广东金融学院实验报告课程名称：市场调查与预测
②数据视图的截图（“职工数据.sav”的变量中多了income）
2. 数据视图的截图（户口状况和现住面积都是按升序排的，且先排户口状况再排现住
2013年12
数据分析方法及软件应用 （作业） 题目：4、8、13、16题 指导教师： 学院：交通运输学院 姓名： 学号：
4、在某化工生产中为了提高收率，选了三种不同浓度，四种不同温度做试验。在同一浓度与温度组合下各做两次试验，其收率数据如下面计算表所列。试在α=0.05显著性水平下分析 (1)给出SPSS数据集的格式(列举前3个样本即可)； (2)分析浓度对收率有无显著影响； (3)分析浓度、温度以及它们间的交互作用对收率有无显著影响。 解答：（1）分别定义分组变量浓度、温度、收率，在变量视图与数据视图中输入表格数据，具体如下图。 (2)思路：本问是研究一个控制变量即浓度的不同水平是否对观测变量收率产生了显著影响，因而应用单因素方差分析。假设：浓度对收率无显著影响。 步骤：【分析-比较均值-单因素】，将收率选入到因变量列表中，将浓度选入到因子框中，确定。 输出： 變異數分析 收率 平方和df 平均值平方 F 顯著性 群組之間39.083 2 19.542 5.074 .016 在群組內80.875 21 3.851 總計119.958 23 显著性水平α为0.05，由于概率p值小于显著性水平α，则应拒绝原假设，认为浓度对收率有显著影响。
（3）思路：本问首先是研究两个控制变量浓度及温度的不同水平对观测变量收率的独立影响，然后分析两个这控制变量的交互作用能否对收率产生显著影响，因而应该采用多因素方差分析。假设，H01：浓度对收率无显著影响；H02：温度对收率无显著影响；H03：浓度与温度的交互作用对收率无显著影响。 步骤：【分析-一般线性模型-单变量】，把收率制定到因变量中，把浓度与温度制定到固定因子框中，确定。 输出： 主旨間效果檢定 因變數: 收率 來源第 III 類平方 和df 平均值平方 F 顯著性 修正的模型70.458a11 6.405 1.553 .230 截距2667.042 1 2667.042 646.556 .000 浓度39.083 2 19.542 4.737 .030 温度13.792 3 4.597 1.114 .382 浓度 * 温度17.583 6 2.931 .710 .648 錯誤49.500 12 4.125 總計2787.000 24 校正後總數119.958 23 a. R 平方 = .587（調整的 R 平方 = .209） 第一列是对观测变量总变差分解的说明；第二列是观测变量变差分解的结果；第三列是自由度；第四列是均方；第五列是Ｆ检验统计量的观测值；第六列是检验统计量的概率ｐ值。可以看到观测变量收率的总变差为119.958，由浓度不同引起的变差是39.083，由温度不同引起的变差为13.792，由浓度和温度的交互作用引起的变差为17.583，由随机因素引起的变差为49.500。浓度，温度和浓度*温度的概率p值分别为0.030,0.382和0.648。 浓度：显著性<0.05说明拒绝原假设（浓度对收率无显著影响），证明浓度对收率有显著影响；温度：显著性＞0.05说明不拒绝原假设（温度对收率无显著影响），证明温度对收率无显著影响；浓度与温度: 显著性＞0.05说明不拒绝原假设（浓度与温度的交互作用对收率无显著影响），证明温浓度与温度的交互作用对收率无显著影响。 8、以高校科研研究数据为例：以课题总数X5为被解释变量，解释变量为投入人年数X2、投入科研事业费X4、专著数X6、获奖数X8；建立多元线性回归模型，
spss数据分析总结 2018-01-15 下面就是小编为您收集整理的spss数据分析总结的相关文章，希望可以帮到您，如果你觉得不错的话可以分享给更多小伙伴哦！ 篇一：spss数据分析总结 实验一 SPSS基本操作 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、实验内容及步骤 （一）数据的输入和保存 1. SPSS界面 当打开SPSS后，展现在我们面前的界面如下： 请注意窗口顶部显示为“SPSS for Windows Data Editor”，表明现在所看到的是SPSS的数据管理窗口。这是一个典型的Windows软件界面，有菜单栏、工具栏。该界面和EXCEL极为相似，很多操作也与EXCEL类似，同学们可以自己试试。 2.定义变量 选择菜单Data==>Define Variable。系统弹出定义变量对话框如下： 对话框最上方为变量名，现在显示为“VAR00001”，这是系统的默认变量名；往下是变量情况描述，可以看到系统默认该变量为数值型，长度为8，有两位小数位，尚无缺失值，显示对齐方式为右对齐；第三部分为四个设置更改按钮，分别可以设定变量类型、标签、缺失值和列显示格式；第四部分实际上是用来定义变量属于数值变量、有序分类变量还是无序分类变量，现在系统默认新变量为数值变量；最下方则依次是确定、取消和帮助按钮。 假如有两组数据如下： GROUP 1: 0.84 1.05 1.20 1.20 1.39 1.53 1.67 1.80 1.87 2.07 2.11 GROUP 2: 0.54 0.64 0.64 0.75 0.76 0.81 1.16 1.20 1.34 1.35 1.48 1.56 1.87 先来建立分组变量GROUP。请将变量名改为GROUP，然后单击OK按钮。现在SPSS的数据管理窗口如下所示：
