18 20 15 20 13 19 16 12 17 10 19 15 14 15 21 14 22 22 15 14 15 15 16①解决问题的原理：两变量相关分析 ②实验步骤通过 “分析-相关-双变量” 打开 ， “双变量相关” 对话框， 根据题目所需要的统计量进行设置。③结果及分析：从上表一列出了描述性统计量均值、标准差和统计量个案数。从上表二是相关分析的主要结果，可以看出，相关系数 0.955&0,0.797&0,说明呈正相关，相关系数的显著 性为 0.002&0.005,因此接受原假设，说明以上 3 组数据在 0.05 的显著性水平具有相关系数的显著性。4． 试确定
年安徽省国民收入与城乡居民储蓄存款余额两个变量间的线性相关性， 数据如表 7.22 所示。（数据来源《数据统计与管理》1990 年第 5 期，中国商场统计研究会主办；参见数据文件data7-10.sav。） 表 7.22
年安徽省国民收入数据表 年 份 64 67 70 73
1.22 1.14 1.32 1.28 1.35 1.6 1.87 2.2 2.55 2.61国民收入 （亿元） 34.61 35.67 39.52 47.32 54.14 50.86 49.69 51.61 65.06 72.57 77.72 83.57 82 87.44 存款余额 （亿元）0.59 0.71 0.85 年 份78 81 84 87
116.2 127.8 150.2 161.4 1 9 7 9 7 180.2 221.1 271.8 310.5 357.8 444.7 7 1 3 6 8国民收入 （亿元） 95.63 97.23存款余额 （亿元）2.74 3.13 3.91 5.75 8.76 12.19 16.36 20.95 28.32 38.43 55.43 75.2 89.83 ①解决问题的原理：两变量相关分析 ②实验步骤通过 “分析-相关-双变量” 打开 ， “双变量相关” 对话框， 根据题目所需要的统计量进行设置。③结果及分析：从上表的上半部分可以看出，两变量的 Kendall 相关系数 0.972&0,双尾检验的相伴概率明显小于 0.05，应 拒绝两变量不相关的原假设，说明两变量具有显著的正相关性。从上表的下半部分可以看出，两变量的 Spearman 相关系数为 0.995&0，同时双尾检验的相伴概率显著性明显小于 0.05,也说明两变量呈显著的正 相关性。从表的脚注可看出双尾检测下两变量在 0.01 水平上具有显著的正相关性。故
年安徽 省国民收入与城乡居民储蓄存款余额两个变量间具有显著的线性相关性。5．某高校抽样 10 名短跑运动员，测出 100 米短跑的名次和跳高的名次如表 7.23 所示，问这两个名次是否 在 0.05 的显著性水平下具有相关性。（数据来源：马庆国， 《应用统计学：数据统计方法、数据获取与 SPSS 应用》 ，科学出版社；参见数据文件：data7-11.sav。） 表 7.23 10 名运动员的 100 米短跑及跳高名次百米名次 跳高名次 1 4 2 3 3 1 4 5 5 2 6 7 7 10 8 8 9 9 10 6①解决问题的原理：偏相关分析 ②实验步骤：通过“分析-相关-偏相关” ，打开“偏相关”对话框，比照例题根据题目所需要的统计量进行 设置。③结果及分析：从上表可以看出 100 米短跑的名次和跳高的名次的偏相关系数为 0.697，双尾检测的相伴概率为 0.25，明 显大于 0.05，故接受原假设，说明在 0.05 的显著性水平下具有相关性。6．某公司太阳镜销售情况如表 7.24 所示，请分析销售量与平均价格、广告费用和日照时间之间的关系， 并说明此题用偏相关分析是否有实际意义（显著性水平为 0.05）（数据来源：卢纹岱， 。《SPSS for Windows 统计分析（第 3 版），电子工业出版社；参见数据文件：data7-12.sav。》 ） 表 7.24 月 销 价 份 量 格 1 75 2 2 90 5 3 6 6 某公司销售太阳镜的数据 4 3.5 7 5 3 22 6 7 8 9 10 11 12 80
