SPSS实验报告,.docx

SPSS实验报告, S SPSS 软件应用试验报告 长春工业高校人文学院 1090班成昊 3 试验报告 一、试验目得:驾驭 SSS 基本统计分析基本操作 二、试验内容:、依据上面得数据,制作茎叶图,并计算出均值与标准差,验证数据就是否听从正态分布。2、按规定:销售收入在 125 万元以上为先进企业,115 万元为良好企业,115 万元为一般企业,15 万元以下为落后企业,按先进企业、良好企业、一般企业、落后企业进行分组,编制百分比分布统计表。试验步骤;利用 分析描述性统计探究,结果如下: 描述性 統計資料統計資料 標準錯誤 产品销售额 平均數 1、08 2。440 5 平均數得信賴區間 下限 1、4上限 11。15 修整得平均值 15。89中位數 115。5變異數 28.122標準偏差 15、1最小值 87最大值 150範圍 內四分位距 21偏斜度 。23 。37 峰度 、316 。73 常態檢定KolooovSmirnovaSairoilk 統計資料 df 顯著性 統計資料 d 顯著性 产品销售额 .100 、00*.93 40 .800 *、這就是 true 顯著得下限。a、Lilliefos 顯著更正 产品销售额 Stmad-Leaf PlorquncyStm &e2、008 、783.009 。2579、00 .33457811.011 、7、1 、0003.0013 .5682。014 、261。001 .0te widt:10Each leaf:1 cas(s) 分组次數 百分比 有效得百分比 累積百分比 有效 先进企业 11 2、5 7.5 7。 良好企业 7、5 27。5 5。0 一般企业 9 22.5 2、 77。5 落后企业 9 2。5 22.5 10、 總計 4 00、0 100.0四、试验结果分析: 1、均值为 116。08、标准差为5。431,正态分布得检验 KS 值为 0.1,Si。值为。980、5,因此数据听从正态分布。2、对0 个企业分组后先进企业占总体比重 27、%良好企业占总体比重7.5一般企业占总体比重 22.5落后企业占总体比重 22。5先进企业与良好企业占总体比重较大,一般企业与落后企业占总体比重较小。试验报告 2 2一、试验目得:驾驭列联表(定类变量与定类变量)基本操作 二、试验内容:、A、B 车间对厂长得满足程度就是否有显著差异 2、假如有计算 系数 三、试验步骤:首先建立数据库录入数据,然后运用 分析描述性统计交叉表格 进行列联表分析,做卡方检验,结果如下: 车间* * 对厂长得满足度交叉列表 計數对厂长得满足度 總計 满足 不满足 车间 车间A 0 1 40 车间B 20 2 0總計 50 30 80 卡方測試數值 df 漸近顯著性 (2 端) 精確顯著性( 端) 精確顯著性(1 端) 皮爾森 (Pero) 卡方 5、3a1 、021持續更正4、 。38概似比 5.41 1 .00費雪 (iser) 確切檢定、037 、18 線性對線性關聯 5。26 、2有效觀察值個數 8a、0 資料格 (0.0) 預期計數小於 5、預期得計數下限為 15.00。b。只針對 x2 表格進行計算四、试验结果分析:此数据为 22 列联表,且 n40,因此用连续校正卡方检验得值 Contiu orreion 为 4.20,对应得 Si、值为。,小于有方向性得測量數值 漸近標準錯誤a大約 Tb大約 顯著性 名義變數對名義變數 Lambda () 對稱 、143 、070 1、865 、062 车间 相依項 、250 、119 1、865 、062 对厂长得满足度 相依項 、000 、000 、c、cGoodman 及 Kruskal tau 车间 相依項 、067 、055、022d对厂长得满足度 相依項 、067 、055、022da、未运用虛無假設。b、正在运用具有虛無假設得漸近標準誤。