SPSS实验报告册2015.doc

《SPSS实验报告册2015.doc》由会员分享，可在线阅读，更多相关《SPSS实验报告册2015.doc（30页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 SPSS统计软件应用实验报告册 20 15 - 20 16 学年 第 1 学期班 级： T1353-3 学 号： 20130530305 姓 名： 徐 云 授课教师： 薛昌春 实验教师：薛昌春 实验学时： 一周 实验组号： 目 录1. 实验一 SPSS的数据管理2. 实验二 描述性统计分析3. 实验三 均值检验4. 实验四 相关分析5. 实验五 因子分析6. 实验六 聚类分析7. 实验七 回归分析8. 实验八 判别分析实验一 SPSS的数据管理一、 实验目的1 熟悉SPSS的菜单和窗口界面，熟悉SPSS各种参数的设置；2 掌握SPSS的数据管理功能。二、 实验内容：1、定义spss数据结构。

2、下表是某大学的一个问卷调查，要求将问卷调查结果表示成spss可识别的数据文件，利用spss软件进行分析和处理。练习：创建数据文件的结构，即数据文件的变量和定义变量的属性。实验步骤：（1） 打开SPSS 软件，新建一张date数据表；（2） 打开 variable view 界面，对相应的变量数据进行属性设置；（3） 打开 date view界面，输入数据，点击保存；实验结果及分析：略2 、高校提前录取名单的确定某高校今年对部分考生采取单独出题、提前录取的招生模式。现有20名来自国内不同省市的考生报考该校，7个录取名额。见数据文件compute.sav. 该校制定了如下录取原则：（1）文化课成绩

3、由数学、语文、英语和综合四门成绩组成。文化课成绩制定最低录取分数线：400分。（2）个人档案中若有“不良记录”，不予录取。（3）对西部考生和少数民族考生，给予加分优惠。少数民族考生加20分，西部考生加10分。（4）对参加过省以上竞赛并取得三等奖以上名次的考生，每项加10分。（5）文化课成绩和加分总和构成综合分，录取综合排名为前7名的学生。练习：利用spss软件，综合利用所学 ，给出成绩排名的操作步骤。实验步骤：（1） 打开给的原数据文件；（2） 执行 date/select case 命令，打开select case对话框，选择 if condiction is satisfatied ，输入

4、“(数学 + 语文 + 英语 + 综合) = 400 and 不良记录 = 0”，点击continue。并在output选项中选择“copy select case to a new dataset”，确认。（3） 同样的方法确定有省份、民族和所获奖项得到的加分条件，结果如图：（4） 执行 transform /compute 命令，在numermic expression 中输入“(数学 + 语文 + 英语 + 综合 + * 10 + * 20 + * 10) * 录取资格权数”，在taget variable 中输入“最终成绩”，确认。（5） 执行 date/sort case 操作，对最

5、终成绩进行降序排列。实验结果及分析：结果如图所示：对前七个进行录取即可。实验二 描述性统计分析一、 实验目的利用SPSS进行描述性统计分析。要求掌握频数分析（Frequencies过程）、描述性分析（Descriptives过程）、交叉列联表分析(Crosstabs过程)。二、 实验内容：1、打开数据文件descriptives.sav，是从某校选取的3个班级共16名学生的体检列表，要求以班级为单位列表计算年龄，体重和身高的统计量，包括极差，最小最大值，均值，标准差和方差。给出操作步骤和分析结果。实验步骤：（1） 在SPSS中打开已经存在的文件descriptives.sav。（2） 执行 a

6、nalyze/ descriptive statistics /descriptives，在variable中选入年龄、身高、体重。（3） 点击options ，进入potions选项栏，选入需要的统计量，单击continue，确认。实验结果及分析：实验结果如图：Descriptive StatisticsNRangeMinimumMaximumMeanStd. DeviationVarianceSkewnessKurtosisStatisticStatisticStatisticStatisticStatisticStd. ErrorStatisticStatisticStatisticSt

