最新spss的数据分析报告[1]要点.doc
Four short words sum up what has lifted most successful individuals above the crowd: a little bit more.-author-datespss的数据分析报告1要点关于某公司474名职工综合状况的统计分析报告 SPSS 数据分析报告 学生姓名： 李 婷 学 号： 0904100223 专 业： 统 计 学 班 级： 统计0902 指导教师： 朱 钰 完成日期： 2011年12月17日-目 录一数据简介3二数据分析3三描述性分析5四. 探索性分析61.交叉分析62.茎叶图73 p-p 图分析11五.证实性分析121.相关分析122.回归分析133.参数检验15（1）单样本T检验16（2）独立样本T检验17关于某地区361个人旅游情况统计分析报告一、 数据介绍：此数据来源于http:/www.amstat.org/publications/jse/jse_data_archive.htm本次分析的数据为某地区361个人旅游情况状况统计表，其中共包含七变量，分别是：年龄，为三类变量；性别，为二类变量（0代表女，1代表男）；收入，为一类变量；旅游花费，为一类变量；通道，为二类变量（0代表没走通道，1代表走通道）；旅游的积极性，为三类变量（0代表积极性差，1代表积极性一般，2代表积极性比较好，3代表积极性好 4代表积极性非常好）；额外收入,一类变量。通过运用spss统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析、。以了解该地区上述方面的综合状况，并分析个变量的分布特点及相互间的关系。二、 频数分析：基本的统计分析往往从频数分析开始。通过频数分地区359个人旅游基本状况的统计数据表，在性别、旅游的积极性不同的状况下的频数分析，从而了解该地区的男女职工数量、不同积极性况的基本分布。Statistics性别NValid359Missing0 首先，对该地区的男女性别分布进行频数分析，结果如下性别FrequencyPercentValid PercentCumulative PercentValid女19855.255.255.2男16144.844.8100.0Total359100.0100.0表说明，在该地区被调查的359个人中，有198名女性，161名男性，男女比例分别为44.8%和55.2%，该公司职工男女数量差距不大，女性略多于男性。其次对原有数据中的旅游的积极性进行频数分析，结果如下表 ：旅游积极性FrequencyPercentValid PercentCumulative PercentValid差17147.647.647.6一般7922.022.069.6比较好7922.022.091.6好246.76.798.3非常好61.71.7100.0Total359100.0100.0其次对原有数据中的是否进通道进行频数分析，结果如下表 ：Statistics通道NValid359Missing0通道FrequencyPercentValid PercentCumulative PercentValid没走通道29381.681.681.6通道6618.418.4100.0Total359100.0100.0表说明，在该地区被调查的359个人中，有没走通道的占81.6%，占绝大多数。上表及其直方图说明，被调查的359个人中，对与旅游积极性差的组频数最高的，为171 人数的47.6%，其次为积极性一般和比较好的，占比例都为22.0%，积性为好的和非常好的比例比较低，分别为24人和6人，占总体的比例为6.7%和1.7%。三、 描述统计分析。再通过简单的频数统计分析了解了职工在性别和受教育水平上的总体分布状况后，我们还需要对数据中的其他变量特征有更为精确的认识，这就需要通过计算基本描述统计的方法来实现。下面就对各个变量进行描述统计分析，得到它们的均值、标准差、片度峰度等数据，以进一步把我数据的集中趋势和离散趋势。描述统计量N极小值极大值均值标准差方差偏度峰度统计量统计量统计量统计量统计量统计量统计量标准误统计量标准误收入3597.4266250.0001032.93021762.523942581442.7621.790.1296.869.257旅游花费359211006116.41130.71617086.7043.145.12913.401.257有效的 N （列表状态）359如表所示，以起始工资为例读取分析结果，359个人中收入最小值为7.426￥，最大值为6250.00000￥，平均1032.9302￥，标准差为762.5239￥偏度系数和峰度系数分别为1.790和6.869。其他数据依此读取，则该表表明该地区旅游花费的详细分布状况。四 、探索性数据分析（1）、交叉分析通过频数分析能够掌握单个变量的数据分布情况，但是在实际分析中，不仅要了解单个变量的分布特征，还要分析多个变量不同取值下的分布，掌握多个变量的联合分布特征，进而分析变量之间的相互影响和关系。就本数据而言，。现以现性别与旅游积极性的列联表分析为例，读取数据（下面数据分析表为截取的一部分）：Count Case Processing SummaryCasesValidMissingTotalNPercentNPercentNPercent性别 * 旅游积极性359100.0%0.0%359100.0%性别 * 旅游积极性 CrosstabulationCount旅游积极性Total差一般比较好好非常好性别女964741122198男753238124161Total1717979246359上联表及Bar Chart涉及两个变量，即性别与积极性的二维交叉，反映了在不同的性别对于旅游积极性分布情况。上表中，性别成为行向量，积极性列向量。