第一篇：spss案例分析報告

Spss分析身高與體重的相互影響

姓名：劉海艷

班級：11電商班

學號：14113201683

序號：26

一、案例介紹：這是某幼兒園學生的身高體重數據，數據中主要包括編號，學生姓名，性別，學生年齡，每個學生的體重以及身高數值。主要是看下幼兒園學生體重與身高的相互關系。

二、研究案例的目的：分析幼兒園學生身高體重的相互關系和影響。

三、下面是數據來源：

四、研究的方法：主要是使用spss中的描述統(tǒng)計分析和線性回歸分析；在描述統(tǒng)計分析中主要是分析出身高體重的最大值和最小值、均值，在圖表中可以看出身高的最大值；在線性回歸分析中主要是采用身高為自變量，體重為因變量來進行分析的。

五、研究的結果：

1)描述分析：

打開文件“某班23名同學的身高、體重、年齡數據”，通過菜單蘭中的分析選項，進行描述性分析，選擇體重和身高，求最大值最小值和均值，得到如下結果：

從結果看出，該班學生樣本數為23，體重最小值為13.7kg，最大值為23kg，平均體重為17.7167kg。身高最小值為105cm，最大值為116cm，平均身高為108.85cm。

以身高為例子，選擇描述中的頻率選項可以得出分布，在頻率對話框的圖形選項中，選擇條形圖，即可用圖形直觀看到結果。

從圖形中可以很直觀的看出不同身高段的人數分布情況，其中108cm左右的人數最多。從表格中則可以清楚地看到具體數目。

2)線性回歸分析：

選擇分析——回歸——線性，在彈出的對話框中，以身高作為自變量，體重作為因變量，結果如下：

從表中可以得出。R=0.223,即兩者具有弱相關性。

從圖表中，可以看出它們之間的線性關系大概可以表示為y=-0.139x+2.617

六、研究結論：

從描述分析和回歸分析可以身高和體重的相關性是相對比較弱的，也就是弱相關性。

第二篇：spss數據分析報告

關于某班級2012考試成績、獲獎情況統(tǒng)計分析

報告

一、數據介紹：

本次分析的數據為某班級學號排列最前的15個人在2012學習、獲獎統(tǒng)計表，其中共包含七個變量，分別是：專業(yè)、學號、姓名、性別、第一學期的成績、第二學期的成績、考級考證數量，通過運用spss統(tǒng)計軟件，對變量進行頻數分析、描述分析、探索分析、交叉列聯(lián)表分析，以了解該班級部分同學的綜合狀況，并分析各變量的分布特點及相互間的關系。

二、原始數據：

三、數據分析

1、頻數分析

（1）第一學期考試成績的頻數分析

進行頻數分析后將輸出兩個主要的表格，分別為樣本的基本統(tǒng)計量與頻數分析的結果

1）樣本的基本統(tǒng)計量，如圖1所示。樣本中共有樣本數15個，第一學期的考試成績平均分為627.00，中位數為628.00，眾數為630，標準差為32.859，最小值為568，最大值為675?！暗谝粚W期的考試成績”的第一四分位數是602，第二四分位數為628，第三四分位數為657。

2）“第一學期考試成績”頻數統(tǒng)計表如圖2所示。

3)“第一學期考試成績”Histogram圖統(tǒng)計如圖3所示。

（2）、第二個學期考試成績的頻數分析

1）樣本的基本統(tǒng)計量，如圖4所示。第二學期的考試成績平均分為463.47，中位數為452.00，眾數為419，標準差為33.588，最小值為419，最大值為522?！暗诙W期的考試成績”的第一四分位數是435，第二四分位數為452，第三四分位數為496。

3）“第二學期考試成績”頻數統(tǒng)計表如圖5所示。3)“第二學期考試成績”餅圖統(tǒng)計如圖6所

2、描述分析

描述分析與頻數分析在相當一部分中是相重的，這里采用描述分析對15位同學的考級考證情況進行分析。

輸出的統(tǒng)計結果如圖7所示。從圖中我們可以看到樣本數15，最小值1，最大值4，標準差0.941等統(tǒng)計信息。

3.探索分析。

探索分析能夠對變量進行更為深入、詳盡的描述性統(tǒng)計分析。下面就利用探索式分析對不同性別的同學獲獎情況進行探索分析。

1）在結果輸出窗口中將看到如下統(tǒng)計數據。如圖8所示，給出了輸出的觀察量。

2）圖9所示給出了根據性別分組的各組描述統(tǒng)計量。根據表中的數據，2012，女生比男生獲獎的次數多。

3）圖10以莖葉圖的形式也直觀的呈現(xiàn)了女生獲獎數量遠遠比男生多的現(xiàn)象。，4）圖為穩(wěn)健估計量表，給出了4種不同權重下因變量均值的穩(wěn)健估計。

