spss实验报告.docx
《spss实验报告.docx》由会员分享，可在线阅读，更多相关《spss实验报告.docx（13页珍藏版）》请在冰豆网上搜索。
spss实验报告
中国计量学院现代科技学院
实验报告
实验课程：
应用统计学实验名称：
SPSS软件操作
班级：
学号：
姓名：
实验日期：
2013.6.8
一、实验目的
1、熟悉SPSS软件基本操作（数据录入、操作等）
2、利用SPSS软件对数据进行描述性统计分析：
作频数分布表、条形图、饼形图等；
3、利用SPSS软件对数据进行简单的假设检验
4、利用SPSS软件对数据进行相关分析和检验
5、利用SPSS软件对数据进行回归分析和检验
二、实验环境
地点：
机房310
硬件环境：
微型计算机
软件环境：
SPSS16.0
三、实验步骤与内容
1、某投资者为了对沪深证券市场金融类上市公司有一个全面了解，对其34家金融类上市公司的行业细分、现价等指标整理成如下表格形式：
表2.12某日沪深金融类上市公司行业细分表
代码
名称
行业细分
现价
代码
名称
行业细分
现价
000001
000562
000563
000686
000728
000776
000783
002142
600000
600015
600016
600030
600036
600109
600369
600816
600837
深发展Ａ
宏源证券
陕国投Ａ
东北证券
国元证券
广发证券
长江证券
宁波银行
浦发银行
华夏银行
民生银行
中信证券
招商银行
国金证券
西南证券
安信信托
海通证券
银行
证券
信托
证券
证券
证券
证券
银行
银行
银行
银行
银行
证券
证券
证券
信托
证券
17.2
17.19
10.98
22.7
12.5
32
11.22
12.89
13.51
11.17
5.22
11.45
13.28
16.83
13.11
13.6
9.4
600999
601009
601099
601166
601169
601288
601318
601328
601398
601601
601628
601688
601788
601818
601939
601988
601998
招商证券
南京银行
太平洋
兴业银行
北京银行
农业银行
中国平安
交通银行
工商银行
中国太保
中国人寿
华泰证券
光大证券
光大银行
建设银行
中国银行
中信银行
证券
银行
保险
银行
银行
银行
保险
银行
银行
保险
保险
证券
证券
银行
银行
银行
银行
21.05
11.21
11.77
24.21
12.42
2.69
49.06
5.93
4.07
22.84
22.11
13.8
15.28
3.49
4.63
3.34
5.4
要求：
（1）绘制金融业行业细分频数分布表、条形图、饼形图。
（2）对金融类上市公司的股票价格进行描述性统计。
（3）不同行业细分的价格是否相等？
并进行检验。
解：
（1）行业细分频数分布表、条形图、饼形图：
频数分布表：
Statistics
行业细分
N
Valid
34
Missing
0
行业细分
Frequency
Percent
ValidPercent
CumulativePercent
Valid
保险
4
11.8
11.8
11.8
信托
2
5.9
5.9
17.6
银行
16
47.1
47.1
64.7
证券
12
35.3
35.3
100.0
Total
34
100.0
100.0
条形图：
饼形图：
（2）对金融类上市公司的股票价格进行描述性统计：
DescriptiveStatistics
N
Minimum
Maximum
Mean
Std.Deviation
现价
34
2.7
49.1
14.046
9.1855
ValidN（listwise）
34
分析：
从表中输出结果中可以看出：
变量“现价”的有效数据个数均为34个。
“现价”的最小值为2.7，最大值为49.1，平均现价为14.046，现价分布的标准差为9.1855。
（3）不同行业细分的价格是否相等？
并进行检验
“银行”和“证券”：
GroupStatistics
行业细分
N
Mean
Std.Deviation
Std.ErrorMean
现价
银行
16
9.302
6.0121
1.5030
证券
12
16.530
6.2150
1.7941
分析：
sig=0.751>0.05，所以接受零假设，两者的方差相等，看sig2的第一行的数据。
又因为sig=0.005<0.05,所以拒绝零假设，银行与证券价格存在差异。
“银行”和“信托”：
GroupStatistics
行业细分
N
Mean
Std.Deviation
Std.ErrorMean
现价
银行
16
9.302
6.0121
1.5030
信托
2
12.290
1.8526
1.3100
分析：
sig=0.131>0.05，所以接受零假设，两者的方差相等，看sig2的第一行的数据。
又因为sig=0.505>0.05,=，所以接受零假设，银行与信托价格没有差异。
“银行”和“保险”：
GroupStatistics
行业细分
N
Mean
Std.Deviation
Std.ErrorMean
现价
银行
16
9.302
6.0121
1.5030
保险
4
26.445
15.9016
7.9508
分析：
sig=0.026<0.05，所以拒绝零假设，两者的方差不相等，看sig2的第二行的数据。
又因为sig=0.118>0.05。
所以接受零假设，银行与保险价格存在差异。
“信托”和“证券”
GroupStatistics
行业细分
N
Mean
Std.Deviation
Std.ErrorMean
现价
信托
2
12.290
1.8526
1.3100
证券
12
16.530
6.2150
1.7941
分析：
先看sig0.299>0.05，所以接受零假设，两者的方差相等，看sig2的第一行的数据.又因为sig0.371>0.05,所以接受零假设，信托与证券价格没有差异。
“信托’和“保险”
GroupStatistics
行业细分
N
Mean
Std.Deviation
Std.ErrorMean
现价
信托
2
12.290
1.8526
1.3100
保险
4
26.445
15.9016
7.9508
分析：
sig=0.216>0.05，所以接受零假设，两者的方差相等，看sig2的第一行的数据。
又因为=sig0.302>0.05，所以接受零假设，保险与信托价格没有差异。
“证券”和“保险”：
GroupStatistics
行业细分
N
Mean
