SPSS实验2.docx
《SPSS实验2.docx》由会员分享,可在线阅读,更多相关《SPSS实验2.docx(44页珍藏版)》请在冰豆网上搜索。
![SPSS实验2.docx](https://file1.bdocx.com/fileroot1/2023-2/3/c12e62cd-3624-42f2-a862-36ad6204e707/c12e62cd-3624-42f2-a862-36ad6204e7071.gif)
SPSS实验2
实验报告
(二)
实验项目:
描述性统计分析
基本操作训练:
用SPSS对数据进行频率,描述性,探索性,交叉表的分析。
实验的目的:
掌握数据集中趋势和离中趋势的分析方法。
熟练掌握各个分析过程的基本步骤以及彼此之间的联系和区别。
实验内容:
1.探索分析过程
2.描述分析过程
3.频率分析过程
4.交叉表分析过程
数据来源:
11级财会系学生眼镜度数随机抽样调查所得
实验1:
探索分析(研究左眼镜度数)
案例处理摘要
案例
有效
缺失
合计
N
百分比
N
百分比
N
百分比
眼镜度数(左)
29
100.0%
0
.0%
29
100.0%
结果说明:
该样本共有29个数据,其中有效数据29个,占总数据的100%,缺失数据为0,占总数的0%。
描述
统计量
标准误
眼镜度数(左)
均值
391.90
18.590
均值的95%置信区间
下限
353.82
上限
429.98
5%修整均值
387.54
中值
400.00
方差
10022.167
标准差
100.111
极小值
240
极大值
630
范围
390
四分位距
113
偏度
.521
.434
峰度
.408
.845
左眼镜变异系数CV=100.11/391.90=0.255
结果说明:
11级财会系学生左眼镜度数最大值630度,最小值240度,均值391.90度,范围为390度,四分位距为113度。
(茎叶图)
眼镜度数(左)Stem-and-LeafPlot
FrequencyStem&Leaf
2.002.44
4.002.5577
2.003.22
4.003.5577
10.004.0000002222
4.004.5557
.005.
1.005.7
2.00Extremes(>=600)
Stemwidth:
100
Eachleaf:
1case(s)
(框图)
结果说明:
由以上的茎叶图和框图可以看出,11级财会系学生眼镜度数左偏。
实验2:
描述分析过程
描述统计量
N
极小值
极大值
均值
标准差
眼镜度数(左)
29
240
630
391.90
100.111
眼镜度数(右)
29
160
650
394.83
113.966
有效的N(列表状态)
29
结果说明:
由以上图可以看出,左眼镜度数最大值为630度,最小值为240度,均值为391.9度,标准差为100.111;右眼镜度数最大值为650度,最小值为160度,均值为394.83度,标准差为113.966。
可以看出,整体右眼镜度数大于左眼镜度数。
实验3:
频率分析过程
分组:
第一组<300度;300度<第二组<500度;第三组>500度
右眼镜度数2
频率
百分比
有效百分比
累积百分比
有效
1.00
7
24.1
24.1
24.1
2.00
10
34.5
34.5
58.6
3.00
12
41.4
41.4
100.0
合计
29
100.0
100.0
结果说明:
300度以下的人数为7,占总体24.1%,300度和400度的人数为10个,占总体34.5%,500度以上人数为12人,占总体人数的41.4%,可见11级财会系学生右眼镜度数500度以上者居多。
实验4:
交叉表分析过程
研究男女生右眼镜度数是否有差别
性别*123交叉制表
分组
合计
1.00
2.00
3.00
性别
男
性别中的%
15.4%
46.2%
38.5%
100.0%
分组中的%
28.6%
60.0%
41.7%
44.8%
女
性别中的%
31.3%
25.0%
43.8%
100.0%
分组中的%
71.4%
40.0%
58.3%
55.2%
合计
性别中的%
24.1%
34.5%
41.4%
100.0%
分组中的%
100.0%
100.0%
100.0%
100.0%
卡方检验
值
df
渐进Sig.(双侧)
Pearson卡方
1.727a
2
.422
似然比
1.755
2
.416
有效案例中的N
29
结果说明:
由以上交叉表可看出不同范围的男女生右眼镜度数的分布情况。
卡方检验结果,p=0.422>0.05,所以接受原假设,即男女生右眼镜度数没有明显差异。
实验报告(三)
实验项目:
均值比较
基本操作训练
实验的目的:
学习利用SPSS进行样本以及成对样本的均值实验。
实验内容:
1.描述统计(means过程)
2.单样本T检验(0ne-SampleTTest过程)
3.独立样本T检验(Independen-SampleTTest过程)
