K134合集数据统计分析数据资料分析勘误论文范文Word格式.docx

K134合集数据统计分析数据资料分析勘误论文范文Word格式.docx

《K134合集数据统计分析数据资料分析勘误论文范文Word格式.docx》由会员分享，可在线阅读，更多相关《K134合集数据统计分析数据资料分析勘误论文范文Word格式.docx（51页珍藏版）》请在冰豆网上搜索。

年龄与育龄妇女婚姻关系,主要原因是:

3。

恢复选择全体人口，假定影响家庭子女数（CHILD）的因素，有本人年龄（AGE）初婚年龄（AGEWED），性别（SEX），本人受教育年限（EDUC），父亲最高学位（PADEG），母亲最高学位（MADEG），理想子女数（CHILDIDEL），家庭经济收入（INCOME91），本人经济收入（RINCOM91）。

求他们之间的相关关系，问这种相关关系是否显著？

AGE

SEX

AGEWED

EDUC

PADEG

MADEG

CHILDIDEL

INCOME91

RINCOM91

CHILD

4。

将家庭子女数（CHILD）作为因变量，将本人年龄（AGE）初婚年龄（AGEWED），性别（SEX），本人受教育年限（EDUC），父亲最高学位（PADEG），母亲最高学位（MADEG），理想子女数（CHILDIDEL），家庭经济收入（INCOME91），本人经济收入（RINCOM91）等作为自变量，用逐步回归方法建立方程，并求复相关系数R，问何种因素最为重要，为什么？

Y=

5。

计算本人受教育年限（educ）与父亲受教育程度（padeg）、母亲受教育程度（madeg）、个人经济收入（rincome91）、家庭兄弟姐妹数（sibs）、生育子女数（childs）、本人年龄（age）和（sex）的相关系数，添入下表，并建立逐步回归方程（变量可用英文表示），给出主要参数，问哪两个因素影响最大，主要根据是什么。

