第一篇：SPSS實(shí)驗(yàn)報(bào)告1

實(shí) 驗(yàn) 報(bào) 告

課程名稱

數(shù)據(jù)分析

實(shí)驗(yàn)名稱

均值比較與方差分析

系別 電子信息科學(xué)學(xué)院 專業(yè)班級(jí) 信息管理15級(jí)專升本

指導(dǎo)教師

學(xué)號(hào)

姓名

實(shí)驗(yàn)日期 2015年11月18日實(shí)驗(yàn)成績

一、實(shí)驗(yàn)?zāi)康?/p>

1． 掌握均值比較和方差分析的原理、過程和應(yīng)用

2． 掌握兩獨(dú)立樣本和兩配對(duì)樣本的t檢驗(yàn)的過程和結(jié)果解釋 3． 掌握單因素方差分析的分析過程和結(jié)果解釋 4． 掌握多因素方差分析的分析過程和結(jié)果解釋

二、實(shí)驗(yàn)環(huán)境

1． 硬件環(huán)境：微機(jī)

2． 軟件環(huán)境： Windows，SPSS Statistics 22

三、實(shí)驗(yàn)內(nèi)容

1．?dāng)?shù)據(jù)文件GSS2004_Mod.sav中記錄了男性或女性每周上網(wǎng)瀏覽網(wǎng)頁的時(shí)間（變量WWWHR，單位小時(shí)）。用兩獨(dú)立樣本t檢驗(yàn)方法分析男性和女性在上網(wǎng)時(shí)間上是否不同。（1）原假設(shè)

男性和女性的上網(wǎng)時(shí)間沒有顯著差異。（2）參數(shù)設(shè)置

檢驗(yàn)變量：WWW HOURS PER WEEK 分組變量：GENDER（3）操作步驟及計(jì)算結(jié)果 操作步驟：

① 選擇菜單：【分析A】→【比較均值（M）】→【獨(dú)立樣本T檢驗(yàn)（T）】；如圖1-1

圖1-1

② 選擇檢驗(yàn)變量“WWW HOURS PER WEEK”到【檢驗(yàn)變量（T）】框中。③ 選擇總體標(biāo)識(shí)變量“GENDER”到【分組變量（G）】框中。

④點(diǎn)擊按鈕定義兩總體的標(biāo)示值，如圖1-2。其中，【使用指定值（U）】表示分別輸入對(duì)應(yīng)兩

個(gè)不同總體的標(biāo)記值。

圖1-2

計(jì)算結(jié)果：

（4）結(jié)果及其解釋

結(jié)果：男性和女性的上網(wǎng)時(shí)間存在顯著差異。

解釋：從獨(dú)立樣本鑒定的表中可以看出F檢驗(yàn)值為15.182，對(duì)應(yīng)的概率P值為0.00＜0.05，所以拒絕原假設(shè)。由于兩總體方差有顯著差異所以要看到“不采用相等變異數(shù)”這一列，其中T統(tǒng)計(jì)量的值為4.866，對(duì)應(yīng)的概率P值為0.00。如果顯著性水平α為0.05，由于概率P值小于0.05，所以認(rèn)為量總體的均值有顯著差異。并且95%置信區(qū)間不夸零，也說明了有顯著差異。

2．?dāng)?shù)據(jù)文件GSS2004_Mod.sav中記錄了受訪者父親和母親的受教育情況。試用兩配對(duì)樣本t檢驗(yàn)方法比較父親的受教育情況（變量PAEDUC）和母親的受教育情況（變量MAEDUC）是否不同。（1）原假設(shè)

父親的受教育情況和母親的受教育情況沒有顯著差異。（2）參數(shù)設(shè)置

成對(duì)變量：PAEDUC，MAEDUC（3）操作步驟及計(jì)算結(jié)果 ①選擇菜單：

【分析（A）】→【比較均值（M）】→【配對(duì)樣本T檢驗(yàn)（P）】，如圖2-1

圖2-1 ②選擇PADUC和MADUC到【成對(duì)變量（V）】框中。結(jié)果：

圖2-2

圖2-3

圖2-4（4）結(jié)果及其解釋

結(jié)果：父親的受教育情況和母親的受教育與情況沒有顯著差異。

解釋：從圖2-2的平均值可以看出沒有較大的差異。圖2-3中對(duì)應(yīng)的概率P值為.000，如果顯著性水平α為0.05，則表明父親和母親的受教育情況有明顯的線性變化，父親和母親的受教育情況相關(guān)性程度較強(qiáng)。從圖2-4中可以看出，父親與母親的受教育情況的平均差異，僅只有0.49；95%置信區(qū)間的上下限一正一負(fù)，則表示兩者接近無顯著差異；最后相對(duì)應(yīng)的概率P值0.494，如果顯著性水平α為0.05，則接受原假設(shè)，所以父親的受教育情況和母親的受教育與情況無顯著差異。

3．一家關(guān)于MBA報(bào)考、學(xué)習(xí)、就業(yè)指導(dǎo)的網(wǎng)站希望了解國內(nèi)MBA畢業(yè)生的起薪是否與各自所學(xué)的專業(yè)相關(guān)。為此，他們?cè)谝呀?jīng)從國內(nèi)商學(xué)院畢業(yè)并且獲得學(xué)位的MBA學(xué)生中按照各專業(yè)分別隨機(jī)抽取了10人，調(diào)查了這些學(xué)生的起薪情況，數(shù)據(jù)文件為MbaSalary.sav。根據(jù)這些調(diào)查他們能否得出專業(yè)對(duì)MBA起薪有影響的結(jié)論。（1）原假設(shè)