263 278 318 256 200 140 25 28 30 22 18 106.8 6.52.9 2.6 2.1 3.1 3.6 4.2 5.2广 告 费用 日 照 时 间 2.4 4 5.2 6.8 8 8.4 10. 11. 4 5 9.6 6.1 3.4 2①解决问题的原理距离分析。②实验步骤通过 “分析-相关-距离” 打开 ， “距离” 对话框， 比照例题根据题目所需要的统计量进行设置。③结果及分析：从上表可以看出销售量与平均价格、广告费用和日照时间为控制量，销量与月份偏相关系数为0.203，双尾 检测的相伴概率为0.559，明显大于显著水平0.05。故接受原假设，说明销量与月份不存在显著的相关性。故此题用偏相关分析无实际意义。三、实验心得与体会通过本章的学习以及 SPSS 实例分析的训练，学会了如何运用分析多个性质不同的 SPSS 变量来发现总 体特征之间的关系，并检验这些特征的显著性。深刻体会到相关分析的实际意义，用于生物学、经济学等 各个领域的重要性。认识到了相关分析对于实验数据的处理、经验公式的建立、管理标准的测定、自然现 象和经济现象的统计预报等，是一种极为有效且广泛使用的数理统计工具。在以后的工作学习中，遇到此 类问题，能更加的快速地解决。在知识领域和技能的掌握上有了很大的提高。
【spss实验报告一】《统计分析软件》实验报告实验序号：B 学 号 姓 名 实验项目名称：数据文件建立与管理 专业、班级 时间实验地点 一、实验目的及要求 实验目的：指导（1）了解数据文件的结构，建立正确的 SPSS 数据文件； （2）掌握如何对原始数据文件进一步整理和变换的主要方法。实验要求：（1）熟悉 SPSS 的工作环境、掌握系统的三种运行方式； （2）熟悉数据窗口的两个界面，自己动手建立一个数据文件，并对数据文件进行主要 的编辑操作。二、实验设备（环境）及要求 微型计算机，SPSS、EViews 等统计分析软件 三、实验内容与数据来源 （1）定义变量，将 gender 定义为字符型变量，salary 定义为数值型变量，在数 据窗口录入数据，并保存数据文件，将其命名为“data1_1.sav” 。（2） 打开文件 data1_1.sav， 练习增加一个个案， 删除一个个案， 增加一个变量、 删除一个变量，以及个案和变量的复制、粘贴操作。
（3）将数据文件按性别分组；将数据文件按工资进行组距分组。
（4）查找工资大于 40000 美元的职工。（5）按工资进行升序和降序排列，比较升序和降序排列结果有什么不同。（6）练习数据的分类汇总操作，要求按照性别分类汇总样本的总数。（7）练习数据选取操作，要求随机选取 70%的数据。（8）当工资大于 40000 美元时，职工的奖金是工资的 20％；当工资小于 40000 美元时，职工的奖金是工资的 10%，假设实际收入＝工资＋奖金，计算所有职工 的实际收入，并将结果添加到 income 变量中。
四、实验步骤与结果 第一次接触 SPSS,操作还不够熟练，但是对照老师讲课的 ppt 和课本上的说 明,还是能够进行一些简单的操作。实验步骤和结果见上面的文字和截图。五、分析与讨论 对 SPSS 的掌握还不够熟练，还要多多实际操作才能完全掌握，SPSS 的数 据分析和处理能力较强，功能很强大。多对照老师上课的课件和课本认真操作， 争取熟练掌握该软件，掌握一门技能。六、教师评语成绩签名：杨超
【spss实验报告一】专业统计软件应用 SPSS第二章一、实验目的实验目的：1.掌握 SPSS 数据文件的建立 2.掌握从其他数据文件导入数据 3.掌握 SPSS 数据文件的合并 4.