最新《SPSS统计软件应用》实验报告册.docx
《最新《SPSS统计软件应用》实验报告册.docx》由会员分享,可在线阅读,更多相关《最新《SPSS统计软件应用》实验报告册.docx(40页珍藏版)》请在冰豆网上搜索。
最新《SPSS统计软件应用》实验报告册
C.可以是自由表或数据库表D.可以是自由表和数据库表
22.在SQL命令中,LIKE是字符串匹配运算符,其中通配符___________可表示0个或多个字符。
A.使用查询向导B.使用查询设计器
【答案】A
6.编写一个程序,打印一个由“*”组成的平行四边形。
C.INSERTD.EDIT
A.RELEASEALLB.CLEARALLC.CLOSEALLD.CLEARMEMORY
exit
A.数据库系统只是比文件系统管理的数据更多
【答案】B
《SPSS统计软件应用》
实验报告册
2015-2016学年第1学期
班级:
T1353-3
学号:
20130530305
姓名:
徐云
授课教师:
薛昌春实验教师:
薛昌春
实验学时:
一周实验组号:
1.实验一SPSS的数据管理
2.实验二描述性统计分析
3.实验三均值检验
4.实验四相关分析
5.实验五因子分析
6.实验六聚类分析
7.实验七回归分析
8.实验八判别分析
实验一SPSS的数据管理
一、实验目的
1.熟悉SPSS的菜单和窗口界面,熟悉SPSS各种参数的设置;
2.掌握SPSS的数据管理功能。
二、实验内容:
1、定义spss数据结构。
下表是某大学的一个问卷调查,要求将问卷调查结果表示成spss可识别的数据文件,利用spss软件进行分析和处理。
练习:
创建数据文件的结构,即数据文件的变量和定义变量的属性。
实验步骤:
(1)打开SPSS软件,新建一张date数据表;
(2)打开variableview界面,对相应的变量数据进行属性设置;
(3)打开dateview界面,输入数据,点击保存;
实验结果及分析:
略
2、高校提前录取名单的确定
某高校今年对部分考生采取单独出题、提前录取的招生模式。
现有20名来自国内不同省市的考生报考该校,7个录取名额。
见数据文件compute.sav.该校制定了如下录取原则:
(1)文化课成绩由数学、语文、英语和综合四门成绩组成。
文化课成绩制定最低录取分数线:
400分。
(2)个人档案中若有“不良记录”,不予录取。
(3)对西部考生和少数民族考生,给予加分优惠。
少数民族考生加20分,西部考生加10分。
(4)对参加过省以上竞赛并取得三等奖以上名次的考生,每项加10分。
(5)文化课成绩和加分总和构成综合分,录取综合排名为前7名的学生。
练习:
利用spss软件,综合利用所学,给出成绩排名的操作步骤。
实验步骤:
(1)打开给的原数据文件;
(2)执行date/selectcase命令,打开selectcase对话框,选择ifcondictionissatisfatied,输入“(数学+语文+英语+综合)>=400and不良记录=0”,点击continue。
并在output选项中选择“copyselectcasetoanewdataset”,确认。
(3)同样的方法确定有省份、民族和所获奖项得到的加分条件,结果如图:
(4)执行transform/compute命令,在numermicexpression中输入“(数学+语文+英语+综合+*10+*20+*10)*录取资格权数”,在tagetvariable中输入“最终成绩”,确认。
(5)执行date/sortcase操作,对最终成绩进行降序排列。
实验结果及分析:
结果如图所示:
对前七个进行录取即可。
实验二描述性统计分析
一、实验目的
利用SPSS进行描述性统计分析。
要求掌握频数分析(Frequencies过程)、描述性分析(Descriptives过程)、交叉列联表分析(Crosstabs过程)。
二、实验内容:
1、打开数据文件descriptives.sav,是从某校选取的3个班级共16名学生的体检列表,要求以班级为单位列表计算年龄,体重和身高的统计量,包括极差,最小最大值,均值,标准差和方差。
给出操作步骤和分析结果。
实验步骤:
(1)在SPSS中打开已经存在的文件descriptives.sav。
(2)执行analyze/descriptivestatistics/descriptives,在variable中选入年龄、身高、体重。
(3)点击options,进入potions选项栏,选入需要的统计量,单击continue,确认。
实验结果及分析:
实验结果如图:
DescriptiveStatistics
N
Range
Minimum
Maximum
Mean
Std.Deviation
Variance
Skewness
Kurtosis
Statistic
Statistic
Statistic
Statistic
Statistic
Std.Error
Statistic
Statistic
Statistic