國內(nèi)MBA畢業(yè)生各自所學(xué)專業(yè)與起薪情況沒有顯著關(guān)系。（2）參數(shù)設(shè)置 觀測變量：起薪 控制變量：專業(yè)

（3）操作步驟及計(jì)算結(jié)果 操作步驟： ①選擇菜單： 【分析（A）】→【比較均值（M）】→【單因素ANOVA】； ②選擇觀測變量“起薪”到【因變量列表（E）】框中，如圖3-1；

④ 選擇控制變量“專業(yè)”到【因子（F）】框中，如圖3-2；

圖3-1 計(jì)算結(jié)果：

圖3-2（4）結(jié)果及其解釋

結(jié)果：國內(nèi)MBA畢業(yè)生各自所學(xué)專業(yè)與起薪情況沒有顯著關(guān)系；

解釋：從圖3-2可以看出，F(xiàn)統(tǒng)計(jì)量的觀測值為2.459，對(duì)應(yīng)的概率P值為0.079。如果顯著性水平α為0.05，由于概率P值大于顯著性水平α，所以接受原假設(shè)，認(rèn)為國內(nèi)MBA畢業(yè)生各自所學(xué)專業(yè)與起薪情況沒有顯著關(guān)系。

4．一家連鎖零售店試圖對(duì)顧客的購買習(xí)慣進(jìn)行調(diào)查。grocery_1month.sav記錄了顧客性別、購物方式、消費(fèi)額等信息。使用多因素方差分析方法分析顧客性別和購物方式對(duì)消費(fèi)額有何影響。（1）原假設(shè)

不同顧客性別沒有對(duì)消費(fèi)額產(chǎn)生顯著差異；不同購物方式對(duì)消費(fèi)額沒有顯著差異；顧客性別和購物方式對(duì)消費(fèi)額沒有產(chǎn)生顯著的交互影響。（2）參數(shù)設(shè)置 觀測變量：消費(fèi)額

控制變量：顧客性別，購物方式（3）操作步驟及計(jì)算結(jié)果 操作步驟： ①選擇菜單： 【分析（A）】→【一般線性模型】→【單變量（U）】； ②指定觀測變量“消費(fèi)額”到【因變量（D）】框中；

③指定固定效應(yīng)的控制變量“顧客性別”和“購物方式”到【固定因子(F)】框中，如圖4-1。

計(jì)算結(jié)果：

圖4-2

圖4-2

（4）結(jié)果及其解釋

結(jié)果：不同顧客性別對(duì)消費(fèi)額有顯著差異；不同購物方式對(duì)消費(fèi)額沒有顯著差異；顧客性別和購物方式對(duì)消費(fèi)額有顯著的交互影響。解釋：從圖中可以看出Fgender，F(xiàn)style，F(xiàn)gender*style的概率P值分別為0.000，0.140和0.017.如果顯著性水平α為0.05，由于Fgender，F(xiàn)gender*style概率P值小于顯著性水平α，所以應(yīng)該拒絕原假設(shè)，可以認(rèn)為不同顧客性別對(duì)消費(fèi)額有顯著差異，顧客性別和購物方式對(duì)消費(fèi)額有顯著的交互影響，而Fstyle概率P值小于顯著性水平α，則接收原假設(shè)認(rèn)為不同購物方式對(duì)消費(fèi)額沒有顯著差異。

四、實(shí)驗(yàn)小結(jié)（心得體會(huì)、遇到問題及其解決方法）

第二篇：SPSS實(shí)驗(yàn)報(bào)告,

S SPSS 軟件應(yīng)用實(shí)驗(yàn)報(bào)告

長春工業(yè)大學(xué)人文學(xué)院 1４090６班

成昊 3 實(shí)驗(yàn)報(bào)告 １

一、實(shí)驗(yàn)?zāi)康?掌握 SＰSS 基本統(tǒng)計(jì)分析基本操作 ?二、實(shí)驗(yàn)內(nèi)容:１、根據(jù)上面得數(shù)據(jù),制作莖葉圖,并計(jì)算出均值與標(biāo)準(zhǔn)差,驗(yàn)證數(shù)據(jù)就是否服從正態(tài)分布。

2、按規(guī)定:銷售收入在 125 萬元以上為先進(jìn)企業(yè),１1５～1２5 萬元為良好企業(yè),１０５~115 萬元為一般企業(yè),1０5 萬元以下為落后企業(yè),按先進(jìn)企業(yè)、良好企業(yè)、一般企業(yè)、落后企業(yè)進(jìn)行分組,編制百分比分布統(tǒng)計(jì)表。

三、實(shí)驗(yàn)步驟;利用 分析＞描述性統(tǒng)計(jì)〉探索,結(jié)果如下: 描述性 統(tǒng)計(jì)資料

統(tǒng)計(jì)資料 標(biāo)準(zhǔn)錯(cuò)誤 產(chǎn)品銷售額平均數(shù) 1１６、08 2。440 ９5％平均數(shù)得信賴區(qū)間 下限 １１1、１4

上限 1２1。０1

5％ 修整得平均值 1１5。89

中位數(shù) 115。5０

變異數(shù) 2３8.122

標(biāo)準(zhǔn)偏差 15、４３1

最小值 87

最大值 150

範(fàn)圍 ６３

內(nèi)四分位距 21

偏斜度。23３。37４ 峰度 —、316。73３ 常態(tài)檢定

Kolｍoｇoｒov—Smirnova

Sｈaｐiro—Ｗilk 統(tǒng)計(jì)資料 df 顯著性 統(tǒng)計(jì)資料 dｆ 顯著性 產(chǎn)品銷售額.100 ４０、２00*

.9８3 40.800 *、這就是 true 顯著得下限。

a、Lilliefoｒs 顯著更正 產(chǎn)品銷售額 Stｅm－aｎd-Leaf Ploｔ

Ｆrｅquｅncy

Stｅm &

Ｌeａｆ

2、00、78

3.00。

257

9、00

１０.０334５578８

11.０0

11、7、００

1２、0003５６７

５.00

13.０56７8

2。０014、26

1。00

1５.0

Ｓteｍ widtｈ:

Each leaf:

casｅ(s)分組

次數(shù) 百分比 有效得百分比 累積百分比 有效 先進(jìn)企業(yè) 11 2７、5 ２7.5 ２7。５ 良好企業(yè) １１ ２7、5 27。5 ５5。0 一般企業(yè) 9 22.5 2２、５ 77。5 落后企業(yè) 9 2２。5 22.5 1０0、０ 總計(jì) 4０ １00、0 100.0

四、實(shí)驗(yàn)結(jié)果分析: 1、均值為 116。08、標(biāo)準(zhǔn)差為１5。431,正態(tài)分布得檢驗(yàn) K－S 值為 0.1,Siｇ。值為０。98３〉0、０5,因此數(shù)據(jù)服從正態(tài)分布。

2、對(duì)４0 個(gè)企業(yè)分組后先進(jìn)企業(yè)占總體比重 27、５%良好企業(yè)占總體比重２7.5％一般企業(yè)占總體比重 22.5％落后企業(yè)占總體比重 22。5％先進(jìn)企業(yè)與良好企業(yè)占總體比重較大,一般企業(yè)與落后企業(yè)占總體比重較小。

實(shí)驗(yàn)報(bào)告 2 2

一、實(shí)驗(yàn)?zāi)康?掌握列聯(lián)表(定類變量與定類變量)基本操作 二、實(shí)驗(yàn)內(nèi)容:１、A、B 車間對(duì)廠長得滿意程度就是否有顯著差異 2、如果有計(jì)算 τ 系數(shù) 三、實(shí)驗(yàn)步驟:首先建立數(shù)據(jù)庫錄入數(shù)據(jù),然后運(yùn)用 分析〉描述性統(tǒng)計(jì)〉交叉表格 進(jìn)行列聯(lián)表分析,做卡方檢驗(yàn),結(jié)果如下: 車間* * 對(duì)廠長得滿意度

交叉列表 計(jì)數(shù)

對(duì)廠長得滿意度 總計(jì) 滿意 不滿意 車間 車間A ３0 1０ 40 車間B 20 2０ ４0

總計(jì) 50 30 80 卡方測試

數(shù)值 df 漸近顯著性(2 端)精確顯著性(２ 端)精確顯著性(1 端)皮爾森(Peａrｓoｎ)卡方 5、３3３a、021

持續(xù)更正ｂ

4、３２０ １。０38

概似比 5.41２ 1.0２0

費(fèi)雪(Ｆisｈer)確切檢定、037、０18 線性對(duì)線性關(guān)聯(lián) 5。26７ １、０2２

有效觀察值個(gè)數(shù) 8０

a、0 資料格(0.0％)預(yù)期計(jì)數(shù)小於 5、預(yù)期得計(jì)數(shù)下限為 15.00。

b。

只針對(duì) ２x2 表格進(jìn)行計(jì)算

四、實(shí)驗(yàn)結(jié)果分析:此數(shù)據(jù)為 2＊2 列聯(lián)表,且 n＞40,因此用連續(xù)校正卡方檢驗(yàn)得值 Contiｎuｉｔｙ Ｃorreｃｔion 為 4.３20,對(duì)應(yīng)得 Siｇ、值為０。０３８,小于有方向性得測量

數(shù)值 漸近標(biāo)準(zhǔn)錯(cuò)誤a

大約 Tb

大約 顯著性 名義變數(shù)對(duì)名義變數(shù) Lambda(λ)對(duì)稱、143、070 1、865、062 車間 相依項(xiàng)、250、119 1、865、062 對(duì)廠長得滿意度 相依項(xiàng)、000、000、c、c

Goodman 及 Kruskal tau 車間 相依項(xiàng)、067、055、022d

對(duì)廠長得滿意度 相依項(xiàng)、067、055、022d

a、未使用虛無假設(shè)。

b、正在使用具有虛無假設(shè)得漸近標(biāo)準(zhǔn)誤。

c、無法計(jì)算,因?yàn)闈u近標(biāo)準(zhǔn)誤等於零。

d、基於卡方近似值

0.05,可以認(rèn)為車間同廠長得滿意情況就是相關(guān)得,相關(guān)得 τ 系數(shù)為０.０6７ 實(shí)驗(yàn)報(bào)告 ３

一、實(shí)驗(yàn)?zāi)康?掌握參數(shù)估計(jì)與假設(shè)檢驗(yàn)方法得操作 二、實(shí)驗(yàn)內(nèi)容:上面得數(shù)據(jù)就是否證明了先參加實(shí)踐對(duì)提高平均測試分?jǐn)?shù)得效果顯著 三、實(shí)驗(yàn)步驟:用配對(duì)樣本 t 檢驗(yàn),原假設(shè)為方案 A 與方案 B 對(duì)平均測試得成績不存在差異。首先運(yùn)用數(shù)據(jù)探測做正態(tài)分布檢驗(yàn),得到結(jié)果如下表:

通過上表可以瞧出,方案 A 與方案Ｂ得 p值均大于0。０5,表明數(shù)據(jù)均服從正態(tài)分布、滿足配對(duì)樣本 t 檢驗(yàn)得前提假定條件,然后利用 分析＞比較平均值〉配對(duì)樣本 t 檢驗(yàn) 進(jìn)行分析,結(jié)果如下: 成對(duì)樣本檢定