掌握 SPSS 数据的预处理二、实验内容实验内容实验题目一 实验题目一一、实验步骤实验步骤1、将数据录入 spss 软件 2、对性别分组，打开 Values3、在 Value 中输入 1，Label 中输入男，点击 OK；月收入和教育程度的分组方法与上述过 程相同，实验步骤分别如下-1-专业统计软件应用 SPSS实验题目二 实验题目二一、实验步骤实验步骤1、将数据复制入 Excel，保存 2、打开 SPSS，点击打开，并作如下设置选择录入数据的 Excel 文件，打开，即可完成导入实验题目三 实验题目三-2-专业统计软件应用 SPSS一、实验步骤 1、 打开 SPSS 软件，将数据录入 2、 点击 Transfrom，作如下选择3、 点击 old and new values，做如下设置-3-专业统计软件应用 SPSS4、点击 Continue，完成第三章一、实验目的实验目的：1. 掌握常见统计图的创建与编辑 2. 掌握常见交互图的创建与编辑二、实验内容实验内容实验题目一 实验题目一一、实验步骤实验步骤1、点击 Graphs，根据要求做出图形2、点击 Bar，作如下设置-4-专业统计软件应用 SPSS3、点击 OK，得出结果4、 其他图形制作方法相似，结果如下图-5-专业统计软件应用 SPSS实验题目二 实验题目二一、实验步骤实验步骤1、打开 SPSS，录入数据 2、选择 Boxplot 作图-6-专业统计软件应用 SPSS3、作如下设置：4、点击 OK，得到如下结果-7-专业统计软件应用 SPSS5、散点图步骤相似，选择 6、得到如下结果第4章一、实验目的1. 熟悉对样本数据描述的基本统计指标 2. 使用 SPSS 计算基本统计指标二、实验内容 实验题目一 实验题目一一、实验步骤 1、 打开数据文件“data4-5.sav” 2、 作如下选择-8-专业统计软件应用 SPSS3、 点击 Statistics，选入如下参数4、点击 Continue――OK 5、得如下结果6、分组选择过程如上章相同，作图结果如下-9-专业统计软件应用 SPSS实验题目二 实验题目二一、实验步骤 1、 打开数据文件“data4-6.sav” 2、 选择 做出茎叶图和箱图，结果如下- 10 -专业统计软件应用 SPSS3、 考察身高、体重、胸围正态性，结果分别如下图- 11 -专业统计软件应用 SPSS- 12 -专业统计软件应用 SPSS- 13 -专业统计软件应用 SPSS实验题目三 实验题目三一、实验步骤 1、打开 SPSS 数据文件“data4-7.sav” 2、作如下选择3、作如下设置4、点开 Statistics，选择 sum5、点击 OK，得出结果- 14 -专业统计软件应用 SPSS第5章一、实验目的1. 掌握用 SPSS 进行参数估计的方法 2. 掌握用 SPSS 进行假设检验（T 检验）二、实验内容 实验题目一 实验题目一一、实验步骤实验步骤1、 打开 SPSS，录入以下数据 2、 作如下选择，点击- 15 -专业统计软件应用 SPSS3、点击进入，作如下设置4、得出如下结果5、结果分析经分析，0.02&0.05，故有显著差异实验题目二 实验题目二实验步骤1、 打开 SPSS，录入以下数据- 16 -专业统计软件应用 SPSS2、 做如下选择3、 作如下设置4、 点击 Grouping Variable，作如下设置- 17 -专业统计软件应用 SPSS5、 完成，得如下结果6、 结果分析，经分析，0.221》0.05，故无显著差异实验题目三 实验题目三一、实验步骤实验步骤1、 打开 SPSS，录入以下数据 2、 作如下选择3、 打开 Paired-Samples T Test，作如下设置4、 得到结果如下- 18 -专业统计软件应用 SPSS5、结果分析，经分析，0.00《0.05，故有显著差异第6章一、实验目的1、理解方差分析的概念、原理及作用 2、掌握用 SPSS 进行单因素、双因素及协方差分析的方法 3、结合参考资料了解方差分析的其它方法及作用二、实验内容 实验题目一 实验题目一一、实验步骤实验步骤1、打开数据文件为 data6-4.sav 2、点击如下菜单3、作如下设置- 19 -专业统计软件应用 SPSS4、点击 OK，得如下结果5、结果分析，在显著性水平 0.05 下，由于组间比较的相伴概率 Sig.（p 值）=0.01&0.05， 所以有显著性差异， 在显著性水平 0.01 下， 由于组间比较的相伴概率 Sig. p 值） （ =0.01&0.01， 所以无显著性差异。