r

父受教育

母受教育

个人经济收入

弟妹数

生育子女数

年龄

性别

受教育

Y（educ）=

复相关系数R=相关（回归）是否显著？

影响生育率最大的因素是其次是；

主要依据是

6。

用T检验，检验本人最高学位（DEGREE），父亲最高学位（PADEG）和母亲最高学位（MADEG）是否一致，没有显著性差异。

7。

用95%的置信区间估计家庭平均子女数（CHILD）。

8．选择女性人口，以95%的置信区间估计，不同文化程度（degree）下平均结婚（agewed）年龄（点估计）和平均结婚的区间（区间估计）。

（20%）

15-49岁妇女文化程度

高中以下

LessthanHS

高中

HighSchool

大专

JuniorCollege

本科

Bachelor

研究生

Graduate

平均结婚的点估计

平均结婚的估计区间

-

-

样本量

个案之5——某省实际普查资料的分析

“人口.sav”是某省1990年第四次人口普查的万分之二抽样调查数据资料，内含13580个样本（人）22个调查变量（问题），现要求：

1）根据实际人口数和调查人口数进行数据加权

2）计算各种行业、各种职业的劳动年龄人口数量的地区分布

3）计算各种行业、各种职业的劳动力的各种受教育程度和平均受教育年限

4）计算各地人口的年龄（5岁一组）性别分布

5）计算各种行业、各种职业劳动力的婚姻状态

7）统计各种无业人员的基本构成（在校学生、料理家务、待升学、市镇待业、离退休、丧失劳动能力、其他）

8）计算全省市镇待业人员的年龄性别构成（挑选市镇待业人员）

9）计算全省市镇待业人员的各种受教育程度和平均受教育年限

II．广义数据分析个案——大学生能力调查资料分析

一、调查设计、问卷数据编码、数据输入练习

二、新变量的构建、变量选择、样本选择、指标体系的重构

三、数据整理、汇总、分析

四、论文的组织与撰写

1、目的：

考察同学组织协作能力和数据综合分析的能力。

2、分析原则：

实事求是、综合分析、协作研究。

数据采用2005年南京师范大学“能力建设”实地调查数据，内含样本（被调查资料）3993个人，问题（指标）83个。

3、具体方法：

全班学生分为9个不同组，进行组内合作、讨论。

每组产生报告人一人，经过1-2周准备，报告人用PPT形式向全班报告主要研究结论，本组其他人补充，报告时间为6-8分钟。

各组的分数由各组学生代表9人和任课老师共10人，根据各组报告状态给出。

均分85分1组（优），80分3组（良），75分3组（中），70分2组（及格）。

4、用随机方法决定各组选择的课题如下：

1）不同性别对于学生能力的影响

2）家庭经济状态对于学生能力差异的影响

3）父母受教育程度对于学生能力差异的影响

4）学生学习基础对于学生能力差异的影响

5）家庭所在地区对于学生能力差异的影响

6）父母职业对于学生能力差异的影响

7）本人志向对于学生能力差异的影响

8）学生来源地（城、镇、乡）对于学生能力差异的影响

9）不同学院对于学生能力差异的影响

5、每组具体讨论的问题：

1）学生能力的理论定义，实际可操作定义和计算方法

2）问题的因变量、自变量分别是什么？

3）本问题的主要方法（频数、交叉表、相关、回归分析）为什么？

4）近期研究进展（上网搜索）。

5）可能的影响因素有哪些？

（事实、证据、原因、解释可能性）

6）主要表现事实是什么？

7）能够证明的影响因素有哪些？

他人工作有何旁证（上网搜索）？

8）尚待进一步研究的问题有哪些？

III．狭义数据分析个案——某省实际普查资料的分析

18.1打开1993年美国社会调查问卷文件GSS93subset.sav（GeneralSocialSurvey），样本量为1500人，问他们的平均年龄（age）、年龄众数、中位数和年龄标准差、标准误。

平均年龄

年龄中位数

男性

女性

18.2将年龄变量（AGE）进行重新分组。

18.3选择女性育龄妇女（15-49岁女性），问不同年龄（AGE2）下育龄妇女的婚姻状态，求Chisquare值，问年龄与育龄妇女婚姻有无关系。

24以下

18.4恢复选择全体人口，假定影响家庭子女数（CHILD）的因素，有本人年龄（AGE）初婚年龄（AGEWED），性别（SEX），本人受教育年限（EDUC），父亲最高学位（PADEG），母亲最高学位（MADEG），理想子女数（CHILDIDEL），家庭经济收入（INCOME91），本人经济收入（RINCOM91）。

18.5将家庭子女数（CHILD）作为因变量，将本人年龄（AGE）初婚年龄（AGEWED），性别（SEX），本人受教育年限（EDUC），父亲最高学位（PADEG），母亲最高学位（MADEG），理想子女数（CHILDIDEL），家庭经济收入（INCOME91），本人经济收入（RINCOM91）等作为自变量，用向前回归方法（forward）建立方程，并求复相关系数R，问何种因素最为重要，为什么？

18.6计算本人受教育年限（educ）与父亲受教育程度（padeg）、母亲受教育程度（madeg）、个人经济收入（rincome91）、家庭兄弟姐妹数（sibs）、生育子女数（childs）、本人年龄（age）和（sex）的相关系数，添入下表，并建立逐步回归方程（变量可用英文表示），给出主要参数，问哪两个因素影响最大，主要根据是什么。

影响本人受教育年限最大的因素是其次是；

18.7用T检验，检验本人最高学位（DEGREE）和父亲最高学位（PADEG），本人最高学位（DEGREE）和母亲最高学位（MADEG）是否一致，没有显著性差异。

