SPSS上机实验报告.docx
《SPSS上机实验报告.docx》由会员分享，可在线阅读，更多相关《SPSS上机实验报告.docx（24页珍藏版）》请在冰豆网上搜索。
SPSS上机实验报告
实验名称：
频数分布
实验目的和要求：
绘制频数分布表、频数分布直方图并分析集中趋势指标、差异性指标和分布形状指标
实验内容：
绘制频数分布表和频数分布直方图并分析
实验记录、问题处理：
绘制频数分布表
销售额
频率
百分比
有效百分比
累积百分比
有效
79.00
1
3.3
3.3
3.3
80.00
1
3.3
3.3
6.7
82.00
1
3.3
3.3
10.0
85.00
2
6.7
6.7
16.7
89.00
1
3.3
3.3
20.0
93.00
1
3.3
3.3
23.3
95.00
1
3.3
3.3
26.7
96.00
2
6.7
6.7
33.3
97.00
2
6.7
6.7
40.0
99.00
2
6.7
6.7
46.7
105.00
2
6.7
6.7
53.3
106.00
1
3.3
3.3
56.7
109.00
1
3.3
3.3
60.0
110.00
1
3.3
3.3
63.3
112.00
2
6.7
6.7
70.0
113.00
1
3.3
3.3
73.3
114.00
1
3.3
3.3
76.7
115.00
1
3.3
3.3
80.0
124.00
1
3.3
3.3
83.3
129.00
2
6.7
6.7
90.0
130.00
2
6.7
6.7
96.7
190.00
1
3.3
3.3
100.0
合计
30
100.0
100.0
频数分布直方图
集中趋势指标、差异性指标和分布形状指标
统计量
销售额
N
有效
30
缺失
0
均值
106.8333
均值的标准误
3.97755
中值
105.0000
众数
85.00a
标准差
21.78592
方差
474.626
偏度
1.915
偏度的标准误
.427
峰度
6.297
峰度的标准误
.833
全距
111.00
极小值
79.00
极大值
190.00
和
3205.00
a.存在多个众数。
显示最小值
实验结果分析：
从统计量表可以看出有效样本数有30个，没有缺失值。
平均销售额是106.8333，标准差为21.78592。
从频数分布表可以看出样本值、频数占总数的百分比、累计百分比。
从带正态曲线的直方图可以看出销售额集中在110
实验名称：
列联表成绩：
实验目的和要求：
绘制频数表、相对频数表并进行显著性检验和关系强度分析
实验内容：
绘制频数表、相对频数表并分析
实验记录、问题处理：
满意度*性别交叉制表
性别
合计
男性
女性
满意度
不满意
计数
19
8
27
满意度中的%
70.4%
29.6%
100.0%
性别中的%
35.2%
17.4%
27.0%
总数的%
19.0%
8.0%
27.0%
一般
计数
23
21
44
满意度中的%
52.3%
47.7%
100.0%
性别中的%
42.6%
45.7%
44.0%
总数的%
23.0%
21.0%
44.0%
满意
计数
12
17
29
满意度中的%
41.4%
58.6%
100.0%
性别中的%
22.2%
37.0%
29.0%
总数的%
12.0%
17.0%
29.0%
合计
计数
54
46
100
满意度中的%
54.0%
46.0%
100.0%
性别中的%
100.0%
100.0%
100.0%
总数的%
54.0%
46.0%
100.0%
卡方检验
值
df
渐进Sig.（双侧）
Pearson卡方
4.825a
2
.090
似然比
4.931
2
.085
线性和线性组合
4.650
1
.031
有效案例中的N
100
a.0单元格（0.0%）的期望计数少于5。
最小期望计数为12.42。
对称度量
值
近似值Sig.
