PASWStatistics18软件操作实例.docx
《PASWStatistics18软件操作实例.docx》由会员分享，可在线阅读，更多相关《PASWStatistics18软件操作实例.docx（12页珍藏版）》请在冰豆网上搜索。
PASWStatistics18软件操作实例
内蒙古科技大学
经管学院实验报告
课程设计名称信息管理
（二）
日期2012年11月
指导教师宋宇辰教授
班级人力2010-1
学号
姓名
成绩
实习概述（二、信息分析）
【目的】
了解数据搜集整理、分析解释的过程，掌握信息分析的基本理论和基本操作。
【要求】
可分为3-4人一组共同完成。
也可以独立完成。
实习内容
1.了解和掌握PASWStatistics18软件的基本理论和基本操作。
2.学习PASWStatistics18软件中相关分析、线性回归的基本理论。
3.掌握PASWStatistics18软件中相关分析、线性回归的实际操作步骤。
4.利用实际数据完成相关分析、线性回归，并绘制统计图表。
5.结合相关领域的知识，对数据结果进行解释。
实习体会
通过此次PASWStatistics18软件的相关知识学习，以及利用实际数据完成相关分析、线性回归等方面的操作，使我对该软件有了一定的认识，对我以后的实际应用有很大的帮助。
指导教师评语
评语：
指导教师签名：
批阅日期：
上机操作：
PASWStatistics18软件操作实例
题目1：
相关分析
题目：
雇员教育水平与当前薪金的相关分析
相关分析：
统计分析中，常用相关分析定量描述两个变量之间关系的密切程度。
比如，医学统计中研究青少年年龄和身高的关系、经济学中研究利率与股票价格的关系和农业上研究施肥量与农作物生长水平之间的关系等等。
因此，相关分析用于描述两变量之间关系的密切程度，反映一个变量相对另一个变量的变动程度。
数据准备：
数据来源于系统的Employeedata.SavPASWStatistics，选择教育水平和当前薪金两列数据，如图1-1所示：
图1-1教育水平与当前薪金数据图
分析目的：
分析雇员的教育水平与当前薪金的相关性，了解雇员的教育水平与当前薪金之间存在怎样的相关性以及相关性程度如何？
操作界面：
打开数据PASWStatisticsDataDocument，从菜单中选择【分析】→【相关】→【双变量】，如图1-2所示：
图1-2菜单编辑图
点击双变量，弹出双变量分析主对话框，如图1-3所示，将教育水平（年）和当前薪金（当年薪金）选入变量对话框。
图1-3双变量分析主对话框
输出结果及意义：
（1）结果表1-1是对参与相关分析的各变量的基本统计的信息的汇总，
表1-1相关变量汇总图
描述性统计量
均值
标准差
N
教育水平（年）
13.49
2.885
474
当前薪金
$34,419.57
$17,075.661
474
如图1-1所示，教育水平（年）的平均值是13.49，标准差是2.0885，总共有474的样本数据（N）参与；当前薪金的平均值是34419.57，标准差是17075.661，总共有474的样本数据（N）参与.
（2）结果表1-2是对参与相关分析的各变量相关分析结果的汇总，
表1-2相关性表
相关性
教育水平（年）
当前薪金
教育水平（年）
Pearson相关性
1
0.661**
显著性（双侧）
0.000
N
474
474
当前薪金
Pearson相关性
0.661**
1
显著性（双侧）
0.000
N
474
474
**.在.01水平（双侧）上显著相关。
如表1-2所示，person相关系数等于0.661，绝对值是0.661，介于在0.4到0.7之间，说明两个变量是中等程度的相关，并且是正相关，相关系数的假设检验显著性结果，Sig值小于0.05,说明person相关系数结果合理有效
结合薪金及教育的相关知识可以说明，教育水平与当前薪金之间存在着正向变动，但是变动程度中等，通过相关性分析，可以向人民宣传有关教育与薪金的相关知识，提高人民受教育的水平，增加财富的收入。
题目2：
一元线性回归分析
题目：
汽车价格与汽车马力的线性回归分析
线性回归：
自变量与因变量之间呈线性关系时，我们可以构造线性回归方程。
根据参与线性回归的自变量个数的多少，可将线性回归分为一元线性回归和多元线性回归。
数据准备：
数据来源于系统的car-sales.sav，选择价格（price）和马力（horsepow）两列数据，如图2-1所示：
图2-1汽车价格与汽车马力图
分析目的：
为了增加汽车销售量，工程师希望通过识别汽车设计的不同马力与汽车价格之间呈现何种线性关系，来改进汽车的设计，从而增加销售量，所以需要运用线性回归分析。
操作步骤：
打开数据car-sales.sav，选择菜单栏中的【图形】→【图表构建程序】命令，如图2-1所示，弹出图表构建程序框，如图2-2所示：
图2-2图表构建程序图
在弹出的图表构建程序框中，选择散点图/点图中的第一个图，然后把价格（price）选入因变量对话款，马力（horsepower）选入自变量对话款，确定后弹出如图2-3所示：
图2-3散点图
打开数据car.sales.sav，从菜单中选择，执行【分析】→【回归】→【线性】命令，打开线性回归对话款，操作界面如图2-4所示：
图2-4菜单编辑图
弹出线性回归分析住对话款，如图2-5所示，将马力（horsepower）选入自变量对话款，价格（price）选入因变量对话款中。
图2-5线性回归对话框
输出结果：
1、模型汇总情况见表2-1
表2-1系数汇总表
模型汇总
模型
R
R方
调整R方
标准估计的误差
1
0.840
0.705
0.703
7.818118
A．预测变量：
（常量）.horsepower
表2-1主要是回归方程的拟合优度检验，复相关系数为0.840,大于0.6，可决系数R方为0.705，表明回归方程的拟合度很好。
2、方差分析表见表2-2
表2-2方差分析表
Anovab
模型
平方和
df
均方
F
Sig.
1
回归
22367.558
1
22367.558
365.944
0.000a
残差
9351.814
153
61.123
总计
31719.372
154
a.预测变量:
（常量）,Horsepower。
b.因变量:
Priceinthousands
从方差分析表2-2中可以看出显著性高水平为0，明显高于0.05，说明方程显著性检验能够通过，因变量和自变量线性关系显著。
3、模型系数表说明回归方程的形式和系数显著性检验的结果，见表2-3
表2-3系数表
系数a
模型
非标准化系数
标准系数
t
Sig.
B
标准误差
试用版
1
（常量）
-12.013
2.153
-5.578
0.000
Horsepower
0.212
0.011
0.840
19.130
0.000
a.因变量:
Priceinthousands
从系数表中得出回归方程为：
Y=-12.013+0.212X
（1）
根据表2-3所示的变量系数结果，可得公式
（1）所示的线性回归公式，其中，截距为-12.013，而斜率为0.212，经过系数检验，显著水平平均值小于0.05，说明系数结果具有高度的统计显著性，显著不为0，线性相关程度较好。
结合汽车制造与销售相关的知识可以得出，汽车马力与价格呈高度的线性相关关系，并且得出相关的公式，为汽车销售进行价格调整的工作给出了确切的数量定义，提高了价格制定工作的准确性和有效性
升级会员 