《SPSS统计基础》课程数据分析报告 （2016— 2017学年度第二学期） 题目：关于381名大学生学习适应情况的分析报告 班级：14小教2班 学号： 姓名： 2017年6月
381名大学生学习适应性调查数据分析报告 姓名：学号：班级： 一、数据分析目的及内容 （一）数据分析的目的 通过对师范学院学生学习适应现状及其影响因素的调查研究，了解我院学生对自己所学专业在适应学习动机、适应教学模式、使用学习能力、适应学习态度、适应环境因素、适应总分六个维度的基本情况。本文拟在以往研究的基础上对大学生学习适应状况进行调查,并探讨影响大学生学习适应的因素，从而让大学生能更快更好地适应大学生活。 （二）数据分析的内容 1. 381名大学生在适应学习动机、适应教学模式、使用学习能力、适应学习态度、适应 环境因素五个维度的得分及适应总分. 2.对年级、专业、生源地变量的容量等数据分布指标的描述，了解数据分布的全貌。 3.对适应学习动机、适应教学模式、使用学习能力、适应学习态度、适应环境因素五个 维度的极大值、极小值、均值和标准差的统计。 4.学习适应各因子之间的相关分析。 5.学习适应五因子及适应总分的相关性分析。 二、数据库介绍 （一）数据来源： 1被试分布：总容量为381、年级（大一156人、大二136人、大三89人）、专业（小学教育140人、学前教育本科113人、学前教育专科128人）、生源地（城镇145人、农村236人）等方面的人数分布； 2、调查工具：《大学生学习适应量表》由冯廷勇等人编制，共29 个题目，量表采 用Likert5 点计分法，即完全不符合计 1 分，比较不符合计 2 分，不确定计 3 分，较符合计4 分，完全符合计 5 分。各维度和总量表分数越高，表明适应状况越好。总分低于58分，表明学习适应状态较差需要做较大调整；总分在59到87分之间，表明学习适应状态中等，需要做适当的调整；总分在88到116分之间，表明学习适应状态良好；总分在117到145分之间，表明学习适应状态良好。量表的效度为0.85，信度为0.87。该量表由五个维度构成： （1）学习动机（8题）：1、6、7、8、9、13、17、23 （2）教学模式（7题）：2、3、10、14、18、22、24 （3）学习能力（6题）：4、11、15、21、25、26 （4）学习态度（4题）：5、12、20、27 （5）环境因素（4题）：16、19、28、29 （二）变量介绍： 1、本次问卷调查有三个变量； 2、变量名称为：专业，年级，生源地； 3、变量名称的取值为：专业：1=“小学教育”，2=“学前教育本科”，3=“学前教育专 科”；年级：1=“大一”，2=“大二”，3=“大三”，4=“大四”；生源地：1=“城镇”，2=“农村”。 三、数据统计与分析
---------------------------------------------装--------------------------------- --------- 订 -----------------------------------------线---------------------------------------- 班级 姓名 学号 - 广 东 财 经 大 学 答 题 纸（格式二） 课程 数据处理技术与SPSS 20 15 －20 16 学年第 1 学期 成绩 评阅人 评语： ＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝ （题目）关于本部学生对收费代课现象支持度的调查报告 （正文） 一、调查背景 如今，大学生逃课现象屡见不鲜，随之衍生了“收费代课”的现象。据了解，在全国近百所高校中，存在“收费代课”现象的高校居然有一半之多。当“收费代课”现象衍变成了一种行业，成为有领导、有组织、有规模、有纪律的机构，不仅仅应当引起社会的关注，更应引起校方对教育方式的深刻反思。“有偿代课”作为一种不正常的校园现象，有其存在的社会土壤，其原因有多方面，值得让人对当前大学教育深思。在“收费代课”现象蔚然成风之时，我们学校的学生们也加入了这支大队伍。对于这样的一种收费代课的行为，同学们褒贬不一，每个人都有自己的看法。然而，这种行为经常在我们的身边发生着，无疑应该引起我们的关注，并引发我们的深思，形成一定的判别能力与认知能力。
