华东理工大学多元统计分析与SPSS应用实验-(1)剖析

实验一SPSS软件的基本操作与均值向量和协方差阵的检验【实验目的】通过本次实验，了解SPSS的基本特征、结构、运行模式、主要窗口等，了解如何录入数据和建立数据文件，掌握基本的数据文件编辑与修改方法,对SPSS有一个浅层次的综合认识。

同时能够掌握对均值向量和协方差阵进行检验。

【实验性质】必修，基础层次【实验仪器及软件】计算机及SPSS软件【实验内容】1.操作SPSS的基本方法(打开、保存、编辑数据文件)2.问卷编码3.录入数据并练习数据相关操作4.对均值向量和协方差阵进行检验，并给出分析结论。

【实验学时】4学时【实验方法与步骤】1.开机2.找到SPSS的快捷按纽或在程序中找到SPSS，打开SPSS3.认识SPSS数据编辑窗、结果输出窗、帮助窗口、图表编辑窗、语句编辑窗4.对一份给出的问卷进行编码和变量定义5.按要求录入数据6.练习基本的数据修改编辑方法7.检验多元总体的均值向量和协方差阵8.保存数据文件9.关闭SPSS，关机。

【实验注意事项】1.实验中不轻易改动SPSS的参数设置，以免引起系统运行问题。

2.遇到各种难以处理的问题，请询问指导教师。

3.为保证计算机的安全，上机过程中非经指导教师和实验室管理人员同意，禁止使用移动存储器。

4.每次上机，个人应按规定要求使用同一计算机，如因故障需更换，应报指导教师或实验室管理人员同意。

5.上机时间，禁止使用计算机从事与课程无关的工作。

【上机作业】1.定义变量：试录入以下数据文件，并按要求进行变量定义。

表1学号姓名性别生日身高（cm）体重（kg）英语（总分100分）数学（总分100分）生活费（$代表人民币）200201 刘一迪男1982.01.12 156.42 47.54 75 79 345.00 200202 许兆辉男1982.06.05 155.73 37.83 78 76 435.00 200203 王鸿屿男1982.05.17 144.6 38.66 65 88 643.50 200204 江飞男1982.08.31 161.5 41.68 79 82 235.50 200205 袁翼鹏男1982.09.17 161.3 43.36 82 77 867.00 200206 段燕女1982.12.21 158 47.35 81 74200207 安剑萍女1982.10.18 161.5 47.44 77 69 1233.00 200208 赵冬莉女1982.07.06 162.76 47.87 67 73 767.80 200209 叶敏女1982.06.01 164.3 33.85 64 77 553.90 200210 毛云华女1982.09.12 144 33.84 70 80 343.00200211 孙世伟男1981.10.13 157.9 49.23 84 85 453.80200212 杨维清男1981.12.6 176.1 54.54 85 80 843.00男1981.11.21 168.55 50.67 79 79 657.40 200213 欧阳已祥200214 贺以礼男1981.09.28 164.5 44.56 75 80 1863.90200215 张放男1981.12.08 153 58.87 76 69 462.20200216 陆晓蓝女1981.10.07 164.7 44.14 80 83 476.80200217 吴挽君女1981.09.09 160.5 53.34 79 82200218 李利女1981.09.14 147 36.46 75 97 452.80200219 韩琴女1981.10.15 153.2 30.17 90 75 244.70200220 黄捷蕾女1981.12.02 157.9 40.45 71 80 253.00要求：1）变量名同表格名，以“（）”内的内容作为变量标签。

spss上机实验报告范文华东理工大学2022–２017学年第二学期《多元统计学》实验报告实验名称实验１数据整理与描述统计分析专业姓名学号组名/组号实验时间实验地点指导教师实验目的/要求2、熟练应用SPＳS输出描述统计量和绘制统计图。

