SPSS实验报告.docx

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（7页珍藏版）》请在冰豆网上搜索。

SPSS实验报告

SPSS实验报告,

SSPSS软件应用实验报告

长春工业大学人文学院xxxx班

成昊3实验报告１

一、实验目得:

掌握SＰSS基本统计分析基本操作ﻩ二、实验内容:

１、根据上面得数据,制作茎叶图,并计算出均值与标准差,验证数据就是否服从正态分布。

2、按规定:

销售收入在125万元以上为先进企业,１1５～1２5万元为良好企业,１０５~115万元为一般企业,1０5万元以下为落后企业,按先进企业、良好企业、一般企业、落后企业进行分组,编制百分比分布统计表。

三、实验步骤;利用分析＞描述性统计〉探索,结果如下:

描述性統計資料

統計資料標準錯誤产品销售额平均數1１６、082。

440９5％平均數得信賴區間下限１１1、１4

上限1２1。

０1

5％修整得平均值1１5。

89

中位數115。

5０

變異數2３8.122

標準偏差15、４３1

最小值87

最大值150

範圍６３

內四分位距21

偏斜度。

23３。

37４峰度—、316。

73３常態檢定

Kolｍoｇoｒov—Smirnova

Sｈaｐiro—Ｗilk統計資料df顯著性統計資料dｆ顯著性产品销售额.100４０、２00*

.9８340.800*、這就是true顯著得下限。

a、Lilliefoｒs顯著更正产品销售额Stｅm－aｎd-LeafPloｔ

Ｆrｅquｅncy

Stｅm&

Ｌeａｆ

2、00

8、

78

3.00

9。

257

9、00

１０.

０xxxx

11.０0

11、

7、００

1２、

0003５６７

５.00

13.

０56７8

2。

０0

14、

26

1。

00

1５.

0

Ｓteｍwidtｈ:

10

Eachleaf:

1casｅ（s）分组

次數百分比有效得百分比累積百分比有效先进企业112７、5２7.5２7。

５良好企业１１２7、527。

5５5。

0一般企业922.52２、５77。

5落后企业92２。

522.51０0、０總計4０１00、0100.0

四、实验结果分析:

1、均值为116。

08、标准差为１5。

431,正态分布得检验K－S值为0.1,Siｇ。

值为０。

98３〉0、０5,因此数据服从正态分布。

2、对４0个企业分组后先进企业占总体比重27、５%良好企业占总体比重２7.5％一般企业占总体比重22.5％落后企业占总体比重22。

5％先进企业与良好企业占总体比重较大,一般企业与落后企业占总体比重较小。

实验报告22

一、实验目得:

掌握列联表（定类变量与定类变量）基本操作二、实验内容:

１、A、B车间对厂长得满意程度就是否有显著差异2、如果有计算τ系数三、实验步骤:

首先建立数据库录入数据,然后运用分析〉描述性统计〉交叉表格进行列联表分析,做卡方检验,结果如下:

车间**对厂长得满意度

交叉列表計數

对厂长得满意度總計满意不满意车间车间A３01０40车间B202０４0

總計503080卡方測試

數值df漸近顯著性（2端）精確顯著性（２端）精確顯著性（1端）皮爾森（Peａrｓoｎ）卡方5、３3３a

1、021

持續更正ｂ

4、３２０１。

０38

概似比5.41２1.0２0

費雪（Ｆisｈer）確切檢定

、037、０18線性對線性關聯5。

26７１、０2２

有效觀察值個數8０

a、0資料格（0.0％）預期計數小於5、預期得計數下限為15.00。

b。

只針對２x2表格進行計算

四、实验结果分析:

此数据为2＊2列联表,且n＞40,因此用连续校正卡方检验得值ContiｎuｉｔｙＣorreｃｔion为4.３20,对应得Siｇ、值为０。

０３８,小于有方向性得測量

數值漸近標準錯誤a

大約Tb

大約顯著性名義變數對名義變數Lambda（λ）對稱、143、0701、865、062车间相依項、250、1191、865、062对厂长得满意度相依項、000、000、c

、c

Goodman及Kruskaltau车间相依項、067、055

、022d

对厂长得满意度相依項、067、055

、022d

a、未使用虛無假設。

b、正在使用具有虛無假設得漸近標準誤。

c、無法計算,因為漸近標準誤等於零。

d、基於卡方近似值

0.05,可以认为车间同厂长得满意情况就是相关得,相关得τ系数为０.０6７实验报告３

一、实验目得:

掌握参数估计与假设检验方法得操作二、实验内容:

上面得数据就是否证明了先参加实践对提高平均测试分数得效果显著三、实验步骤:

用配对样本t检验,原假设为方案A与方案B对平均测试得成绩不存在差异。

首先运用数据探测做正态分布检验,得到结果如下表:

通过上表可以瞧出,方案A与方案Ｂ得p值均大于0。

０5,表明数据均服从正态分布、满足配对样本t检验得前提假定条件,然后利用分析＞比较平均值〉配对样本t检验进行分析,结果如下:

成對樣本檢定

程對差異數Tdf顯著性（雙尾）平均數標準偏差標準錯誤平均值95%差異數得信賴區間下限上限對組１方案A—方案Ｂ—５、000１1、3３33。

584-13、1073、107-1、３９59、1９6四实验结果分析:

通过上表可以瞧出t=-1、395,Sｉg.=0、196>0、05,所以,不能拒绝原假设,方案A与方案B对平均测试得成绩不存在差异。

实验报告４

一、实验目得:

掌握方差分析方法得操作二、实验内容:

利用多因素方差分析方法,分析不同地区与不同日期对该商品得销售量就是否产生了显著影响？

地区与日期就是否对该商品得销售产生了交互影响。

三、实验步骤:

运用分析>一般线性模型＞单变量进行分析。

首先进行总体方差就是否相等得方差齐性检验。

Leｖeeｎｅ’ｓ

錯誤共變異等式檢定aa

因變數:

销售量

Fｄｆ1dｆ2顯著性、50881８.83５檢定因變數得錯誤共變異在群組內相等得空假設。

常態檢定

Kolmogorov-Smirnova

Shapiro-Wilk統計資料df顯著性統計資料df顯著性方案A、14210、200*

、94110、561方案B、26110、051、88210、137*、這就是true顯著得下限。

a、Lilliefors顯著更正

a。

設計:

截距＋地区+日期＋地区＊日期通过上表可以瞧出,Siｇ。

=0.835＞０。

05,所以,总体方差相等,接着瞧方差分析得检验结果:

主旨間效果檢定因變數:

销售量

來源第IIＩ類平方与df平均值平方F顯著性局部Etａ方形修正得模型xxxx。

074ａ

８xxxx.2591０。

810、0０0。

８２8截距８xxxx。

2５91xxxx、25987６.160.000。

98０地区３xxxx、8５2２xxxx.９262。

080。

15４、１88日期５xxxx、6３02xxxx、８1５3.０４０。

０73.2５2地区＊日期７０xxxx。

5９3４xxxx。

1481９、06０.000.809錯誤xxxx、667１８xxxx、9２6

總計xxxx。

00027

校正後總數xxxx。

74１26

a。

R平方=。

82８（調整得R平方=.７51）四、结果分析:

通过上表可以瞧出,地区对应得F=2。

08,Siｇ、=0、154＞０、05,日期对应得F=3.０4,Sｉg。

＝0。

0７３>0.0５,可见,地区与日期单独对销售量都没有显著影响,地区＊时间对应得F＝19。

０６,Ｓig.=0.０00〈０.０５,所以,地区与日期得交互作用对销售量有影响。

实验报告55

一、实验目得:

掌握相关分析方法得操作二、实验内容:

以下就是对五百名文化程度代际流动得抽样调查,试求父辈文化与子辈文化之间就是否有差异、三、实验步骤:

Keｎｄａｌlt相关分析。

原假设为子辈文化与父辈文化之间不存在着等级相关。

运用分析＞相关＞双变量进行分析,结果如下:

相关系数

父辈文化程度子辈文化程度Kｅndaｌl得ｔａu＿b父辈文化程度相关系数１。

０00.594＊＊

Sig、（双侧）。

。

000

Ｎ500５０0子辈文化程度相关系数、594＊＊

1、０00Sｉg。

（双侧）、０0０。

N５00５00＊＊、在置信度（双测）为0.01时,相关性就是显著得、四实验结果分析:

通过上表可以瞧出,Ｋendａlｌ’staｕ_b＝0、594,对应得Sig。

＝0。

000二项式进行分析,结果如下:

二项式检验

类别N观察比例检验比例渐近显著性（双侧）婴儿性别组1男28。

70、5０。

0１7ａ

组2女12.30

总数

40１。

0０

ａ.基于Z近似值。

四实验结果分析:

通过上表可知,40名婴儿中男婴28名,占7０％,女婴１2名,占30％。

SPＳS自动计算精确概率Sｉg、值为0。

0１7,小于0、０5,拒绝原假设,可以认为这个地方出生婴儿得性别比例与通常得男女性别比例不同,男婴要多于女婴。

实验报告77

一、实验目得:

掌握非参数检验方法得操作二、实验内容:

用非参数检验得方法检验工厂规模与信息传递就是否有关。

三、实验步骤:

两独立样本得曼—惠特尼Ｕ检验。

原假设为工厂规模与信息传递无关,运用分析〉非参数检验>两个独立样本进行分析,结果如下:

检验统计量ｂ

信息传递Mann—WhｉtneyU5、000WｉlcoxｏnW１５。

0００

Z-1、2４6渐近显著性（双侧）、213精确显著性[2＊（单侧显著性）］。

286a

a。

没有对结进行修正、b。

分组变量:

厂规模四实验结果分析:

由上表可知,U=５,因为就是小样本,瞧精确概率值Sig。

为0.28６,大于0.05,不应该拒绝原假设,可以得出工厂规模与信息传递无关。

实验报告８

一、实验目得:

掌握非参数检验方法得操作二、实验内容:

分析三个班级成绩得中位值就是否存在显著差异、

三、实验步骤:

多个独立样本得Medｉａn检验。

原假设为三个班级成绩得中位值没有显著差异。

运用分析>非参数检验>K个样本独立检验进行分析,结果如下:

检验统计量bb

成绩Ｎ45中值75.00卡方9、474a

ｄf2渐近显著性、０09a。

0个单元（.0％）具有小于5得期望频率。

单元最小期望频率为6、３。

ｂ.分组变量:

班级四实验结果分析:

通过上表可知,X^2＝9。

474,df=２,Ｓig。

值为０、015,小于0。

05,拒绝原假设,因此可以认为广告对商品促销起作用、实验报告99

一、实验目得:

掌握非参数检验方法得操作二、实验内容:

各考官评分得一致性如何三、实验步骤:

多个相关样本得Kｅndaｌｌ协同系数检验。

原假设为各个考官得评分不一致,运用分析＞非参数检验〉K个相关样本进行分析,结果如下:

检验统计量N５KenｄａllＷａ

。

62１卡方2７、9６7

ｄf9渐近显著性.001a。

Kendalｌ协同系数四实验结果分析:

通过上表可知,Ｋenｄalｌ’ｓW＝0。

621,Sig、值为０.001,小于0、05,拒绝原假设,可以认为各个考官得评分具有一致性。

实验报告

课程名称

数据分析

实验名称

均值比较与方差分析

系别电子信息科学学院专业班级信息管理15级专升本

指导教师

学号

姓名

实验日期2021年11月18日实验成绩

一、实验目的

1．掌握均值比较和方差分析的原理、过程和应用

2．掌握两独立样本和两配对样本的t检验的过程和结果解释3．掌握单因素方差分析的分析过程和结果解释4．掌握多因素方差分析的分析过程和结果解释

二、实验环境

1．硬件环境：

微机

2．软件环境：

Windows，SPSSStatistics22

三、实验内容

1．数据文件xxxx_Mod.sav中记录了男性或女性每周上网浏览网页的时间（变量WWWHR，单位小时）。

用两独立样本t检验方法分析男性和女性在上网时间上是否不同。

（1）原假设

男性和女性的上网时间没有显著差异。

（2）参数设置

检验变量：

WWWHOURSPERWEEK分组变量：

GENDER（3）操作步骤及计算结果操作步骤：

①选择菜单：

【分析A】→【比较均值（M）】→【独立样本T检验（T）】；如图1-1

图1-1

②选择检验变量“WWWHOURSPERWEEK”到【检验变量（T）】框中。

③选择总体标识变量“GENDER”到【分组变量（G）】框中。

④点击按钮定义两总体的标示值，如图1-2。

其中，【使用指定值（U）】表示分别输入对应两

个不同总体的标记值。

图1-2

计算结果：

（4）结果及其解释

结果：

男性和女性的上网时间存在显著差异。

解释：

从独立样本鉴定的表中可以看出F检验值为15.182，对应的概率P值为0.00＜0.05，所以拒绝原假设。

由于两总体方差有显著差异所以要看到“不采用相等变异数”这一列，其中T统计量的值为4.866，对应的概率P值为0.00。

如果显著性水平α为0.05，由于概率P值小于0.05，所以认为量总体的均值有显著差异。

并且95%置信区间不夸零，也说明了有显著差异。

2．数据文件xxxx_Mod.sav中记录了受访者父亲和母亲的受教育情况。

试用两配对样本t检验方法比较父亲的受教育情况（变量PAEDUC）和母亲的受教育情况（变量MAEDUC）是否不同。

（1）原假设

父亲的受教育情况和母亲的受教育情况没有显著差异。

（2）参数设置

成对变量：

PAEDUC，MAEDUC（3）操作步骤及计算结果①选择菜单：

【分析（A）】→【比较均值（M）】→【配对样本T检验（P）】，如图2-1

图2-1②选择PADUC和MADUC到【成对变量（V）】框中。

结果：

图2-2

图2-3

图2-4（4）结果及其解释

结果：

父亲的受教育情况和母亲的受教育与情况没有显著差异。

解释：

从图2-2的平均值可以看出没有较大的差异。

图2-3中对应的概率P值为.000，如果显著性水平α为0.05，则表明父亲和母亲的受教育情况有明显的线性变化，父亲和母亲的受教育情况相关性程度较强。

从图2-4中可以看出，父亲与母亲的受教育情况的平均差异，仅只有0.49；95%置信区间的上下限一正一负，则表示两者接近无显著差异；最后相对应的概率P值0.494，如果显著性水平α为0.05，则接受原假设，所以父亲的受教育情况和母亲的受教育与情况无显著差异。

3．一家关于MBA报考、学习、就业指导的网站希望了解国内MBA毕业生的起薪是否与各自所学的专业相关。

为此，他们在已经从国内商学院毕业并且获得学位的MBA学生中按照各专业分别随机抽取了10人，调查了这些学生的起薪情况，数据文件为MbaSalary.sav。

根据这些调查他们能否得出专业对MBA起薪有影响的结论。

（1）原假设

国内MBA毕业生各自所学专业与起薪情况没有显著关系。

（2）参数设置观测变量：

起薪控制变量：

专业

（3）操作步骤及计算结果操作步骤：

①选择菜单：

【分析（A）】→【比较均值（M）】→【单因素ANOVA】；②选择观测变量“起薪”到【因变量列表（E）】框中，如图3-1；

④选择控制变量“专业”到【因子（F）】框中，如图3-2；

图3-1计算结果：

图3-2（4）结果及其解释

结果：

国内MBA毕业生各自所学专业与起薪情况没有显著关系；

解释：

从图3-2可以看出，F统计量的观测值为2.459，对应的概率P值为0.079。

如果显著性水平α为0.05，由于概率P值大于显著性水平α，所以接受原假设，认为国内MBA毕业生各自所学专业与起薪情况没有显著关系。

4．一家连锁零售店试图对顾客的购买习惯进行调查。

grocery_1month.sav记录了顾客性别、购物方式、消费额等信息。

使用多因素方差分析方法分析顾客性别和购物方式对消费额有何影响。

（1）原假设

不同顾客性别没有对消费额产生显著差异；不同购物方式对消费额没有显著差异；顾客性别和购物方式对消费额没有产生显著的交互影响。

（2）参数设置观测变量：

消费额

控制变量：

顾客性别，购物方式（3）操作步骤及计算结果操作步骤：

①选择菜单：

【分析（A）】→【一般线性模型】→【单变量（U）】；②指定观测变量“消费额”到【因变量（D）】框中；

③指定固定效应的控制变量“顾客性别”和“购物方式”到【固定因子（F）】框中，如图4-1。

计算结果：

图4-2

图4-2

（4）结果及其解释

结果：

不同顾客性别对消费额有显著差异；不同购物方式对消费额没有显著差异；顾客性别和购物方式对消费额有显著的交互影响。

解释：

从图中可以看出Fgender，Fstyle，Fgender*style的概率P值分别为0.000，0.140和0.017.如果显著性水平α为0.05，由于Fgender，Fgender*style概率P值小于显著性水平α，所以应该拒绝原假设，可以认为不同顾客性别对消费额有显著差异，顾客性别和购物方式对消费额有显著的交互影响，而Fstyle概率P值小于显著性水平α，则接收原假设认为不同购物方式对消费额没有显著差异。

四、实验小结（心得体会、遇到问题及其解决方法）

这个心得体会写的很诚恳。

确实写的发人深省。

开头就吸引了读者眼球！