二、调查目的 我们希望通过本次调查了解广东财经大学本部学生选择收费代课的原因，以及对本专业学习、实习实践的认知程度，是否支持放弃学习去实习或者做自己的事情，是否支持收费代课。同时，我们也希望通过这份调查报告揭露出的一些情况，一方面，帮助学生更好地权衡学习与实习的利弊，更加理性地对待收费代课的行为，做出对自己正确合适的选择；另一方面，引起学校对这种收费代课现象的重视，给学校提一些建议，希望学校采取一些措施改善这种不良校风。 三、调查方法 从可行性角度出发，本次调查采用非概率随机抽样的街头拦截法，集中对象为本部大三大四的同学，以自愿形式对本部同学分发调查问卷，总共发出80份问卷，回收80份，有效问卷80份。收集问卷之后，利用spss软件进行数据整理与分析，最后把结论整理成调查报告。调查报告中采用的数据分析方法主要有：频数分析、多选项分析、交叉列联表行列变量间关系的分析、单因素方差分析等。 四、描述统计 1、对样本性别作频数分析 从上表可以看出，这次填写问卷的女生较多，占了样本的66.3%，这与我们学校男女比例不均衡有很大的关系，样本的男女比例不相等，也可以较好地接近学校的实际情况，有利于我们得到更为准确的结论。 2、对样本年级作频数分析 从上表可知，参加问卷调查的大三大四学生比例明显比较高，这与一开始我们预期相符，样本中大三大四学生所占比例较多，有利于我们得到更为有针对性的结论。
吉林财经大学 《SPSS统计软件分析》作业（2010——2011学年第一学期） 学院信息学院 专业班级电子商务0806班 学生姓名王瑞霞 学号1403080616
1、对未分组资料频数分析 从中国统计局中获得从11月21日至30日国内50个城市主要食品平均价格变动情况，以该数据为例为例，进行频数分析。 首先输入数据： 选择Analyze中Descriptive Statistics——Frequencies，打开Frequencies对话框；将需处理的变量键入变量框中
单击Statistics…按钮统计量子对话框12指标，选中所需要计算的指标： 单击Charts …按钮,选择需绘制的统计图： 单击OK按钮开始运行，运行结果为：
从上图中可以看出数据中缺失值为0，花生油的平均价格104.84是最高的，而巴氏牛奶的平均价格1.81最低，全部食品平均价格的平均数为16.5327，标准差为22.4668，各种食品的平均价格差距较大。
条形图、饼形图以及直方图是用不同的图形表示方法来说明数据的指标，其实质是一样的，从图中可以看出平均价格在0—22元之间的食品是最多的，20—40元之间的食品数次之，接下来是40—60元之间的食品，不存在平均价格在60—100之间的食品。 2、以食品平均价格为依据对数据进行分组并对分组后的数据进行频数分析： Transform —Recode—Into same V ariables ，将要分组的变量放入Numeric 栏中，单击Old and new V alues分组：
分组结果如下图所示： 回到数据编辑窗，定义变量的V alue labels ： 再对食品平均价格进行频数分析，分析结果如下截图所示
s p s s的数据分析案例 Modified by JACK on the afternoon of December 26, 2020
关于某公司474名职工综合状况的统计分析报告一、数据介绍： 本次分析的数据为某公司474名职工状况统计表，其中共包含十一变量，分别是：id（职工编号），gender(性别)，bdate(出生日期)，edcu（受教育水平程度），jobcat（职务等级），salbegin （起始工资），salary（现工资），jobtime(本单位工作经历<月>)，prevexp(以前工作经历<月>)，minority(民族类型)，age(年龄)。通过运用spss统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析、以了解该公司职工上述方面的综合状况，并分析个变量的分布特点及相互间的关系。 二、数据分析 1、频数分析。基本的统计分析往往从频数分析开始。通过频数分 析能够了解变量的取值状况，对把握数据的分布特征非常有用。 此次分析利用了某公司474名职工基本状况的统计数据表，在gender(性别)、edcu（受教育水平程度）、不同的状况下的频数分析，从而了解该公司职工的男女职工数量、受教育状况的基本分布。 Statistics 首先，对该公司的男女性别分布进行频数分析，结果如下：
上表说明，在该公司的474名职工中，有216名女性，258名男性，男女比例分别为%和%，该公司职工男女数量差距不大，男性略多于女性。 其次对原有数据中的受教育程度进行频数分析，结果如下表： Educational Level (years)
16 59 17 11 18 9 19 27 20 2 .4 .4 21 1 .2 .2 Tot al 474 上 表及其直方图说明，被调查的474名职工中，受过12年教育的职工是该组频数最高的，为190人，占总人数的%，其次为15年，共有116人，占中人数的%。且接受过高于20年的教育的人数只有1人，比例很低。 2、 描述统计分析。再通过简单的频数统计分析了解了职工在性别和受教育水平上的总体分布状况后，我们还需要对数据中的其他变量特征有更为精确的认识，这就需要通过计算基本描述统计的方法来实现。下面就对各个变量进行描述统计分析，得到它们的
