SPSS综合实验报告.doc

《SPSS综合实验报告.doc》由会员分享，可在线阅读，更多相关《SPSS综合实验报告.doc（19页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上综合试验前提：某中学对两个实验班进行了为期一个月的写作培训，聘请了两位风格迥异的老师对学生进行培训。实验一班的老师偏向于从词、句着手，加强同学们的写作水平。而实验二班的老师则偏向于从文章入手，向同学们分析文章特色，解释文章构思。我们从两个实验班分别随机抽选了20名同学（共40名），进行了三次作文测试。（最高分为50分。）我们得到了以下的数据，对这些数据进行一系列的分析，得到我们需要的资料。 问题1：统计量描述内容：对第一次成绩进行统计量描述：（一）：对40名同学的作文成绩进行整体的统计量描述：【注解】：样本量为40.最小值为11，最大值为40，均值为29.30，标准差

2、为7.673.（二）：对各班级学生作文成绩的统计量描述：【注解】：试验一班有20个数据量，最小值为11，最大值为40.均值为26.95，标准差为8.236. 试验二班有20个数据量，最小值为19，最大值为40，均值为31.65，标准差为6.434.问题2：单样本t检验 学校要求学生的作文成绩要达到人均30分。以此来判断两个老师是否完成自己的教学任务。对第一次作文成绩进行分析：内容：对样本进行单样本t检验，得到： One-Sample Statistics NMeanStd. DeviationStd. Error Mean成绩4029.307.6731.213【注解】：样本个数为40.平均的作

3、文成绩为：29.30，标准差为：7.673，均值的标准误为：1.213。One-Sample Test Test Value = 30 tdfSig. (2-tailed)Mean Difference95% Confidence Interval of the Difference LowerUpper成绩-.57739.567-.70-3.151.75注解：t检验统计量=-0.577，自由度df=N-1=39，双侧概率P值（sig）=0.567，显著性水平a=0.05。因为P值大于a，所以由此可以得，不能拒绝原假设。即：人均作文成绩30分在95%的置信度下不存在显著性差异。 结论：两个实验

4、班的作文成绩已经达到了学校所要求的人均30分。所以两个老师都完成了自己的教学任务。问题3：两个独立样本t检验为了教学水平的提高，学校决定对两班的第一次作文成绩进行调查，得到提高写作质量的最佳途径。分析两种不同的教学方法是否存在差异内容：（一）：对两个实验班的成绩进行描述性分析，分别得到了两个班的平均值，标准差，最高分和最低分。班级StatisticStd. Error成绩一班Mean26.951.84295% Confidence Interval for MeanLower Bound23.10Upper Bound30.805% Trimmed Mean27.11Median28.00Va

5、riance67.839Std. Deviation8.236Minimum11Maximum40Range29Interquartile Range12Skewness-.559.512Kurtosis-.384.992二班Mean31.651.43995% Confidence Interval for MeanLower Bound28.64Upper Bound34.665% Trimmed Mean31.89Median33.50Variance41.397Std. Deviation6.434Minimum19Maximum40Range21Interquartile Range9

6、Skewness-.720.512Kurtosis-.384.992注解：实验一班的样本平均值为：26.95，实验二班的样本平均成绩为：31.65。且实验二班的最低成绩高于实验一班的最低成绩。结论：从各种指标可以得出：实验二班的作文水平比实验一班的作文水平高。所以从样本分析可以得出，实验一班的老师比实验二班的教学水平低。(二)：两个班的成绩可以看做是独立的样本，且服从正态分布。因此可以对两个样本进行t检验，来进行统计推断。Group Statistics班级NMeanStd. DeviationStd. Error Mean成绩一班2026.958.2361.842二班2031.656.434

7、1.439【注解】：一班和二班分别抽取了20名同学，分别得到了两个班的平均成绩，一班为26.95、二班为31.65。一班的标准方差为8.236，二班的标准方差为6.434。【注解】：利用F检验对两个总体方差是否相等进行检验，检验的F值=0.892，对应的P值（sig）=0.351；概率P值大于显著性水平a=0.05；所以接受原假设，即两个总体方差相等，通过了Leven方差检验。 然后，利用t检验对两总体均值差是否存在差异进行检验，得： T统计量=-2.011，对应的p值=0.051大于显著性水平a=0.05，接受原假设，即两总体均值差不存在显著性差异。两个总体均值差在置信度为95%的情况下，置

