运用SPSS对大学生月消费情形的统计分析课程设计.docx
《运用SPSS对大学生月消费情形的统计分析课程设计.docx》由会员分享,可在线阅读,更多相关《运用SPSS对大学生月消费情形的统计分析课程设计.docx(21页珍藏版)》请在冰豆网上搜索。
运用SPSS对大学生月消费情形的统计分析课程设计
学号xxxxxxxx
(应用统计学课程设计)
设计说明书
运用SPSS对大学生月消费情况的统计分析
起止日期:
xxxxx年x月xx日至xxxx年x月xx日
学生姓名
xxxx
班级
xxxx
成绩
指导教师(签字)
xx
xxxxxxxxxx
xxxx年x月xx日
应用统计学课程设计
课程设计分工及成绩评定表
分工情形说明
学号
姓名
承担主要任务
贡献等级
成绩评定表
学号
姓名
考勤(15%)
调查方案(20%)
分析过程(50%)
答辩成绩(35%)
分数成绩
总评成绩
1选用的分析方式
在本次调查中要紧运用的分析方式有:
描述性分析、统计图的绘制、统计报表的编制、均值比较、相关分析、一元线性回归分析、多元线性回归分析。
2描述性分析
spss输出结果
统计量
饮食费
化妆品及服装费
恋爱经费
娱乐费
学习用品费
通讯费
其他
月消费总计
N
有效
50
50
50
50
50
50
50
50
缺失
0
0
0
0
0
0
0
0
均值
标准差
极小值
350
80
0
100
5
42
78
848
极大值
700
460
400
400
70
327
420
2521
结果分析
由表能够看出,该大学学生饮食费极小值350,极大值700,均值,标准差;月服装及化妆品费极小值80,极大值460,均值,标准差;月恋爱费极小值0,极大值400,均值,标准差;月娱乐费极小值100,极大值400,均值,标准差;月通信费极小值42,极大值327,均值,标准差;月学习用品费极小值5,极大值70,均值,标准差;其他费极小值78,极大值420,均值,标准差,月消费共计极小值848,极大值2521,均值,标准差;月消费共计波动较大,受到饮食费,化妆品及服装费,恋爱经费的阻碍专门大。
学习用品波动较低,说明大学生在学习上投入不多。
3统计图
spss输出结果
结果分析
从上表能够看出,饮食费在大学生月消费中占的均值最大,服装及化妆品费较小,娱乐和其他第二,学习用品占的均值最小。
通过此图,明显看出城市学生与农村学生在生活花费上的不同。
城市学生在化妆品及服装费,娱乐费,通信费,恋爱经费,其他费上都大于农村学生。
农村学生在学习用品费上大于城市学生。
在饮食上农村城市学生的花费大体相同。
4统计报表
spss输出结果
化妆品及学习用品
性别饮食费服装费恋爱经费娱乐费费通信费其他
________________________________________________________________
男
均值(M)5742348722521113239
最小值41080010054278
最大值70046040038070327420
女
均值(M)4352939922226106196
最小值3501400100104580
最大值54045030040070168380
共计
均值(M)5072629322323109218
最小值35080010054278
最大值70046040040070327420
结果分析
由报表按性别共计可知,男生饮食费均值为574,女生饮食均值为435,男生饮食费上高于女生。
服装及化妆品费上男生均值234,女生为293,女生在此项消费上大于男生。
在娱乐费上,男女生的花费大体相同,能够看出大学娱乐大体属于AA制。
其他费上男生大于女生。
在通信费上男生的花费要大于女生。
从整体来看,饮食均值最大,为507。
学习用品费均值最小为23。
而且能看出女生在学习上投入要多于男生。
5均值比较
均值的实现进程
spss输出结果
案例处理摘要
案例
已包含
已排除
总计
N
百分比
N
百分比
N
百分比
饮食费*来自的地区
50
%
0
.0%
50
%
饮食费*性别
50
%
0
.0%
50
%
饮食费*来自的地区
饮食费
来自的地区
均值
N
标准差
dimension1
城市
32
农村
18
总计
50
饮食费*性别
饮食费
性别
均值
N
标准差
男
26
女
24
总计
50
结果分析
由输出的结果能够看出城市与农村学生在饮食费用上的略微不同,城市学生饮食费的均值为,稍高于农村学生饮食费500.可是城市学生的标准差高于农村学生,也确实是说明城市学生的饮食花费不同大于农村学生。
在调查的50名学生中有26名男生,24名女生。
男生饮食费的均值为大于女生饮食费的,男生饮食上花费的不同也大于女生。
T查验
spss实现进程
组统计量
来自的地区
N
均值
标准差
均值的标准误
恋爱经费
dimension1
农村
18
城市
32
化妆品及服装费
dimension1
农村
18
城市
32
通讯费
dimension1
农村
18
城市
32
独立样本检验
方差方程的Levene检验
均值方程的t检验
F
Sig.