Std.Error
Statistic
Std.Error
年龄
16
5
13
18
16.06
.382
1.526
2.329
-.505
.564
-.549
1.091
体重
16
32.00
38.00
70.00
55.6250
2.36973
9.47892
89.850
-.308
.564
-.754
1.091
身高
16
31.00
149.00
180.00
1.6369E2
2.25964
9.03857
81.696
.135
.564
-.633
1.091
ValidN(listwise)
16
在表中,最大值,最小值与均值方差一目了然。
2、某医生用国产呋喃硝胺治疗十二指肠溃疡,以甲氰咪胍作对照组,问两种方法治疗效果有无差别
处理
愈合
未愈合
合计
呋喃硝胺
54
8
62
甲氰咪胍
44
20
64
合计
98
28
126
(提示:
由于此处给出的直接是频数表,因此在建立数据集时可以直接输入三个变量――行变量、列变量和指示每个格子中频数的变量,然后用WeightCases对话框指定频数变量,最后调用Crosstabs过程进行X2检验。
假设三个变量分别名为R、C和W,则数据集结构和命令如下):
R
C
W
1.00
1.00
54.00
1.00
2.00
44.00
2.00
1.00
8.00
2.00
2.00
20.00
实验步骤:
(1)先通过excel将题目中的数据导入到SPSS中,如图:
(2)执行analyze/descriptivesstatistics/crosstabs命令,在中导入药名,在column中导入愈合,其他设置采用默认设置,确认。
实验结果及分析:
结果如图所示:
表一表示参与分析的数据有98个,无缺失值;表二表明了药名与治愈之间的交叉关系。
实验三均值检验
一、实验目的
学习利用SPSS进行单样本、两独立样本以及成对样本的均值检验。
二、实验内容:
1、一个生产高性能汽车的公司生产直径为322mm的圆盘制动闸。
公司的质量控制部门随机抽取不同机器生产的制动闸进行检验。
共4台机器,每台机器抽取16支产品。
见数据文件ttest1.sav,要求检验每个机器生产的产品均值和322在90%的置信水平下是否有显著差异。
实验步骤:
(1)在SPSS中打开数据ttest1.sav
(2)执行analyze/comparameans/one-sampletest操作;
(3)在弹出来的选选项框中,在testvariable中选入制动闸直径,testvalues中输入322,确认。
实验结果及分析:
结果如图,样本量是64,均值为322,标准差为0.0122577,标准误差是0.0015322.、相伴概率为0.295,所以不拒绝原假设,认为每个机器生产的产品的直径无显著性差异。
2、在体育课上记录14名学生乒乓球得分的数据,男女各7名。
数据如下:
男:
82.0080.0085.0085.0078.0087.0082.00
女:
75.0076.0080.0077.0080.0077.0073.00
比较在置信度为95%的情况下男女生得分是否有显著差别。
实验步骤:
(1)将数据录入到SPSS中,如图:
(2)执行analyze/comparameans/dependent-sampletest操作,在弹出来的对话框中,在testvariable中选入成绩,在groupvariable中选入组别,点击definegroup分别输入0和1,continue,确认。
实验结果及分析:
结果如图,男女成绩均值分别为82.71和77.50,标准差分别为3.147和2.074,伴随概率为0.005,小于0.05,说明男女的分有显著性差别。
GroupStatistics
组别
N
Mean
Std.Deviation
Std.ErrorMean
成绩
1
7
82.71
3.147
1.190
2
6
77.50
2.074
.847
IndependentSamplesTest
Levene'sTestforEqualityofVariances
t-testforEqualityofMeans
F
Sig.
t
df
Sig.(2-tailed)
MeanDifference
Std.ErrorDifference
95%ConfidenceIntervaloftheDifference
Lower
Upper
成绩
Equalvariancesassumed
1.365
.267
3.455
11
.005
5.214
1.509
1.893
8.536
Equalvariancesnotassumed
3.571
10.412
.005
5.214
1.460
1.979
8.450
3、某医疗结构针对具有家族心脏病史的病人研发了一种新药。
为了检验这种新药的疗效是否显著,对16位病人进行为期半年的观察测试,测试指标为使用该药之前和之后的体重以及甘油三酯的水平的变化。
见数据文件ptest.sav.