8、信区间为：-9.431,0.031包含0，同时说明了两总体均值差不存在显著性差异。两总体均值差的均值为-4.700。结论：虽然通过样本得到了实验二班的作文成绩比实验一班的作文成绩好，实验一班老师的教学方法更有效。但是样本所反映的信息不够全面，而通过对两个样本进行t检验得到，两个总体的均值差并没有显著性差异，即：实验一班老师的教学方法相比实验二班老师的教学方法没有显著性的区别。两种不同的作文提升方法对学生的作文成绩的影响是没有明显的差异的。两种方法都可以采取，对教学水平的提高有益，对学生作文成绩的提高也有益。从整体上来说，都是可行的提高作文成绩的方式。对个人的影响在于学生个人的偏好。问题4：配对

9、样本t检验内容：对这些前两次作文成绩进行配对样本t检验。得到了如下的数据：Paired Samples StatisticsMeanNStd. DeviationStd. Error MeanPair 1第一次成绩29.30407.6731.213第二次成绩28.95407.3871.168【注解】：第一次作文成绩的平均值为：29.30，第二次作文成绩的平均值为：28.95。样本一共40个。第一次作文成绩的标准差为：7.673，第二次作文成绩的标准差为：7.387.Paired Samples CorrelationsNCorrelationSig.Pair 1第一次成绩 & 第二次成绩40.

10、618.000【注解】：（相关分析）总共40个样本，它们的相关系数为：0.618.。对应的概率P值小于a=0.05，所以拒绝原假设，即：第一次作文考试的成绩和第二次作文考试的成绩之间有一定的线性关系。Paired Samples TestPaired DifferencestdfSig. (2-tailed)MeanStd. DeviationStd. Error Mean95% Confidence Interval of the DifferenceLowerUpperPair 1第一次成绩 - 第二次成绩.3506.5851.041-1.7562.456.33639.739【注解】：两次

11、成绩的的平均差为：0.350。差值的标准差为：6.585。差值的均值标准误为：1.041。在95%的置信度下，置信区间为：-1.756,2.456.T统计量的值为：0.336，df=N-1=39，对应的概率P值为：0.739大于a=0.05，所以接受原假设，即:两次作文考试的成绩不存在显著性的差异。结论：对两次作文考试进行分析得到，第一次作文考试成绩和第二次作文考试成绩之间不存在显著性的差异，表明持续的教学并没有让两个实验班的作文成绩有明显的提高。学校要寻求其他的方法来进一步的提高两个实验班的成绩。问题5：单因素方差分析在一个班上，有的同学会主动的练习作文来提高自己的作文成绩，一些同学被父母强

12、制的要求练习作文来提高自己的成绩，另一些同学根本不会在课余的时间练习作文。这些练习作文的同学中一些一个月写20篇以上的作文，一些不及20篇。我们从一个实验班中抽取了24名同学最近一次的作文成绩。学习方式（way）取值0=不练习，1=被动练习，2=主动练习。练习量（N）取值0=练习不足20篇，1=练习20篇及其以上。我们来分析，学习方式对成绩的影响。数据如下：内容：对数据进行方差检验,得到以下数据：Test of Homogeneity of VariancesLevene统计量df1df2显著性.087221.917【注解】：方差齐性检验结果：Levene统计量值为：0.087，对应的概率P值

13、为：0.917，大于显著性水平0.05，所以接受原假设。即：认为三种不同的学习方法的成绩的总体方差无显著性差异，满足方差分析的前提条件。ANOVA成绩平方和df均方F显著性组间1232.5832616.29225.458.000组内508.3752124.208总数1740.95823【注解】：不同的学习方法对成绩单因素方差分析结果：1：观测变量成绩的总离差平方和为：1740.958；2:不同学习方法对成绩产生的（组间）离差平方和为：1232.583；对应的方差为：616.292；3:抽样误差所引起的（组内）离差平方和为：508.375；对应的方差为：24.208；F统计量为：25.458=组