程對(duì)差異數(shù) T df 顯著性(雙尾)平均數(shù) 標(biāo)準(zhǔn)偏差 標(biāo)準(zhǔn)錯(cuò)誤平均值 95% 差異數(shù)得信賴區(qū)間 下限 上限 對(duì)組 １ 方案 A — 方案Ｂ —５、000 １1、3３3 3。584-13、107 3、107-1、３９5 9、1９6 四實(shí)驗(yàn)結(jié)果分析:通過上表可以瞧出 t=-1、395,Sｉg.=0、196>0、05,所以,不能拒絕原假設(shè),方案 A 與方案 B 對(duì)平均測試得成績不存在差異。

實(shí)驗(yàn)報(bào)告 ４

一、實(shí)驗(yàn)?zāi)康?掌握方差分析方法得操作 二、實(shí)驗(yàn)內(nèi)容:利用多因素方差分析方法,分析不同地區(qū)與不同日期對(duì)該商品 得銷售量就是否產(chǎn)生了顯著影響？地區(qū)與日期就是否對(duì)該商品得銷售產(chǎn)生了交互影響。

三、實(shí)驗(yàn)步驟:運(yùn)用 分析>一般線性模型＞單變量 進(jìn)行分析。首先進(jìn)行總體方差就是否相等得方差齊性檢驗(yàn)。

Le ｖe e ｎｅ ’ ｓ

錯(cuò)誤共變異等式檢定a a

因變數(shù):

銷售量

F ｄｆ1 dｆ2 顯著性、508 8 1８.83５ 檢定因變數(shù)得錯(cuò)誤共變異在群組內(nèi)相等得空假設(shè)。

常態(tài)檢定

Kolmogorov-Smirnova

Shapiro-Wilk 統(tǒng)計(jì)資料 df 顯著性 統(tǒng)計(jì)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(shè)計(jì):截距 ＋ 地區(qū) + 日期 ＋ 地區(qū) ＊ 日期 通過上表可以瞧出,Siｇ。=0.835＞０。05,所以,總體方差相等,接著瞧方差分析得檢驗(yàn)結(jié)果: 主旨間效果檢定 因變數(shù):

銷售量

來源 第 IIＩ 類平方與 df平均值平方 F 顯著性 局部 Etａ 方形 修正得模型 80074074。074ａ

８ 100０9259.259 1０。810、0０0。８２8 截距 ８11２592５9。2５9 1 811２59２59、259 87６.160.000。98０ 地區(qū) ３851851、8５2 ２ 192５925.９26 2。080。15４、１88 日期 ５62962９、6３0 2 2８14８1４、８1５ 3.０４０。０73.2５2 地區(qū) ＊ 日期 ７０5925９２。5９3 ４ 17６48148。148 1９、06０.000.809 錯(cuò)誤 1６666666、667 １８ 9２5９2５、9２6

總計(jì) 90８00０00０。000 27

校正後總數(shù) 967４07４0。74１ 26

a。

R平方 =。82８(調(diào)整得 R平方 =.７51)四、結(jié)果分析:通過上表可以瞧出,地區(qū)對(duì)應(yīng)得 F=2。08,Siｇ、=0、154＞０、05,日期對(duì)應(yīng)得 F=3.０4,Sｉg。＝0。0７３>0.0５,可見,地區(qū)與日期單獨(dú)對(duì)銷售量都沒有顯著影響,地區(qū)＊時(shí)間對(duì)應(yīng)得 F＝19。０６,Ｓig.=0.０00〈０.０５,所以,地區(qū)與日期得交互作用對(duì)銷售量有影響。

實(shí)驗(yàn)報(bào)告 5 5

一、實(shí)驗(yàn)?zāi)康?掌握相關(guān)分析方法得操作 二、實(shí)驗(yàn)內(nèi)容:以下就是對(duì)五百名文化程度代際流動(dòng)得抽樣調(diào)查,試求父輩文化與子輩文化之間就是否有差異、三、實(shí)驗(yàn)步驟:Keｎｄａｌlt 相關(guān)分析。原假設(shè)為子輩文化與父輩文化之間不存在著等級(jí)相關(guān)。運(yùn)用 分析＞相關(guān)＞雙變量 進(jìn)行分析,結(jié)果如下: 相關(guān)系數(shù)

父輩文化程度 子輩文化程度 Kｅndaｌl 得 ｔａu＿b 父輩文化程度 相關(guān)系數(shù) １。０00.594＊＊

Sig、(雙側(cè))。

。000

Ｎ 500 ５０0 子輩文化程度 相關(guān)系數(shù)、594＊＊

1、０00 Sｉg。(雙側(cè))、０0０。

N ５00 ５00 ＊＊、在置信度(雙測)為 0.01 時(shí),相關(guān)性就是顯著得、四實(shí)驗(yàn)結(jié)果分析:通過上表可以瞧出,Ｋendａlｌ’s taｕ_b＝0、594,對(duì)應(yīng)得 Sig。＝0。000<0.05,拒絕原假設(shè),可以認(rèn)為子輩文化與父輩文化之間存在著等級(jí)相關(guān)。

實(shí)驗(yàn)報(bào)告 ６

一、實(shí)驗(yàn)?zāi)康?掌握非參數(shù)檢驗(yàn)方法得操作 二、實(shí)驗(yàn)內(nèi)容:某地某一時(shí)期出生４0 名嬰兒,其中女嬰 12 名,男嬰 28 名。這個(gè)地方出生嬰兒得性別比例與通常得男女性別比例就是否相同 三、實(shí)驗(yàn)步驟:單樣本二項(xiàng)分布檢驗(yàn)。原假設(shè)為這個(gè)地方出生嬰兒得性別比例與通常得男女性別比例相同,運(yùn)用 分析＞非參數(shù)檢驗(yàn)>二項(xiàng)式 進(jìn)行分析,結(jié)果如下: 二項(xiàng)式檢驗(yàn)