具体采用—————方法，T计算值为：

————；

说明—————。

18.8用95%的置信区间估计家庭平均子女数（CHILD）。

18.9选择女性人口，以95%的置信区间估计，不同文化程度（degree）下平均结婚（agewed）年龄（点估计）和平均结婚的区间（区间估计）。

15-49岁妇

女文化程度

High

School

Junior

College

平均结婚的

点估计

平均结婚

的估计区间

打开1991年美国社会调查问卷文件“1991U.S.GeneralSocialSurvey.sav”，样本量为1517人。

1.要求分别写出参加的调查5个男性、5个女性最高、最低年龄人的地址码及相应年龄？

解：

可分如下4步骤实现：

1）打开文件“1991U.S.GeneralSocialSurvey.sav”，查总样本量；

2）Analyze→DescriptiveStatistics→Explore打开相应对话框；

3）在DependentList框中输入age，在FactorList框中输入sex，即年龄按性别进行分组；

若在FactorList框中不输入sex，得不分性别的年龄分组。

4）打开Statistics对话框，选择Outliers，按Continue键，再按OK键，即得第二张ExtremeValues表格中相应结果如表14.1。

表18.1极端年龄值输出

大→小

小→大

编码

数值

+1

620

89

295

-1

188

18

1120

+2

1211

312

-2

498

19

679

+3

308

87

346

-3

335

1053

+4

979

85

569

-4

1202

20

1029

+5

271

84

828

89（*）

-5

1086

20（*）

978

19（*）

*相同数值的样本有多个。

2.求1517个人的分性别平均年龄、中位数、年龄标准差和标准误。

可分如下3步骤实现：

1）从上面输出的第一张Descriptives表中，不难找到Means，方差（Median），标准差（StdDeviation）；

但是年龄标准误没有，并且男女性合计值没有。

实际上可以用更加方便的方法来处理。

2）可以利用OLAPcubes功能，依次按Analyze→Report→OLAPCubes，在SummaryVariable（s）选择项中输入age，在GroupingVariable（s）选

表18.2OLAPCubes

Respondent'

sSex:

Total

Mean

Std.Deviation

Median

Std.ErrorofMean

AgeofRespondent

45.63

17.808

41.00

.458

择项中输入Sex，按Statistics键，打开对话框，分别用箭头将Mean、StandardDeviation，Median，StdErrorofMean输入右边的CellStatistics，按Continue和OK键。

输出如表18.2。

3）用鼠标右键单击表格，出现一提示图，在SPSS

pivotTableObject的Edit处用左键单击，于是出现PivotingTrays1图形（图18.1），该图形左边、左下方及右边分别有三个小方块，将鼠标对准左边一方块，按住往下拖到下面方图18.1PivotingTrays1

形右边，相应表格就呈现男女性各项年龄指标。

于是可得表14.3。

表18.3分性别平均年龄、年龄中位数

44.18

41.0

17.03

0.675

46.67

42.0

18.29

0.617

17.81

0.458

3.计算男女性平均受教育年限分别为多少年？

以90%的可靠性估计男女性平均受教育年限的区间。

首先确定因变量是平均受教育年限，分组变量（自变量）是性别，

1）依次按键Analyze→DescriptiveStatistics→Explore打开相应对话框；

2）在DependentList框中输入educ；

在FactorList框中输入sex；

打开Statistics对话框，在ConfidenceIntervalformean内，将数值由95改为90；

就可得受教育年限按性别进行分组；

如在FactorList框中不输入sex，就可得平均受教育年限、及其上下限

表18.4分性别受教育年限

平均受教育年限

受教育年限下限

受教育年限上限

13.23

13.03

13.44

12.63

12.47

12.79

12.88

12.76

13.01

4.问男女性平均受教育年限是否存在明显的差异（设显著性水平为0.05）？

这是平均数检验问题，男女性平均数显然是不在某个案内，而是分别在不同个例中，于是应采用独立样本t检验。

1）依次按键Analyze→Comparemeans→Independent-SamplesTTest，打开相应对话框；

2）TestVariable（s）输入变量educ，在GroupingVariable对话框中输入变量sex，并单击sex（？

，？

）字符，则DefineGroup亮化为可用。

单击该对话框，有两种选择，若使用UseSpecifiedValues时，可在第一组、第二组分别输入1、2；

若使用CutPoint时，可输入其中间值1.5。

然后按Continue退出，按OK执行，即得表18.5和表18.6。

表18.5给出了男女性人数、平均受教育年限、及其标准差、标准误，结果与前相同。

表18.5GroupStatistics

s

Sex

N

Std.