7、d. ErrorStatisticStd. Error年龄165131816.06.3821.5262.329-.505.564-.5491.091体重1632.0038.0070.0055.62502.369739.4789289.850-.308.564-.7541.091身高1631.00149.00180.001.6369E22.259649.0385781.696.135.564-.6331.091Valid N (listwise)16在表中，最大值，最小值与均值方差一目了然。2、某医生用国产呋喃硝胺治疗十二指肠溃疡，以甲氰咪胍作对照组，问两种方法治疗效果有无差别处 理愈 合未愈合

8、合计呋喃硝胺54862甲氰咪胍442064合 计9828126（提示：由于此处给出的直接是频数表，因此在建立数据集时可以直接输入三个变量行变量、列变量和指示每个格子中频数的变量，然后用Weight Cases对话框指定频数变量，最后调用Crosstabs过程进行X2检验。假设三个变量分别名为R、C和W，则数据集结构和命令如下）：RCW1.001.0054.001.002.0044.002.001.008.002.002.0020.00实验步骤：（1） 先通过excel将题目中的数据导入到SPSS中，如图：（2） 执行 analyze/descriptives statistics /cross

9、tabs 命令，在中导入药名，在column中导入愈合，其他设置采用默认设置，确认。实验结果及分析：结果如图所示：表一表示参与分析的数据有98个，无缺失值；表二表明了药名与治愈之间的交叉关系。 实验三 均值检验一、 实验目的学习利用SPSS进行单样本、两独立样本以及成对样本的均值检验。二、实验内容：1、一个生产高性能汽车的公司生产直径为322mm的圆盘制动闸。公司的质量控制部门随机抽取不同机器生产的制动闸进行检验。共4台机器，每台机器抽取16支产品。见数据文件ttest1.sav，要求检验每个机器生产的产品均值和322在90%的置信水平下是否有显著差异。实验步骤：（1） 在SPSS中打开数据t

10、test1.sav（2） 执行 analyze/compara means /one-sample test操作；（3） 在弹出来的选选项框中，在test variable中选入制动闸直径，test values中输入322 ，确认。实验结果及分析：结果如图，样本量是64，均值为322，标准差为0.0122577，标准误差是0.0015322.、相伴概率为0.295，所以不拒绝原假设，认为每个机器生产的产品的直径无显著性差异。2、在体育课上记录14名学生乒乓球得分的数据，男女各7名。数据如下：男：82.00 80.00 85.00 85.00 78.00 87.00 82.00女：75.00

11、76.00 80.00 77.00 80.00 77.00 73.00比较在置信度为95%的情况下男女生得分是否有显著差别。实验步骤：（1）将数据录入到SPSS中，如图：（2）执行analyze/compara means /dependent-sample test操作，在弹出来的对话框中，在test variable中选入成绩 ,在group variable中选入组别，点击define group 分别输入0和1，continue，确认。实验结果及分析：结果如图，男女成绩均值分别为82.71和77.50，标准差分别为3.147和2.074,伴随概率为0.005，小于0.05，说明男女的分

12、有显著性差别。Group Statistics组别NMeanStd. DeviationStd. Error Mean成绩1782.713.1471.1902677.502.074.847Independent Samples TestLevenes Test for Equality of Variancest-test for Equality of MeansFSig.tdfSig. (2-tailed)Mean DifferenceStd. Error Difference95% Confidence Interval of the DifferenceLowerUpper成绩Equa

13、l variances assumed1.365.2673.45511.0055.2141.5091.8938.536Equal variances not assumed3.57110.412.0055.2141.4601.9798.4503、某医疗结构针对具有家族心脏病史的病人研发了一种新药。为了检验这种新药的疗效是否显著，对16位病人进行为期半年的观察测试，测试指标为使用该药之前和之后的体重以及甘油三酯的水平的变化。见数据文件ptest.sav.实验步骤：（1） 打开文件ptest.sav；（2） 执行analyze/compara means /paireds-sample test操

14、作；（3） 分别在弹出来的对话框中输入tg0 和tg1及wgt0和wgt1.确认实验结果及分析：结果如图：表1给出了两对配对数据的各自均值，参与数量，标准差和标准误差。表2给出了两对配对数据的相关系数，从表3中可以得出，服用新药前后甘油三酯的伴随概率为0.283，大于0.05，所以甘油三酯在服药前后有显著性差异，而体重在服药前后的伴随概率小于0.05，不能说明服药前后对体重有显著性影响。Paired Samples StatisticsMeanNStd. DeviationStd. Error MeanPair 1服药前甘油三酯水平138.441629.0407.260服药后甘油三酯水平124