14、间对应的方差-组内对应的方差=616.292-508.375。F统计量对应的概率P值=0.000，小于显著性水平=0.05，应该拒绝原假设，即：这三种学习方法对成绩产生了显著性的影响。或不同的练习量对作文成绩的影响效应不全为0。 Multiple Comparisons成绩LSD(I) 学习方式(J) 学习方式标准差（I-J）标准误显著性95% Confidence Interval下限上限无被动学习-4.250002.46010.099-9.3661.8661主动学习-16.87500*2.46010.000-21.9911-11.7589被动学习无4.250002.46010.099-.8

15、6619.3661主动学习-12.62500*2.46010.000-17.7411-7.5089主动学习无16.87500*2.46010.00011.758921.9911被动学习12.62500*2.46010.0007.508917.7411*. The mean difference is significant at the 0.05 level.【注解】： 不学习与被动学习的概率P值为：0.099，大于a=0.05。说明不学习和被动学习均值不具有显著性差异； 不学习与主动学习的概率P值为：0.000，小于a=0.05。说明不学习和主动学习均值具有显著性差异； 主动学习与被动学习的

16、概率P值为：0.000，小于a=0.05。说明主动学习和被动学习均值具有显著性的差异。结论：三种学习方法对成绩都有一定的影响，其中主动学习对成绩的影响较大，而被动学习虽然也有影响，但是不像主动学习那样明显，不学习对成绩也是有影响，但不是好的影响。被动学习和不学习之间不具有显著性。说明了，如果想提高自己的作文成绩，我们还是应该主动的去学习，老师布置作业和父母压迫都不能造成一个好的结果，所谓学习靠自觉，读书靠自己，就是这个道理。根据这个实验，学校应该着重的培养学生的学习兴趣，加强学生的学习意识，让同学对学习感兴趣，从传统的被动学习转换到主动学习。问题6：多因素方差分析为了再加上学习量对成绩的影响，

17、我们决定对数据进行多因素的方差分析.内容： （一）：现对数据进行饱和模型检验： Between-Subjects Factors Value LabelN学习方式0无8 1被动学习8 2主动学习8练习量0一月写作无20篇12 1一月写作有20篇12【注解】：学习方式的水平为3，每个水平8个案例；练习量的水平为2，每个水平12个案例。 Tests of Between-Subjects Effects因变量: 成绩 SourceType III Sum of Squaresdf均方FSig.校正模型1371.708(a)5274.34213.373.000截距26202.042126202.04

18、21277.283.000学习方式1232.5832616.29230.043.000学习量126.0421126.0426.144.023学习方式 *学习量13.08326.542.319.731误差369.2501820.514 总计27943.00024 校正总计1740.95823 a R Squared = .788 (Adjusted R Squared = .729)【注解】：1：观测变量（成绩）总变差平方和（SST）= 1740.958；被分解为4个部分： （1）：学习方式不同引起的变差为：1232.583； （2）：学习量不同引起的变差为：126.042; （3）:学习方式和

19、学习量交互作用引起的变差为：13.083； （4）：随机因素引起的变差为：369.250.2：学习方式对应的概率P值为：0.000，小于显著性a=0.05，所以拒绝原假设，即：学习方式对成绩均值产生显著性的影响。 学习量对应的概率P值为：0.023，小于显著性a=0.05，所以拒绝原假设，即：学习量对成绩均值产生显著性的影响。 学习方法和学习量的交互作用对应的概率P值为：0.731，大于显著性水平a=0.05，所以接受原假设，即：学习方法和学习量的交互作用对成绩均值的影响不显著。 3：校正模型对应的变量为：1371.708=学习方式的变差(1232.583)+学习量的变差（126.042）+学

20、习方式和学习量交互作用引起的变差（13.083），这表示线性模型整体对观测变量变差解释的部分，对应的概率P值为：0.000，小于显著性水平a=0.05，所以拒绝原假设，即：线性模型整体对成绩均值产生了显著性影响，即：成绩变动主要是由控制变量的不同水平所引起的，线性模型对观测变量（成绩）具有一定的解释能力。（二）：由于数据交互不显著，所以对数据进行非饱和模型检验： Between-Subjects Factors Value LabelN学习方式0无8 1被动学习8 2主动学习8练习量0一月写作无20篇12 1一月写作有20篇12【注解】：学习方式的水平为3，每个水平8个案例；练习量的水平为2，