（2）、茎叶图性别Case Processing Summary性别CasesValidMissingTotalNPercentNPercentNPercent收入女198100.0%0.0%198100.0%男161100.0%0.0%161100.0%Descriptives性别StatisticStd. Error收入女Mean1005.2856249.51479695% Confidence Interval for MeanLower Bound907.63853Upper Bound1102.932725% Trimmed Mean957.92011Median937.50000Variance485439.577Std. Deviation696.734940Minimum7.426Maximum3125.000Range3117.574Interquartile Range937.563Skewness.896.173Kurtosis.310.344男Mean1066.9279165.99321995% Confidence Interval for MeanLower Bound936.59779Upper Bound1197.258025% Trimmed Mean986.95497Median937.50000Variance701171.907Std. Deviation837.360082Minimum58.630Maximum6250.000Range6191.370Interquartile Range718.750Skewness2.370.191Kurtosis10.166.380收入Stem-and-Leaf Plots收入 Stem-and-Leaf Plot for性别= 女 Frequency Stem & Leaf 18.00 0 . 001111111111111111 26.00 0 . 22222222222223333333333333 17.00 0 . 44444444444555555 33.00 0 . 666666666666666666666777777777777 22.00 0 . 8889999999999999999999 13.00 1 . 0000000001111 18.00 1 . 222222222222222223 18.00 1 . 444455555555555555 4.00 1 . 7777 5.00 1 . 88888 14.00 2 . 00000111111111 .00 2 . 4.00 2 . 5555 1.00 2 . 6 2.00 2 . 88 3.00 Extremes (>=3000) Stem width: 1000.000 Each leaf: 1 case(s)收入 Stem-and-Leaf Plot for性别= 男 Frequency Stem & Leaf 15.00 0 . 001111111111111 17.00 0 . 22222233333333333 13.00 0 . 4444445555555 26.00 0 . 66666666666667777777777777 19.00 0 . 8888899999999999999 13.00 1 . 0000000000011 19.00 1 . 2222222222222222223 13.00 1 . 4444555555555 2.00 1 . 77 6.00 1 . 888889 6.00 2 . 000111 12.00 Extremes (>=2351) Stem width: 1000.000 Each leaf: 1 case(s)结果分析如下 收入 女 男平均数 1005.28562 1066.92791 均数的95%可信区间 （907.63853，1102.93272） （936.59779，1197.25802）5%的调整均数 957.92011 986.95497 中位数 937.50000 937.50000标准差 696.734940 837.360082标准差 485439.577 701171.907最小值 7.426 58.630最大值 3125.000 6250.000极差 3117.574 6191.370四分位数间距 937.563 718.750偏度系数 2.370 2.370峰度系数 .310 10.166（3）p-p图分析Age结果分析年龄在正态p-p图的散点近似成一条直线，无趋势正态p-p图的散点均匀分布在直线y=0的上下，故可认为本资料服从正态分布五、证实性分析 1、相关分析。相关分析是分析客观事物之间关系的数量分析法，明确客观事之间有怎样的关系对理解和运用相关分析是极其重要的。函数关系是指两事物之间的一种一一对应的关系，即当一个变量X取一定值时，另一个变量函数Y可以根据确定的函数取一定的值。另一种普遍存在的关系是统计关系。统计关系是指两事物之间的一种非一一对应的关系，即当一个变量X取一定值时，另一个变量Y无法根据确定的函数取一定的值。统计关系可分为线性关系和非线性关系。事物之间的函数关系比较容易分析和测度，而事物之间的统计关系却不像函数关系那样直接，但确实普遍存在，并且有的关系强有的关系弱，程度各有差异。如何测度事物之间的统计关系的强弱是人们关注的问题。相关分析正是一种简单易行的测度事物之间统计关系的有效工具。Correlations收入旅游花费额外收入收入Pearson Correlation1.140*.853*Sig. (2-tailed).008.000N359359359旅游花费Pearson Correlation.140*1.183*Sig. (2-tailed).008.000N359359359额外收入Pearson Correlation.853*.183*1Sig. (2-tailed).000.000N359359359*. Correlation is significant at the 0.01 level (2-tailed).