实验内容1、对“eｍpｌoyeｅdata.ａｖ”进行数据整理，并分别给出三种工作类别(ｊobcat）的薪水（alａry）的描述统计量(均值、方差等)。

2、对第１章的习题４进行描述统计分析。

实验总结教师批阅：实验成绩：教师签名:日期:实验报告正文:实验１.1数据整理(一)对“employeedaｔa．aｖ”进行数据整理观察量排序(ｂaeｄoncｕrrent ｓalａry)变量值排序（baｓeｄoｎcurreｎtｓalarｙ: rａlary）计算新的变量(ｉncrementaｌａlａry＝cｕrrｅｎｔalary- begiｎningalary）拆分数据文件（baｓedongendｅr）结论：Tｈere ａre215femalｅemｐloyeeｓand ２５9maleｅmｐloyｅｅ.分类汇总(breａkｖariabｌe: geｎder; funcｔion:mｅaｎ）结论：Theaverａge currenｔalarｙoｆfemaｌei2６０３1．９2.Ｔheavｅｒagecurrentaｌary ofmaleiｓ4１441.7８.(二）分别给出三种工作类别的薪水的描述统计量实验２.２描述统计分析1)样本均值矩阵结论：总共分析六组变量，每组含有十个样本。

每股收益(某1）的均值为-0．0９12;净资产收益率(某２）的均值为-0.0378;总资产报酬率(某3)的均值为－０.02９４；销售净利率（某4)的均值为-0．４284;主营业务增长率(Ｘ5)的均值为0．6334;净利润增长率(某6）的均值为0.7797.2）协方差阵结论:矩阵共六行六列，显示了每股收益(某1）、净资产收益率(某2)、总资产报酬率（某3)、销售净利率(某4）、主营业务增长率(某5)和净利润增长率(某6）的协方差。

华东理工大学《多元统计分析与SPSS应用实验》实验报告2 班级学号姓名开课学院商学院任课教师任飞成绩实验报告：实验2.1 熟悉One---Sample T Test 功能（1）选用Employee data.sav 文件中的变量，Analyze→Compare Means→One---Sample T Test，将salary作为Test因变量，test值分别取34000、35000、34419、24000，作均值检验。

如图实验结果：1.Test Value=34000：双尾概率P=0.593>α=0.05，故接受原假设，说明样本salary均值与假设值34000无显著性差异；2.Test Value=35000：双尾概率P=0.460>α=0.05，故接受原假设，说明样本salary均值与假设值35000无显著性差异；3.Test Value=34419：双尾概率P=0.999>>α=0.05，故接受原假设，说明样本salary均值与假设值35000不仅无显著性差异，而且接近样本均值。

4.Test Value=24000：双尾概率P=0.00<<α=0.05，故接受原假设，说明样本salary均值与假设值24000显著性差异。

(2). 仍选用Employee data.sav 文件中的变量，先作10%的随机抽样，然后将salary作为Test因变量，test 值取34419，作均值检验。

随机抽样：data→select cases→random sample of cases→sample→approximately 10%→Continue→OK实验结果（部分原始数据序号被划掉）：再均值检验过程：Analyze →Compare Means →One---Sample T Test，将salary作为Test因变量，test 值取34419，所得实验数据结果如下图所示：双尾概率P=0.284>α=0.05，故接受原假设，说明随机抽样样本的salary均值与假设值34419无显著性差异。

判别分析：实验步骤：1.在SPSS窗口中选择：分析-分类-判别，将变量导入自变量框中，group导入分组变量中，选择定义范围，最小为1最大为3，并选择一起输入自变量，点击继续2.点击统计量，描述性中选择“均值”，“单变量”和”Box”，选择函数系数中的“Fisher”“未标准化”，矩阵中选择“组内相关”，点击继续3.点击分类点击继续4.点击“保存”，三个框均选中，点击继续5.点击确定实验结果分析：1.表1 组统计量看各个总体在均值等指标上的值是否接近，若接近说明各类之间在该指标差异不大表2表3 汇聚的组内矩阵若自变量之间存在高度相关，则判别分析价值不大，但并不严格，允许出现一定的相关表4 协方差矩阵的均等性的箱式检验检验结果p值>0.05时，说明协方差矩阵相等，可以进行bayes检验表7由表7可知，两个Fisher 判别函数分别为1123456212345674.99 1.861 1.6560.8770.7980.098 1.57929.4820.867 1.1550.3560.0890.0540.69y XX X X X X y X X X XX X =--+-+++=--+--++表8 结构矩阵该表是原始变量与典型变量（标准化的典型判别函数）的相关系数，相关系数的绝对值越大，说明原始变量与这个判别函数的相关性越强由表9可知各类别重心的位置，通过计算观测值与各重心的距离，距离最小的即为该观测值的分类。