21、每个水平12个案例。 Tests of Between-Subjects EffectsDependent Variable: 成绩 SourceType III Sum of SquaresdfMean SquareFSig.Corrected Model1358.625(a)3452.87523.690.000Intercept26202.042126202.0421370.639.000WAY1232.5832616.29232.238.000N126.0421126.0426.593.018Error382.3332019.117 Total27943.00024 Corrected

22、Total1740.95823 a R Squared = .780 (Adjusted R Squared = .747【注解】：1：成绩总变差平方和（SST）为：1740.958，被分解为3个部分：（1）：学习方式不同引起的变差为：1232.583；（2）：学习量不同引起的变差为：126.042;（3）:学习方式和学习量交互作用引起变差并入随机因素引起的变差=382.333. 2：学习方式对应的概率P值为：0.000，小于显著性a=0.05，所以拒绝原假设，即：学习方式对成绩均值产生显著性的影响。 学习量对应的概率P值为：0.018，小于显著性a=0.05，所以拒绝原假设，即：学习量对成绩

23、均值产生显著性的影响。 3：校正模型对应的变量为：1358.625=学习方式的变差(1232.583)+学习量的变差（126.042），这表示线性模型整体对观测变量变差解释的部分，比饱和模型的解释部分少，对应的概率P值为：0.000，小于显著性水平a=0.05，所以拒绝原假设，即：线性模型整体对成绩均值产生了显著性影响，即：成绩变动主要是由控制变量的不同水平所引起的，线性模型对观测变量（成绩）具有一定的解释能力。问题7：相关分析我们已经得到了关于学习方法，学习量同作文成绩之间的数据，我们决定再做一个相关分析，进一步确定，学校方法、学习量同成绩之间的关系。内容：（1）因为学习方法和学习量都是定序

24、数据，因此求学习方法和成绩之间的相关性，学习量和成绩之间的相关性，得Correlations学习方式成绩Kendalls tau_b学习方式Correlation Coefficient1.000.675*Sig. (2-tailed).000N2424成绩Correlation Coefficient.675*1.000Sig. (2-tailed).000.N2424Spearmans rho学习方式Correlation Coefficient1.000.799*Sig. (2-tailed).000N2424成绩Correlation Coefficient.799*1.000Sig.

25、 (2-tailed).000.N2424*. Correlation is significant at the 0.01 level (2-tailed).【注解】：两个相关变量（学习方式和成绩）的Kendall相关系数为：0.6750，表示呈一定的线性关系；相关系数检验对应的概率P值为:0.000，小于显著性水平0.05，应该拒绝原假设（两个变量具有相关性），即：成绩和学习方式之间相关性显著。两个相关变量（学习方式和成绩）的Spearman相关系数为：0.7990,表示呈一定的线性关系；相关系数检验对应的概率P值为:0.000，小于显著性水平0.05，应该拒绝原假设（两个变量具有相关性）

26、，即：成绩和学习方式之间相关性显著。Correlations练习量成绩Kendalls tau_b练习量Correlation Coefficient1.000.251Sig. (2-tailed).156N2424成绩Correlation Coefficient.2511.000Sig. (2-tailed).156.N2424Spearmans rho练习量Correlation Coefficient1.000.296Sig. (2-tailed).160N2424成绩Correlation Coefficient.2961.000Sig. (2-tailed).160.N2424【注

27、解】：两个相关变量（学习量和成绩）的Kendall相关系数为：0.2510，表示呈一定的线性关系；相关系数检验对应的概率P值为:0.156，大于显著性水平0.05，应该接受原假设（两个变量不具有相关性），即：成绩和学习量之间相关性不显著。两个相关变量（学习方式和成绩）的Spearman相关系数为：0.2960,表示呈一定的线性关系；相关系数检验对应的概率P值为:0.16，大于显著性水平0.05，应该接受原假设（两个变量不具有相关性），即：成绩和学习方式之间相关性不显著。（2）求学习方式与成绩，学习量与成绩的偏相关系数：求学习方式与成绩的偏相关系数，需要剔除其他相关因素（学习量），得：Corre