類別 N 觀察比例 檢驗(yàn)比例 漸近顯著性(雙側(cè))嬰兒性別 組 1 男 28。70、5０。0１7ａ

組 2 女 12.30

總數(shù)

１。0０

ａ.基于 Z近似值。

四實(shí)驗(yàn)結(jié)果分析:通過上表可知,40 名嬰兒中男嬰 28 名,占 7０％,女嬰１2 名,占30％。SPＳS 自動(dòng)計(jì)算精確概率 Sｉg、值為 0。0１7,小于 0、０5,拒絕原假設(shè),可以認(rèn)為這個(gè)地方出生嬰兒得性別比例與通常得男女性別比例不同,男嬰要多于女嬰。

實(shí)驗(yàn)報(bào)告 7 7

一、實(shí)驗(yàn)?zāi)康?掌握非參數(shù)檢驗(yàn)方法得操作 二、實(shí)驗(yàn)內(nèi)容:用非參數(shù)檢驗(yàn)得方法檢驗(yàn)工廠規(guī)模與信息傳遞就是否有關(guān)。

三、實(shí)驗(yàn)步驟:兩獨(dú)立樣本得曼—惠特尼Ｕ檢驗(yàn)。原假設(shè)為工廠規(guī)模與信息傳遞無關(guān),運(yùn)用 分析〉非參數(shù)檢驗(yàn)>兩個(gè)獨(dú)立樣本 進(jìn)行分析,結(jié)果如下: 檢驗(yàn)統(tǒng)計(jì)量ｂ

信息傳遞 Mann—Whｉtney U 5、000 Wｉlcoxｏn W １５。0００

Z-1、2４6 漸近顯著性(雙側(cè))、213 精確顯著性[2＊(單側(cè)顯著性)］。286a

a。

沒有對(duì)結(jié)進(jìn)行修正、b。

分組變量: 廠規(guī)模 四實(shí)驗(yàn)結(jié)果分析:由上表可知,U=５,因?yàn)榫褪切颖?瞧精確概率值 Sig。為 0.28６,大于 0.05,不應(yīng)該拒絕原假設(shè),可以得出工廠規(guī)模與信息傳遞無關(guān)。

實(shí)驗(yàn)報(bào)告 ８

一、實(shí)驗(yàn)?zāi)康?掌握非參數(shù)檢驗(yàn)方法得操作 二、實(shí)驗(yàn)內(nèi)容:分析三個(gè)班級(jí)成績得中位值就是否存在顯著差異、三、實(shí)驗(yàn)步驟:多個(gè)獨(dú)立樣本得 Medｉａn 檢驗(yàn)。原假設(shè)為三個(gè)班級(jí)成績得中位值沒有顯著差異。運(yùn)用 分析>非參數(shù)檢驗(yàn)>K 個(gè)樣本獨(dú)立檢驗(yàn) 進(jìn)行分析,結(jié)果如下:

檢驗(yàn)統(tǒng)計(jì)量b b

成績 Ｎ 45 中值 75.00 卡方 9、474a

ｄf 2 漸近顯著性、０09 a。

0 個(gè)單元(.0％)具有小于 5 得期望頻率。單元最小期望頻率為 6、３。

ｂ.分組變量: 班級(jí) 四實(shí)驗(yàn)結(jié)果分析:通過上表可知,X^2＝9。474,df=２,Ｓig。值為０、015,小于 0。05,拒絕原假設(shè),因此可以認(rèn)為廣告對(duì)商品促銷起作用、實(shí)驗(yàn)報(bào)告 9 9

一、實(shí)驗(yàn)?zāi)康?掌握非參數(shù)檢驗(yàn)方法得操作 二、實(shí)驗(yàn)內(nèi)容:各考官評(píng)分得一致性如何 三、實(shí)驗(yàn)步驟: 多個(gè)相關(guān)樣本得 Kｅndaｌｌ協(xié)同系數(shù)檢驗(yàn)。原假設(shè)為各個(gè)考官得評(píng)分不一致,運(yùn)用 分析＞非參數(shù)檢驗(yàn)〉K 個(gè)相關(guān)樣本 進(jìn)行分析,結(jié)果如下: 檢驗(yàn)統(tǒng)計(jì)量 N ５ Kenｄａll Ｗａ

。62１ 卡方 2７、9６7

ｄf 9 漸近顯著性.001 a。

Kendalｌ 協(xié)同系數(shù) 四實(shí)驗(yàn)結(jié)果分析:通過上表可知,Ｋenｄalｌ’ｓW＝0。621,Sig、值為０.001,小于0、05,拒絕原假設(shè),可以認(rèn)為各個(gè)考官得評(píng)分具有一致性。

第三篇：SPSS實(shí)驗(yàn)報(bào)告二（最終版）

SPSS實(shí)驗(yàn)報(bào)告二

實(shí)驗(yàn)?zāi)康模赫莆辗讲罘治?、相關(guān)分析和回歸分析的基本操作；掌握其中相關(guān)的問題檢驗(yàn)；讀懂輸出結(jié)果并進(jìn)行合理分析。

第一題：利用外來工數(shù)據(jù)，使用多因素方差分析研究教育程度和月收入對(duì)家庭花費(fèi)(V2_2c)，（1）說明兩個(gè)因素的影響是否顯著，有沒有顯著的交互作用；