表10 给出贝叶斯判别函数系数第一类：11234565317.2143.9153.190.153.011.0189.3F X X X X X X =--+-+++2. 将各样品的自变量值代入上述三个Bayes 判别函数，得到函数值。

比较函数值，哪个函数值比较大就可以判断该样品判入哪一类。

《多元统计分析分析》实验报告2012 年月日学院经贸学院姓名学号实验实验成绩名称一、实验目的（一）利用SPSS对主成分回归进行计算机实现.（二）要求熟练软件操作步骤，重点掌握对软件处理结果的解释.二、实验内容以教材例题7.2为实验对象，应用软件对例题进行操作练习，以掌握多元统计分析方法的应用三、实验步骤（以文字列出软件操作过程并附上操作截图）1、数据文件的输入或建立：(文件名以学号或姓名命名)将表7.2数据输入spss：点击“文件”下“新建”——“数据”见图1：图1点击左下角“变量视图”首先定义变量名称及类型：见图2：图2：然后点击“数据视图”进行数据输入（图3）：图3完成数据输入2、具体操作分析过程：（1）首先做因变量Y与自变量X1-X3的普通线性回归：在变量视图下点击“分析”菜单，选择“回归”-“线性”（图4）：图4将因变量Y调入“因变量”栏，将x1-x3调入“自变量”栏（图5）：然后选择相关要输出的结果：①点击右上角“统计量（s）”：“回归系数”下选择“估计”；“残差”下选择“D.W”；在右上角选择输出“模型拟合度”、“部分相关和偏相关”“共线性诊断”（后两项是做多重共线性检验）。

选完后点击“继续”（见图6）②如果需要对因变量与残差进行图形分析则需要在“绘制”下选择相关项目（图7），一般不需要则继续③如果需要将相关结果如因变量预测值、残差等保存则点击“保存”（图8），选择要保存的项目④如果是逐步回归法或者设置不带常数项的回归模型则点击“选项”（图9）其他选项按软件默认。

最后点击“确定”，运行线性回归，输出相关结果（见表1-3）图5 图6图7图8图9回归分析输出结果：的协差阵也就是相关阵进行分解做因子分析或主成分分析），如果不需要对变量做标准化处理就选“协方差矩阵”；“输出”中的两项都选，要求输出没有旋转的因子解（主成分分析必选项）和碎石图（用图形决定提取的主成分或因子的个数）；“抽取“下，默认的是基于特征值（大于1表示提取的因子或主成分至少代表1个单位标准差的变量信息，因为标准化后的变量方差为1，因子或者主成分作为提取的综合变量应该至少代表1个变量的信息），也可以自选提取的因子个数（即第二项），本例中做主成分回归，选择提取全部可能的3个主成分，所以自选个数填3。

华东理工大学2013—2014 学年第二学期《多元统计分析与SPSS应用》实验报告5 班级学号姓名开课学院商学院任课教师任飞成绩实验报告：5.11、打开例题5.1.sav文件，，如图5.1.1所示依次Analyze→Classify→Hierarchical Cluster,将x1，x2选入Variable框中图5.1.12、单击Statistics，选择Proximity Matrix，Cluster Membership中选择Range of Solutions，依次输入6,12，如图5.1.2，单击Method，Cluster Method为默认组间平均链锁法，单击Interval选项，激活右侧的参数框，单击下拉箭头，共有8个选项，选择Euclidean distance（欧式距离），如图5.1.3，单击Continue，单击Plots，选择Dendrogram，如图5.1.4单击Continue，选择OK得到结果图5.1.2图5.1.3图5.1.4图5.1.5距离矩阵图5.1.6凝聚状态表图5.1.7类成员聚类表图5.1.8树形图结果分析：本次聚类分析采取变量之间距离的计算用欧式距离，类与类之间的距离采用组间平均链锁法，将21个样本分成6~12组比较，图5.1.5为距离矩阵，给出了各样本之间的欧式距离；图5.1.6为凝聚状态表，第一列表示聚类分析的第几步，第二、三列表示本步骤中哪两个个案或者小类聚成一类。

