SPSS实验报告汇总.docx

SPSS实验报告汇总.docx

《SPSS实验报告汇总.docx》由会员分享，可在线阅读，更多相关《SPSS实验报告汇总.docx（55页珍藏版）》请在冰豆网上搜索。

SPSS实验报告汇总

实验课程

SPSS统计分析

上课时间

2014学年1学期17周（2014年12月29—31日）

学生姓名

XXX

学号

XXX

班级

XXXX

所在学院

XXXX

上课地点

XXX

指导教师

XXX

描述性统计分析

一、实验目的

1.进一步了解掌握SPSS专业统计分析软件，能更好地使用其进行数据统计分析。

2.学习描述性统计分析及其在SPSS中的实现，内容具体包括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﹑交叉表分析等。

3.复习权重等前章的知识。

二﹑实验内容

题目一

打开数据文件“data4-5.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；

（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，其值标签设为：

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

因为问题涉及各科成绩，用描述性分析，第二问要先进行数据分段，其后利用频数分析描述统计量并可以生成条形图等。

2.实验步骤

针对第一问

第1步打开数据

菜单选择：

“文件→打开→数据”，将“data4-8.sav”导入。

第2步文件拆分

菜单选择：

“数据→拆分文件”，打开“分割文件”对话框，点击比较组按钮，将“科目”加入到“分组方式”列表框中，并确定。

第3步描述分析设置：

（1）选择菜单：

“分析→描述统计→描述”，

打开“描述性”对话框，将“成绩””加入到“变量”列表框中。

打开“选项”对话框，选中如下图中的各项。

点击“继续”按钮。

（4）回到“描述性”对话框，点击确定。

针对第二问

第1步频率分析设置：

（1）选择菜单：

“分析→描述统计→频率”，

（2）打开“频率（F）”对话框，点击“合计”。

再点击“继续”按钮.

（3）打开“图表”对话框，选中“条形”

复选框，点击“继续”按钮。

（4）回到“频率（F）”对话框，点击确定。

（5）重复步骤

（1）

（2）把步骤（3）改成打开“图表”对话框，选中“饼图”