（2）如果因素影響顯著而交互作用不顯著，建立非飽和模型，并利用多重比較比較（snk）各因素水平的高低；

第二題：應(yīng)用waste.sav數(shù)據(jù)，研究固體垃圾排放量與賓館、餐飲業(yè)用地、零售業(yè)用地、運(yùn)輸、批發(fā)企業(yè)用地、金屬制造業(yè)用地、工業(yè)企業(yè)用地的關(guān)系。

（1）、通過散點(diǎn)圖觀察變量間的相關(guān)關(guān)系，并使用Enter建立模型，判斷各自變量間是否存在多重共線性，寫出回歸方程，說明T檢驗(yàn)和F檢驗(yàn)的結(jié)果

（2）、利用Stepwise建立模型，通過計(jì)算D-W統(tǒng)計(jì)量和作出殘差分布圖、pp圖等方法初步判斷是否存在序列相關(guān)、異方差和正態(tài)性，保存模型的預(yù)測值。

第三題：完成P283，例題9-3，畫出外出就餐和年份的散點(diǎn)圖，利用復(fù)合函數(shù)，指數(shù)函數(shù)和三次函數(shù)進(jìn)行擬合，選擇最好的擬合模型，寫出曲線方程，并對(duì)之后兩年年的數(shù)據(jù)進(jìn)行預(yù)測。

第四篇：管理統(tǒng)計(jì)學(xué)SPSS數(shù)據(jù)管理 實(shí)驗(yàn)報(bào)告

數(shù)據(jù)管理

一、實(shí)驗(yàn)?zāi)康呐c要求

1.掌握計(jì)算新變量、變量取值重編碼的基本操作。2.掌握記錄排序、拆分、篩選、加權(quán)以及數(shù)據(jù)匯總的操作。

3.了解數(shù)據(jù)字典的定義和使用、數(shù)據(jù)文件的重新排列、轉(zhuǎn)置、合并的操作。

二、實(shí)驗(yàn)內(nèi)容提要

1．自行練習(xí)完成課本中涉及的對(duì)CCSS案例數(shù)據(jù)的數(shù)據(jù)管理操作 2．針對(duì)SPSS自帶數(shù)據(jù)Employee data.sav進(jìn)行以下練習(xí)。

（1）根據(jù)變量bdate生成一個(gè)新變量“年齡”

（2）根據(jù)jobcat分組計(jì)算salary的秩次

（3）根據(jù)雇員的性別變量對(duì)salary的平均值進(jìn)行匯總

（4）生成新變量grade，當(dāng)salary<20000時(shí)取值為d，在20000~50000范圍內(nèi)時(shí)取值為c，在50000~100000范圍內(nèi)取值為b，大于等于100000時(shí)取值為a

三、實(shí)驗(yàn)步驟

1、針對(duì)CCSS案例數(shù)據(jù)的數(shù)據(jù)管理操作

1.1.計(jì)算變量，輸入TS3到目標(biāo)變量，在數(shù)字表達(dá)式中輸入3，把任意年齡段分成三個(gè)組20-30設(shè)為1組，1-40設(shè)為2組41-50設(shè)為3組。圖1，圖1 1.2.對(duì)已有變量的分組合并，在“名稱”文本框中輸入新變量名TS3單擊“更改”按鈕，原來的S3->?就會(huì)變?yōu)镾3->TS3,單擊“舊值和新值”按鈕，系統(tǒng)打開“重新編碼到其他變量：舊值和新值”，如下圖2，圖2

圖3 1.3.可視離散化，選擇“轉(zhuǎn)換”->“可視離散化”,打開的對(duì)話框要求用戶選擇希望進(jìn)行離散化的變量，單擊繼續(xù)，如下圖4，圖4 單擊“生成分割點(diǎn)”，設(shè)定分割點(diǎn)數(shù)量為10，寬度為5，第一個(gè)分割點(diǎn)位置為18，單擊“應(yīng)用”，如下圖，圖5 結(jié)果顯示如下，圖6 2．針對(duì)SPSS自帶數(shù)據(jù)Employee data.sav進(jìn)行以下練習(xí)。

2.1.根據(jù)變量bdate生成一個(gè)新變量“年齡”,選擇“轉(zhuǎn)換”->”計(jì)算變量”，如下圖，圖7 結(jié)果顯示如下，圖8 2.2.根據(jù)jobcat分組計(jì)算salary的秩次，圖9 結(jié)果顯示如下，圖10 2.3.根據(jù)雇員的性別變量對(duì)salary的平均值進(jìn)行匯總

圖11 結(jié)果顯示如下，圖12 2.4.生成新變量grade，當(dāng)salary<20000時(shí)取值為d，在20000~50000范圍內(nèi)時(shí)取值為c，在50000~100000范圍內(nèi)取值為b，大于等于100000時(shí)取值為a

圖13 結(jié)果顯示如下，圖14

四、實(shí)驗(yàn)結(jié)果與結(jié)論

第五篇：SPSS數(shù)據(jù)統(tǒng)計(jì)軟件實(shí)驗(yàn)報(bào)告

SPSS數(shù)據(jù)統(tǒng)計(jì)軟件實(shí)驗(yàn)報(bào)告

專業(yè)

信息與計(jì)算科學(xué)

班級(jí)

級(jí)班

組別

指導(dǎo)教師

姓名

同組人

實(shí)驗(yàn)時(shí)間

2018

****年**月**日

實(shí)驗(yàn)地點(diǎn)