第四列是个案距离或者小类距离。

第五列、第六列表示参与本步骤聚类的是个案还是小类，0表示个案，非零表示小类，具体数字表示第几步生成的小类。

第七列标志本步骤的结果将在第几步中用到。

图5.1.7为类成员聚类表，给出了分别聚成6~12的最终聚类结果，例如当指定聚类成6类时，1,2聚为一类，3~6聚为一类，7~10聚为一类，11~15聚为一类，16~20聚为一类。

图5.1.8为聚类树形图，既给出了聚类过程，也给出对应相应类与类之间的距离。

判别分析：实验步骤：1. 在SPSS窗口中选择：分析-分类-判别，将变量导入自变量框中，group 导入分组变量中，选择定义范围，最小为1最大为3，并选择一起输入自变量，点击继续2. 点击统计量，描述性中选择“均值”，“单变量”和”Box”，选择函数系数中的“Fisher”“未标准化”，矩阵中选择“组内相关”，点击继续3. 点击分类点击继续4. 点击“保存”，三个框均选中，点击继续5. 点击确定实验结果分析：1. 表1 组统计量看各个总体在均值等指标上的值是否接近，若接近说明各类之间在该指标差异不大表2组均值的均等性的检验Wilks 的 Lambda F df1 df2 Sig. 0岁组死亡概率.997 .019 2 12 .981 1岁组死亡概率.990 .063 2 12 .939 10岁组死亡概率.645 3.301 2 12 .072 55岁组死亡概率.438 7.690 2 12 .007 80岁组死亡概率.174 28.557 2 12 .000由表中看到第一二六个指标的sig值很大，说明拒绝原假设，在总体间差异不大表3 汇聚的组内矩阵若自变量之间存在高度相关，则判别分析价值不大，但并不严格，允许出现一定的相关表4 协方差矩阵的均等性的箱式检验检验结果 p值>0.05时，说明协方差矩阵相等，可以进行bayes检验表5由表5看出，函数1的特征值很大，对判别的贡献大表6表7给出非标准化的典型判别函数系数典型判别式函数系数函数1 20岁组死亡概率-1.861 -.8671岁组死亡概率 1.656 1.155 10岁组死亡概率-.877 -.356 55岁组死亡概率.798 -.089 80岁组死亡概率.098 .054平均预期寿命 1.579 .690 (常量) -74.990 -29.482由表7可知，两个Fisher判别函数分别为表8 结构矩阵结构矩阵函数1 20岁组死亡概率.008* -.001 80岁组死亡概率.288 -.388* 55岁组死亡概率.149 -.199* 10岁组死亡概率.098 .106* 1岁组死亡概率.007 .104* 平均预期寿命-.036 .091*该表是原始变量与典型变量（标准化的典型判别函数）的相关系数，相关系数的绝对值越大，说明原始变量与这个判别函数的相关性越强表9 组重心处的函数由表9可知各类别重心的位置，通过计算观测值与各重心的距离，距离最小的即为该观测值的分类。

