spss实验报告1.docx

s p s s 试验报告( 共 3 4 页)-本页仅作为文档封面，使用时请直接删除即可-内页可以依据需求调整适宜字体及大小-统计实习SPSS 试验报告姓名： 成功学号： 99班级： 会计二班2试验报告二试验工程：描述性统计分析试验目的：1、把握数据集中趋势和离中趋势的分析方法；2、娴熟把握各个分析过程的根本步骤以及彼此之间的联系和区分。试验内容及步骤一、数据输入案例：对 6 名男生和 6 名女生的肺活量的统计，数据如下：1. 翻开 SPSS 软件，进展数据输入：通过翻开数据的方式对 XLS 的数据进展输入其变量视图为：3二、探究分析进展探究分析得出如下输出结果：扫瞄由上表可以看出，6 例均为有效值，没有记录缺失值得状况。4由上表可以看出，男女之间肺活量的差异，男生明显优于女生，范围更广，偏度大。男男 Stem-and-Leaf Plot FrequencyStem &Leaf1 .341 .892 .02Stem width:1000Each leaf:1 case(s)6女女 Stem-and-Leaf Plot FrequencyStem &Leaf1 .231 .5682 .0Stem width:1000Each leaf:1 case(s)三、频率分析进展频率分析得出如下输出结果：由上图可知，分析变量名：肺活量。可见样本量 N 为 6 例，缺失值 0 例， 1500以下的 33，1500-2023 男生 33女生 50，2023 以上女生，男生 33。8四、描述分析9进展描述分析得出如下输出结果：由上图可知， 分析变量名：工资，可见样本量N为6例，微小值为男1342女1213，极大值为男2200女2077，说明12人中肺活量最少的为女生是1213，最多的为男生有2200，均值为，.标准差为，离散程度不算大。五、穿插分析试验报告三9试验工程：均值比较试验目的： .学习利用 SPSS 进展单样本、两独立样本以及成对样本的均值检验。10试验内容及步骤一描述统计 案例：某医疗机构为争论某种减肥药的疗效，对 15 位肥胖者进展为期半年的观看测试，测试指标为使用该药之前和之后的体重。编号12345服药前198237233179219服药后192225226172214编号678910服药前169222167199233服药后161210161193226编号1112131415服药前179158157216257服药后173154143206249输入 SPSS 建立数据。由上图可知，结果输出均值、样本量和标准差。由于选择了分组变量，所以三项指标均给出分组及合计值，可见以这种方式列出统计量可以格外直观的进展各组间的比较。10由上表可知，在显著性水平为时，服药前后的概率 p 值为小于，拒绝零假设， 说明服药前后的体重有显著性变化二单样本T 检验进展单样本 T 检验分析得出如下输出结果：11由上表可以知，单个样本统计量分析表，的根本状况描述，有样本量、均值、标准差和标准误，单样本 t 检验表，第一行注明白用于比较的总体均值为 14，从左到右依次为 t 值(t)、自由度(df)、P 值、两均值的差值(Mean12Difference)、差值的 95%可信区间。由上表可知：t=，P=<。因此可以认为肺气肿的总体均值不等于 0.三双样本T 检验案例：争论某劝慰剂对肥胖病人治疗作用，用 20 名患者分组配对，测得体重如下表，要求测定该劝慰剂对人的体重作用是否比药物好。进展双样本 T 检验得出如下输出结果：T 检验成对样本统计量均值对 1劝慰剂组药物组N标准差均值的标准误1010由上图可知，对变量各自的统计描述，此处只有 1 对，故只有对 1。12成对样本相关系数对 1劝慰剂组 & 药物组N相关系数10.802Sig.005此处进展配对变量间的相关性分析成对样本检验成对差分均值标准差均值的标准误差分 95% 置信区间下限上限t对1劝慰剂组-药物组df9Sig.(双侧).001配对 t 检验表，给出最终的检验结果，由上表可见 P=，故可认为劝慰剂组和药物组对肥胖病人的体重有差异影响13试验报告四14试验工程：相关分析试验目的：1. 学习利用 SPSS 进展相关分析、偏相关分析、距离分析、线性回归分析和曲线回归。试验内容及步骤一两变量的相关分析案例：某医疗机构为争论某种减肥药的疗效，对 15 位肥胖者进展为期半年的观看测试，测试指标为使用该药之前和之后的体重。编号12345服药前198237233179219服药后192225226172214编号678910服药前169222167199233服药后161210161193226编号1112131415服药前179158157216257服药后173154143206249进展相关双变量分析得出如下输出结果：相关性14相关系数系数表。