4.配对样本T检验(Paired-SampleTTest过程)
年份
NBA球员平均工资(百万美元)Y
GDP亿美元(2000年为基期)X1
通货膨胀率
X2
NBA工资帽(百万美元)X3
经济增长率(%)X4
1985
0.33
6,053.70
3.55%
3.6
3.22
1986
0.382
6,263.60
1.91%
4.2
2.52
1987
0.431
6,475.10
3.66%
4.9
2.28
1988
0.502
6,742.70
4.08%
5.2
3.17
1989
0.575
6,981.40
4.83%
7.2
2.6
1990
0.717
7,112.50
5.39%
9.8
0.74
1991
0.927
7,100.50
4.25%
11.9
-1.55
1992
1.1
7,336.60
3.03%
12.5
2.03
1993
1.3
7,532.70
2.96%
14
1.53
1994
1.5
7,835.50
2.61%
15.1
2.82
1995
1.8
8,031.70
2.81%
15.9
1.31
1996
2
8,328.90
2.93%
23
2.54
1997
2.3
8,703.50
2.34%
24.4
3.22
1998
2.6
9,066.90
1.55%
26.9
3.15
1999
3
9,470.30
2.19%
30
3.64
2000
3.6
9,817.00
3.38%
34
3
2001
4.2
9,890.70
2.83%
35.5
0.06
2002
4.5
10,048.80
1.59%
42.5
0.84
2003
4.5
10,301.00
2.27%
40.3
1.55
2004
4.9
10,675.80
2.68%
43.8
2.65
2005
4.9
10,989.50
3.39%
43.9
2.13
2006
5
11,294.80
3.24%
49.5
1.71
2007
5.2
11,523.90
2.85%
53.1
1.15
2008
5.2
11,652.00
3.85%
55.6
-0.48
数据来源:
维基百科等权威网站
实验1:
描述统计(means过程)
研究NBA球员平均工资(百万美元)Y
案例处理摘要
案例
已包含
已排除
总计
N
百分比
N
百分比
N
百分比
NBA球员平均工资(百万美元)Y*均工资
24
96.0%
1
4.0%
25
100.0%
报告
NBA球员平均工资(百万美元)Y
均工资
均值
N
标准差
1.00
.5520
7
.20964
2.00
1.8000
7
.54160
3.00
4.5000
10
.72265
总计
2.5610
24
1.82527
结果说明:
案例中包含24个数据,占总数96%,排除1个数据,占总数4%。
由下面的报告可看出,工资在1百万美元以下的均值为0.5520百万美元,工资为1百万和2百万美元的均值为1.8百万美元,工资大于2百万美元的均值为2.561百万美元。
他们的标准差依次为0.20964,0.54160,0.72265。
实验2:
单样本T检验(0ne-SampleTTest过程)
研究NBA球员平均工资(百万美元)Y是否较以前有所提高
单个样本统计量
N
均值
标准差
均值的标准误
NBA球员平均工资(百万美元)Y
24
2.5610
1.82527
.37258
单个样本检验
检验值=0
t
df
Sig.(双侧)
均值差值
差分的95%置信区间
下限
上限
NBA球员平均工资(百万美元)Y
6.874
23
.000
2.56100
1.7903
3.3317
结果说明:
p<0.05拒绝原假设,接受备择假设,即NBA球员平均工资(百万美元)Y较以前有所提高。
实验3:
独立样本T检验(Independen-SampleTTest过程)
小李周零花钱
小汪周零花钱
36
50
47
51
28
32
59
36
70
48
22
46
35
70
50
21
43
34
28
40
57
60
52
53
33
69
38
28
40
37
20
30
数据来源:
对小李(李赵军)和小汪(汪磊磊)调查所得
组统计量
类别
Statistic
Bootstrapa
偏差
标准误差
95%置信区间
下限
上限
分组
小李周零花钱
N
16
均值
41.1250
.0987
3.3166
34.8353
47.8570
标准差
13.99464
-.58899
2.09687
9.04026
17.34567
均值的标准误
3.49866
小汪周零花钱
N
16
均值
44.0625
.0635
3.5405
37.2013
51.3612
标准差
14.36880
-.60379
2.08958
9.49763
17.59853
均值的标准误
3.59220
独立样本检验
方差方程的Levene检验
均值方程的t检验
F
Sig.