5）圖11中給出了分組后的百分位數，分別輸出男生和女生獲獎數量的5%、10%、25%、75%、90%、及95%的百分位數。

4、交叉列聯(lián)表分析

分析多個變量在不同取值情況下的數據分布情況，從而進一步的分析變量關系。下面就利用交叉列聯(lián)表分析不同性別學生對目前所學專業(yè)的態(tài)度。在結果輸出窗口中將顯示如下統(tǒng)計數據。1）觀察量處理摘要表，如圖12所示，2）“性別”和“所學專業(yè)興趣”的交叉列聯(lián)表如圖13所示，從圖中我們可以看出，男生中對所學專業(yè)感興趣的只有2個，（占22.2%），一般感興趣的有4人，（占44.4%），不感興趣的有3人，（占33.3%），理論值為3.6人感興趣，3.0人一般感興趣，2.4人不感興趣，殘差分別為-1.6，1.0，0.6。女生中對專業(yè)感興趣的有4人，（占66.7%），一般感興趣的有1人，（占16.7%），不感興趣的也有1人，（占16.7%），理論值為2.44人感興趣，2.0人一般感興趣，1.6人不感興趣，殘差分別為1.6，-1.0，-0.6.可見，男生對目前所學專業(yè)的興趣與女生有很大差別。

3）圖14是交叉分組下的頻數分布圖，從該圖中我們可以很直觀的看到數據分布情況。

第三篇：SPSS統(tǒng)計分析案例

一、事件

近日，教育部考試中心主任戴家干透露，今年高考的全國報名人數為946萬余人，比2009年1020萬的考生數減少74萬人。950萬人,1010萬人,1050萬人,1020萬人,956萬人??數據顯示,近5年來,前3年全國高考人數一直在攀升。2006年首次突破千萬大關,2008年則達到頂峰--1050萬人。去年高考人數急轉直下,比上一減少30萬人,而今年更是減少74萬人,是5年來人數減少最多的年份。

戴家干表示，高考報名人數的減少，主要原因是因為我國按毛入學率計算的適齡入學人口數量在逐年下降。

大約在去年這個時候，教育部也透露了高考報名人數，隨即在全國范圍內，引爆了一條消息——應屆高中畢業(yè)生84萬棄考。這引發(fā)了持續(xù)較長時間的討論與關注，或云大學生就業(yè)難嚇跑考生，或說中國大學教育質量不高難敵國外大學競爭。今年，我很想再看教育部公布的數據，得到棄考人數消息，以作分析（一年的情況往往并不能說明問題，需多年情況），但遺憾的是，教育部卻沒有公布。

戴主任把報名人數減少歸因于適齡人口減少，可我怎么計算，也只能得到這只是其中一方面原因。根據教育部公布的報名數，今年的考生數比去年減少74萬，而再看應屆畢業(yè)生數，今年（803萬）比去年（834萬）減少31萬，兩者相差43萬。這43萬從何而來？

二、數據統(tǒng)計理論

這些數據采用了統(tǒng)計學中普查的方式，對象為全國參加高考的學生。

為了一定的目的而對考查對象進行的全面調查，稱為普查。

普查，統(tǒng)計調查的組織形式之一。對統(tǒng)計總體的全部單位進行調查以搜集統(tǒng)計資料的工作。普查資料常被用來說明現(xiàn)象在一定時點上的全面情況。如高考人數調查就是對全國報考參加高考的學生一一進行調查統(tǒng)計，通常一年一次，規(guī)定某個特定時點(某年某月某日某時)作為全國統(tǒng)一的統(tǒng)計時點，以反映高考人數的自然和社會的各類特征。

普查的幾個特點:

1.需要規(guī)定統(tǒng)一的標準時間(上例為2010年高考報名截止日)