c、無法計算,因為漸近標準誤等於零。d、基於卡方近似值0.05,可以认为车间同厂长得满足状况就是相关得,相关得 系数为.6 试验报告 一、试验目得:驾驭参数估计与假设检验方法得操作 二、试验内容:上面得数据就是否证明白先参与实践对提高平均测试分数得效果显著 三、试验步骤:用配对样本 t 检验,原假设为方案 A 与方案 B 对平均测试得成果不存在差异。首先运用数据探测做正态分布检验,得到结果如下表:通过上表可以瞧出,方案 A 与方案得 p值均大于0。5,表明数据均听从正态分布、满意配对样本 t 检验得前提假定条件,然后利用 分析比较平均值配对样本 t 检验 进行分析,结果如下: 成對樣本檢定程對差異數 T df 顯著性 (雙尾) 平均數 標準偏差 標準錯誤平均值 95% 差異數得信賴區間 下限 上限 對組 方案 A 方案 、000 1、33 3。584 -13、107 3、107 -1、5 9 、16 四试验结果分析:通过上表可以瞧出 t=-1、395,Sg.=0、196>0、05,所以,不能拒绝原假设,方案 A 与方案 B 对平均测试得成果不存在差异。试验报告 一、试验目得:驾驭方差分析方法得操作 二、试验内容:利用多因素方差分析方法,分析不同地区与不同日期对该商品 得销售量就是否产生了显著影响？地区与日期就是否对该商品得销售产生了交互影响。三、试验步骤:运用 分析>一般线性模型单变量 进行分析。首先进行总体方差就是否相等得方差齐性检验。Le e e 錯誤共變異等式檢定a a因變數:销售量F 1 d2 顯著性 、508 8 1 .83 檢定因變數得錯誤共變異在群組內相等得空假設。常態檢定Kolmogorov-SmirnovaShapiro-Wilk 統計資料 df 顯著性 統計資料 df 顯著性 方案 A 、142 10 、200*、941 10 、561 方案 B 、261 10 、051 、882 10 、137 *、這就是 true 顯著得下限。a、Lilliefors 顯著更正a。設計:截距 地区 + 日期 地区 日期 通过上表可以瞧出,Si。=0.835。05,所以,总体方差相等,接着瞧方差分析得检验结果: 主旨間效果檢定 因變數:销售量來源 第 II 類平方与 df 平均值平方 F 顯著性 局部 Et 方形 修正得模型 80074074。074 1009259.259 1。810 、00 。8 截距 115929。29 1 8115959、259 87.160 .000 。98 地区 851851、82 192925.26 2。080 。15 、88 日期 62962、60 2 2141、1 3. 。73 .22 地区 日期 5925。53 1748148。148 1、06 .000 .809 錯誤 1666666、667 952、96總計 900000。000 27校正後總數 967070。74 26a。R 平方 = 。82(調整得 R 平方 = .51) 四、结果分析:通过上表可以瞧出,地区对应得 F=2。08,Si、=0、154、05,日期对应得 F=3.4,Sg。0。0>0.0,可见,地区与日期单独对销售量都没有显著影响,地区时间对应得 F19。,ig.=0.00.,所以,地区与日期得交互作用对销售量有影响。试验报告 5 5一、试验目得:驾驭相关分析方法得操作 二、试验内容:以下就是对五百名文化程度代际流淌得抽样调查,试求父辈文化与子辈文化之间就是否有差异、三、试验步骤:Kelt 相关分析。原假设为子辈文化与父辈文化之间不存在着等级相关。运用 分析相关双变量 进行分析,结果如下: 相关系数父辈文化程度 子辈文化程度 Kndal 得 ub 父辈文化程度 相关系数 。00 .594Sig、(双侧) 。000 500 0 子辈文化程度 相关系数 、5941、00 Sg。(双侧) 、0 。