實(shí)驗(yàn)名稱

方差分析

實(shí)驗(yàn)?zāi)康耐ㄟ^對(duì)數(shù)據(jù)的分析，使其掌握用方差分析的方法來比較數(shù)據(jù)。

實(shí)驗(yàn)儀器：

1、支持Intel

Pentium

Ⅲ及其以上CPU，內(nèi)存256MB以上、硬盤1GB以上容量的微機(jī)；

軟件配有Windows98/2000/XP操作系統(tǒng)及SPSS軟件。

2、了解SPSS軟件的特點(diǎn)及系統(tǒng)組成，在電腦上操作SPSS軟件。

實(shí)驗(yàn)內(nèi)容、步驟及程序：

一、1.實(shí)例內(nèi)容：

下表給出銷售方式對(duì)銷售量的對(duì)比試驗(yàn)數(shù)據(jù)，利用單因素方差分析來分析不同的銷售方式對(duì)銷售量的影響。

2.實(shí)例操作：

Step

01

打開對(duì)話框。

打開數(shù)據(jù)文件,選擇菜單欄中的【分析】|【比較均值】|【單因素?ANOVA】命令,彈出【單因素ANOVA檢驗(yàn)】對(duì)話框。

Step

02

選擇因變量。

在候選變量列表框中選擇【銷售量】變量作為因變量,將其添加至【因變量列表】列表框中。

Step

03

選擇因變量。

在候選變量列表框中選擇【銷售方式】變量,將其添加至【因子】文本框中。

Step

04

定義相關(guān)統(tǒng)計(jì)選項(xiàng)以及缺失值處理方法。

單擊【單因素ANOVA檢驗(yàn)】對(duì)話框【選項(xiàng)】，在彈出的對(duì)話框選中【方差同質(zhì)性檢驗(yàn)】、【平均值圖】復(fù)選框，然后單擊【繼續(xù)】。

Step

05

事后多重比較。

單擊【單因素ANOVA檢驗(yàn)】對(duì)話框【事后比較】，在彈出圖中選中Bonferroni復(fù)選框，然后單擊【繼續(xù)】。

Step

06

對(duì)組間平方和進(jìn)行線性分解并檢驗(yàn)。

單擊【單因素ANOVA檢驗(yàn)】對(duì)話框【對(duì)比】，彈出圖的對(duì)話框選中【多項(xiàng)式】，將【等級(jí)】設(shè)為【線性】，單擊【繼續(xù)】返回【單因素ANOVA檢驗(yàn)】的對(duì)話框。

Step

07

單擊【確定】，輸出分析結(jié)果。

3.實(shí)例結(jié)果及分析

變異數(shù)同質(zhì)性測試

銷售量

Levene

統(tǒng)計(jì)資料

df1

df2

顯著性

.346

.793

給出了方差齊性檢驗(yàn)的結(jié)果。從該表可以得到

Levene方差齊性檢驗(yàn)的P值為0.793,與顯著性水平0.05相差大,因此基本可以認(rèn)為樣本數(shù)據(jù)之間的方差是非齊次的。

變異數(shù)分析

銷售量

平方和

df

平均值平方

F

顯著性

群組之間

（合併）

685.000

228.333

7.336

.003

線性項(xiàng)

比對(duì)

196.000

196.000

6.297

.023

偏差

489.000

244.500

7.855

.004

在群組內(nèi)

498.000

31.125

總計(jì)

1183.000

給出了單因素方差分析的結(jié)果。從表中可以看出,組間平方和是685、組內(nèi)平方

和是196,其中組間平方和的的F值為7.336,相應(yīng)的概率值是0.003,小于顯著性水平0.05,因此認(rèn)為不同的銷售方式對(duì)銷售量有顯著的影響。另外,這個(gè)表中也給出了線性形式的趨勢檢驗(yàn)結(jié)果,組間變異被銷售方式所能解釋的部分是196,被其他因素解釋的有244.5,并且組間變異被銷售方式所能解釋的部分是非常顯著的4.事后檢驗(yàn)

多重比較

因變數(shù):

銷售量

Bonferroni

法

(I)

銷售方式

(J)

銷售方式

平均差異

(I-J)

標(biāo)準(zhǔn)錯(cuò)誤

顯著性

95%

信賴區(qū)間

下限

上限

1.0

2.0

-7.0000

3.5285

.388

-17.615

3.615

3.0

9.0000

3.5285

.128

-1.615

19.615

4.0

4.0000

3.5285

1.000

-6.615

14.615

2.0

1.0

7.0000

3.5285

.388

-3.615

17.615

3.0

16.0000*

3.5285

.002

5.385

26.615

4.0

11.0000*

3.5285

.040

.385

21.615

3.0

1.0

-9.0000

3.5285

.128

-19.615

1.615

2.0

-16.0000*

3.5285

.002

-26.615

-5.385

4.0

-5.0000

3.5285

1.000

-15.615

5.615

4.0

1.0

-4.0000

3.5285

1.000

-14.615

6.615

2.0

-11.0000*

3.5285

.040

-21.615

-.385

3.0

5.0000

3.5285

1.000

-5.615

15.615

*.平均值差異在0.05

層級(jí)顯著。

給出了多重比較的結(jié)果,*表示該組均值差是是顯著的。因此,從表中可以看出,第二組和第三組、第四組的銷售量均值差是非常明顯的,但是第三組與第四組的銷售量均值差話相卻不是很明顯。另外,還可以得到每組之間均值差的標(biāo)準(zhǔn)誤差、置信區(qū)間等信息。

平均值圖形

給出了各組的均值圖。從圖可以清楚地看到不同的施肥類型對(duì)應(yīng)不同的銷售量均

值。可見,第三組的銷售量最低,且與其他兩組的銷售量均值相差較大,而第二組和和第三組之間的銷售量均值差異不大,這個(gè)結(jié)果和多重比較的結(jié)果非常一致