第1题：基本统计分析1 分析：本题要求随机选取80%的样本，因而需要选用随机抽样的方法，在此选择随机抽样中的近似抽样方法进行抽样。其基本操作步骤如下：数据→选择个案→随机个案样本→大约（A）80 所有个案的%。 1、基本思路： （1）由于存款金额为定距型变量，直接采用频数分析不利于对其分布形态的把握，因而采用数据分组，先对数据进行分组再编制频数分布表。此处分为少于500元，500~2000元，2000~3500元，3500~5000元，5000元以上五组。分组后进行频数分析并绘制带正态曲线的直方图。 （2）进行数据拆分，并分别计算不同年龄段储户的一次存取款金额的四分位数，并通过四分位数比较其分布上的差异。 操作步骤： （1）数据分组：【转换→重新编码为不同变量】，然后选择存取款金额到【数字变量→输出变量（V）】框中。在【名称（N）】中输入“存取款金额1”，单击【更改（H）】按钮；单击【旧值和新值】按钮进行分组区间定义。 存取款金额1 频率百分比有效百分比累积百分比 有效1.00 82 34.6 34.6 34.6 2.00 76 32.1 32.1 66.7 3.00 10 4.2 4.2 70.9 4.00 22 9.3 9.3 80.2 5.00 47 19.8 19.8 100.0 合计237 100.0 100.0 （2）【分析→描述统计→频率】；选择“存款金额分组”变量到【变量（V）】框中；单击【图标（C）】按钮，选择【直方图】和【在直方图上显示正态曲线】；选中【显示频率表格】，确定。
（3）【数据→拆分文件】，选择“年龄”变量到【分组方式】框中，选中【比较组】和【按分组变量排序文件】，确定；【分析→描述统计→频率】，选择“存款金额”到【变量】框中，单击【统计量】按钮，选择【四分位数】→继续→确定。 统计量 存(取)款金额 20岁以下 N 有效 1 缺失 0 百分位数 25 50.00 50 50.00 75 50.00 20~35岁 N 有效 131 缺失 0 百分位数 25 500.00 50 1000.00 75 5000.00 35~50岁 N 有效 73 缺失 0 百分位数 25 500.00 50 1000.00 75 4500.00 50岁以上 N 有效 32 缺失 0 百分位数 25 525.00 50 1000.00 75 2000.00 结果及结果描述： 频数分布表表明，有一半以上的人的一次存取款金额少于2000元，且有34.6%的人的存取款金额少于500元，19.8%的人的存取款金额多于5000元，下图为相应的带正态曲线的直方图。
统计分析与SPSS的应用 摘要：为对统计分析与spss应用分析所学知识进行巩固和检验，特运用所学知识进行简单的统计分析应用，下文以某校学生学期成绩进行模拟分析。 一：原始数据：10级市场营销2班成绩 分析一：综测成绩四分位数 上表表明：综测成绩的最小值为68.61分，最大值为89.15分。其中25%的学生综测成绩为74.4100分，50%的学生综测成绩为80.3740分，75%的学生综测成绩为85.2200分。四分位数差从侧面证实了学生综测成绩呈一定左偏分布。
分析二：综测成绩直方图 上图表明：该班学生的综测成绩均分为80.07分，标准差为5.62。从图中可以看出，综测成绩呈左偏性分布，在85分左右的学生人数最多，70分左右的学生人数最少。 分析三：综测成绩的基本统计量分析 上表表明：综测成绩的极差为20.55分，意味着数据相对较分散。另外，综测成绩的最小值和最大值分别为68.61分和89.15分，平均分为80.0734分，标准差为5.61963。从偏度系数可以看出，系数小于0，偏度标准误差为0.421，因而该班综测成绩呈左偏分布，。从峰度系数可以看出，峰度值小于0，峰度标准误差为0.821，因而数据的分布比标准正态分布更加平缓，称
为平峰分布。 分析四：各科成绩的统计量分析比较 各科成绩统计量结果分析表 由上表可知：宏观经济学的全距最大，而生产与运作管理的全距最小，表明宏观经济学的成绩离散程度最高，而生产与运作管理的成绩离散程度最低；同时，对于标准差而言，也是宏观经济学的标准差最大而生产与运作管理的标准差最小。各科成绩平均分最高的为体育成绩，平均分最低的为英语成绩。各科成绩中只有人力资源管理的成绩是呈右偏分布，其他各科成绩均呈左偏分布。另外，各科成绩中，只有宏观经济学的成绩呈尖峰分布，其他各科呈平峰分布。
关于某地区361个人旅游情况统计分析报告 一、数据介绍： 本次分析的数据为某地区361个人旅游情况状况统计表，其中共包含七变量，分别是：年龄，为三类变量；性别，为二类变量（0代表女，1代表男）；收入，为一类变量；旅游花费，为一类变量；通道，为二类变量（0代表没走通道，1代表走通道）；旅游的积极性，为三类变量（0代表积极性差，1代表积极性一般，2代表积极性比较好，3代表积极性好 4代表积极性非常好）；额外收入,一类变量。通过运用spss统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析，以了解该地区上述方面的综合状况，并分析个变量的分布特点及相互间的关系。 二、数据分析 1、频数分析。基本的统计分析往往从频数分析开始。通过频数分地区359个人旅游基本 状况的统计数据表，在性别、旅游的积极性不同的状况下的频数分析，从而了解该地区的男女职工数量、不同积极性情况的基本分布。 统计量 积极性性别 N 有效359 359 缺失0 0 首先，对该地区的男女性别分布进行频数分析，结果如下
