江苏城市职业学院
《SPSS统计软件分析》期末考核
班级 09财务管理(1)班
姓名
学号 090102119/090102120/090102121
江苏城市职业学院财经系
江苏城市职业学院同学的身高、年龄、体重相关分析
调查目的:
一、调查江苏城市职业学院同学的身高及其他数据,分别用excel和spss
对不同年龄的同学数作直方图、饼图;
二、用Spss分析男女同学的平均身高是否存在显著性差异。
三、分别用excel和spss对同学的身高和体重作相关分析,若相关,建立
两者的回归方程。
调查方式:问卷调查
调查结果:见附件Excel表格。
分析:(要求:对调查获取数据进行整理、分析,在报告中要详细写出用excel 和spss进行数据分析处理的步骤、结果,并将结果截图)
一、调查江苏城市职业学院同学的身高及其他数据,分别用excel 和spss对不同年龄的同学数作直方图、饼图。
分析步骤:
(一)、Excel:
1、数据分析整理
a、按年龄进行排序,数据—排序—主要关键字“年龄”。
b、数据—分类汇总—分类字段“年龄”、汇总方式“计数”、选定汇总项“年龄”。
2、插入饼图插入—图标—饼图
3、直方图工具—数据分析—直方图
1、分类汇总后的数据。
2、直方图图形—旧对话框—条形图
3、饼图
图形—旧对话框—饼图—分区表征“同学数”、变量“年龄”、标题“不同年龄的同学数量”
二、用Spss 分析男女同学的平均身高是否存在显著性差异。
分析步骤:
1、打开数据:可以用Spss 直接打开excel 数据
2、T 检验:选择SPSS中分析—比较均值—独立样本T检验分析,弹出独立样本T检验分析对话框,选择身高进入检验变量,选择性别进入分组变量,打开
定义组的对话框,在GROUP1GROUP2中分别输入男、女,点击继续。
误。
(2)输出独立样本t检验的结果。前两项为Levene 检验(方差齐性检验)结果,F值为10.108,显著性概率为0.003<0.05,说明结论是两组方差差异显著。因此在后面的t检验结果中需选择Equal variance not assumed(假设方差不相等)这行的数据。t值等于5.564,显著性概率为0.000<0.05,说明男女同学身高之间存在显著差异。两组的均值之差为10.856,差值的标准误为1.920,95%的置信
区间是6.864~14.847,同样说明男女同学差异显著。
三、分别用excel 和spss 对同学的身高和体重作相关分析,若相关,建立两者的回归方程。
分析步骤: (一)EXCEL :
1、打开EXCEL 数据——工具——加载宏——分析工具库
2、工具——数据分析——相关系数,选择输入区域,勾选“标志位于第一行”选择输出区域,点“确定”。 得到相关系数表:
身高(cm )
体重
(kg)
身高(cm ) 1 体重(kg) 0.834248 1
3、工具——数据分析——回归
4、得到数据,分析数据: 回归统计
Multiple R 0.834248 R Square 0.695969
Adjusted R
Square
0.688899
标准误差 4.074763
观测值45
方差分
析
df SS MS F Significance F 回归分
析
1 1634.35
2 1634.352 98.4330737 1.09645E-12 残差4
3 713.9587 16.60369
总计44 2348.311
Coefficients 标准误差t Stat P-value
Intercept -80.15098 13.61117 -5.88862 5.30843E-07
身高(cm)0.8172852 0.082376 9.921344 1.09645E-12
Lower 95% Upper
95%
下限
95.0%
上限 95.0%
-107.6005 -52.7014 -107.601 -52.7014472
0.6511572 0.983413 0.651157 0.983413111
5、结果分析:
(1) 从表中可以看出:月总支出与月伙食支出的相关系数为0.834,这说明这两个变量之间有比较强的相关性
(2)从表中可以看出:R为0.834,自变量与因变量高度相关。P-value<0.05
说明该回归方程代表性较好,通过检验。
y^=-80.151+0.817x
(y:月总支出,x:月伙食支出)
(二)SPSS:
1、相关性:
(1)分析——相关——双变量
表3.1给出了两变量各自的描述统计量
表3.2两个变量的Pearson 相关系数。从中可以看出身高与体重形成的皮尔逊相关系数为0.834这说明这两个变量之间有着很强的相关性,同样从双边检验概率为0.000的结果可以看出这两个变量的相关性是显著的。因此,同学的身高与体重
之间是的确存在显著的相关关系,这个结论是与经济学原理相吻合的。
2、回归分析:
(1)分析——回归——线性
(2)结果分析:
㈠、表3.4 给出了模型摘要,可以看出模型的拟合优度为0.696,调整后的拟合优度为0.689,这说明身高可以解释体重变化的68.9%。此外,从
Durbin-Watson=1.776<2,说明相邻两点的残差为正相关。
㈡、表3.5 给出了方差分析表,从表中可以看出总平方和为2348.311,残差平方和为713.959,而回归平方和为1634.352,可以看出回归平方和与总平方和相差不大,即回归模型的拟合效果很好。此外,从F=98.433,从伴随概率Sig的值也可以看出模型整体的拟合效果很好。
㈢、表3.6 给出了模型的参数估计值,从中可以看出常数项(Constant)的估计值= -80.151,而解释变量的系数估计值=0.817,此外还给出了相应的系数估计t 检验值及显著性水平,从显著性水平为0.000,可以认定解释变量的系数很显著。
㈣、表
3.8 给出了残差的统计结果,表中分别给出了预测值、残差、标准化预测值和标准化残差的最小值、最大值、均值和标准误。
㈤、可以得到最优的模型:
体重=-80.151+0.817*身高
附:空白的调查问卷和调查整理的Excel 数据