实验步骤:
(1)打开文件ptest.sav;
(2)执行analyze/comparameans/paireds-sampletest操作;
(3)分别在弹出来的对话框中输入tg0和tg1及wgt0和wgt1.确认
实验结果及分析:
结果如图:
表1给出了两对配对数据的各自均值,参与数量,标准差和标准误差。
表2给出了两对配对数据的相关系数,从表3中可以得出,服用新药前后甘油三酯的伴随概率为0.283,大于0.05,所以甘油三酯在服药前后有显著性差异,而体重在服药前后的伴随概率小于0.05,不能说明服药前后对体重有显著性影响。
PairedSamplesStatistics
Mean
N
Std.Deviation
Std.ErrorMean
Pair1
服药前甘油三酯水平
138.44
16
29.040
7.260
服药后甘油三酯水平
124.38
16
29.412
7.353
Pair2
服药前体重
198.38
16
33.472
8.368
服药后体重
190.31
16
33.508
8.377
表1
PairedSamplesCorrelations
N
Correlation
Sig.
Pair1
服药前甘油三酯水平&服药后甘油三酯水平
16
-.286
.283
Pair2
服药前体重&服药后体重
16
.996
.000
表2
PairedSamplesTest
PairedDifferences
t
df
Sig.(2-tailed)
Mean
Std.Deviation
Std.ErrorMean
95%ConfidenceIntervaloftheDifference
Lower
Upper
Pair1
服药前甘油三酯水平-服药后甘油三酯水平
14.062
46.875
11.719
-10.915
39.040
1.200
15
.249
Pair2
服药前体重-服药后体重
8.062
2.886
.722
6.525
9.600
11.175
15
.000
表3
实验四相关分析
一、实验目的
学习利用SPSS进行相关分析、偏相关分析、距离分析。
二、实验内容:
1、打开数据文件correlate1.sav,要求分析汽车价格和汽车的燃油效率之间是否存在线性关系。
实验步骤:
(1)在spss中打开已经录好的文件correlate1.sav;
(2)执行analyze/correlate/bivariate命令;在弹出的bivariatecorrelation对话框中,将price和mpg添加到variable列表框中如图所示:
(3)单击option选项,选中meansanddevilation,单击continue,确认,
实验结果及分析:
如图
从图中可以看出汽车汽车价格与汽车的燃油效率之间的的相关系数为-0.492,判定系数为0.01,小于0.05.说明价格与燃油效率之间无显著相关关系。
2、打开数据文件pcorrelation.sav,对身高、体重和肺活量进行变量距离分析。
选相似性测度。
进行结果解释。
实验步骤:
(1)在SPSS中打开文件pcorrelation.sav;
(2)执行analyze/correlate/distances操作。
(3)在variable中录入身高、体重和肺活量;
(4)选择betweenvariable单选按钮和similiarities选项,确认。
实验结果及分析:
结果如图所示:
可知所有的变量都参与了分析,而且身高和体重相似性最大。
3、打开数据文件distance.sav,文件是利用三种不同的仪器对飞机的10只叶片的半径分别进行了测量。
要求对10只叶片进行距离分析。
用Euclideandistance。
进行结果解释。
实验步骤:
(1)打开文件distance.sav
(2)执行操作analyze/correlate/distances;
(3)选择betweencase和dissimiliarities,确认。
实验结果及分析:
结果如图:
可以看出10个case都参加了分析,分析得出不相似性最大的10和7其次有很大的不相似性的还有1和7、1和8、1和10、2和7、6和10、8和10等等。
CaseProcessingSummary
Cases
Valid
Missing
Total
N
Percent
N
Percent
N
Percent
10
100.0%
0
.0%
10
100.0%
ProximityMatrix
EuclideanDistance
1
2
3
4
5
6
7
8
9
10
1
.000
.663
.490
.469
.795
.800
.962
.930
.378
.935
2
.663
.000
.445
.522
.198
.870
.991
.708
.373
.465
3
.490
.445
.000
.312
.475
.560
.714
.580
.330
.838
4
.469
.522
.312
.000
.634
.415
.559
.465
.219
.963
5
.795
.198
.475
.634
.000
.922
1.036
.734
.528