多元统计分析原理与基于SPSS的应用1. 引言多元统计分析是统计学中的重要分支，用于研究多个变量之间的关系和模式。

在实际应用中，SPSS是一个流行的统计分析软件，提供了丰富的功能和工具，可以用于多元统计分析。

本文将介绍多元统计分析的原理，并探讨如何利用SPSS进行实际应用。

2. 多元统计分析概述多元统计分析是一种从多个维度考察数据的统计方法。

它可以帮助研究者发现多个变量之间的模式和关联，从而提供更深入的分析和理解。

常见的多元统计分析方法包括：主成分分析、因子分析、聚类分析、判别分析等。

2.1 主成分分析（PCA）主成分分析是一种减少数据集维度的方法，它可以将大量的变量转化为少数几个主成分。

通过主成分分析，可以发现数据中的主要模式和结构，从而简化数据集和分析过程。

2.2 因子分析因子分析是一种确定变量之间潜在关系的方法。

它可以帮助研究者发现共同的因素或维度，并解释变量之间的相关性。

因子分析可用于降维或构造新的变量，进而减少数据集的复杂性。

2.3 聚类分析聚类分析是一种将观测对象分组或分类的方法。

它可以通过计算对象之间的相似性或距离，将它们划分为不同的类别。

聚类分析可帮助研究者发现数据中的隐藏结构，并进行进一步的分析和解释。

2.4 判别分析判别分析是一种预测变量类别的方法。

它可以根据已知类别的样本数据，建立预测模型并进行分类。

判别分析可用于识别不同群体或类别之间的差异，并进行进一步的推断和预测。

3. 多元统计分析的应用场景多元统计分析可以应用于各种领域，如市场调研、社会科学、医学研究等。

以下是一些常见的应用场景：•市场调研：通过主成分分析和因子分析，可以帮助企业确定消费者需求和消费行为的主要影响因素。

•社会科学：聚类分析可用于对人群进行社会分类，从而提供对人群特征和行为的深入理解。

•医学研究：判别分析可以应用于医学诊断，预测患者是否患有某种疾病或疾病的严重程度。

4. 基于SPSS的多元统计分析应用示例SPSS是一款功能强大的统计分析软件，提供了多种多元统计分析方法和工具。

实验课程名称： __多元统计分析--判别分析___准则判别归类，则可写成：⎪⎩⎪⎨⎧=>∈<∈),(),( ,),(),(,),(),(,21212211G X D G X D G X D G X D G X G X D G X D G X 当待判当当题目：表11.5的数据包含三种鸢尾的X2=萼片宽度与X4=花瓣的宽度的观测值。

对每种鸢尾有n1=n2=n3=50个观测值。

部分数据:第二部分：实验过程记录（可加页）（包括实验原始数据记录，实验现象记录，实验过程发现的问题等）散点图：图形→旧对话框→散点图，打开简单散点图子对话框；将想X2选入X轴变量，X4选入Y轴变量，将总体选入设置标记框中，点击确定。

判别分析：步骤:1、选择分析→分类→判别，打开判别分析子对话框。

2、选择变量“总体”，单击→，将其加入到分组变量栏中。

3、打开定义范围子对话框，最小值输入1，最大值输入3。

4、将变量“X2萼片宽度”、“X4花瓣的宽度”选入自变量栏中。

选择“一起输入自变量”的方法。

5、打开统计变量子对话框，选择均值、单变量ANOVA、Box’M、未标准化、组内协方差、分组协方差及总体协方差，单击继续。

6、打开分类子对话框，选择不考虑该个案时的分类，其余为默认值。

7、打开保存，选择所有的变量。

相关系数矩阵a总体萼片宽度X2 花瓣宽度X4合计萼片宽度X2 .190 -.122花瓣宽度X4 -.122 .581对数行列式总体秩对数行列式1 2 -6.4962 2 -6.1413 2 -5.189汇聚的组内 2 -5.583检验结果箱的M 52.832F 近似。

8.632df1 6df2 538562.769Sig. .000Wilks 的Lambda函数检验Wilks 的Lambda 卡方df Sig.1 到2 .038 477.868 4 .0002 .809 31.075 1 .000典型判别式函数系数函数1 2萼片宽度X2 -1.987 2.680花瓣宽度X4 5.477 .817(常量) -.494 -9.174非标准化系数组质心处的函数总体函数1 21 -5.958 .2152 1.265 -.6673 4.693 .452分类结果b,c总体预测组成员1 2 3 合计初始计数 1 50 0 0 502 0 49 1 503 04 46 50% 1 100.0 .0 .0 100.02 .0 98.0 2.0 100.03 .0 8.0 92.0 100.0 交叉验证a计数 1 50 0 0 502 0 48 2 503 04 46 50% 1 100.0 .0 .0 100.02 .0 96.0 4.0 100.03 .0 8.0 92.0 100.0。