实验题目二 实验题目二一、实验步骤实验步骤1、打开数据文件为 data6-5.sav 2、点击如下菜单3、点击进入，作如下设置- 20 -专业统计软件应用 SPSS4、点击得到结果如下5、结果分析，在显著性水平 0.05 下，0.99》0.05，没有显著差异实验题目三 实验题目三一、实验步骤实验步骤1、打开数据文件为 data6-6.sav 2、点击如下菜单3、点击进入，作如下设置- 21 -专业统计软件应用 SPSS4、点击 OK，得到如下结果- 22 -专业统计软件应用 SPSS实验题目四 实验题目四一、实验步骤实验步骤1、打开数据文件为 data6-7.sav 2、点击如下菜单3、点击进入，作如下设置- 23 -专业统计软件应用 SPSS4、点击 OK，得到如下结果5、结果分析，摆放位置 0.253&0.05,无显著影响；商品包装 0.646&0.05，有显著影响；摆放- 24 -专业统计软件应用 SPSS位置和商品包装综合影响，因为 0.00&0.05，所以无显著影响。实验题目五 实验题目五一、实验步骤实验步骤1、打开数据文件为 data6-8.sav 2、点击如下菜单3、点击进入，作如下设置4、点击 OK 得到如下结果- 25 -专业统计软件应用 SPSS第7章一、实验目的实验目的：1． 领会参数检验与非参数检验的适用情况 2． 掌握用 SPSS 进行非参数检验的方法二、实验内容实验内容实验题目一 实验题目一一、实验步骤实验步骤1、打开数据文件 data7-11.sav 2、点击如下菜单3、点击进入，作如下设置- 26 -专业统计软件应用 SPSS4、点击 OK，得到如下结果5、结果分析，不满足题设的比例实验题目二 实验题目二一、实验步骤实验步骤1、打开数据文件 data7-12.sav 2、点击如下菜单3、点击作如下设置- 27 -专业统计软件应用 SPSS4、点击 OK，得到如下结果5、结果分析，尼纶纤维度是否与正态分布相吻合第8章一、实验目的1． 2． 3． 4． 理解相关分析的概念、原理及在统计中的作用; 掌握用 SPSS 进行两个变量间的相关分析; 掌握用 SPSS 进行偏相关分析; 掌握用 SPSS 进行距离分析。二、实验内容- 28 -专业统计软件应用 SPSS实验题目一 实验题目一一、实验步骤实验步骤1、打开数据文件 data8-5.sav 2、点击如下菜单3、点击作如下设置4、点击 OK 得到如下结果 运行结果及分析：运行结果见表。表中给出了3个变量两两之间的Pearson相关系数（Pearson Correlation）、双侧显著情况 检验概率（Sig.(2-tailed)）和数据组数（N）。脚注内容显示 相关分析结果在0.01的水平上显著。另外，从表中可以看出，花瓣长和花枝长的数据具有很 强的相关性。而双侧检验的显著性概率均小于0.05，因此否定零假设（零假设是变量之间不 具有相关性），认为相关系数不为零，变量之间具有相关性。Correlations 花瓣长 花瓣长 Pearson Correlation Sig. (2-tailed) 1 花枝长 .955**花萼长 .797**.000.000- 29 -专业统计软件应用 SPSSN 花枝长 Pearson Correlation Sig. (2-tailed) N 花萼长 Pearson Correlation Sig. (2-tailed) N18 .955**18 118 .678**.000 18 .797**.002 18 .678**18 1.000 18.002 18 18**. Correlation is significant at the 0.01 level (2-tailed).实验题目二 实验题目二一、实验步骤实验步骤步骤 1、打开数据文件 data8-6.sav 2、点击如下菜单3、点击作如下设置- 30 -专业统计软件应用 SPSS4、点击 OK 得到如下结果实验题目三 实验题目三一、实验步骤实验步骤1、打开数据文件 data8-7.sav 2、点击如下菜单3、点击作如下设置- 31 -专业统计软件应用 SPSS4、点击 OK 得到如下结果5、结果分析，经分析，8-3-变量之间具有相关性。