t
df
Sig.(双侧)
均值差值
标准误差值
差分的95%置信区间
下限
上限
恋爱经费
假设方差相等
.000
48
.001
假设方差不相等
.000
化妆品及服装费
假设方差相等
.000
.997
48
.005
假设方差不相等
.004
通讯费
假设方差相等
.050
48
.010
假设方差不相等
.002
结果分析
由表可知,农村学生与城市学生在恋爱经费、化妆品及服装费、通信费上有必然的不同。
在恋爱经费上,农村的18个学生均值为,标准差为。
城市的32个学生的均值为,标准差为。
在化妆品及服装费上,农村学生的均值为,标准差为。
城市学生均值为,标准差为。
在通信费上,农村学生的均值为,标准差为。
城市学生的均值为,标准差为。
独立样本查验。
化妆品及服装费中,显示了双样本t查验F=,F的相伴概率为,大于显著性水平,同意方差相等的零假设,能够以为在那个方面城市农村学生无明显不同。
而恋爱经费和通信费那么有明显不同。
6相关分析
spss输出结果
描述性统计量
均值
标准差
N
通讯费
50
恋爱经费
50
相关性
通讯费
恋爱经费
通讯费
Pearson相关性
1
.781**
显著性(双侧)
.000
N
50
50
恋爱经费
Pearson相关性
.781**
1
显著性(双侧)
.000
N
50
50
**.在.01水平(双侧)上显著相关。
结果分析
(1)输出结果文件中的第一个表格描述性统计量表。
从表中可知,参与分析的两个变量的样本数都为50,通信费均值为,标准差为。
恋爱经费均值为93,标准差为。
(2)输出结果文件中的第二个表格为相关系数及显著性查验结果表。
从表中可知,通信费和恋爱经费的相关系数r=,显著性水平位。
因此在相关系数旁以两个“**”号进行标识,通信费和恋爱经费的相关性十分显著。
7一元线性回归分析
spss输出结果
模型汇总b
模型
R
R方
调整R方
标准估计的误差
1
.781a
.610
.602
a.预测变量:
(常量),通讯费。
b.因变量:
恋爱经费
Anovab
模型
平方和
df
均方
F
Sig.
1
回归
1
.000a
残差
48
总计
49
a.预测变量:
(常量),通讯费。
b.因变量:
恋爱经费
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)
.000
通讯费
.199
.781
.000
a.因变量:
恋爱经费
图表
结果分析
输出结果文件中的第一个表格为经常使用统计量,反映的是一元线性回归模型拟合的情形,相关系数R=,决定系数R的平方=,而调整系数R的平方=,回归估量的标准差=。
输出结果文件中的第二个表格为方差分析表。
从表中可知,离差平方和=,残差平方和,回归平方和,回归方程的显著性查验中,统计量为F=,对应的置信水平小于置信水平,因此能够方程是极显著的。
输出结果文件中的第三个表格为回归系数分析表,是回归系数和对回归方程系数的查验结果,系数显著性查验采纳t查验。
从表中能够看出,非标准化系数回归方程的常数项为β0=,回归系数β1=,回归系数查验统计量t=,sig为相伴概率值p<。
由此可知回归方程为y=+
回归系数显著水平均为,说明用t统计查验量假设“回归系数等于0的概率为,远比经常使用的置信水平要小,因此能够以为两个变量之间的线性关系是极为显著的,成立的回归方程是有效的。
输出的结果文件中图为正态散布图。
该图是用来观看标准化残差的散布是不是符合正态散布。
若是是,那么途中散点应该近似为一条直线,图的纵坐标为因变量(服装及化妆品),横坐标为因变量(恋爱经费),图中各点连线确实是成立的回归直线。
8多元线性回归分析
输出结果
描述性统计量
均值
标准偏差
N
恋爱经费
50
通讯费
50
月消费总计
50
相关性
恋爱经费
通讯费
月消费总计
Pearson相关性
恋爱经费
.781
.841
通讯费
.781
.819
月消费总计
.841
.819
Sig.(单侧)
恋爱经费
.
.000
.000
通讯费
.000
.
.000
月消费总计
.000
.000
.
N
恋爱经费
50
50
50
通讯费
50
50
50
月消费总计
50
50
50
输入/移去的变量a
模型
输入的变量
移去的变量
方法