性别 频率百分比有效百分 比 累积百分 比 有效女198 男161 合计359 表说明，在该地区被调查的359个人中，有198名女性，161名男性，男女比例分别为%和%，该公司职工男女数量差距不大，女性略多于男性。 其次对原有数据中的旅游的积极性进行频数分析，结果如下表： 积极性 频率百分比有效百分 比 累积百分 比 有效差171 一般79 比较 好 79 好24 非常 好 6 合计359 其次对原有数据中的积极性进行频数分析，结果如下表： 其次对原有数据中的是否进通道进行频数分析，结果如下表：
高级应用统计作业汇总
操作一： 某年级中随机抽取35名学生，现随机分成两组，A组有20名学生，B组有15学生具体资料见“学生基本资料”： 1．利用数据5，对35名学生的英语成绩进行描述统计：均值、众值、中位数、标准差、第1十分位数、第35百分位数，绘制直方图（带正态曲线） 这说明35名学生的英语平均成绩为73.71分，中位数（35名学生成绩由高到低排列中间位置同学的成绩）为76，全部学生中79分最多，标准差为11.116。第一个十分位数为58.40，第35百分位数为70.20。
2．利用数据5，对35名学生按性别分组，对英语成绩进行描述统计，绘制箱式图、茎叶图 由上表可知男、女同学英语成绩的平均分分别是74.80、72.90。男生中，中位数为78.00，最低分为49，最高分为88.女生中，中位数为74，最低分为45，最高分为89。下面是男女同学英语成绩的茎叶图和箱式图。
3． 对性别和专业进行交叉分组的频数分析 通过性别和专业的交叉分组可以看出，男生中，有4个会计专业的，7个工商管理专业的，4个经济学专业的。女生中，有8个会计专业的，4个工商管理专业的，8个经济学的。总计有12个会计专业的，11个工商管理专业的，12个经济学的。 4． 该35名学生的英语平均分与80分是否有显著差异（显著性水平0.05，假定成绩正态分布： 此问题为单样本t 检验，设原假设为80:0=μH ，由于α＝0.05>p ＝0.002，所以应该拒绝
原假设，即35名学生的英语平均分与80分存在显著差异。 5． 男生和女生的英语平均分有无显著差异（显著性水平0.05，利用参数检验： 该问题为独立样本t 检验模型，由F 统计量和其概率值来完成。 设原假设为0210=-=μμH 。首先，由于F 统计量观测值为0.409，其概率p ＝0.527>0.05＝α，所以男女生英语平均分的方差屋显著性差异。其次，由于方差无显著性差异，所以对其均值检验中只需要看假设方差相等那一行的t 值就行。由于t=0.624>0.05=α，所以应该接受原假设，即男女生英语平均分无显著性差异。 6． 不同专业的英语水平有无显著差异（显著性水平0.05，利用参数检验：单因素方差分析 此题进行单因素方差分析，由F 统计量和其概率值来完成。原始假设为0H ＝不同专业的英语水平均值无显著性差异。由于F 统计量观测值为1.946，而概率p ＝0.159>α＝0.05，所以接受原始假设，认为不同专业间英语水平无显著性差异。 下面为与常规线性方程单变量的比较： 由上表可以看出其概率p 值依然为0.159，所以与单因素方差分析结果一致。 操作三：非参数检验 1． 马在8个圆形跑道的起点标杆位置上获胜的记录如下，试检验起点标杆位置对赛马结果是否 有影响？（皮尔逊ka 方检验） 起点位置号 1 2 3 4 5 6 7 8 总数 获胜频数 29 19 18 25 17 10 15 11 144
一、调查问卷 二、用SPSS Statistics软件进行描述统计分析 1、某地区经济增长率的时间序列图形。 解：第一步：数据来源，如图1 图 1 某地区经济增长率xls截图 图2 Spss软件制作过程截图 第二步：将数据输入SPSS软件之中，如图2，制作某地区经济增长率的时间序列图形，如图3。 图3某地区1990—2012年经济增长率的时间序列图 第三步，从图中可以看出，某地区随时间的变化经济增长率变化趋势较大。 2、用SPSS Statistics进行描述统计分析 解：第一步，按照题目中的要求，随机选取了148个数据，如图4部分数据：
图4 Spss随机数据截图 第二步，根据要求，对上月工资进行描述统计分析，主要包括描述数据的集中趋势、离散程度（见表1），绘制直方图（见图5）。 表1 上月工资描述统计表（单位：元） 集中趋势离散趋势 均值2925 极小值1500 中值2900 极大值4800 众数2900 全距3300 和432900 标准差496.364 偏度0.165 峰度 1.238 数据总计148 图5 上月工资直方图
第三步，分析数据的统计分布状况。 首先，从集中趋势来，上个月平均工资2925元，其中众数和中数也都在2900元，这说明大部分工资水平在2900左右。 其次，从离散趋势来看，最高工资4800元，最低工资1500元，最高工资和最低工资相差3300元，标准差为496.364，相差较大。 最后，从直方图来看和评述统计表来看，工资在2900元以上的占多数。可以的该地区整体工资水平大于平均值的占多数，该地区工资水平相对较高。 峰度为1.238，偏度为0.165符合正态分布。 三、用SPSS Statistics 软件进行参数估计和假设检验及回归分析 1、计算总体中上月平均工资95%的置信区间（见表3）。 解：总体中上月平均工资分布未知，但是样本容量大于30，且已知标准误，所以通过SPSS 分析得出总体中上月平均工资95%的置信区间，见表3, 假设； H0：总体中上月平均工资95%的不在此在此区间 H1：总体中上月平均工资95%的在此区间 答，总体中上月平均工资095的置信区间为[2844.37，3005.63]，p=0.000<0.01,作出这样的推论正确的概率为0.95，错误的概率为0.05。 