15、.381629.4127.353Pair 2服药前体重198.381633.4728.368服药后体重190.311633.5088.377表1Paired Samples CorrelationsNCorrelationSig.Pair 1服药前甘油三酯水平 & 服药后甘油三酯水平16-.286.283Pair 2服药前体重 & 服药后体重16.996.000表2Paired Samples TestPaired DifferencestdfSig. (2-tailed)MeanStd. DeviationStd. Error Mean95% Confidence Interval of t

16、he DifferenceLowerUpperPair 1服药前甘油三酯水平 - 服药后甘油三酯水平14.06246.87511.719-10.91539.0401.20015.249Pair 2服药前体重 - 服药后体重8.0622.886.7226.5259.60011.17515.000表3实验四 相关分析一、 实验目的学习利用SPSS进行相关分析、偏相关分析、距离分析。二、实验内容：1、打开数据文件correlate1.sav, 要求分析汽车价格和汽车的燃油效率之间是否存在线性关系。实验步骤：（1） 在spss中打开已经录好的文件correlate1.sav ；（2） 执行analyz

17、e/correlate/bivariate 命令；在弹出的bivariate correlation对话框中，将price和mpg添加到variable列表框中如图所示：（3） 单击option选项，选中 means and devilation，单击continue，确认，实验结果及分析：如图从图中可以看出汽车汽车价格与汽车的燃油效率之间的的相关系数为-0.492，判定系数为0.01，小于0.05.说明价格与燃油效率之间无显著相关关系。2、打开数据文件pcorrelation.sav，对身高、体重和肺活量进行变量距离分析。选相似性测度。进行结果解释。实验步骤：（1）在SPSS中打开文件pco

18、rrelation.sav ；（2）执行analyze/correlate /distances 操作。（3）在variable中录入身高、体重和肺活量；（4）选择between variable单选按钮和similiarities选项，确认。实验结果及分析：结果如图所示：可知所有的变量都参与了分析，而且身高和体重相似性最大。3、打开数据文件distance.sav, 文件是利用三种不同的仪器对飞机的10只叶片的半径分别进行了测量。要求对10只叶片进行距离分析。用Euclidean distance。进行结果解释。实验步骤：（1） 打开文件distance.sav（2） 执行操作analyze

19、/correlate /distances ；（3） 选择between case 和dissimiliarities ,确认。实验结果及分析：结果如图：可以看出10个case都参加了分析，分析得出不相似性最大的10和7 其次有很大的不相似性的还有1和7、1和8、1和10、2和7、6和10、8和10等等。Case Processing SummaryCasesValidMissingTotalNPercentNPercentNPercent10100.0%0.0%10100.0%Proximity Matrix Euclidean Distance 123456789101.000.663.4

20、90.469.795.800.962.930.378.9352.663.000.445.522.198.870.991.708.373.4653.490.445.000.312.475.560.714.580.330.8384.469.522.312.000.634.415.559.465.219.9635.795.198.475.634.000.9221.036.734.528.4686.800.870.560.415.922.000.170.375.6331.3297.962.991.714.5591.036.170.000.382.7751.4548.930.708.580.465.73

21、4.375.382.000.6211.1629.378.373.330.219.528.633.775.621.000.77610.935.465.838.963.4681.3291.4541.162.776.000This is a dissimilarity matrix实验五：因子分析一、实验目的：运用因子分析方法分析数据二、实验内容： 下表资料为25名健康人的7项生化检验结果，7项生化检验指标依次命名为X1至X7，请对该资料进行因子分析。X1X2X3X4X5X6X73.768.596.227.579.035.513.278.749.649.738.597.124.695.511.665

22、.909.848.394.947.239.469.554.948.219.413.664.996.147.287.083.980.627.009.491.332.985.493.011.341.615.769.274.924.382.307.315.354.523.086.440.541.344.527.072.591.300.443.311.031.001.173.682.171.271.571.551.512.541.031.771.044.254.502.425.115.2810.029.8412.6611.766.923.3611.6813.579.879.179.725.985.81