Deviation

Std.ErrorMean

HighestYearofSchoolCompleted

>

=2

877

2.839

.096

<

2

633

3.143

.125

表18.6给出了统计分析结果。

首先，对男女性方差是否相等进行检验，F=11.226，显著性水平为0.001，表示推翻原假设，原假设为虚无假设，即两个方差相等、无差异；

于是看下面一行数字，下面一行数字告诉我们，t=-3.824，显著性水平为0.000，表示推翻原假设（原假设为男女性受教育年限相等），说明男女性受教育年限不等，或以95%的把握说女性受教育年数比男性少0.293到0.911年，女性受教育年限明显偏少。

表18.6独立样本检验（IndependentSamplesTest）

5.将人口年龄按5岁组进行重新编码，24岁以下；

25-29；

30-34；

35-39岁；

……；

60岁以上，并命名为该变量为age5。

建立年龄性别交叉表并添入下表。

并求Chi-square值，问人口年龄与性别有无关系,为什么？

1）依次按键Transform→Recode→IntoDifferentVariables，打开相应对话框；

原年龄变量age通过箭头移入到中间方框中，在Name下输入新变量名age5，按Change按钮也移到中间对话框。

2）打开OldandNewValues对话框（图18.2），将旧值和新值分别输入

图18.2数据转换中的新旧码转变

到计算机。

按Comtinue返回后，再按OK就计算产生一新变量age5。

3）对新变量Age5贴标签，具体是分别按VariableView键，在age5和Values交叉格间用鼠标右键点一下。

在ValueLabels的第一个Value输入变量值1，在第二个Value输入变量值的标签“24岁以下”，按add键，再在第一个Value输入变量值2，在第二个Value输入变量值2的标签“25-29岁”，按add键，……。

4）依次按键Analyze→DescriptiveStatistics→Crosstabs，打开对话框，在Row（s）中输入变量Sex，在Column（s）中输入变量age5，打开Statistics按钮，选择chi-square，分别按Continue和OK键，就能获得表14.7。

在第二张表中得到pearsonchi-aquare为12.827，其近似两尾显著性水平为0.118，说明不能推翻原假设，年龄与性别相互独立无关。

表18.7年龄性别交叉表

24岁-

50-54

55-59

60岁+

75

65

76

82

77

53

41

27

140

636

80

111

113

90

60

46

51

245

881

155

150

187

195

167

78

385

1517

6.问本人受教育年限（educ）与父亲受教育年限（paeduc）、母亲受教育年限（maeduc）、及配偶受教育年限（speduc）是否相关，是否显著？

这几个变量都是数值变量，应该计算Pearson相关系数。

依次按键Analyze→Correlate→Bivariate，打开对话框，将相关变量educ、paeduc、maeduc，和speduc移入右面Variables下，CorrelationCoefficience选择Pearson方法，TestofSignificance选择Two-tailed。

按OK键即可输出结果。

由表18.8可见，本人受教育年限与父亲受教育年限、母亲受教育年限、及配偶受教育年限密切相关，这种相关程度高达99.9%。

表18.8两变量线性相关系数

父亲受教育年限

母亲受教育年限

配偶受教育年限

本人受教育年限

0.463**

0.419**

0.619**

7.问本人受教育年限是否明显高于父亲受教育年限；

本人受教育年限是否明显高于母亲受教育年限（95%的置信水平）。

本人受教育年限与父亲受教育年限，本人受教育年限与母亲受教育年限都在一个样本以内，因此选择配对样本检验。

1）依次按键Analyze→Comparemeans→Paired-SamplesTTest，打开相应对话框；

2）将Educ-paeduc，以及Educ-maeduc同时成对输入到pairedVariables对话框。

按OK键，即可得到输出结果。

3）计算表明本人受教育年限与父亲受教育年限平均差2.55年，统计量t的计算值为22.044，显著性水平Sig为0.000，推翻原假设，即本人受教育年限与父亲受教育年限有明显不同；

类似，本人受教育年限比母亲受教育年限平均高2.51年，统计量t的计算值为25.687，显著性水平Sig为0.000，推翻原假设，即本人受教育年限与母亲受教育年限有明显不同。

8.计算本人受教育年限与父亲受教育年限、母亲受教育年限、配偶受教育年限、家庭兄弟姐妹数（sibs）、生育子女数（childs）、本人年龄（age）和（sex）的相关系数，并建立逐步回归方程（变量可用英文表示），给出主要参数，问哪两个因素影响最大，主要根据是什么。

1）用类似的方法，可以求得两变量间线性相关系数。

配偶受教育

本人

0.463