变量间两两的相关系数是用方阵的形式给出的。每一行和每一列的两个变量对应的格子中就是这两个变量相关分析结果结果，共分为三列，分别是相关系数、P 值和样本数。由于这里只分析了两个变量，因此给出的是 2*2 的方阵。由上表可见，服药前和服药后自身的相关系数均为 1of course，而治疗前和治疗后的相关系数为，P<二偏相关分析偏相关有某河流的一年月平均流量观测数据和该河流所在地区当年的月平均雨量和月平均温度观测数据，如表所示。试分析温度与河水流量之间的相关关系。观测数据表月份月平均流量月平均雨量月平均气温12345678910111215由上表可见掌握月平均雨量之后，“月平均流量”与“月平均气温”的相关系数为，P=，P>，因此“月平均流量”与“月平均气温”不存在显著相关性。三距离分析案例：植物在不同的温度下的生长状况不同，以下是三个温度下的植物生长编号10 度20 度30 度12345678近似值16四线性回归分析有某河流的一年月平均流量观测数据和该河流所在地区当年的月平均雨量和月平均温度观测数据，如表所示。试分析关系。观测数据表月份月平均流量月平均雨量月平均气温123456789101112进展线性回归分析得出如下输出结果：17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月平均流量 a.输入a. 已输入全部恳求的变量。b. 因变量: 月平均雨量由表可知，是第一个问题的分析结果。这里的表格是拟合过程中变量进入/退出模型的状况记录，由于只引入了一个自变量，所以只消灭了一个模型 1在多元回归中就会依次消灭多个回归模型，该模型中身高为进入的变量，没有移出的变量， 这里的表格是拟合过程中变量进入/退出模型的状况记录，由于只引入了一个自变量，所以只消灭了一个模型在多元回归中就会依次消灭多个回归模型，该模型中身高为进入的变量，没有移出的变量。模型汇总模型1R.855aR 方.732标准 估量的调整 R 方误差.705.6117a. 推测变量: (常量), 月平均流量。拟合模型的状况简报，显示在模型中相关系数 R 为，而打算系数 R2 为 0.a. 推测变量: (常量), 月平均流量。b. 因变量: 月平均雨量732，校正的打算系数为，说明模型的拟合度较高。模型平方和Anovabdf均方FSig.1回归1.000a残差10.374总计1118这是所用模型的检验结果，可以看到这就是一个标准的方差分析表！从上表可见所用的回归模型F值为，P值为.00a，因此用的这个回归模型是有统计学意义的，可以连续看下面系数分别检验的结果。由于这里所用的回归模型只有一个自变量，因此模型的检验就等价与系数的检验，在多元回归中这两者是不同的。模型B标准 误差试用版tSig.1(常量).387.247.149月平均流量.462.088.855.000系数 a非标准化系数标准系数a. 因变量: 月平均雨量残差统计量 aa. 因变量: 月平均雨量包括常数项在内的全部系数的检验结果。用的是 t 检验，同时还会给出标化/未标化系数。可见常数项和身高都是有统计学意义的微小值极大值均值标准 偏差N推测值.526.963312残差.0000.583212标准 推测值.00012标准 残差.000.95312图表五曲线回归分析某地 1963 年调查得儿童年龄岁与体重的资料试拟合对数曲线。年龄岁1234567体重68656750707677进展曲线回归分析得出如下输出结果：22试验报告五试验工程：聚类分析和判别分析试验目的：1. 学习利用 SPSS 进展聚类分析和判别分析。试验内容及步骤一系统聚类法为确定老年妇女进展体育熬炼还是增加养分会减缓骨骼损伤，一名争论者用光子吸取法测量了骨骼中无机物含量,对三根骨头主侧和非主侧记录了测量值，结果见教材表。：受试者主侧桡桡骨主侧肱肱骨主侧尺尺骨编号骨骨骨12345678910输入 SPSS 建立数据。进展系统聚类分析得出如下输出结果：23聚类2425快捷聚类争论儿童生长发育的分期，调查名 1 月至 7 岁儿童的身高cm、体重kg、胸围cm和资料。求出月平均增长率%，26判别分析对某企业，搜集整理了10名员工2023年第1季度的数据资料。构建1个10×6 维的矩阵职工代号 工作产量 工作质量 工作出勤 工砟损耗 工作态度 工作力量123456789101、“分析分类判别分析”，把“分类”选入“分组变量”，定义范围： 最小值1，最大值4，把 X1、X2、X3、X4、X5 和 X6 输入“自变量框”， 选择“使用逐步式方法”；2、“统计量”中选择“均值”、“单变量 ANOVA”、“Fisher”、“未标准化”、“组内相关”；3、“方法”默认设置；4、“分类”中选择“依据组大小计算”、“摘要表”、“不考虑该个案时的分类”、“在组内”、“合并图、分组、区域图”；5、“保存”中选择“推测组成员”、“判别得分”；6、点击确定。