23、2.808.8413.6010.056.687.7912.0011.748.079.1012.509.777.502.171.794.545.337.633.5313.139.877.852.642.764.571.785.409.023.966.494.3911.582.771.793.752.4513.7410.162.732.106.227.308.844.7618.5211.069.913.433.555.382.097.5012.675.249.065.3716.183.512.104.663.104.782.131.090.821.282.408.391.122.353.702.6

24、21.192.013.433.721.971.751.432.812.272.421.051.291.720.91实验步骤：（1） 将上述数据导入到spss 中，如图：（2） 执行analyze /date reduction /factor 命令，得到如图所示的对话框：（3） 分别在图中右边的选项中进行设置，最后确认，得到结果如图：实验结果及分析：在上面的图中，具有影响的七个变量被整合成具有影响力的factor1和factor2两个因素，具体分析如下：（1）从表中数据可以看出七个变量之间的相关性和相关系数，构成了一个7*7的交叉分析，有好多的因子之间的相关系数大于0,3，判定系数大于0.05

25、，具有显著地相关性。（2） 这是因子分析的初始结果。（3） 是因子分析后因子提取和因子旋转的结果：Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %13.39548.50348.5033.39548.50348.5033.3064

26、7.23147.23122.80640.09088.5932.80640.09088.5932.89541.36188.5933.4366.23694.8284.2763.94698.7755.0811.16099.9356.004.05999.9947.000.006100.000Extraction Method: Principal Component Analysis.第一列是因子序号，第二列是因子对方差的贡献值，第三列是因子对方差的贡献率，第四列是因子的累积贡献率，从第五列到第七咧是从初始解中按一定的标准提取三个公共因子后对原变量总体的描述情况。从第八列到第十列是旋转后得到的因子对原

27、变量整体的贡献情况；（4）表示公共因子碎石图纵轴表示影响水平，横轴表示因子编号。从图中可以看住前三个因子的影响因素最大，后面的四个因子的影响几乎可以忽略不计。实验六：聚类分析一、实验目的：运用聚类分析方法分析数据二、实验内容： 29名儿童的血红蛋白（g/100ml）与微量元素（g/100ml）测定结果如下表。由于微量元素的测定成本高、耗时长，故希望通过聚类分析（即R型指标聚类）筛选代表性指标，以便更经济快捷地评价儿童的营养状态。编号N0.钙X1镁X2铁X3锰X4铜X5血红蛋白X6123456789101112131415161718192021222324252627282954.8972.4

28、953.8164.7458.8043.6754.8986.1260.3554.0461.2360.1769.6972.2855.1370.0863.0548.7552.2852.2149.7161.0253.6850.2265.3456.3966.1273.8947.3130.8642.6152.8639.1837.6726.1830.8643.7938.2034.2337.3533.6740.0140.1233.0236.8135.0730.5327.1436.1825.4329.2728.7929.1729.9929.2931.9332.9428.55448.70467.30425.614

29、69.80456.55395.78448.70440.13394.40405.60446.00383.20416.70430.80445.80409.80384.10342.90326.29388.54331.10258.94292.80292.60312.80283.00344.20312.50294.70 0.012 0.008 0.004 0.005 0.012 0.001 0.012 0.017 0.001 0.008 0.022 0.001 0.012 0.000 0.012 0.012 0.000 0.018 0.004 0.024 0.012 0.016 0.048 0.006

30、0.006 0.016 0.000 0.064 0.0051.0101.6401.2201.2201.0100.5941.0101.7701.1401.3001.3800.9141.3501.2000.9181.1900.8530.9240.8171.0200.8971.1901.3201.0401.0301.3500.6891.1500.83813.5013.0013.7514.0014.2512.7512.5012.2512.0011.7511.5011.2511.0010.7510.5010.2510.00 9.75 9.50 9.25 9.00 8.75 8.50 8.25 8.00