实验题目四 实验题目四一、实验步骤实验步骤1、打开数据文件 data8-8.sav 2、点击如下菜单- 32 -专业统计软件应用 SPSS3、点击作如下设置，分析销量与价格关系4、得到如下结果5、重复以上操作，分析销量与广告费用之间的关系- 33 -专业统计软件应用 SPSS6、得到如下结果7、 重复以上操作，分析销量与日照时间之间的关系8、 得到如下结果- 34 -专业统计软件应用 SPSS实验题目五 实验题目五一、实验步骤实验步骤1、打开数据文件 data8-9.sav 2、点击如下菜单3、点击作如下设置4、点击 OK，得到如下结果- 35 -专业统计软件应用 SPSS第9章一、实验目的1． 理解回归分析的概念、原理及在统计中的作用; 2． 掌握用SPSS进行线性回归、曲线回归的方法; 3． 根据线性回归、曲线回归等方法探索其它回归方法。二、实验内容 实验题目一 实验题目一一、实验步骤实验步骤1、打开数据文件 data9-5.sav 2、点击如下菜单- 36 -专业统计软件应用 SPSS3、点击作如下设置4、点击 OK 得到如下结果并分析输出的是被引入或从回归方程中被剔除的变量，这里选用是的 Enter 方法，表示全部进入。从这部分结果看出相关系数 R=0.983,判定系数 R2=0.966。说明样本回归方程的代表性强。这是方差分析表，是对回归方程进行显著性检验的情况。从结果看，相伴概率 Sig.&0.05， 说明自变量 x 与因变量 y 之间确有线性关系。- 37 -专业统计软件应用 SPSS这是对回归系数的分析。从两系数的相伴概率来看&0.05，说明不具有显著性意义，说明回 归系数不是显著的，实验题目二 实验题目二一、实验步骤实验步骤1、打开数据文件 data8-8.sav 2、点击如下菜单3、 点击作如下设置- 38 -专业统计软件应用 SPSS4、点击 OK 得到如下结果，分析步骤同上题实验题目三 实验题目三一、实验步骤实验步骤1、打开数据文件 data9-6.sav 2、点击如下菜单- 39 -专业统计软件应用 SPSS3、点击作如下设置4、点击 OK，得到如下结果- 40 -专业统计软件应用 SPSS- 41 -专业统计软件应用 SPSS5、其中，契合度最好的为 Logistic 曲线，图形如下第 12 章一、实验目的1． 理解时间序列分析的概念、原理及在统计中的作用; 2． 掌握用SPSS 进行可靠性分析。二、实验内容 实验题目一 实验题目一一、什么是信度和效度？ (1) 效度 效度指的是量表是否真正反映了我们希望测量的东西。一般来说， 4 种类型的效度有 内容效度、标准效度、结构效度和区分效度。内容效度是一种基于概念的评价指标，其他三 种效度是基于经验的评价指标。如果一个量表实际上是有效的， 那么我们希望上述 4 种指标 都比较满意。(2) 信度 是指测量的一致性。信度本身与测量所得结果正确与否无关， 它的功能在于检验测量 本身是否稳定。制作完成一份量表或问卷后，首先应该对该量表进行信度分析，以确保其可 靠性和稳定性，以免影响问卷内容分析结果的准确性。实验题目二 实验题目二二、信度分析包括哪几种，其区别和联系是什么？ 信度分析包括内在信度分析和再测信度分析， 内在信度也称为内部一致性， 用以衡量组成量 表题项的内在一致性程度如何。常用的检测方法是 Cronbach'sα系数法和分半（Split-half）- 42 -专业统计软件应用 SPSS系数法；同一个测验项目，对同一组人员进行前后两次测试，两次测试所得分数的相关系数 即为再测信度。它反映两次测验结果有无变动，也就是测验分数的稳定程度，故又称为稳定 性系数实验题目三 实验题目三一、实验步骤实验步骤1、打开数据文件 data12-3.sav 2、点击如下菜单3、点击作如下设置4、点击 OK，得到如下结果- 43 -专业统计软件应用 SPSS- 44 -