2.通常是一次性或周期性的（上例為一年一次）

3.數據的規(guī)范化程度較高

4.普查適用的對象比較狹窄，只能調查一些最基本、最一般的現(xiàn)象。組織普查工作必須遵循的原則：

1.必須統(tǒng)一規(guī)定調查資料所屬的標準時點。

2.正確確定調查期限、選擇登記時間。為了提高資料的準確性，一般應選擇在調查對象變動較小和登記、填報較為方便的時間，并盡可能在各普查地區(qū)同時進行，力求最短時間完成；

3.規(guī)定統(tǒng)一的調查項目和計量單位。同種普查，各次基本項目應力求—致，以便歷次普查資料的匯總和對比；

4.普查盡可能按一定周期進行，以便于研究現(xiàn)象的發(fā)展趨勢及其規(guī)律性。

三、事件評析

以上事件只可能有兩種解釋，一是棄考人數增加，二是復讀生人數減少。這兩個數據，在教育部的賬本里都有的，教育部為何不公布，只會引起輿論更多的揣測。比如，有人就推測今年的棄考數可能遠高于去年的84萬，理由是，如果是復讀生在全國范圍內大幅減少，教育部定會公布復讀生減少消息，因為，這幾年來，教育部一直在治理高復班，2008年當有媒體報道高考報名考生中復讀生比例高達三分之一時，教育部有關官員還曾“辟謠”說復讀生只占到15%。而去年教育部公布高考報名數，卻泄露天機，當年的復讀生達到270萬，占到1020萬高考考生的26%。假使那另外減少的43萬，主要來自高復班學生減少，那么，教育部是可以“驕傲”地宣布高復學生減少近兩成的?，F(xiàn)在教育部沒有公布這一數據，極有可能的原因是棄考的應屆畢業(yè)生進一步增加，或超過百萬。而這勢必會引起媒體進一步關注。質疑大學生就業(yè)難、中國大學教育質量的聲音會鋪天蓋地。教育部由此就把數據藏起來。

當然，這些都是“揣測”。我想說的是，引起這樣的揣測，是教育部門的失職，而且，教育部門的做法，也違背《信息公開條例》。全民關注的高考報名數據，既非國家機密，也非商業(yè)秘密，應該向社會公開，而且公開之后有助于分

析教育發(fā)展中存在的問題，同時以便考生選擇教育、選擇學?！槍壙荚龆啵柽M一步研究棄考的原因，是就業(yè)難，還是學費貴，抑或是選擇境外高校，不同的原因反映出我國教育的不同問題；針對復讀減少，需分析哪種原因，是平行志愿減少高分落榜可能由此減少復讀需求，還是實行新課改新高考增加復讀難度不再復讀，還是公辦高中禁辦復讀班增加復讀開支。這不同的原因可檢驗不同教育政策的實施效果。

教育的發(fā)展，離不開研究。教育部門公開教育信息，不僅是本身職責使然，也是進行科學的教育決策的要求。把高考報名數據打悶包，用“適齡入學人口數量減少”歸納報名人數下降主因，這不是科學、負責的教育發(fā)展態(tài)度。這只能掩蓋教育的問題，更可能釀成教育發(fā)展的危機——需要提醒的是，假如高復學生大幅減少，適齡學生數也大幅減少，高考招生人數將大于應屆畢業(yè)生報考人數的局面，在不久的將來馬上出現(xiàn)。以今年應屆畢業(yè)生803萬，棄考規(guī)模與去年持平（84萬）計算，應屆高考畢業(yè)生報考數為719萬，高復學生則為227萬，應屆畢業(yè)生報考數只比高考招生數657萬多62萬（如果棄考學生增多達到100萬，這一數據則為46萬）。我國高校需要立即著手應對即將到來的嚴重的生源危機。

從上述事件可以看出，正確運用統(tǒng)計學原理就能分析事物的本質，抓住問題的關鍵，才能做到未雨綢繆,防范于未然。

第四篇：SPSS實驗分析報告四

SPSS實驗分析報告四

一、地區(qū)*日期*銷售量

（一）、提出假設

原假設H0=“不同地區(qū)對銷售量的平均值沒有產生顯著影響。” H2=“不同日期對銷售量的平均值沒有產生顯著影響?！?H3=“不同的地區(qū)和日期對銷售量沒有產生了顯著的交互作用?！?/p>