上表是对本次分析数据中，旅游花费、收入、额外收入的相关分析，表中相关系数旁边有两个星号（*）的，表示显著性水平为0.01时，仍拒绝原假设。一个星号（*）表示显著性水平为0.05是仍拒绝原假设。先以现旅游花费这一变量与其他变量的相关性为例分析，由上表可知，旅游花费与额外收入的相关性最大，2、回归分析有相关性分析可得 收入，旅游花费呈线性相关，因此作回归分析Variables Entered/RemovedbModelVariables EnteredVariables RemovedMethod1收入a.Entera. All requested variables entered.b. Dependent Variable: 旅游花费Model SummarybModelRR SquareAdjusted R SquareStd. Error of the Estimate1.140a.020.017129.604a. Predictors: (Constant), 收入b. Dependent Variable: 旅游花费ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression120443.8091120443.8097.170.008aResidual5996596.23935716797.188Total6117040.048358a. Predictors: (Constant), 收入b. Dependent Variable: 旅游花费CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)91.56311.5287.943.000收入.024.009.1402.678.008a. Dependent Variable: 旅游花费Residuals StatisticsaMinimumMaximumMeanStd. DeviationNPredicted Value91.74241.90116.4118.342359Std. Predicted Value-1.3456.842.0001.000359Standard Error of Predicted Value6.84047.3629.0483.426359Adjusted Predicted Value92.09271.79116.5319.018359Residual-193.904891.785.000129.423359Std. Residual-1.4966.881.000.999359Stud. Residual-1.6076.891.0001.002359Deleted Residual-223.789894.316-.117130.229359Stud. Deleted Residual-1.6117.390.0041.025359Mahal. Distance.00046.811.9972.955359Cook's Distance.000.199.003.015359Centered Leverage Value.000.131.003.008359a. Dependent Variable: 旅游花费Charts 由上图可知回归方程：y=91.563+ 0.024 (x1) , (P(Sig=0.000)<0.01)即 旅游花费=91.563+0.024*收入 ( p<0.01)3、参数检验（1）单样本T检验首先对现工资的分布做正态性检验，结果如下：由上图可知，现工资的分布可近似看作符合正态分布，现推断现工资变量的平均值是否为$3,000,0，因此可采取单样本t检验来进行分析。分析如下：One-Sample Statistics单个样本统计量N均值标准差均值的标准误收入3591032.93021762.52394240.244474单个样本检验检验值 = 0 tdfSig.(双侧)均值差值差分的 95% 置信区间下限上限收入25.666358.0001032.930214953.784931112.07550由One-Sample Statistics可知，359个被调查的人中收入平均值1032.93021，标准差为762.523942，均值标准误差为40.244474。图表One-Sample Test中，第二列是t统计量的观测值为25.666；第三列是自由度为358（n-1）；第四列是t统计量观测值的双尾概率值；第五列是样本均值和检验值的差；第六列和第七列是总体均值与原假设值差的95%的置信区间为（953.78493 , 1112.07550）。该问题的t值等于25.666对应的临界置信水平为0，远远小于设置的0.05，因此拒绝原假设，表明该地区被调查的359名人中收入与1032.93021存在显著差异。（2）独立样本t检验T-TestGroup Statistics性别NMeanStd. DeviationStd. Error Mean旅游花费女198126.09149.53310.627男161104.51102.1878.053Independent Samples TestLevene's Test for Equality of Variancest-test for Equality of Means95% Confidence Interval of the DifferenceFSig.tdfSig. (2-tailed)Mean DifferenceStd. Error DifferenceLowerUpper旅游花费Equal variances assumed6.302.0131.559357.12021.58013.844-5.64748.806Equal variances not assumed1.618347.241.10621.58013.334-4.64547.805结果分析得到两组的均数（mean）分别为198 和 161独立样本t检验，取的t值1.559与Sig为0.120 p>0.05旅游花费不成显著性差异，由图中可知旅行的旅游花费较高。