.468
6
.800
.870
.560
.415
.922
.000
.170
.375
.633
1.329
7
.962
.991
.714
.559
1.036
.170
.000
.382
.775
1.454
8
.930
.708
.580
.465
.734
.375
.382
.000
.621
1.162
9
.378
.373
.330
.219
.528
.633
.775
.621
.000
.776
10
.935
.465
.838
.963
.468
1.329
1.454
1.162
.776
.000
Thisisadissimilaritymatrix
实验五:
因子分析
一、实验目的:
运用因子分析方法分析数据
二、实验内容:
下表资料为25名健康人的7项生化检验结果,7项生化检验指标依次命名为X1至X7,请对该资料进行因子分析。
X1
X2
X3
X4
X5
X6
X7
3.76
8.59
6.22
7.57
9.03
5.51
3.27
8.74
9.64
9.73
8.59
7.12
4.69
5.51
1.66
5.90
9.84
8.39
4.94
7.23
9.46
9.55
4.94
8.21
9.41
3.66
4.99
6.14
7.28
7.08
3.98
0.62
7.00
9.49
1.33
2.98
5.49
3.01
1.34
1.61
5.76
9.27
4.92
4.38
2.30
7.31
5.35
4.52
3.08
6.44
0.54
1.34
4.52
7.07
2.59
1.30
0.44
3.31
1.03
1.00
1.17
3.68
2.17
1.27
1.57
1.55
1.51
2.54
1.03
1.77
1.04
4.25
4.50
2.42
5.11
5.28
10.02
9.84
12.66
11.76
6.92
3.36
11.68
13.57
9.87
9.17
9.72
5.98
5.81
2.80
8.84
13.60
10.05
6.68
7.79
12.00
11.74
8.07
9.10
12.50
9.77
7.50
2.17
1.79
4.54
5.33
7.63
3.53
13.13
9.87
7.85
2.64
2.76
4.57
1.78
5.40
9.02
3.96
6.49
4.39
11.58
2.77
1.79
3.75
2.45
13.74
10.16
2.73
2.10
6.22
7.30
8.84
4.76
18.52
11.06
9.91
3.43
3.55
5.38
2.09
7.50
12.67
5.24
9.06
5.37
16.18
3.51
2.10
4.66
3.10
4.78
2.13
1.09
0.82
1.28
2.40
8.39
1.12
2.35
3.70
2.62
1.19
2.01
3.43
3.72
1.97
1.75
1.43
2.81
2.27
2.42
1.05
1.29
1.72
0.91
实验步骤:
(1)将上述数据导入到spss中,如图:
(2)执行analyze/datereduction/factor命令,得到如图所示的对话框:
(3)分别在图中右边的选项中进行设置,最后确认,得到结果如图:
实验结果及分析:
在上面的图中,具有影响的七个变量被整合成具有影响力的factor1和factor2两个因素,具体分析如下:
(1)
从表中数据可以看出七个变量之间的相关性和相关系数,构成了一个7*7的交叉分析,有好多的因子之间的相关系数大于0,3,判定系数大于0.05,具有显著地相关性。
(2)
这是因子分析的初始结果。
(3)是因子分析后因子提取和因子旋转的结果:
TotalVarianceExplained
Component
InitialEigenvalues
ExtractionSumsofSquaredLoadings
RotationSumsofSquaredLoadings
Total
%ofVariance
Cumulative%
Total
%ofVariance
Cumulative%
Total
%ofVariance
Cumulative%
1
3.395
48.503
48.503
3.395
48.503
48.503
3.306
47.231
47.231
2
2.806
40.090
88.593
2.806
40.090
88.593
2.895
41.361
88.593
3
.436
6.236
94.828
4
.276
3.946
98.775
5
.081
1.160
99.935
6
.004
.059
99.994
7
.000
.006
100.000
ExtractionMethod:
PrincipalComponentAnalysis.
第一列是因子序号,第二列是因子对方差的贡献值,第三列是因子对方差的贡献率,第四列是因子的累积贡献率,从第五列到第七咧是从初始解中按一定的标准提取三个公共因子后对原变量总体的描述情况。
从第八列到第十列是旋转后得到的因子对原变量整体的贡