复选框，点击“继续”按钮。

再回到“频率（F）”对话框，点击确定。

三、实验结果及分析

描述统计量

科目

N

全距

极小值

极大值

均值

标准差

方差

语文

成绩

15

79

19

98

67.87

21.738

472.552

有效的N（列表状态）

15

数学

成绩

15

71

24

95

55.87

24.348

592.838

有效的N（列表状态）

15

英语

成绩

15

76

15

91

57.80

22.697

515.171

有效的N（列表状态）

15

统计量

成绩

语文

N

有效

15

缺失

0

均值

67.87

中值

73.00

众数

60a

标准差

21.738

方差

472.552

极小值

19

极大值

98

百分位数

25

60.00

50

73.00

75

83.00

数学

N

有效

15

缺失

0

均值

55.87

中值

49.00

众数

37

标准差

24.348

方差

592.838

极小值

24

极大值

95

百分位数

25

36.00

50

49.00

75

81.00

英语

N

有效

15

缺失

0

均值

57.80

中值

56.00

众数

56

标准差

22.697

方差

515.171

极小值

15

极大值

91

百分位数

25

34.00

50

56.00

75

78.00

a.存在多个众数。

显示最小值

成绩段

科目

频率

百分比

有效百分比

累积百分比

语文

有效

优

3

20.0

20.0

20.0

良

1

6.7

6.7

26.7

中

4

26.7

26.7

53.3

及格

4

26.7

26.7

80.0

不及格

3

20.0

20.0

100.0

合计

15

100.0

100.0

数学

有效

优

1

6.7

6.7

6.7

良

3

20.0

20.0

26.7

中

2

13.3

13.3

40.0

不及格

9

60.0

60.0

100.0

合计

15

100.0

100.0

英语

有效

优

2

13.3

13.3

13.3

良

1

6.7

6.7

20.0

中

2

13.3

13.3

33.3

及格

2

13.3

13.3

46.7

不及格

8

53.3

53.3

100.0

合计

15

100.0

100.0

语文成绩的平均成绩为67.87，中位数是73、众数60、标准差21.738、方差472.552、极差98-19=79、最大值98和最小值19；

各分数段人数：

语文90～100为3，80～89为1，70～79为4，60～69为4，60分以下为3，

数学90～100为1，80～89为3，70～79为2，60～69为0，60分以下为9，

英语90～100为2，80～89为1，70～79为2，60～69为2，60分以下为9，

生成条形图和饼图如截图所示

题目二

1.打开数据文件“data4-6.sav”，完成以下统计分析：

（1）对身高进行考察，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；

（2）考察身高、体重和胸围的正态性。

针对第一问

1.解决问题的原理探索性分析

第1步打开数据

菜单选择：

“文件→打开→数据”，将“data4-9.sav”导入。

第2步探索分析设置：

（1）选择菜单“分析→描述统计→探索”，打开“探索”对话框，，将“身高”字段移入“因变量列表”。

（2）打开“统计量”对话框，选中“描述性”及“M-估计量”选项；

（3）打开“探索：

图”对话框，选中“按因子水平分组”、“茎叶图”、“带检验的正态图”等选项。

打开“探索：

选项”，选中“按列表排除个案”选项

针对第二问

与第一问的方法相似也可用探索性分析

第1步探索分析设置：

（1）选择菜单“分析→描述统计→探索”，打开“探索”对话框，，将“体重”字段移入“因变量列表”。

（2）打开“统计量”对话框，选中“描述性”及“M-估计量”选项；

（3）打开“探索：

图”对话框，选中“按因子水平分组”、“茎叶图”、“带检验的正态图”等选项。

打开“探索：

选项”，选中“按列表排除个案”选项

第2步探索分析设置：

（1）选择菜单“分析→描述统计→探索”，打开“探索”对话框，，将“胸围”字段移入“因变量列表”。

（2）打开“统计量”对话框，选中“描述性”及“M-估计量”选项；

（3）打开“探索：

图”对话框，选中“按因子水平分组”、“茎叶图”、“带检验的正态图”等选项。

打开“探索：

选项”，选中“按列表排除个案”选项

3.结果及分析

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。

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。

题目三

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.实验内容

第1步打开数据

菜单选择：

“文件→打开→数据”，将“data4-10.sav”导入。

第2步加权设置：

菜单选择：

“数据→加权个案”，打开“加权个案”对话框，如图设置。

第3步交叉表分析设置：

（1）选择菜单：

“分析→描述统计→交叉表”，打开“交叉表”对话框，将“是否吸烟”及“是否换气管炎”字段分别加入“行（s）”及“列（c）”列表框中。

（2）打开“统计量”对话框，选中“卡方”选项。

（3）打开“单元显示”对话框，选中“观察值”及“四舍五入单元格计数”选项，二者都是缺省设置。

3实验结果及分析

是否吸烟*是否患气管炎Crosstabulation

Count

是否患气管炎

Total

患病

健康

是否吸烟

是

43

162

205

否

13

121

134

Total

56

283

339

Chi-SquareTests

Value

df

Asymp.Sig.（2-sided）

ExactSig.（2-sided）

ExactSig.（1-sided）

PearsonChi-Square

7.469a

1

.006

ContinuityCorrectionb

6.674

1

.010

LikelihoodRatio

7.925

1

.005

Fisher'sExactTest

.007

.004

Linear-by-LinearAssociation

7.447

1

.006

NofValidCases

339

a.0cells（.0%）haveexpectedcountlessthan5.Theminimumexpectedcountis22.14.

b.Computedonlyfora2x2table

综上所示，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。

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，对进一步的统计推断和数据建模工作起到了重要作用。

参数估计与假设检验

一、实验目的

4.进一步了解掌握SPSS专业统计分析软件，能更好地使用其进行数据统计分析。

2.

表5.20某班学生数学成绩

序号

成绩

序号

成绩

序号

成绩

1

63

10

94

19

70

2

99

11

98

20

65

3

81

12

73

21

84

4

77

13

89

22

84

5

68

14

98

23

95

6

79

15

77

24

61

7

80

16

67

25

69

8

63

17

69

26

73

9

87

18

81

27

60

通过样本提供的信息来对总体信息进行估计和推断，如参数估计和假设检验等，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。

二、实验内容

题目一

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

第1步打开数据

菜单选择：

“文件→打开→数据”，将“data4-16.sav”导入。

第2步单样本T检验分析设置

（1）选择菜单“分析→比较均值→单样本T检验（S）”，打开“单样本T检验”对话框，将变量“成绩”移入“检验变量”列表框,并输入检验值70。

（2）“单样本T检验：

选项”对话框,设置置信区间为95%（缺省为95%），故此处可不设置，及默认。

3.实验结果及分析

One-SampleStatistics

N

Mean

Std.Deviation

Std.ErrorMean

成绩

27

77.93

12.111

2.331

One-SampleTest

TestValue=70

t

df

Sig.（2-tailed）

MeanDifference

95%ConfidenceIntervaloftheDifference

Lower

Upper

成绩

3.400

26

.002

7.926

3.13

12.72

可得到，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。

题目二

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：

99795989798999828085

女：

88545623756573508065

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

第1步打开数据

菜单选择：

“文件→打开→数据”，将“data5-17.sav”导入。

第2步独立样本T检验设置:

（1）选择菜单“选择→比较均值→独立样本T检验”，打开“独立样本T检验”对话框，将“成绩”作为要进行T检验的变量，将“性别”字段作为分组变量，定义分组变量的两个分组分别为“1”和“2”。

（2）打开“独立样本T检验：

选项”对话框，具体选项内容及设置与单样本T检验相同，即默认形式，不更改。

GroupStatistics

性别

N

Mean

Std.Deviation

Std.ErrorMean

成绩

男

10

84.0000

11.52774

3.64539

女

10

62.9000

18.45385

5.83562

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。

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

体重

服药前

198237233179219169222167199233179158157216257151

服药后

192225226172214161210161193226173154143206249140

1．解决问题的原理：

配对样本T检验

2.实验步骤

第1步打开数据

菜单选择：

“文件→打开→数据”，将“data5-18.sav”导入。

第2步配对样本T检验设置：

选择菜单“分析→比较均值→配对样本T检验”，弹出“配对样本T检验”对话框

选中“服药前体重”将其拉入“Variable1”,将“服药后体重”拉入“variable2”字段。

打开“选项”对话框，默认不更改。

3.实验结果及分析

PairedSamplesStatistics

Mean

N

Std.Deviation

Std.ErrorMean

Pair1

服药前体重

198.38

16

33.472

8.368

服药后体重

190.31

16

33.508

8.377

PairedSamplesCorrelations

N

Correlation

Sig.

Pair1

服药前体重&服药后体重

16

.996

.000

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。

从截图第三个和第四个是配对样本T检验的最终结果，可以看出，在显著水平为0.05，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。

题目四

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

小麦1

15.9

15.3

16.4

14.9

15.3

16

14.6

15.3

14.5

16.6

16

小麦2

16.4

16.8

17.1

16.9

18

16

18.1

17.2

15.4

1．解决问题的原理：

独立样本非参数检验

2.实验步骤

第1步打开数据

菜单选择：

“文件→打开→数据”，将“data5-23.sav”导入。

第2步分析

由于是两种小麦，可以认为是两组独立样本，但行使里程数不知道服从何种分布，可以用两独立样本的费参数检验进行分析。

第3步进行独立样本的非参数检验设置

（1）选择“分析→非参数检验→独立样本”，打开“非参数检验：

两个或更多独立样本”对话框，设置如下：

显著性水平=0.05

显著性水平=0.01

所以当显著性水平=0.05时，用二样本时拒绝原假设。

当显著性水平=0.01时，不拒绝原假设。

题目五

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

70

76

56

63

63

56

58

60

65

65

75

66

56

59

70

锻炼后

48

54

60

64

48

55

54

45

51

48

56

48

64

50

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，《SPSSforWindows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

第1步打开数据

菜单选择：

“文件→打开→数据”，将“data5-24.sav”导入。

第2步进行相关样本的非参数检验设置

（1）通过“分析-非参数检验-相关样本”，打开“非参数检验”对话框

3.实验结果及分析

显著性水平=0.05时，拒绝原假设。

即长跑锻炼前后晨麦无显著性差异。

三、实验心得及体会

通过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，可以解决例如两类物品是否存在区别的问题。

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。

相关分析

一、实验目的

5.进一步了解掌握SPSS专业统计分析软件，能更好地使用其进行数据统计分析。

2.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

题目一

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7.21K.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

1.解决问题的原理：

两变量相关分析

2..实验步骤

第1步打开数据

菜单选择：

“文件→打开→数据”，将“data7-9.sav”导入。

第2步两变量的相关性分析

（1）选择菜单“分析→相关→双变量”，打开如图所示的对话框，将变量移入“变量”框中；“相关系数”选择Pearson；在“显著性检验”中选择“双侧检验”

3.实验结果及分析

DescriptiveStatistics

Mean

Std.Deviation

N

花枝长

19.67

5.029

18

花萼长

16.17

3.294

18

花瓣长

40.44

5.973

18

Correlations

花枝长

花萼长

花瓣长

花枝长

PearsonCorrelation

1

.678**

.955**

Sig.（2-tailed）

.002

.000

SumofSquaresandCross-products

430.000

191.000

487.667

Covariance

25.294

11.235

28.686

N

18

18

18

花萼长

PearsonCorrelation

.678**

1

.797**

Sig.（2-tailed）

.002

.000

SumofSquaresandCross-products

191.000

184.500

266.667

Covariance

11.235

10.853

15.686

N

18

18

18

花瓣长

PearsonCorrelation

.955**

.797**

1

Sig.（2-tailed）

.000

.000

SumofSquaresandCross-products