t
df
Sig.(双侧)
均值差值
标准误差值
差分的95%置信区间
下限
上限
分组
假设方差相等
.041
.842
-.586
30
.562
-2.93750
5.01443
-13.17834
7.30334
假设方差不相等
-.586
29.979
.562
-2.93750
5.01443
-13.17864
7.30364
结果说明:
因为0.842>0.05,所以两样本方差相等,此时0.562>0.05,所以接受原假设,即小李和小汪的周零花钱没有明显的差异。
实验4:
配对样本T检验(Paired-SampleTTest过程)
思想教育前
思想教育后
1
0
2
2
0
0
1
0
3
1
4
0
0
2
2
3
0
0
3
3
1
0
1
1
2
1
5
1
2
0
4
0
数据来源:
某校16个班思想教育前后作弊人数(自编)
成对样本检验
成对差分
t
df
Sig.(双侧)
均值
标准差
均值的标准误
差分的95%置信区间
下限
上限
对1
思想教育前-思想教育后
1.063
1.769
.442
.120
2.005
2.403
15
.030
结果说明:
p=0.030<0.05,拒绝原假设,接受备择假设,即该校学生接受思想教育前后作弊情况有明显差异。
实验报告(四)
实验项目:
相关与回归分析
实验的目的:
学习利用SPSS进行相关分析、偏相关分析、距离分析、线性回归分析和曲线回归分析。
实验内容:
1.两变量的相关分析(Bivariate过程)
2.偏相关分析(Partial过程)
3.距离分析(Distances过程)
4.线性回归分析(Linear过程)
实验1:
两变量的相关分析(Bivariate过程)
考试成绩
日熬夜时间
80
3
78
1
75
0.5
86
1.2
63
2.4
77
2.2
88
1.8
85
3.4
81
4
67
2
70
1
81
1
82
2.3
83
2
70
0.5
76
0.7
数据来源:
数据纯属虚构
相关性
考试成绩
日熬夜时间
考试成绩
Pearson相关性
1
.244
显著性(双侧)
.363
N
16
16
日熬夜时间
Pearson相关性
.244
1
显著性(双侧)
.363
N
16
16
结果说明:
相关性分析得出,p=0.363>0.05,接受原假设,即熬夜时间长短与考试成绩之间没有显著地相关性。
实验2:
偏相关分析(Partial过程)
年份
NBA球员平均工资(百万美元)Y
GDP亿美元(2000年为基期)X1
NBA工资帽(百万美元)X2
1985
0.33
6,053.70
3.6
1986
0.382
6,263.60
4.2
1987
0.431
6,475.10
4.9
1988
0.502
6,742.70
5.2
1989
0.575
6,981.40
7.2
1990
0.717
7,112.50
9.8
1991
0.927
7,100.50
11.9
1992
1.1
7,336.60
12.5
1993
1.3
7,532.70
14
1994
1.5
7,835.50
15.1
1995
1.8
8,031.70
15.9
1996
2
8,328.90
23
1997
2.3
8,703.50
24.4
1998
2.6
9,066.90
26.9
1999
3
9,470.30
30
2000
3.6
9,817.00
34
2001
4.2
9,890.70
35.5
2002
4.5
10,048.80
42.5
2003
4.5
10,301.00
40.3
2004
4.9
10,675.80
43.8
2005
4.9
10,989.50
43.9
2006
5
11,294.80
49.5
2007
5.2
11,523.90
53.1
2008
5.2
11,652.00
55.6
描述性统计量
均值
标准差
N
NBA工资帽(百万美元)X3
25.2833
17.02136
24
NBA球员平均工资(百万美元)Y
2.5610
1.82527
24
GDP亿美元(2000年为基期)X1
8717.8792
1801.46049
24
相关性
控制变量
NBA工资帽(百万美元)X3
NBA球员平均工资(百万美元)Y
GDP亿美元(2000年为基期)X1
-无-a
NBA工资帽(百万美元)X3
相关性
1.000
.990
.993
显著性(双侧)
.
.000
.000
df
0
22
22
NBA球员平均工资(百万美元)Y
相关性
.990
1.000
.989
显著性(双侧)
.000
.
.000
df
22
0
22
GDP亿美元(2000年为基期)X1
相关性
.993
.989
1.000
显著性(双侧)
.000
.000
.
df
22
22
0
GDP亿美元(2000年为基期)X1
NBA工资帽(百万美元)X3
相关性
1.000
.472
显著性(双侧)
.