（二）、兩獨立樣本t檢驗結果及分析

表

（一）主旨間係數

地區(qū) 2 3 日期 2 3

數值標籤

地區(qū)一 地區(qū)二 地區(qū)三 周一至周三 周四至周五

周末

N 9 9 9 9 9 9

表

（一）表示各個控制變量的分組情況，包括三個不同的地區(qū)以及三個不同日期的數據。

表

（二）銷售額多因素方差分析結果

主體間效應的檢驗

因變數: 銷售量

來源 第 III 類平方和 修正的模型 61851851.852

a

df 8

平均值平方 7731481.481

F 8.350

顯著性.000 截距 地區(qū) 日期 地區(qū) * 日期 錯誤 總計 844481481.481 2296296.296 2740740.741 56814814.8***.667 923000000.000 2 2 4 18 27 26

844481481.481 1148148.148 1370370.370 14203703.704 925925.926

912.040 1.240 1.480 15.340

.000.313.254.000

校正後總數 78518518.519 a.R平方 =.788（調整的 R平方 =.693）

由表

（二）可知，第一列是對觀測變量總變差分解的說明；第二列是對觀測變量總變差分解的結果；第三列是自由度；第四列是方差；第五列是F檢驗統(tǒng)計量的觀測值；第六列是檢驗統(tǒng)計量的概率P值?？梢钥吹剑河^測變量的總變差SST為78518518.519，它被分解為四個部分，分別是：由 地區(qū)（x2）不同引起的變差（2296296.296），由日期（x3）不同引起的變差(2740740.741)，由地區(qū)和日期交互作用（x2*x3）引起的變差（5.681E7），由隨機因素引起的變差（Error 1.667E7）。FX1、FX2、FX1*X2的概率P值分別為0.313、0.254、0.000。如果顯著性水平α為0.05，由于FX1、FX2的概率P值大于顯著性水平α，因此不應該拒絕原假設，可以認為不同的地區(qū)、日期下的銷售量總體均值不存在顯著差異，對銷售量的效應同時為0，各自不同水平沒有給銷售量帶來顯著影響。同時，由于FX1*X2的概率P值小于顯著性水平α，所以應該拒絕原假設，可以認為不同的地區(qū)和日期對銷售量產生了顯著的交互作用，在不同的地區(qū)，不同的日期會對銷售額產生顯著影響。

表

（三）自訂假設檢定索引 對照係數（L' 矩陣）轉換係數（M 矩陣）對照結果（K 矩陣）對照係數（L' 矩陣）轉換係數（M 矩陣）

地區(qū) 的偏差對照（省略種類 = 3）

恆等式矩陣 零矩陣

日期 的偏差對照（省略種類 = 3）

恆等式矩陣 對照結果（K 矩陣）零矩陣

表

（四）不同地區(qū)下銷售量的均值對比檢驗結果（K 矩陣）

地區(qū) 偏差對照

層次 1 對平均值

對比估計 假設值

差異（評估值假設值）

標準錯誤 顯著性

95% 差異的信賴區(qū)間

a.省略的種類 = 3

下限 上限 下限 上限

a因變數 銷售量-259.259

0-259.259 261.891.335-809.473 290.954 407.407 0 407.407 261.891.137-142.806 957.621

表

（四）分別顯示了三個不同地區(qū)銷售量總體的均值檢驗結果，省略了地區(qū)三的檢驗結果，檢驗值是各水平下的總體均值?？梢钥闯觯旱貐^(qū)一的銷售量均值與檢驗值的差為259.259，標準誤差為261.891，T檢驗統(tǒng)計量的概率P值為0.335，差值的95%置信區(qū)間的下限和上限分別為-809.473，290.954。分析結論為：地區(qū)一銷售量的均值與檢驗值之間不存在顯著差異。同理，地區(qū)二銷售量的均值與檢驗值之間不存在顯著差異。三個地區(qū)產生的影響沒有顯著差異。

表

（五）地區(qū)對銷售量影響的單因素方差分析結果

因變數: 銷售量

來源 比對平方和 2296296.296

df 2 18

平均值平方 1148148.148 925925.926

F 1.240

顯著性.313 錯誤 16666666.667

表

（五）是地區(qū)對銷售量影響的單因素方差分析結果?？梢钥吹剑翰煌貐^(qū)可解釋的變差為2296296.296，不可解釋的變差為16666666.667，它們的方差分別為1148148.148、925925.926，F(xiàn)統(tǒng)計量的觀測值為1.240，對應的概率P值為0.313。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，所以原假設成立，認為不同地區(qū)對銷售量的平均值沒有產生顯著影響。