28、lations控制变量学习方式成绩练习量学习方式相关性1.000.840显著性（双侧）.000df021成绩显著性.8401.000显著性（双侧）.000.df210【注解】两个相关变量（学习方式和成绩）的偏相关系数为：0.84，呈较强的线性关系；对应的概率P值为：0.00，小于显著性水平0.05，应该拒绝原假设，即：学习方式和成绩的相关性显著。偏相关系数大于相关系数，说明控制变量（学习量）使得两个变量的相关性下降。CorrelationsControl Variables成绩学习方式练习量成绩Correlation1.000.840Significance (2-tailed).000df0

29、21学习方式Correlation.8401.000Significance (2-tailed).000.df210【注解】两个相关变量（学习量和成绩）的偏相关系数为：0.84，呈较强的线性关系；对应的概率P值为：0.00，小于显著性水平0.05，应该拒绝原假设，即：学习量和成绩的相关性显著。偏相关系数大于相关系数，说明控制变量（学习方式）使得两个变量的相关性下降。结论：通过以上的分析，我们可以知道学习方式与成绩的相关性强于学习量与成绩的相关性。无论是学习量还是学习方式都使得成绩同对应变量的相关性下降。问题8：协方差分析为了分析，实验一班作文成绩的提高，相对于试验二班作文成绩的提高，实验一班

30、的老师是不是比试验二班的老师更有效率，我们根据问题三得到的数据。我们针对试验一班的老师，把试验一班当做接受培训的班级，试验二班当做未接受作文培训的班级，进行有关的协方差分析。内容： 根据作文培训前的成绩和作文培训后的成绩做散点图：【注解】：无论是否参加作文培训，作文培训前的成绩和作文培训后的成绩呈现明显的线性关系。因此作文培训前的成绩可以作为协变量参与协变量方差分析。 协变量（作文培训前的成绩）与控制变量（是否参与作文培训）的无交互效应检验： Between-Subjects Factors Value LabelN是否参加作文培训1参加20 2没有参加20Tests of Between-S

31、ubjects EffectsDependent Variable: 第二次成绩 SourceType III Sum of SquaresdfMean SquareFSig.Corrected Model936.323(a)3312.1089.429.000Intercept209.2581209.2586.322.017Y.2751.275.008.928SCORE1826.0611826.06124.957.000Y * SCORE19.96619.966.301.587Error1191.5773633.099 Total35652.00040 Corrected Total2127.

32、90039 a R Squared = .440 (Adjusted R Squared = .393)【注解】：协变量（作文培训前的成绩）与控制变量（是否参与作文培训）的交互效应对应的概率P值为：0.587，小于显著性水平a=0.05.所以接受原假设，即：交互相应不显著。满足协方差平行性条件：协变量方差分析，得到： Between-Subjects Factors Value LabelN是否参加作文培训1参加20 2没有参加20 Tests of Between-Subjects EffectsDependent Variable: 第二次成绩 SourceType III Sum of

33、SquaresdfMean SquareFSig.Corrected Model926.357(a)2463.17914.263.000Intercept201.1111201.1116.193.017SCORE1924.7571924.75728.477.000Y113.0861113.0863.482.070Error1201.5433732.474 Total35652.00040 Corrected Total2127.90039 a R Squared = .435 (Adjusted R Squared = .405)【注解】：作文培训后的成绩协方差分析结果： 作文培训前的成绩（协

34、变量）引起的变差=28.477；对应的概率P值=0.000.小于显著性水平a=0.05.所以拒绝原假设，即：作文培训前的成绩对作文培训后的成绩均值产生了显著性的影响。 是否参加作文培训（控制变量）引起的变差=3.482，对应的概率P值=0.070，大于显著性水平a=0.05，所以接受原假设，即：作文培训状态对作文培训后的成绩均值没有产生显著性的影响。结论： 实验一班的作文培训老师，相对于试验二班的作文培训老师，他的教学其实是不存在显著性的效果的。根据以上的分析，我们可以得出这样的结论，试验一班的老师和试验二班的老师虽然教学方法不相同，但是对于学生作文成绩的提高都是有效的，而且两个老师并没有显著