得到以下各表和图。特征值函数特征值方差的 %累积 %正则相关性271.707a. 分析中使用了前 1 个典型判别式函数。Wilks 的 Lambda函数检验1Wilks 的 Lambda.499卡方df6Sig.74828构造矩阵工砟损耗工作出勤工作态度工作产量工作力量工作质量函数1.541.355.175.063判别变量和标准化典型判别式函数之间的会聚组间相关性按函数内相关性确实定大小排序的变量。典型判别式函数系数工作质量工作产量工作出勤工砟损耗工作态度工作力量(常量)函数1.581非标准化系数工作质量工作产量工作出勤工砟损耗工作态度工作力量函数1.270组质心处的函数29职工代号12函数1在组均值处评估的非标准化典型判别式函数分类统计量已排解的分类处理摘要已处理的缺失或越界组代码 至少一个缺失判别变量用于输出中100010组的先验概率用于分析的案例职工代号12合计先验.600.400未加权的6410已加权的分类函数系数职工代号12工作质量工作产量工作出勤工砟损耗工作态度工作力量(常量)Fisher 的线性判别式函数单独组图表31分类结果 b,c推测组成员a. 仅对分析中的案例进展穿插验证。 在穿插验证中，每个案例都是依据从该案例以外的全部其他案例派生的函数来分类的。b. 已对初始分组案例中的 % 个进展了正确分类。c. 已对穿插验证分组案例中的 % 个进展了正确分类。职工代号12合计初始计数15162134%12穿插验证 a计数12462404%12.0试验报告六试验工程：因子分析和主成分分析试验目的：1. 学习利用 SPSS 进展因子分析和主成分分析。试验内容及步骤一因子分析下表资料为 15 名安康人的 7 项生化检验结果，6 项生化检验指标依次命名为 X1 至 X6，请对该资料进展因子分析。因子分析1. 翻开导入 excle 数据2. 选择菜单“分析降维因子分析” ，弹出“因子分析”对话框。在对话框左侧的变量列表中选除地区外的变量，进入“变量”框， 3单击“描述”按钮，弹出“因子 分析: 描述”对话框，在“统计量”中选“单变量 描述”项，输出各变量的均数与标准差，“相关矩阵”栏内选“系数”，计算相关系 数矩阵，并选“KMO 和 Bartletts 球形度检验”项，对相关系数矩阵进展统计学检验，对以上资料进展因子分析：分析降维因子分析，确定操作得出32相关矩阵描述统计量均值标准差分析 NX115X2.5734015X315X415X5.7778015X6.6895515X1X2X3X4X5X6相关X1.966.782.055.104.019X2.966.747.028.233.158X3.782.747.125.214X4.055.028.125.233X5.104.233.214.753X6.019.158.233.753Sig.单侧X1.000.000.423.356.473X2.000.001.461.202.287X3.000.001.329.222.467X4.423.461.329.297.202X5.356.202.222.297.001X6.473.287.467.202.001KMO 和 Bartlett 的检验取样足够度的 Kaiser-Meyer-Olkin 度量。.460Bartlett 的球形度检验近似卡方df15Sig.00033公因子方差初始提取X1.950X2.930X3.801X4X5.989.928X6.936提取方法：主成份分析。解释的总方差初始特征值提取平方和载入旋转平方和载入成份合计方差的 %累积 %合计方差的 %累积 %合计方差的 %累积 %1234.3605.0846.021.353提取方法：主成份分析。成份矩阵a成份123X1X2 X3 X4 X5X6.935.954.868.107.389.263.059.839.914.030.987.178提取方法 :主成份。a. 已提取了 3 个成份。旋转成份矩阵a旋转法 :具有 Kaiser 标准化的正交旋转法。a. 旋转在 4 次迭代后收敛。成份123X1.975.016X2.953.146X3.892.032.066X4.049.021.993X5.145.930X6.937.241提取方法:主成份。成份转换矩阵成份12312.958.281.957.054.0533.997提取方法 :主成份。旋转法 :具有 Kaiser 标准化的正交旋转法。