表

（六）不同日期下銷售量的均值對比檢驗結果（K 矩陣）

日期 偏差對照

層次 1 對平均值

對比估計 假設值

差異（評估值假設值）

標準錯誤 顯著性

95% 差異的信賴區(qū)間

下限

a

因變數 銷售量-370.370

0-370.370 261.891.174-920.584 179.843 407.407 0 407.407 261.891.137-142.806

上限

a.省略的種類 = 3

957.621

表

（六）分別顯示了三個不同日期下銷售量總體的均值檢驗結果，省略了日期三的檢驗結果，檢驗值是各水平下的總體均值?？梢钥闯觯喝掌谝坏匿N售量均值與檢驗值的差為370.370，標準誤差為370.370，T檢驗統(tǒng)計量的概率P值為0.174，差值的95%置信區(qū)間的下限和上限分別為-920.584、179.843。分析結論為：日期一銷售量的均值與檢驗值之間不存在顯著差異。同理，日期二銷售量的均值與檢驗值之間不存在顯著差異。三個不同日期產生的影響沒有顯著差異。

表

（七）日期對銷售量影響的單因素方差分析結果

因變數: 銷售量

來源 比對 錯誤

平方和 2740740.741 16666666.667

df 2 18

平均值平方 1370370.370 925925.926

F 1.480

顯著性.254

表

（七）是日期對銷售量影響的單因素方差分析結果。可以看到：不同日期可解釋的變差為2740740.741，不可解釋的變差為16666666.667，它們的方差分別為1370370.370、925925.926，F(xiàn)統(tǒng)計量的觀測值為1.480，對應的概率P值為0.254。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，所以原假設成立，認為不同日期對銷售量的平均值沒有產生顯著影響。

圖

（一）地區(qū)與銷售量的交互作用圖

圖

（一）中，從地區(qū)一至地區(qū)三，不同的日期銷售額的變化波動很大且規(guī)律不一，直接結論是：不同的日期和地區(qū)間存在明顯的交互作用。

圖

（二）日期與銷售量的交互作用圖

圖

（二）中，在不同的日期，不同地區(qū)的銷售額的變化規(guī)律都不一樣，直接結論是：不同的地區(qū)和日期間存在明顯的交互作用。

二、香煙消耗量*肺癌死亡率

（一）、提出假設

原假設H0=“香煙消耗量對肺癌死亡率沒有產生顯著影響?！?/p>

（二）、兩獨立樣本t檢驗結果及分析

圖

（三）香煙消耗量與肺癌死亡率的簡單散點圖

由圖

（三）可知，香煙消耗量與肺癌死亡率存在一定的正相關關系。

表

（八）香煙消耗量*肺癌死亡率相關關系分析

1930年人均香每百萬男子中死

1930年人均香煙消耗量 皮爾森(Pearson)相關

煙消耗量

于肺癌的人數

.737

**

顯著性（雙尾）

N 每百萬男子中死于肺癌的皮爾森(Pearson)相關

人數

顯著性（雙尾）

N **.相關性在 0.01 層上顯著（雙尾）。

11.737.010 11

**

.010 11 1 11 由表

（八）可知，香煙消耗量和肺癌死亡率的簡單相關系數為0.737，說明兩者之間存在正的強相關性，其相關系數檢驗的概率P值為0.010。因此，當顯著性水平α為0.01時，P值小于顯著性水平應拒絕相關系數檢驗的原假設。中相關系數上角的兩個星號（**）表示顯著性水平α位0.01時拒絕原假設。

三、銷售額*銷售價格*家庭收入

（一）、提出假設

原假設H0=“銷售額對銷售價格沒有產生顯著影響?！?H2=“家庭收入對銷售價格沒有產生顯著影響?！?/p>

（二）、兩獨立樣本t檢驗結果及分析

圖

（四）銷售額與銷售價格的簡單散點圖

由圖

（四）可知，銷售額與銷售價格之間存在負相關關系。

圖

（五）銷售額與家庭收入的簡單散點圖

由圖

（五）可知，銷售額與家庭收入之間存在較強的正相關關系。

圖

（六）銷售價格和家庭收入的簡單散點圖

由圖

（六）可知，銷售價格與家庭收入之間存在弱的負相關關系。

表

（九）銷售額*銷售價格相關系數計算結果

銷售額 皮爾森(Pearson)相關 顯著性（雙尾）

N 銷售價格 皮爾森(Pearson)相關 顯著性（雙尾）

N

銷售額 1 10-.933**.000 10

銷售價格-.933**.000 10 1 10 **.相關性在 0.01 層上顯著（雙尾）。

由表

（九）可知，銷售額和銷售價格的簡單相關系數為-0.933，說明兩者之間存在負的強相關性，其相關系數檢驗的概率P值為0。因此，當顯著性水平α為0.01時，應拒絕相關系數檢驗的原假設，認為兩總體不是零相關。