31、7.80 7.50 7.25 7.00实验步骤：（1） 将题目中的 数据录入到SPSS中，如图：（2） 执行 analyze/classfily /hierarchical cluster 命令，将钙、鎂、铁猛、铜和蛋白质录入到variable列表框中，将编号录入到 label case by 中，在cluster选项栏中选择variable，表示是R型类聚；（3） 点击右边的statistics，选择single solution ，且在后面输入2 ，表示显示将样本分成二类 ；（4） 点击plot按钮，复选dendrogram ,并在icicle 复选框中选all cluster ；（5）

32、点击method，选择pearson correlation ,为R型类聚专业方法，确认。实验结果及分析：结果分好几部分：（1）从表中可以看出有29个样本参与了类聚分析，其中因有缺省值而忽略的样本有2个。Case Processing SummaryaCasesValidMissingTotalNPercentNPercentNPercent2993.5%26.5%31100.0%a. Correlation between Vectors of Values used（2） 从表格中得到第三变量与第六变量先进行了类聚，相关为0.863，接着是第一和第五参与类聚，相关为0.625，一直这样下去

33、。StageCluster CombinedCoefficientsStage Cluster First AppearsNext StageCluster 1Cluster 2Cluster 1Cluster 2136.863003215.625004323.602014412.338235514-.054400（3） 在变量类聚到二个变量时，从下表中可以看出鎂、钙、铜、血红蛋白和铁是一类，猛是另一类 ；Cluster MembershipCase2 Clusters钙1镁1铁1锰2铜1血红蛋白1（4） 下图是冰柱图，可以看出是铁与血红蛋白先类聚，然后是铜与钙。Vertical Icicle

34、Number of clustersCase锰血红蛋白铁镁铜钙1XXXXXXXXXXX2XXXXXXXXXX3XXXXXXXXX4XXXXXXXX5XXXXXXX（6） 下图是层次分析的树状图，从图中可以看出整体的类聚情况：CASE0510152025LabelNum+-+-+-+-+-+铁3血红蛋白6镁2钙1铜5锰4实验七：回归分析一、实验目的：运用一元线性回归与多元线性回归进行预测二、实验内容： 某医师测得10名3岁儿童的身高（cm）、体重（kg）和体表面积（cm2）资料如下。试用多元回归方法确定以身高、体重为自变量，体表面积为应变量的回归方程。儿童编号体表面积（Y）身高（X1）体重（X2

35、）123456789105.3825.2995.3585.2925.6026.0145.8306.1026.0756.41188.087.688.589.087.789.588.890.490.691.211.011.812.012.313.113.714.414.915.216.0实验步骤：（1） 把上述数据导入到SPSS软件中；（2） 执行 analyze /regression /linear 操作，打开linear regression 对话框；（3） 在dependent中选入儿童编号 ，在independent中选入体表面积、身高和体重；（4） 在该对话框中单击statistics

36、按钮，打开statistics对话框，选择estimates 、model fit 、descriptives 选项 ，单击continue ，确认。实验结果及分析：分析共计六个结果：（1） 表一表述的是个变量的均值、标准差和参与回归的变量个数：Descriptive StatisticsMeanStd. DeviationN儿童编号5.503.02810体表面积（Y）5.73650.40344110身高（X1）89.131.26410体重（X2）13.441.66310（2） 表二表示的是各变量之间的相关性，可以看出体重与儿童编号相关性最大；Correlations儿童编号体表面积（Y）身高

37、（X1）体重（X2）Pearson Correlation儿童编号1.000.930.878.995体表面积（Y）.9301.000.869.943身高（X1）.878.8691.000.863体重（X2）.995.943.8631.000Sig. (1-tailed)儿童编号.000.000.000体表面积（Y）.000.001.000身高（X1）.000.001.001体重（X2）.000.000.001.N儿童编号10101010体表面积（Y）10101010身高（X1）10101010体重（X2）10101010（3） 表三表示在多元回归分析中，被引入或被踢出的各个变量，参与回归的有体重、身高和体表面积，没有变量被踢出；Variables Entered/RemovedbModelVariables EnteredVariables RemovedMethod1体重（X2）, 身高（X1）, 体表面积（Y）a.Entera. All requested variables entered.b. Dependent Variable: 儿童编号（4） 表四是输出的常用统计量，可知相关系数R=0.997，判定系数R2=0.990，回归估计的标准误差是0.303；Model SummaryModelRR SquareAdjusted R