2、检验能否认为总体中上月平均工资等于2000元。 解：在本案例中，要检验样本中上月平均工资与总体中上月平均工资（为已知值：2000元）是否存在差异，即某一样本数据与某一确定均值进行比较。虽然不知道总体分布是否正态，但样本较大（N>30），可以运用单样本T 检验.通过SPSS 检验结果见（表4 、表5） 设; H o:2000=μ H 1:2000≠μ 其中，μ表示总体中上月平均工资 表4 单个样本统计量 表5 单个样本检验 t df Sig.(双侧) 均值差值 检验值 上月工资 22.671 147 0.000 925.000 2000 答:作出结论，均值差值为925，t=22.671,p=0.000<0.01，所以拒绝原假设，接受备择假设，即否认总体中上月的平均工资等于2000元。
1.作业1（基本统计+参数检验+方差分析1） 利用城际出行行为数据，从中随机选取90%的样本，实现以下分析目标： (1)分析出行时间的分布，需做直方图。 (2)分析不同性别的出行方式是否一致。 (3)检验老年人(≥60)与其他人的出行时间是否有显著差异。 (4)检验是否老年人和出行目的两因素对其它时间的影响（考虑交互作用）。 1.1 分析出行时间的分布，需做直方图 1.1.1 解题思路 首先，根据题目要求在城际出行行为数据中随机选择90%的样本；由于出行时间分布数据是定距变量，且出行时间数据数量较多，不宜使用频数进行分析。因此在分析之前先对出行时间进行分组，再进行频数分布。根据公式（1- （1-1）中n为数据个数，对结果四舍五入取整后为理论分组数目。 原样本数为235，随机选择之后剩余样本是n为213个，根据公式（1-1）计算得到分组数目为9。选中的数据中出行时间的最大值为150，出行时间的最 1.1.2操作步骤 数据选择：【数据→选择个案】，选择【随机个案样本】→【样本】→在【大约】中填入“90%”→选择【删除未选定的个案】，点击确认。剩下的即为随机选择之后的数据。 数据分组：【转换】→【重新编码为不同变量】→将“出行时间”加入到有边框中，输出变量名称改为“城市出行时间分组”，点击【更改】，在点击【旧值和新值】，按照60-70、70-80、80-90、90-100、100-110、110-120、120-130、
130-140、140-150，分别对应1,2,3,4,5,6,7,8,9。点击【完成】。 频数分析：【分析】→【描述统计】→【频率】，将“城市出行时间分组”加入到【变量】中。点击【图表】→【直方图】→选中【在直方图上显示正态曲线】→【确定】。 1.1.3输出结果与分析 总计213 100.0 100.0 图1-1城市出行时间分布直方图 从表1-1中可以看出，出行时间分布中，出行时间在60-70分钟的比较少，占比为4.7%，出行时间在120-130分钟、130-140分钟和140-150分钟的都比较少，三组总和占比仅为6.1%。出行时间在70-120分钟之间的人数最多，
统计软件应用第一次作业 金融102班1005010259 于闯一．现有1992年-2006年国家财政收入和国内生产总值的数据如下表所示，请研究国家财政收入和国内生产总值之间的线性关系。 1.根据数据并作出散点图可以得知1992年-2006年国家财政收入和国内生产总值两 个变量之间具有一元线性关系。我们利用SPSS软件作出散点图，步骤如下：依次选择菜单“图形→旧对话框→散点/点状→简单分布”，具体操作如图所示： 并将“国内生产总值”作为x轴，“财政收入”作为y轴，得到如下所示图形。
图一：散点图 可以看出两变量具有较强的线性关系，可以用一元线性回归来拟合两变量。 2.为了便于数据分析所以定义三个变量，分别为“year”（年份）、“x”（国内生产总值）、“y”（财政收入）。 3.选择菜单“分析→回归→线性”，打开“线性回归”对话框，将变量“财政收入”作为因变量，“国内生产总值”作为自变量。 4.打开“统计量”对话框，选上“估计”和“模型拟合度”。单击“绘制（T）…”按钮，打开“线性回归：图”对话框，选用DEPENDENT作为y轴，*ZPRED为x轴作图。并且选择“直方图”和“正态概率图”作相应的保存选项设置，如预测值、残差和距离等。
○1变量输入和移去表
表中显示回归模型编号、进入模型的变量、移出模型的变量和变量的筛选方法。可以看出，进入模型的自变量为“国内生产总值” ○2模型综述表 R=0.989，说明自变量与因变量之间的相关性很强。R方(R2) =0.979，说明自变量“国内生产总值”可以解释因变量“财政收入”的97.9%的差异性。 ○3方差分析表 表中显示因变量的方差来源、方差平方和、自由度、均方、F检验统计量的观测值和显著性水平。方差来源有回归、残差。从表中可以看出，F统计量的观测值为592.25，显著性概率为0.000，即检验假设“H0：回归系数B = 0”成立的概率为0.000，从而应拒绝原假设，说明因变量和自变量的线性关系是非常显著的，可建立线性模型。 ○4回归系数表 表中显示回归模型的常数项、非标准化的回归系数B值及其标准误差、标准化的回归系数值、统计量t值以及显著性水平（Sig.）。从表中可看出，回归模型的常数项为-4993.281，自变量“国内生产总值”的回归系数为0.197。因此，可以得出回归方程：财政收入=-4993.281 + 0.197 ×国内生产总值。 回归系数的显著性水平为0.000，明显小于0.05，故应拒绝T检验的原假设，这也说明了回