5
2
3
5
2
4
1
3
4
1
4
2
5
3
4
2
5
3
1
4
4
3
1
4
2
5
4
4
2
5Hale Waihona Puke 3145
3
1
4
2
5
1
5
4
3
2
5
2
1
5
4
3
5
3
2
1
5
4
5
4
3
2
1
5
5
5
4
3
2
1
习题 1
（1）根据题意选择了 L8(27)两水平 7 因子正交表。按题进行表头设计，删除不用的项，将实 验的结果数据填写到 y 栏相应的位置上
（2）点击 Analyse，选择其中 General Linear Model 中的 Univeriate, 从左边将 y 选入右边的 dependent variable, 从左边选择剩余的变量进入右边的 Fixed factor，点击 Model, 选择 custom，在 Build terms 中选择 main effect,从作左边选择所有变量进入 model，使反映各个因子的主效应。点击 Option, 从左边选择所有变量进入 Display Means for,确定选择，Output 中显示有关的图表。各因素中 sig<0.1 的为 显著性因子，在选择最优实验条件时应注意。
.000
.011 .025 .251 .753 .099
Dependent Variable: Y a R Squared = .986 (Adjusted R Squared = .951) 所以因子A,B,E为显著因子。对于显著性因子选择其对实验结果正向影响最大的水平，对于非显著因子，以实验 成本最为节约作为选择的标准

应用统计学spss实验报告6华东理工大学20XX—20XX 学年第一学期《应用统计学》实验报告6班级工管100 学号 10102268 姓名金鹂开课学院商学院任课教师任飞成绩实验内容熟悉SPSS中判别分析功能Analyze--Classify --Discriminant 实验要求： 1.使用默认值进行判别分析 2.使用选择项进行判别分析 3.逐步判别分析 4.对案例：Crop’Pain连锁店展开判别分析讨论教师评语：教师签名：年月日实验报告：1选用数据文件data14-04使用默认值进行判别分析1总体样本为150个，有效样本数为150个，占总数的100%，无效或者未分组的样本数为0个。

显示的是有效样本个数。

2图为fisher判别法的两个fisher判别函数特征值。

Function1的特征值为，解释了99%的变异.典型相关系数为。

Function2的判别函数的特征值为，解释了1%的变异.典型相关系数为。

图为Wilks'lambda的值表示判别函数很好且判别效果显著；表示判别函数不好但判别效果显著。

3图为各组重心坐标值，可利用Fisher判别函数计算出具体坐标和离各重心的距离，进行分类。

3.使用选择项进行判别分析选用数据文件data14-044选择分类参数选择要求输出的统计量5总体样本为150个，有效样本数为150个，占总数的100%，无效或者未分组的样本数为0。

6表可知各项均值，标准差，有效样本个数。

上表为组内矩阵7上表为协方差矩阵图为fisher判别法下两个个fisher判别函数的特征值。

Function 1的特征值为，解释了99%的变异.典型相关系数为。

Function 2的特征值为，解释了1%的变异.典型相关系数为。

图为Wilks'lambda的值(其值越小越好)表示判别函数很好且判别效果显著；表示判别函数不好但判别效果显著。

8按大小依次排序的各判别变量与判别函数间的相关系数U1=-++ U2=-+++图为各组重心坐标值。

华东理工大学2013—2014 学年第二学期《多元统计分析与SPSS应用》实验报告3班级学号姓名开课学院商学院任课教师任飞成绩实验报告：3.11、按照顺序，Data→Orthogonal→Generate，进入“Generate Orthogonal Design ”对话框，在Factor name 框：输入a，点击Add添加，同样的方法输入b，c，d，如图3.1.1所示。

选中变量“a”，单击Define value，分别在Value列的头三行输入1、2、3，单击Continue钮，同样的方法完成因子b，c，d的输入。

如图3.1.2选择“Replace working data file”，点击“OK”即完成正交表的设计，如图3.1.3图3.1.1图3.1.2图3.1.32、与例4.1比较，实验3.1中生存的9L )3(4正交表的均匀分散性和综合可比性都得到了体现：均匀分散性：在a 、b 、c 、d 四列中，1、2、3三个数字均在各列出现的次数相等，每列每个数字出现三次。