.023
df
0
21
NBA球员平均工资(百万美元)Y
相关性
.472
1.000
显著性(双侧)
.023
.
df
21
0
a.单元格包含零阶(Pearson)相关。
相关性
控制变量
NBA球员平均工资(百万美元)Y
GDP亿美元(2000年为基期)X1
NBA工资帽(百万美元)X3
-无-a
NBA球员平均工资(百万美元)Y
相关性
1.000
.989
.990
显著性(双侧)
.
.000
.000
df
0
22
22
GDP亿美元(2000年为基期)X1
相关性
.989
1.000
.993
显著性(双侧)
.000
.
.000
df
22
0
22
NBA工资帽(百万美元)X3
相关性
.990
.993
1.000
显著性(双侧)
.000
.000
.
df
22
22
0
NBA工资帽(百万美元)X3
NBA球员平均工资(百万美元)Y
相关性
1.000
.316
显著性(双侧)
.
.141
df
0
21
GDP亿美元(2000年为基期)X1
相关性
.316
1.000
显著性(双侧)
.141
.
df
21
0
a.单元格包含零阶(Pearson)相关。
结果说明:
控制GDP,0.023<0.05,所以拒绝原假设,即NBA球员平均工资与NBA工资帽显著相关;控制NBA工资帽,0.141>0.05,所以接受原假设,即NBA球员平均工资与GDP之间无显著相关性。
实验3:
距离分析(Distances过程)
地区
城乡消费
北京
2.1
天津
2.5
河北
3.4
山西
2.9
内蒙古
3.7
辽宁
3.0
吉林
2.8
黑龙江
2.5
上海
2.3
江苏
2.2
数据来源:
《中国统计年鉴》
近似矩阵
Euclidean距离
1:
北京
2:
天津
3:
河北
4:
山西
5:
内蒙古
6:
辽宁
7:
吉林
8:
黑龙江
9:
上海
10:
江苏
1:
北京
.000
.400
1.300
.800
1.600
.900
.700
.400
.200
.100
2:
天津
.400
.000
.900
.400
1.200
.500
.300
.000
.200
.300
3:
河北
1.300
.900
.000
.500
.300
.400
.600
.900
1.100
1.200
4:
山西
.800
.400
.500
.000
.800
.100
.100
.400
.600
.700
5:
内蒙古
1.600
1.200
.300
.800
.000
.700
.900
1.200
1.400
1.500
6:
辽宁
.900
.500
.400
.100
.700
.000
.200
.500
.700
.800
7:
吉林
.700
.300
.600
.100
.900
.200
.000
.300
.500
.600
8:
黑龙江
.400
.000
.900
.400
1.200
.500
.300
.000
.200
.300
9:
上海
.200
.200
1.100
.600
1.400
.700
.500
.200
.000
.100
10:
江苏
.100
.300
1.200
.700
1.500
.800
.600
.300
.100
.000
这是一个不相似性矩阵
结果说明:
以上表壳可看出各省份之间城乡消费的相似情况,如北京与河北、内蒙古的城乡消费相似,与上海、江苏的城乡消费相差较大。
实验4:
线性回归分析(Linear过程)
(1)、一元线性回归
输入/移去的变量b
模型
输入的变量
移去的变量
方法
1
GDP亿美元(2000年为基期)X1
.
输入
a.已输入所有请求的变量。
b.因变量:
NBA球员平均工资(百万美元)Y
模型汇总
模型
R
R方
调整R方
标准估计的误差
更改统计量
R方更改
F更改
df1
df2
Sig.F更改
1
.989a
.977
.976
.28106
.977
948.006
1
22
.000
a.预测变量:
(常量),GDP亿美元(2000年为基期)X1。
Anovab
模型
平方和
df
均方
F
Sig.
1
回归
74.889
1
74.889
948.006
.000a
残差
1.738
22
.079
总计
76.627
23
a.预测变量:
(常量),GDP亿美元(2000年为基期)X1。
b.因变量:
NBA球员平均工资(百万美元)Y
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)
-6.171
.289
-21.328
.000
GDP亿美元(2000年为基期)X1
.001
.000
.989
30.790
.000
a.因变量:
NBA球员平均工资(百万美元)Y
结果说明:
R2=0.977,调整后的R2=0.976,可看出拟合较好,又P=0.000<0.