按标量标定
φ
.220
.090
Cramer的V
.220
.090
有效案例中的N
100
a.不假定零假设。
b.使用渐进标准误差假定零假设。
实验结果分析：
从卡方检验看出sig>0.05,不显著。
所以男生女生对满意与否评价没有差异
实验名称：
方差分析成绩：
实验目的和要求：
单因子方差分析、多因子方差和协方差分析
实验内容：
进行单因子方差分析并输出方差分析表、显著性检验及解释结果、多因子方差和协方差分析并输出方差分析表和协方差分析表、显著性检验及解释结果。
实验记录、问题处理：
单因子方差分析
分析——比较均值，单因素——键入销售额为因变量，键入促销力度为因子——两两比较打钩L检验，选项方差齐性检验打钩得：
ANOVA
销售额
平方和
df
均方
F
显著性
组间
7250.667
22
329.576
170.891
.000
组内
13.500
7
1.929
总数
7264.167
29
多因子方差分析
分析——一般线性模型，单变量——键入店内促销和赠券状态为固定因子，销售额为因变量——两两比较打钩L检验，选项方差齐性检验打钩，得：
主体间效应的检验
因变量:
销售额
源
III型平方和
df
均方
F
Sig.
校正模型
162.667a
5
32.533
33.655
.000
截距
1104.133
1
1104.133
1142.207
.000
店内促销
106.067
2
53.033
54.862
.000
赠券状态
53.333
1
53.333
55.172
.000
店内促销*赠券状态
3.267
2
1.633
1.690
.206
误差
23.200
24
.967
总计
1290.000
30
校正的总计
185.867
29
a.R方=.875（调整R方=.849）
协方差分析
分析——一般线性模型，单变量——键入店内促销和赠券状态为固定因子，销售额为因变量，键入客源排序为协变量——两两比较打钩L检验，选项方差齐性检验打钩，得：
主体间效应的检验
因变量:
销售额
源
III型平方和
df
均方
F
Sig.
校正模型
163.505a
6
27.251
28.028
.000
截距
103.346
1
103.346
106.294
.000
客源排序
.838
1
.838
.862
.363
店内促销
106.067
2
53.033
54.546
.000
赠券状态
53.333
1
53.333
54.855
.000
店内促销*赠券状态
3.267
2
1.633
1.680
.208
误差
22.362
23
.972
总计
1290.000
30
校正的总计
185.867
29
a.R方=.880（调整R方=.848）
实验结果分析：
单因子：
组间显著性为0.000，小于0.05，显著影响。
多因子：
店内促销和赠券状态显著性分别都为0.000，小于0.05，显著影响。
但是店内促销和赠券状态交互作用的显著性为0.206，大于0.05，不显著。
协方差：
经协变量客源排序的显著性为0.363，对销售额影响不显著。
店内促销的显著性为0.000，小于0.05，对销售额影响显著。
赠券状态的显著性为0.000，小于0.05，对销售额影响显著。
店内促销和赠券状态的交互作用显著性为0.208，大于0.05，对销售额影响不显著
实验名称：
相关分析成绩：
实验目的和要求：
计算Pearson相关系数和简单相关系数并分析
实验内容：
计算Pearson相关系数和简单相关系数并分析
实验记录、问题处理：
分析——相关，双变量——添加收、家庭人口、受教育程度、汽车保有量——默认pearson分析——确定，得：
相关性
收入
家庭人口
家长受教育年数
汽车保有量
收入
Pearson相关性
1
-.008
.327**
.208*
显著性（双侧）
.936
.001
.038
N
100
100
100
100
家庭人口
Pearson相关性
-.008
1
.122
.576**
显著性（双侧）
.936
.226
.000
N
100
100
100
100
家长受教育年数
Pearson相关性
.327**
.122
1
.207*
显著性（双侧）
.001
.226
.039
N
100
100
100
100
汽车保有量
Pearson相关性
.208*
.576**
.207*
1
显著性（双侧）
.038
.000
.039
N
100
100
100
100
**.在.01水平（双侧）上显著相关。
*.在0.05水平（双侧）上显著相关。
实验结果分析：
1、收入对受教育年数，相关系数为0.327，显著性为0.001，小于0.01，所以收入和受教育年为正向相关，且相关性很强。
2、收入对汽车保有量，相关系数为0.208，显著性为0.038，小于0.05，所以收入对汽车保有量为正向相关。
3、家庭人口对汽车保有量，相关系数为0.576，显著性为0.000，小于0.01，所以收入对汽车保有量为正向相关，且相关性很强。
4、受教育年数对收入，相关系数为0.327，显著性为0.001，小于0.01，所以受教育年数对收入为正想相关，且相关性很强。
实验名称：
回归分析成绩：
实验目的和要求：
掌握简单回归模型和多元回归分析的SPSS操作方法
实验内容：
检验简单回归模型、绘制散点图、输出回归结果并分析、残差分析；检验多元回归分析模型、输出回归结果并分析及残差分析。
实验记录、问题处理：
（一）简单回归
得出
模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.754a
.569
.554
1.691
a.预测变量:
（常量）,促销水平。
Anovaa
模型
平方和
df
均方
F
Sig.
