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