35、性的差异，即：某个班提高的程度显著的大于另一个班。所以，我们还是可以说，教学方法不同，教学效果相似。问题9：简单线性回归分析(一元)我们已经得到了两个班两次作文成绩，我们希望知道，第一次成绩与第二次成绩的关联程度，能否通过第一次成绩来推到第二次成绩。内容：（一）:对第一次成绩和第二次成绩做散点图，得到：【注解】：从图上可以得到，第一次作文成绩和第二次作文成绩是有一点的线性关系的，我们还需要对数据进行进一步的分析，得到确切的答案。（二）：对数据进行相关分析，得到： Correlations 第一次成绩第二次成绩第一次成绩Pearson Correlation1.652(*) Sig. (2-ta

36、iled).000 N4040第二次成绩Pearson Correlation.652(*)1 Sig. (2-tailed).000. N4040* Correlation is significant at the 0.01 level (2-tailed).【注解】： 两个变量的Pearson相关系数为0.6520，表示呈正相关，相关系数检验对应的概率P值为0.000小于a，所以拒绝原假设，即：两个变量之间相关性显著。（三）：建立回归方程： Model SummaryModelRR SquareAdjusted R SquareStd. Error of the Estimate1.65

37、2(a).425.4095.03921a Predictors: (Constant), 第一次成绩【注解】：两个变量的相关系数为0.652. 被解释变量和解释变量的判定系数为0.425. 回归方程的估计标准误差为5.03921.ANOVA(b)Model Sum of SquaresdfMean SquareFSig.1Regression712.0161712.01628.039.000(a) Residual964.9593825.394 Total1676.97539 a Predictors: (Constant), 第一次成绩b Dependent Variable: 第二次成绩【

38、注解】：1：回归方程的整体显著性检验：2：被解释变量的总离差平方和为1676.975,被分解成两个部分：回归平方和为712.016.剩余平方和为964.959。3：F检验统计量的值为28.039，对应的概率P值为0.000，小于显著性水平0.05.应该拒绝原假设，即：回归系数与0不存在显著性差异。认为回归系数不为0，被解释变量与解释变量的线性关系是显著的，可以建立线性模型。Coefficients(a)Model Unstandardized CoefficientsStandardized CoefficientstSig. BStd. ErrorBeta 1(Constant)12.710

39、3.182 3.994.000 第一次成绩.557.105.6525.295.000a Dependent Variable: 第二次成绩【注解】：回归方程的回归系数和常数项的估计值，以及回归系数的显著性检验： 1：常数项的估计值为12.710，回归系数估计值为0.557； 2：回归系数T检验的t统计量为3.994，对应的概率P值为0.00，小于显著性水平0.05，所以拒绝原假设，回归系数不为0，被解释变量与解释变量的线性关系是显著的。 于是，回归方程为: Y=12.710+0.557x结论：得到一元回归线性方程为：Y=12.710+0.557x。可以知道，第一次作文成绩每增加1个单位，第二次

40、作文成绩平均增加0.557个单位。问题10：简单线性回归分析(多元)我们已经知道第一次成绩和第二次成绩有线性的关系，我们希望知道第一次成绩和第二次成绩对第三次作文成绩的影响，所以我们决定对三次作文成绩做多元线性回归分析。内容：对数据进行多元线性回归分析得到下列的数据：Descriptive StatisticsMeanStd. DeviationN第三次成绩 28.45005.4863540第二次成绩28.957.38740第一次成绩29.307.67340【注解】：第一次作文成绩的均值为28.45，标准差为5.48635 第二次作文成绩的均值为28.95，标准差为7.387， 第三次作文成绩

41、的均值为29.30，标准差为7.673。Correlations第三次成绩 第二次成绩第一次成绩Pearson Correlation第三次成绩 1.000.461.335第二次成绩.4611.000.618第一次成绩.335.6181.000Sig. (1-tailed)第三次成绩 .001.017第二次成绩.001.000第一次成绩.017.000.N第三次成绩 404040第二次成绩404040第一次成绩404040【注解】：第一次作文成绩和第二次作文成绩间的Pearson相关系数为0.618，对应的概率P值为0.000，小于显著性水平0.05，所以拒绝原假设，即：第一次作文成绩和第二次作文成绩之