N 00 00 、在置信度(双测)为 0.01 时,相关性就是显著得、四试验结果分析:通过上表可以瞧出,endls ta_b0、594,对应得 Sig。0。000二项式 进行分析,结果如下: 二项式检验类别 N 视察比例 检验比例 渐近显著性(双侧) 婴儿性别 组 1 男 28 。70 、5 。07组 2 女 12 .30总数40 。0.基于 Z 近似值。四试验结果分析:通过上表可知,40 名婴儿中男婴 28 名,占 7,女婴2 名,占30。SPS 自动计算精确概率 Sg、值为 0。07,小于 0、5,拒绝原假设,可以认为这个地方诞生婴儿得性别比例与通常得男女性别比例不同,男婴要多于女婴。试验报告 7 7一、试验目得:驾驭非参数检验方法得操作 二、试验内容:用非参数检验得方法检验工厂规模与信息传递就是否有关。三、试验步骤:两独立样本得曼惠特尼检验。原假设为工厂规模与信息传递无关,运用 分析非参数检验>两个独立样本 进行分析,结果如下: 检验统计量信息传递 MannWhtney U 5、000 Wlcoxn W 。0Z -1、26 渐近显著性(双侧) 、213 精确显著性2(单侧显著性) 。286aa。没有对结进行修正、b。分组变量: 厂规模 四试验结果分析:由上表可知,U=,因为就是小样本,瞧精确概率值 Sig。为 0.28,大于 0.05,不应当拒绝原假设,可以得出工厂规模与信息传递无关。试验报告 一、试验目得:驾驭非参数检验方法得操作 二、试验内容:分析三个班级成果得中位值就是否存在显著差异、三、试验步骤:多个独立样本得 Medn 检验。原假设为三个班级成果得中位值没有显著差异。运用 分析>非参数检验>K 个样本独立检验 进行分析,结果如下:检验统计量b b成果 45 中值 75.00 卡方 9、474af 2 渐近显著性 、09 a。0 个单元 (.0) 具有小于 5 得期望频率。单元最小期望频率为 6、。.分组变量: 班级 四试验结果分析:通过上表可知,X29。474,df=,ig。值为、015,小于 0。05,拒绝原假设,因此可以认为广告对商品促销起作用、试验报告 9 9一、试验目得:驾驭非参数检验方法得操作 二、试验内容:各考官评分得一样性如何 三、试验步骤: 多个相关样本得 Knda协同系数检验。原假设为各个考官得评分不一样,运用 分析非参数检验K 个相关样本 进行分析,结果如下: 检验统计量 N Kenll 。62 卡方 2、97f 9 渐近显著性 .001 a。Kendal 协同系数 四试验结果分析:通过上表可知,enalW0。621,Sig、值为.001,小于0、05,拒绝原假设,可以认为各个考官得评分具有一样性。实 验 报 告课程名称数据分析试验名称均值比较与方差分析系别 电子信息科学学院 专业班级 信息管理15级专升本指导老师学号姓名试验日期 2023年11月18日试验成果一、试验目的1 驾驭均值比较和方差分析的原理、过程和应用2 驾驭两独立样本和两配对样本的t检验的过程和结果说明 3 驾驭单因素方差分析的分析过程和结果说明 4 驾驭多因素方差分析的分析过程和结果说明二、试验环境1 硬件环境：微机2 软件环境：Windows，SPSS Statistics 22三、试验内容1数据文件GSS2023_Mod.sav中记录了男性或女性每周上网阅读网页的时间（变量WWWHR，单位小时）。用两独立样本t检验方法分析男性和女性在上网时间上是否不同。（1）原假设男性和女性的上网时间没有显著差异。（2）参数设置检验变量：WWW HOURS PER WEEK 分组变量：GENDER （3）操作步骤及计算结果 操作步骤： 选择菜单：；如图1-1图1-1 选择检验变量“WWW HOURS PER WEEK”到框中。 选择总体标识变量“GENDER”到框中。点击按钮定义两总体的标示值，如图1-2。其中，表示分别输入对应两个不同总体的标记值。图1-2计算结果：（4）结果及其说明结果：男性和女性的上网时间存在显著差异。