第一章 SPSS概览－－数据分析实例详解 1.1 数据的输入和保存 1.1.1 SPSS的界面 1.1.2 定义变量 1.1.3 输入数据 1.1.4 保存数据 1.2 数据的预分析 1.2.1 数据的简单描述 1.2.2 绘制直方图 1.3 按题目要求进行统计分析 1.4 保存和导出分析结果 1.4.1 保存文件 1.4.2 导出分析结果 欢迎加入SPSS使用者的行列，首先祝贺你选择了权威统计软件中界面最为友好，使用最为方便的SPSS来完成自己的工作。由于该软件极为易学易用（当然还至少要有不太高的英语水平），我们准备在课程安排上做一个新的尝试，即不急于介绍它的界面，而是先从一个数据分析实例入手：当你将这个例题做完，SPSS的基本使用方法也就已经被你掌握了。从下一章开始，我们再详细介绍SPSS 各个模块的精确用法。 例1.1 某克山病区测得11例克山病患者与13名健康人的血磷值(mmol/L)如下, 问该地急性克山病患者与健康人的血磷值是否不同？ 患者: 0.84 1.05 1.20 1.20 1.39 1.53 1.67 1.80 1.87 2.07 2.11 健康人: 0.54 0.64 0.64 0.75 0.76 0.81 1.16 1.20 1.34 1.35 1.48 1.56 1.87 让我们把要做的事情理理顺：首先要做的肯定是打开计算机（废话），然后进入瘟98或瘟2000（还是废话，以下省去废话2万字），在进入SPSS后，具体工作流程如下： 1.将数据输入SPSS，并存盘以防断电。 2.进行必要的预分析（分布图、均数标准差的描述等），以确定应采 用的检验方法。 3.按题目要求进行统计分析。 4.保存和导出分析结果。 下面就按这几步依次讲解。
统计分析与SPSS的应用 原始数据：10级市场营销2班成绩 分析一：综测成绩四分位数 上表表明：综测成绩的最小值为68.61分，最大值为89.15分。其中25%的学生综测成绩为74.4100分，50%的学生综测成绩为80.3740分，75%的学生综测成绩为85.2200分。四分位数差从侧面证实了学生综测成绩呈一定左偏分布。
分析二：综测成绩直方图 上图表明：该班学生的综测成绩均分为80.07分，标准差为5.62。从图中可以看出，综测成绩呈左偏性分布，在85分左右的学生人数最多，70分左右的学生人数最少。 分析三：综测成绩的基本统计量分析 上表表明：综测成绩的极差为20.55分，意味着数据相对较分散。另外，综测成绩的最小值和最大值分别为68.61分和89.15分，平均分为80.0734分，标准差为5.61963。从偏度系数可以看出，系数小于0，偏度标准误差为0.421，因而该班综测成绩呈左偏分布，。从峰度系数可以看出，峰度值小于0，峰度标准误差为0.821，因而数据的分布比标准正态分布更加平缓，称
为平峰分布。 分析四：各科成绩的统计量分析比较 各科成绩统计量结果分析表 由上表可知：宏观经济学的全距最大，而生产与运作管理的全距最小，表明宏观经济学的成绩离散程度最高，而生产与运作管理的成绩离散程度最低；同时，对于标准差而言，也是宏观经济学的标准差最大而生产与运作管理的标准差最小。各科成绩平均分最高的为体育成绩，平均分最低的为英语成绩。各科成绩中只有人力资源管理的成绩是呈右偏分布，其他各科成绩均呈左偏分布。另外，各科成绩中，只有宏观经济学的成绩呈尖峰分布，其他各科呈平峰分布。
关于某公司474名职工综合状况的统计分析报告一、数据介绍： 本次分析的数据为某公司474名职工状况统计表，其中共包含十一变量，分别是：id（职工编号），gender(性别)，bdate(出生日期)，edcu（受教育水平程度），jobcat（职务等级），salbegin（起始工资），salary（现工资），jobtime(本单位工作经历<月>)，prevexp(以前工作经历<月>)，minority(民族类型)，age(年龄)。通过运用spss统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析、以了解该公司职工上述方面的综合状况，并分析个变量的分布特点及相互间的关系。 二、数据分析 1、频数分析。基本的统计分析往往从频数分析开始。通过频数分 析能够了解变量的取值状况，对把握数据的分布特征非常有用。 此次分析利用了某公司474名职工基本状况的统计数据表，在gender(性别)、edcu（受教育水平程度）、不同的状况下的频数分析，从而了解该公司职工的男女职工数量、受教育状况的基本分布。 Statistics 首先，对该公司的男女性别分布进行频数分析，结果如下：
上表说明，在该公司的474名职工中，有216名女性，258名男性，男女比例分别为45.6%和54.4%，该公司职工男女数量差距不大，男性略多于女性。 其次对原有数据中的受教育程度进行频数分析，结果如下表：
Educational Level (years)