1
回归
105.800
1
105.800
36.999
.000b
残差
80.067
28
2.860
总计
185.867
29
a.因变量:
月均销售额
b.预测变量:
（常量）,促销水平。
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）
10.667
.817
13.059
.000
促销水平
-2.300
.378
-.754
-6.083
.000
a.因变量:
月均销售额
实验结果分析：
R方为0.554，拟合优度一般。
P值sig显著
表达式：
销售额=10.667-2.3*促销水平
（二）多元线性回归
得：
模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.754a
.569
.554
1.691
2
.925b
.856
.846
.995
a.预测变量:
（常量）,店内促销。
b.预测变量:
（常量）,店内促销,赠券状态。
Anovaa
模型
平方和
df
均方
F
Sig.
1
回归
105.800
1
105.800
36.999
.000b
残差
80.067
28
2.860
总计
185.867
29
2
回归
159.133
2
79.567
80.360
.000c
残差
26.733
27
.990
总计
185.867
29
a.因变量:
销售额
b.预测变量:
（常量）,店内促销。
c.预测变量:
（常量）,店内促销,赠券状态。
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）
10.667
.817
13.059
.000
店内促销
-2.300
.378
-.754
-6.083
.000
2
（常量）
14.667
.727
20.183
.000
店内促销
-2.300
.222
-.754
-10.337
.000
赠券状态
-2.667
.363
-.536
-7.339
.000
a.因变量:
销售额
实验结果分析：
R方在第二次拟合达到0.856，说明模型的拟合的情况非常好
方差分析表显示P值sig<0.05，说明模型非常显著。
表达式：
销售额=14.667-2.3*店内促销-2.667*赠券状态
实验名称：
Logistic回归成绩：
实验目的和要求：
掌握Logistic回归分析的SPSS操作方法
实验内容：
估计和检验Logistic回归系数并解释结果。
实验记录、问题处理：
得出：
分类表a
已观测
已预测
品牌忠诚
百分比校正
0
1
步骤1
品牌忠诚
0
12
3
80.0
1
3
12
80.0
总计百分比
80.0
a.切割值为.500
方程中的变量
B
S.E,
Wals
df
Sig.
Exp（B）
步骤1a
品牌态度
1.274
.479
7.075
1
.008
3.575
产品态度
.186
.322
.335
1
.563
1.205
购物态度
.590
.491
1.442
1
.230
1.804
常量
-8.642
3.346
6.672
1
.010
.000
a.在步骤1中输入的变量:
品牌态度,产品态度,购物态度.
实验结果分析：
结果显示：
品牌忠诚=1.274*品牌态度+0.186*产品态度+0.590*购物态度-8.462
其中品牌态度的sig小于0.05,所以品牌态度与品牌购买正向变化显著。
但是因为产品态度和购物态度的sig大于0.05，所以这两个变量与品牌购买的正向变化不显著
实验名称：
因子分析成绩：
实验目的和要求：
掌握因子分析的SPSS操作方法
实验内容：
KMO和Barlett氏检验；输出碎石图及旋转前后的因子矩阵；各因子的特征值和解释的方差比例；解释因子并命名；计算因子得分。
实验记录、问题处理：
步骤处理：
分析——降维——因子分析
将度量变量键入变量框，
选取描述，勾选KMO与bartlett球形度检验
选取抽取，勾选碎石图
选取旋转，勾选载荷图
选取得分，勾选保存变量和因子得分系数矩阵
KMO和Bartlett的检验
取样足够度的Kaiser-Meyer-Olkin度量。
.589
Bartlet
t的球形度检验
近似卡方
101.749
df
15
Sig.
