南邮课程设计ISSS.docx
《南邮课程设计ISSS.docx》由会员分享，可在线阅读，更多相关《南邮课程设计ISSS.docx（11页珍藏版）》请在冰豆网上搜索。
南邮课程设计ISSS
学号：
2016-2017学年第1学期第9-10周
课程设计I报告
班级：
姓名：
指导教师：
职称：
成绩：
管理学院
2015
年
11
月
1
日
南京邮电大学
课程设计I指导教师成绩评定表
题 目
课程设计Ⅰ
学生姓名
班级学号
专业
信管
评分内容
评分标准
总分
评分
平时成绩
认真对待课程设计，遵守实验室规定，上机不迟到早退，不做和设计无关的事。
20
设计内容
设计内容丰富，符合大纲要求
10
界面外观漂亮、大方
10
功能符合大纲要求
10
文档设计正确合理
10
文档写作
文档反映设计规划过程
10
文档反映系统设计流程
10
答辩
简练、准确阐述设计内容，能准确有条理回答各种问题，系统演示顺利。
20
总评分
指导教师
评阅意见
该生对待课程设计I的态度□认真□良好□一般□比较差。
设计的系统界面外观美工处理情况□很好□较好□一般□比较差
系统前后台功能和脚本编写情况□很好□良好□一般□比较差
文档书写符合规划与设计流程程度□很好□良好□一般□比较差
系统演示顺利情况和答辩流畅准确情况□很好□良好□一般□比较差
完成的课程设计特色之处：
成绩
指导教师签名
日期
2016.11.1
一、SPSS的安装和使用
SPSS安装过程略
SPSS主要窗口包括：
数据编辑窗口、结果输出窗口、变量编辑窗口、语法编辑窗口、脚本编写窗口、脚本编写窗口、图表编辑窗口
数据编辑窗口是用户进行数据处理与分析的主要窗口界面，用户可在此窗口进行数据输入、观察、编辑和统计分析等操作。
结果输出窗口用于输出统计分析的结果或绘制的相关图表。
变量编辑窗口可以对变量的名称、类型、宽度、小数位、变量标签、变量值标签、缺失值、列的宽度、对齐方式、度量标准以及角色进行设置。
语法编辑窗口，用户可以在语法编辑器窗口输入或修改SPSS命令，或单击任何分析对话框上的“粘贴”按钮，将使用对话框设置的各种命令或选项粘贴到语法编辑器窗口。
脚本编写窗口，用户可以在此窗口编写SPSS内嵌的SaxBasic语言以形成自动化处理数据的程序。
图表编辑窗口可以对生成的图表进行编辑。
二、数据文件的处理
定义变量：
点开变量视图设置变量名称及其属性。
录入和编辑数据
录入数据的方式有两种，一是新建数据，二是导入数据。
1、打开【文件】→【新建】→【数据】如图①
2、打开【文件】→【打开】→【数据】如图②、③
①
②
③
④
然后可在④图中的数据视图增添，删除，修改数据。
计算新变量，输入所有人语数英的平均成绩。
打开【转换】→【计算变量】
筛选变量（个案选择）
选择工资大于2000的人
打开【数据】→【选择个案】
数据文件的拆分。
打开【数据】→【拆分文件】
数据文件的合并
首先选择合并变量，打开要合并的数据后，需对两表的关键变量进行排序后才能合并。
打开【数据】→【合并文件】→【添加变量】
数据文件的存储与读取
存储：
打开【文件】→【保存】
读取：
打开【文件】→【打开】→【数据】然后选取要打开的数据即可。
三、统计图形
条形图
打开【图形】→【图表构建程序】
首先需确定数据中有名义度量（尺度度量不能放在x轴）
把左上方的变量依次拖入右边图表的x轴，y轴。
其他图表如饼图、线形图、直方图、散点图方法类似。
如下图
饼图线形图
直方图散点图
四、基本统计分析
频数统计及总体均值与总体方差的估计、总体均值的置信区间的计算
打开【分析】→【描述统计】→【频率】，把要用的变量放到右边，点击【统计量】把要输出的数据勾选。
如下图
描述性统计及总体均值与总体方差的估计、总体均值的置信区间的计算
打开【分析】→【描述统计】→【频率】，把要用的变量放到右边，点击【选项】把要输出的数据勾选。
如下图
结果如下
五、回归分析
一元线性回归分析
例题：
分析不同地区的甲状腺肿的患病率高低与本地水质的碘含量的关系。
首先，在做回归分析之前，可以先用散点图初步观察两变量有无相关趋势。
如下图
从左图可以看出，二者有一定的相关关系，接下来就可以做进一步的回归分析，找出它们二者间的关联。
打开【分析】→【回归】→【线性】
把“碘含量”拖入自变量，把“患病率”拖入因变量，统计量选择模拟拟合度和描述性。
结果如下：
①
②
③
④
从图①得出所有变量都已纳入模型中；图②得出相关系数R为0.971，所以R^2即相关系数很大，说明模型拟合效果很好；图③为对模型进行方差分析的结果，反映其具有统计学意义；
图④给出了回归方程的各项参数，a=17.484，b=4.459，即回归方程为y=17.484+4.459x,认为碘含量对患病率是存在影响的。