二、1.實(shí)例內(nèi)容：

某研究機(jī)構(gòu)研究了3種動(dòng)物飼料對(duì)4種品系小鼠體重增加的影響,數(shù)據(jù)如圖下所示,變量a為飼料種類,變量b為鼠的品系,變量x為增重克數(shù)。

2.實(shí)例操作：

Step

01

打開對(duì)話框。

打開數(shù)據(jù)文件,選擇菜單欄中的【分析】|【一般線性模型】|【單變量】命令,彈出【單變量】對(duì)話框,如圖所示。

Step

02

選擇觀測變量。

在候選變量列表框中選擇【體重】變量作為因變量,將其添加至【因變量】列表框中。

Step

03

選擇因素變量。

選擇【飼料類型】和和【小鼠品系】變量作為因素變量,將它們添加至【固固定因子】列表框中,如圖所示。

Step

04選擇多重比較。

單擊【模型】按按鈕,彈彈出【單變量:模型】對(duì)話框,如圖5.23所示。選中【定制】單選按鈕,在左側(cè)列表框中選擇“因因素a”和“因因素b”變量并移至【模型】列表框中。選擇【構(gòu)建項(xiàng)】選項(xiàng)組中【類型】下拉列表框中的【主效應(yīng)】選項(xiàng),再單擊【繼繼續(xù)】按鈕,返回主對(duì)話框。

Step

05其他選項(xiàng)選擇。

單擊【圖】按鈕,彈出圖5.24所示【單變量:輪廓圖】對(duì)話框。將因素b放入【單獨(dú)的線條】框,將因素a放入【水平軸)】文本框,單擊【添加】按鈕,再單擊【繼續(xù)續(xù)】按鈕,返回主對(duì)話框。

單擊【事后比較】按鈕,彈出圖所示對(duì)話框。將因素a和因素b放入【下列各項(xiàng)的事后檢驗(yàn)】列表框,比較方法選擇LSD法。

單擊【選項(xiàng)】按鈕,彈出圖5.26所示【單變量:選項(xiàng)】對(duì)話框。將因素a和因素b放入【顯示下列各項(xiàng)的平均值】列表框,選中【比較主效應(yīng)】復(fù)選框。選中【描述統(tǒng)計(jì)】復(fù)選框表示輸出描述性統(tǒng)計(jì)量;選中【齊性檢驗(yàn)】復(fù)選框表示輸出方差齊性檢驗(yàn)表。再單擊【繼續(xù)】按鈕,返回主對(duì)話框。

Step

06

完成操作。

最后,單擊【確確定】按鈕,操作作完成。

3.實(shí)例結(jié)果及分析

(1)主體間效應(yīng)檢驗(yàn)表

表所示為主效應(yīng)模型檢驗(yàn),結(jié)果可見校正模型統(tǒng)計(jì)量F=6.772、P=0.000,說明模型有統(tǒng)計(jì)學(xué)意義。因素a和因素b均有統(tǒng)計(jì)學(xué)意義,P=0.000、P=0.037,均小于0.05。

主旨間效果檢定

因變數(shù):

體重

來源

第III

類平方和

df

平均值平方

F

顯著性

修正的模型

8929.625a

1785.925

6.772

.000

截距

167796.750

167796.750

636.304

.000

a

6487.875

3243.938

12.301

.000

b

2441.750

813.917

3.086

.037

錯(cuò)誤

11075.625

263.705

總計(jì)

187802.000

校正後總數(shù)

20005.250

a.R

平方

=

.446（調(diào)整的R

平方

=

.380）

(2)成對(duì)比較表。

表所示為不同飼料類型兩兩比較結(jié)果,從Sig值(即P值)可見,飼料B與飼料C沒有差異（p=0.117），其余均有差異，p<0.05。

成對(duì)比較

因變數(shù):

體重

(I)

飼料類型

(J)

飼料類型

平均差異

(I-J)

標(biāo)準(zhǔn)錯(cuò)誤

顯著性b

95%

差異的信賴區(qū)間b

下限

上限

A飼料

B飼料

18.750*

5.741

.002

7.163

30.337

C飼料

27.938*

5.741

.000

16.351

39.524

B飼料

A飼料

-18.750*

5.741

.002

-30.337

-7.163

C飼料

9.188

5.741

.117

-2.399

20.774

C飼料

A飼料

-27.938*

5.741

.000

-39.524

-16.351

B飼料

-9.188

5.741

.117

-20.774

2.399

根據(jù)估計(jì)的邊際平均值

*.平均值差異在.05

層級(jí)顯著。

b.調(diào)整多重比較：最小顯著差異（等同於未調(diào)整）。

（3）均值圖

圖所示為不同品系小鼠喂養(yǎng)不同飼料的體重增重的均值圖?？梢夾飼料較好,B飼料和C飼料差異不大。

實(shí)驗(yàn)小結(jié)：

通過該實(shí)驗(yàn)，讓我懂得了利用數(shù)學(xué)思想解決實(shí)際問題，很好的把數(shù)學(xué)運(yùn)用到實(shí)際生活中，在今后的學(xué)習(xí)中我會(huì)再接再厲的。

教師評(píng)語：

1.實(shí)驗(yàn)結(jié)果及解釋：（準(zhǔn)確合理、較準(zhǔn)確、不合理）；占30%

2.實(shí)驗(yàn)步驟的完整度：（完整、中等、不完整）；占30%

3.實(shí)驗(yàn)程序的正確性：（很好、較好、中等、較差、很差）；占30%

4.卷面整潔度：（很好、較好、中等、較差、很差）；占10%

評(píng)定等級(jí)：（）

教師簽名：

日期：