.000
如图所示：
解释的总方差
成份
初始特征值
提取平方和载入
合计
方差的%
累积%
合计
方差的%
累积%
1
2.569
42.821
42.821
2.569
42.821
42.821
2
2.272
37.868
80.690
2.272
37.868
80.690
3
.431
7.188
87.878
4
.345
5.743
93.621
5
.305
5.091
98.712
6
.077
1.288
100.000
提取方法：
主成份分析。
成份矩阵a
成份
1
2
预防蛀牙
.940
.189
牙齿亮泽
-.241
.814
保护牙根
.930
.059
口气清新
-.311
.800
不预防坏牙
-.808
-.386
富有魅力
-.112
.884
提取方法:
主成分分析法。
a.已提取了2个成份。
旋转成份矩阵a
成份
1
2
预防蛀牙
.957
-.047
牙齿亮泽
-.034
.849
保护牙根
.916
-.171
口气清新
-.105
.852
不预防坏牙
-.878
-.176
富有魅力
.108
.884
提取方法:
主成分分析法。
旋转法:
具有Kaiser标准化的正交旋转法。
a.旋转在3次迭代后收敛。
成份得分系数矩阵
成份
1
2
预防蛀牙
.366
.083
牙齿亮泽
-.094
.358
保护牙根
.362
.026
口气清新
-.121
.352
不预防坏牙
-.315
-.170
富有魅力
-.044
.389
提取方法:
主成分分析法。
构成得分。
实验结果分析：
KMO值为0.589，sig值为0.000，适合作因子分析
各因子的特征值和解释的方差比例可以在“解释的总方差”中看出，其中我们可以知道，特征值2.569和2.272可以解释方差比例分别是42.821%和37.868%。
因为因子1在预防蛀牙、保护牙根有很大载荷，所以将其命名为保健因子。
因子2在牙齿亮泽、口气清新、富有魅力有很大载荷，所以将其命名为社交因子。
计算因子得分，得
保健因子=0.366*预防蛀牙-0.094*牙齿亮泽+0.362*保护牙龈-0.121*口气清新-0.315*不预防坏牙-0.044*富有魅力
社交因子=0.083*预防蛀牙+0.358*牙齿亮泽+0.026*保护牙根+0.352*口气清新-0.170*不预防坏牙+0.389*富有魅力
实验名称：
聚类分析成绩：
实验目的和要求：
掌握分层聚类和K-means聚类的SPSS操作方法
实验内容：
进行分层聚类和K-means聚类分析并输出结果。
实验记录、问题处理：
分层聚类：
步骤处理：
分析——分类——系统聚类
将度量变量键入变量框，勾选统计量中的聚类成员中的方案范围，并且设置为最小3最大5.
勾选绘制中的树状图
打开保存选项卡，勾选聚类成员中的方案范围，设置最小3最大5
结果如图所示：
聚类表
阶
群集组合
系数
首次出现阶群集
下一阶
群集1
群集2
群集1
群集2
1
14
16
2.000
0
0
3
2
6
7
2.000
0
0
7
3
10
14
3.000
0
1
8
4
2
13
3.000
0
0
14
5
5
11
3.000
0
0
9
6
3
8
3.000
0
0
15
7
6
12
4.000
2
0
10
8
4
10
4.333
0
3
11
9
5
9
4.500
5
0
12
10
1
6
5.000
0
7
13
11
4
19
7.250
8
0
17
12
5
20
7.333
9
0
14
13
1
17
8.250
10
0
15
14
2
5
10.750
4
12
18
15
1
3
11.300
13
6
16
16
1
15
14.000
15
0
19
17
4
18
20.200
11
0
18
18
2
4
38.611
14
17
19
19
1
2
48.292
16
18
0
群集成员
案例
5群集
4群集
3群集
1
1
1
1
2
2
2
2
3
1
1
1
4
3
3
3
5
2
2
2
6
1
1
1
7
1
1
1
8
1
1
1
9
2
2
2
10
3
3
3
11
2
2
2
12
1
1
1
13
2
2
2
14
3
3
3
15
4
1
1
16
3
3
3
17
1
1
1
18
5
4
3
19
3
3
3
20
2
2
2
*******************HIERARCHICALCLUSTERANALYSIS*******************
DendrogramusingAverageLinkage（BetweenGroups）
RescaledDistanceClusterCombine
CASE
升级会员 