多元线性回归分析
例题：
采取措施的速度与保险公司的规模及其类型之间的关系分析。
散点图分析略
打开【分析】→【回归】→【线性】
把“公司类型”、“公司规模”拖入自变量，把“所需时间”拖入因变量，统计量选择模拟拟合度和描述性。
结果如下：
①
②
③
④
从图①得出所有变量都已纳入模型中；图②得出相关系数R为0.946，所以R^2即相关系数很大，说明模型拟合效果很好；图③为对模型进行方差分析的结果，反映其具有统计学意义；
图④给出了回归方程的各项参数，a=33.874，b=-0.102，c=8.055即回归方程为y=33.874-0.102x1+8.055x2,认为公司规模、公司类型对索赔的反应所需时间是存在影响的。
六、方差分析
单因素方差分析
例题：
比较三个不同的电池生产企业生产电池的寿命。
打开【分析】→【比较均值】→【单因素ANOVA】
在【两两比较】中选择“LSD”、“S-N-K”;在【选项】中选择“描述性”、“方差同质性检验”、
“均值图”。
把“电池”拖入因变量列表，把“企业”拖入因子。
结果如下：
①
②
③
④
图①所示为Levene方差齐性检验的结果，本例Levene统计量为0.390。
显着性P值一0.680>0.05，故3组数据方差无差异。
图②所示为单因素方差分析的结果，并且进行了趋势检验，结果显示不同企业间方差分析统计量F=38.771,P值=0.000<0.01,因此认为不同企业间生产电池的寿命不同。
图③为LSD法比较结果，企业2与企业1、企业3显着性P值小于0.01，其它的则大于0.01
说明企业2与企业1、企业3生产的电池寿命有差异，企业1与企业3无差异。
图④为S-N-K法比较结果，电池寿命数据被分为两组，企业2一组，企业1和企业3为一组，说明企业2与企业1、企业3生产的电池寿命有差异，企业1与企业3无差异。
与LSD法结果一致。
无重复实验的双因素方差分析
例题：
某研究机构研究了3种动物饲料对4种品系小鼠体重增加的影响。
打开【分析】→【一般线性模型】→【单变量】
在各个选项中做出对应设置如下图
结果如下：
①
②
③
④
图①所示为主效应模型检验，结果可见校正模型统计量F=6.772，P=0.000，说明模型有统计学意义。
因素a和因素b均有统计学意义，P=0.000和P=0.037，均小于0.05。
图②所示为不同饲料类型两两比较结果，从Sig值（即P值）可见，饲料B与饲料C间没有差异（P=0.117），其他均有差异，P<0.05。
图③所示为不同品系两两比较结果，从Sig值（即P值）可见，每个品系间均无差异P>0.05。
图④所示为不同品系小鼠喂养不同饲料的体重增重的均值图，可见A饲料较好，B和C饲料差异不大。
重复实验的双因素方差分析
例题：
某研究者欲了解一套新的锻炼方法的减肥效果。
该研究者在某小学随机抽取12名肥胖学生，随机分成两组，第一组每天下午按新的锻炼方法锻炼，第二组不参与新的锻炼方法锻炼，并于实验开始的第1.2.3个月分别测量学生体重减重情况。
打开【分析】→【一般线性模型】→【重复度量】
（1）打开【重复度量定义因子】，单击“被试内因子名称”中的Factor1，修改为weight。
（2）“级别数”框中输入重复测量次数“3”，单击“添加”按钮。
（3）单击左下角的“定义”按钮，将3次测量变量One,Two和Three。
按照框中测量的顺序，逐个放入右侧框中。
如若顺序出现差异单击“群体内部变量”左侧的上下箭头来调整顺序，注意顺序一定不能出错。
将因素变量group放入“因子列表”框。
结果如下：
①
②
③
④
图①所示为多变量检验结果，其中采用了4种检验方法计算了T检验值、F值、假设df值和误差df值，表中可见不同测试时间的weight有统计学差异，P=0.000，而测试时间与组别间无统计学差异，P=0.55。
然而是否以此结果为准的依据是球形性检验，若不符合球形性，才以此结果为准或者以一元方差分析中校正结果为准。
图②所示为球形性检验结果，可见MauchlyW=0.983,P=0.926，符合球形性，结果以一元方差结果为准。
如果P<0.05，则不符合球形性检验，则给出了3种校正模式，即Greenhouse-Geisser.Huynh-Feldt和下限校正，其中以Greenhouse-Geisser较为常用。
图③所示为方差分析结果。
因为本例符合球形性，因此，以第一条“采用的球形度”结果，可见不同时间测量的体重有统计学差异，F=129.068,P=0.000;并且测试时间与组别交互作用检验F=4.386,P=0.026<0.05，认为测试时间与组别间存在着交互作用。
图④显示，组别间方差分析结果无统计学差异，F=0.397,P=0.543，即两组处理因素对体重减重影响没有差异。
升级会员 