上表及其直方图说明，被调查的474名职工中，受过12年教育的职工是该组频数最高的，为190人，占总人数的40.1%，其次为15年，共有116人，占中人数的24.5%。且接受过高于20年的教育的人数只有1人，比例很低。 2、描述统计分析。再通过简单的频数统计分析了解了职工在性别 和受教育水平上的总体分布状况后，我们还需要对数据中的其他变量特征有更为精确的认识，这就需要通过计算基本描述统计的方法来实现。下面就对各个变量进行描述统计分析，得到它们的均值、标准差、片度峰度等数据，以进一步把我数据的集中趋势和离散趋势。 Descriptive Ststistics
【本文中采用SPSS18】 首先，要把问卷中的答案都输进SPSS中，强烈建议直接在SPSS中输入，不要在EXCEL中输入，再导入SPSS，这样可能会出问题……在输数据之前先要到变量视图中定义变量……如下图 所有类型都是数值，宽度默认，小数点看个人喜好，标签自定，其他默认……除了值…… 讲讲值的设定…… 点一下有三点的蓝色小框框……会跳出一个对话框，如果你的变量是性别，学历，那么就如下图 如果是五点维度的量表，那么就是 记住，每一题都是一个变量，可以取名Q1，Q2……设定好所有问卷上有的变量之后，就可以到数据视图中输入数据啦……如下图 都输完后……还有要做的就是计算你的每个维度的平均得分……如果你的问卷 Q1-Q8是一个维度，那么就把Q1-Q8的得分加起来除以题目数8……那么得到的维度1分数会显示在数据视图中的最后……具体操作如下…… 转换——计算变量 点确定，就会在数据视图的最后一列出现计算后的变量……如果你的满意度有3个维度，那么就要计算3个维度，外加满意度这个总维度，满意度=3个维度的平均分=满意度量表的所有题目的平均分…………把你所有的维度变量都计算好之后就可以分析数据啦…… 1.描述性统计 将你要统计的变量都放到变量栏中，直接点确定…… 如果你要统计男女的人数比例，各个学历或者各个年级的比例，就要用描述统计中的频率……如果要统计男女中的年级分布，比如大一男的有几个，大二女的有几个，就用交叉表……不细说了……地球人都懂的………… 2.差异性分析 差异性分析主要做的就是人口学变量的差异影响，男女是否有差异，年级是否有差异，不做的就跳过…… 对于性别来说，差异分析采用独立样本T检验，也可以采用单因素ANOVA分析，下面以T检验为例…… 将性别放进下面的分组变量中， 接着定义组…… 按确定 看Sig（双侧）得分，小于就表明有显着差异，上图可见男女在组织承诺上是有显着差异的，在变革型领导行为的认同上没有显着差异…… 而对于学历，年级，年龄，工作年限等因素，我们可以采用单因素ANOVA分析，如下…… 按确定…… 由上图可知，在KY工作年限不同，在感情承诺、规范承诺、机会承诺上都有显着差异……显着性小于……
数据分析方法及软件应用 课程作业 学号：13125689 姓名：柏喜红 班级：1306 北京交通大学 2013年10月
第5题：方差分析（2） 分析思路 根据所给的表定义变量，进而进行数据录入。在进行单因素和多因素对销售量的影响分析的时候，应先提出相应的零假设，进而选择检验统计量，对检验统计量进行计算，并计算出概率P值，将计算出的概率P值与给定的显著性水平进行比较，做出相应的决策。 目标一：给出SPSS数据集格式 定义变量，进行数据录入。从题意以及所给的表中可以得出，这里有四个变量，分别为销售地点、销售方式、月份和销售量。其中，销售地点和销售方式为控制变量，月份为随机变量，销售量为观测变量，结合所给的表，进行数据的录入，录入四十个观测变量值。 图1 变量视图 图2 数据视图
目标二：分析销售地点对销售量的影响 （1）操作步骤 第一步：提出零假设。零假设H0是“销售地区对销售量没有产生显著影响”。 第二步：选择检验统计量，并计算检验统计量的观测值和概率P值。 选择菜单【分析——比较均值——单因素】 将销售量指定到【因变量列表（E）】中，将销售地区指定到【因子（F）】中，点击确定按钮，出现图3所示的结果。 图3单因素方差分析 销售量 平方和df 均方 F 显著性 组间254.600 4 63.650 1.107 .369 组内2013.000 35 57.514 总数2267.600 39 第三步：给定显著性水平α=0.05，根据表1，做出决策。 （2）结果分析 从图3中可以看出，观测变量销售量的总变差（2267.600）中“销售地区”可解释的变差为254.600，抽样误差引起的变差为2013.000，他们的方差为63.650和57.514，相除所得的F统计量为1.107，对应的概率P值接近于0.369。 （3）结论 因为显著性水平α=0.05，概率P值大于α，因而应接受原假设，认为不同的销售地区度销售量不产生显著影响。 目标三：分析销售地点、销售方式和他们的交互作用对对销售量的影响 （1）操作步骤 第一步：提出零假设。零假设H0是“销售地区对销售量没有产生显著影响，销售方式对销售量没有产生显著影响，销售地区和销售方式对销售量没有产生显著的交互影响。” 第二步：选择检验统计量，并计算检验统计量的观测值和概率P值。 选择菜单【分析——一般线性模型——单变量】； 将销售量指定到【因变量（D）】中，将销售地区和销售方式指定到【固定因子（F）】