另外，表

（九）中相關系數上角的兩個星號（**）表示顯著性水平α為0.01時拒絕原假設。

表

（十）銷售價格和銷售額的偏相關分析結果

控制變數

家庭收入 銷售價格

相關 顯著性（雙尾）

df

銷售額

相關 顯著性（雙尾）

df

銷售價格 1.000.0-.728.026 7

銷售額-.728.026 7 1.000.0

由表

（十）可知，在家庭收入作為控制變量的條件下，銷售價格和銷售額的偏相關系數為-0.728，呈較強的負相關，高于簡單相關系數。

第五篇：spss數據分析報告怎么寫

spss數據分析報告怎么寫

今天喬布簡歷小編就和大家一起來看看spss數據分析報告怎么寫。

關鍵詞：spss數據分析報告怎么寫

我們用一個例子來分析spss數據分析報告的寫法——以某公司474名職工的綜合狀況為例進行分析。

一、數據介紹

本次分析的數據是某公司474名職工的狀況統(tǒng)計表，其中有11個變量，分別是：職工編號、性別、出生日期、受教育水平程度、職務等級、起始工資、現(xiàn)工資、本單位工作經歷、以前工作經歷、民族類型、年齡。我們通過使用spss統(tǒng)計軟件，對變量分別進行頻數分析、描述性統(tǒng)計、方差分析，還有相關分析，來了解該公司職工上述方面的綜合狀況，并分析個別變量的分布特點和相互之間的關系。

二、數據分析

1、頻數分析。我們通過頻數分析可以了解變量的取值情況，對把握數據的分布特征非常重要。此次分析利用了某公司474名職工基本狀況的統(tǒng)計數據表，在性別、受教育水平程度不同的狀況下的頻數分析，從而了解該公司職工的男女職工數量、受教育狀況的基本分布。

首先，對該公司的男女性別分布進行頻數分析，其次對原有數據中的受教育程度進行頻數分析，并分別以表格的形式呈現(xiàn)出來。

2、描述統(tǒng)計分析。再通過簡單的頻數統(tǒng)計分析了解了職工在性別和受教育水平上的總體分布狀況后，我們還需要對數據中的其他變量特征有更為精確的認識，這就需要通過計算基本描述統(tǒng)計的方法來實現(xiàn)。下面就對各個變量進行描述統(tǒng)計分析，得到它們的均值、標準差、片度峰度等數據，以進一步把我數據的集中趨勢和離散趨勢。

3、Exploratory data analysis。

（1）交叉分析。

在實際分析中，除了了解單個變量的分布特征，還要分析多個變量不同取值下的分布，掌握多個變量的聯(lián)合分布特征，進而分析變量之間的相互影響和關系。就本數據而言，需要了解現(xiàn)工資與性別、年齡、受教育水平、起始工資、本單位工作經歷、以前工作經歷、職務等級的交叉分析。

（2）單因素方差分析。

我們把受教育水平和起始工資作為控制變量，現(xiàn)工資為觀測變量，通過單因素方差分析方法研究受教育水平和起始工資對現(xiàn)工資的影響進行分析。

4、相關分析。事物之間的函數關系比較容易分析和測度，而事物之間的統(tǒng)計關系卻不像函數關系那樣直接，但確實普遍存在，并且有的關系強有的關系弱，程度各有差異。如何測度事物之間的統(tǒng)計關系的強弱是人們關注的問題。相關分析正是一種簡單易行的測度事物之間統(tǒng)計關系的有效工具。

5、參數檢驗。對現(xiàn)工資的分布做正態(tài)性檢驗。

6、非參數檢驗。對本數據中的年齡做正態(tài)分布檢驗。

spss數據分析報告怎么寫

http://cv.qiaobutang.com/knowledge/articles/56a9d1cb0cf2b3a2599171a1