说明：从独立样本鉴定的表中可以看出F检验值为15.182，对应的概率P值为0.000.05，所以拒绝原假设。由于两总体方差有显著差异所以要看到“不采纳相等变异数”这一列，其中T统计量的值为4.866，对应的概率P值为0.00。假如显著性水平为0.05，由于概率P值小于0.05，所以认为量总体的均值有显著差异。并且95%置信区间不夸零，也说明白有显著差异。2数据文件GSS2023_Mod.sav中记录了受访者父亲和母亲的受教化状况。试用两配对样本t检验方法比较父亲的受教化状况（变量PAEDUC）和母亲的受教化状况（变量MAEDUC）是否不同。（1）原假设父亲的受教化状况和母亲的受教化状况没有显著差异。（2）参数设置成对变量：PAEDUC， MAEDUC （3）操作步骤及计算结果 选择菜单：，如图2-1图2-1 选择PADUC和MADUC到框中。结果：图2-2图2-3图2-4 （4）结果及其说明结果：父亲的受教化状况和母亲的受教化与状况没有显著差异。说明：从图2-2的平均值可以看出没有较大的差异。图2-3中对应的概率P值为.000，假如显著性水平为0.05，则表明父亲和母亲的受教化状况有明显的线性改变，父亲和母亲的受教化状况相关性程度较强。从图2-4中可以看出，父亲与母亲的受教化状况的平均差异，仅只有0.49；95%置信区间的上下限一正一负，则表示两者接近无显著差异；最终相对应的概率P值0.494，假如显著性水平为0.05，则接受原假设，所以父亲的受教化状况和母亲的受教化与状况无显著差异。3一家关于MBA报考、学习、就业指导的网站希望了解国内MBA毕业生的起薪是否与各自所学的专业相关。为此，他们在已经从国内商学院毕业并且获得学位的MBA学生中根据各专业分别随机抽取了10人，调查了这些学生的起薪状况，数据文件为MbaSalary.sav。依据这些调查他们能否得出专业对MBA起薪有影响的结论。（1）原假设国内MBA毕业生各自所学专业与起薪状况没有显著关系。（2）参数设置 观测变量：起薪 限制变量：专业（3）操作步骤及计算结果 操作步骤：选择菜单：；选择观测变量“起薪”到框中，如图3-1； 选择限制变量“专业”到框中，如图3-2；图3-1 计算结果：图3-2 （4）结果及其说明结果：国内MBA毕业生各自所学专业与起薪状况没有显著关系；说明：从图3-2可以看出，F统计量的观测值为2.459，对应的概率P值为0.079。假如显著性水平为0.05，由于概率P值大于显著性水平，所以接受原假设，认为国内MBA毕业生各自所学专业与起薪状况没有显著关系。4一家连锁零售店试图对顾客的购买习惯进行调查。grocery_1month.sav记录了顾客性别、购物方式、消费额等信息。运用多因素方差分析方法分析顾客性别和购物方式对消费额有何影响。（1）原假设不同顾客性别没有对消费额产生显著差异；不同购物方式对消费额没有显著差异；顾客性别和购物方式对消费额没有产生显著的交互影响。（2）参数设置 观测变量：消费额限制变量：顾客性别，购物方式 （3）操作步骤及计算结果 操作步骤：选择菜单：；指定观测变量“消费额”到框中；指定固定效应的限制变量“顾客性别”和“购物方式”到框中，如图4-1。计算结果：图4-2图4-2（4）结果及其说明结果：不同顾客性别对消费额有显著差异；不同购物方式对消费额没有显著差异；顾客性别和购物方式对消费额有显著的交互影响。说明：从图中可以看出Fgender，Fstyle，Fgender*style的概率P值分别为0.000，0.140和0.017.假如显著性水平为0.05，由于Fgender，Fgender*style概率P值小于显著性水平，所以应当拒绝原假设，可以认为不同顾客性别对消费额有显著差异，顾客性别和购物方式对消费额有显著的交互影响，而Fstyle概率P值小于显著性水平，则接收原假设认为不同购物方式对消费额没有显著差异。四、试验小结（、遇到问题及其解决方法）