Std.Deviation
Std.ErrorMean
现价
证券
12
16.530
6.2150
1.7941
保险
4
26.445
15.9016
7.9508
分析：
sig=0.051>0.05，所以接受零假设，两者的方差相等，看sig2的第一行的数据。
又因为sig=0.083>0.05，所以接受零假设，保险与证券价格没有差异。
2．从本市全体儿童总体中随机抽取了一个容量为30的样本，测量了身高与体重，获得如下样本数据：
表8.930儿童身高与体重的样本数据
序号
身高（厘米）
体重（公斤）
序号
身高（厘米）
体重（公斤）
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
119.8
121.7
121.4
124.4
120.0
117.0
118.0
118.8
124.2
124.8
124.7
123.1
125.3
124.2
127.4
22.6
21.5
19.1
21.8
21.5
20.1
18.8
22.0
21.3
24.0
23.3
22.5
22.9
19.5
22.9
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
128.2
126.1
128.6
129.4
126.9
126.5
128.2
131.4
130.8
133.9
130.4
131.3
130.2
136.0
138.0
22.3
22.7
23.5
21.5
25.5
25.0
26.1
27.9
26.8
27.2
24.4
24.4
23.0
26.3
28.8
要求：
（1）计算两个变量的相关系数，并进行显著性检验。
（2）以身高为自变量、体重为因变量求出估计的回归方程。
（3）进行显著性检验和拟合优度评价。
解：
（1）计算两个变量的相关系数，并进行显著性检验。
Correlations
身高（厘米）
体重（公斤）
身高（厘米）
PearsonCorrelation
1
.803**
Sig.（2-tailed）
.000
N
30
30
体重（公斤）
PearsonCorrelation
.803**
1
Sig.（2-tailed）
.000
N
30
30
**.Correlationissignificantatthe0.01level（2-tailed）.
分析：
“身高”和“身高”的相关系数是1.000，“身高”和“体重”的相关系数是0.803
Sig.（2-tailed）：
相关系数0.803的显著性水平是0.000<0.05，表明两个变量的相关是显著的。
从输出情况来看，“身高”和“体重”呈正相关，其相关系数是0.803，两个变量的相关是显著的。
（2）以身高为自变量、体重为因变量求出估计的回归方程：
VariablesEntered/Removedb
Model
VariablesEntered
VariablesRemoved
Method
1
身高（厘米）a
.
Enter
a.Allrequestedvariablesentered.
b.DependentVariable:
体重（公斤）
ModelSummary
Model
R
RSquare
AdjustedRSquare
Std.ErroroftheEstimate
1
.803a
.645
.632
1.5505
a.Predictors:
（Constant）,身高（厘米）
ANOVAb
Model
SumofSquares
df
MeanSquare
F
Sig.
1
Regression
122.208
1
122.208
50.836
.000a
Residual
67.311
28
2.404
Total
189.519
29
a.Predictors:
（Constant）,身高（厘米）
b.DependentVariable:
体重（公斤）
Coefficientsa
Model
UnstandardizedCoefficients
StandardizedCoefficients
t
Sig.
B
Std.Error
Beta
1
（Constant）
-26.615
7.007
-3.798
.001
身高（厘米）
.395
.055
.803
7.130
.000
a.DependentVariable:
体重（公斤）
Coefficientsa中Sig.=0.001<0.05，所以回归方程是显著的，通过检验的回归方程是：
y=-26.615+0.395x
（3）进行显著性检验和拟合优度评价。
Square=0.645<0.8，即R²为0.645，受个案数的影响较大，调整以后的值为AdjustedRSquare=0.632，这个数更好地说明了模型的拟合优度。
ANOVAb中Sig.=0.000<0.05，显著性水平为0.000。
由于显著性已经达到0.001的水平，说明配合回归直线是有意义的，回归方程是显著的，方程在样本点以外也是成立的。
四、实验体会
这三周来，钱老师老师成功与耐心的讲解，使我们对于spss软件有了比较初步的了解。
通过spss软件学习，对金融业行业分析和儿童身高体重方面的分析都有所了解。
数据插入：
在SPSS中录入数据，首先是要插入变量，定义变量的属性，然后才是往里面插入数据；在SPSS中录入数据，除了直接往里面写数据外，还可以直接导入EXCEL还有TXT文档的信息。
数据处理：
数据处理，这里采用的方法主要是描述性分析中的描述分析。
频度统计：
Bar直条图，pie饼图，histogram直方图，其中前两种是用于描述非连续性的变量，直方图可以用来描述连续性的变量，而且可以产生正态曲线检验曲线。
而对于连续性数据的统计可以采用描述性数据方法中的frequencies、descriptive、explore三种方法，而前两者的功能类似。
SPSS有具体的使用者要求的分析深度，同时是一个可视化的工具，使我们非常容易使用，这样我们可以自己对结果进行检查。
"
据我在网上搜索，SPSS的应用会得到扩大。
在心理学、社会学、犯罪学、生物学、物理学、化学、商业系，甚至是志愿者中心，都可以找到它的踪迹。
我们教师和学生都把它当作一种流行的万能工具来使用。
我觉得我们可以在全校范围内把SPSS作为数据分析工具进行推广，向学生提供日常工作需要的有价值的分析技术。
如果我们的学生能够掌握这种高级技术，他们毕业后就能够轻易地应付来信息社会和商业世界的挑战。
这三周的学习中，大家互相借鉴互相学习，真正地感觉到了团队的力量是无穷的，在这个班级中学习很高兴，也很感谢钱老师对我们指导！
实验成绩：
指导教师签名：
升级会员 