综合可比性：任意两列中，将同一横行的两个数字看成有序数对时，每种数对出现的次数相等。

如a 列与b 列数对如下：11、12、13、21、22、23、31、32、33，数对的组合有序，每个数对都出现一次。

3、方法同1，结果见图3.1.4 图3.1.43.21、写出正交试验设计问题SPSS实现的步骤1.1正交试验表设计按照顺序，Data→Orthogonal→Generate，进入“Generate Orthogonal Design ”对话框，在Factor name 框：输入“（因子）”，点击Add添加，同样的方法输入其它待检验的因子。

选中变量“（因子）”，单击Define value，分别在V alue列中输入因子的不同水平，单击continue钮，同样的方法完成其它因子选择“Replace working data file”，点击“OK”即完成正交表的设计。

多元统计分析及SPSS应用
h
1
rzhao@
session 3
聚类分析
应用多元统计分析及SPSS应用
Session 3
统计数据的收集、整理与描述
h
2
Session Topics
统计数据的来源 统计数据的收集
统计数据的整理 统计数据的描述
h
3
统计数据的来源
一、统计数据的直接来源 来源于管理和研究需要而专门组织的调查 来源于科学试验的数据
二、统计数据的间接来源 来源于公开出版物的数据 来源于内部调查的数据
h
4
统计数据的收集
数据的搜集方法
询问调查
观察实验
访邮电电座个 观
实
问寄话脑谈别
调 查
调 查
调 查
辅 助
会
深 访
察
验
h
5
访问调查
1. 调查者与被调查者通过面对面 地交谈而获得资料
2. 有标准式访问和非标准式访问 标准式访问通常按事先设计 好的问卷进行 非标准式访问事先一般不ห้องสมุดไป่ตู้ 作问卷
h
25
输出结果
频数（率）分布表
Valid
84
85
88
91
94
95
96
97
99
101
103
105
106
107
109
110
111
118
119
121
128
Total
X
Frequency 1 1 1 2 1 1 1 1 1 2 1 3 4 2 1 1 2 1 1 1 1 30
Percent 3.3 3.3 3.3 6.7 3.3 3.3 3.3 3.3 3.3 6.7 3.3 10.0 13.3 6.7 3.3 3.3 6.7 3.3 3.3 3.3 3.3

班级
开课学院 商学院
华东理工大学 2013—2014 学年 第 二 学期
《 多元统计分析与 SPSS 应用》实验报告 3
学号
任课教师 任飞
实验内容：实验 3 正交试验设计 3.1 正交表的计算机实现 熟悉 Orthogonal Design 功能 DATA Orthogonal Design Generate 3.2 熟悉 Univariate 功能 熟悉 Univariate 功能 Analyze General Linear Model Univariate...
2、课后思考与练习 1、2、3、4 2.1 简述正交试验设计的基本步骤 (1)明确实验目的，确定评价指标 (2)挑选因素，考虑是否存在交互作用，确定水平 (3)选正交表，进行表头设计（若存在交互作用，根据交互作用表确定交互作用所在列位置） (4)明确实验方案，进行实验，得到结果 (5)对实验结果进行统计分析，主要是方差分析，确定显著性因子，得到最优水平组合。
4
对全部高中资料试卷电气设备，在安装过程中以及安装结束后进行高中资料试卷调整试验；通电检查所有设备高中资料电试力卷保相护互装作置用调与试相技互术通关，1系电过，力管根保线据护敷生高设产中技工资术艺料0不高试仅中卷可资配以料置解试技决卷术吊要是顶求指层，机配对组置电在不气进规设行范备继高进电中行保资空护料载高试与中卷带资问负料题荷试2下卷2，高总而中体且资配可料置保试时障卷，各调需类控要管试在路验最习；大题对限到设度位备内。进来在行确管调保路整机敷使组设其高过在中程正资1常料中工试，况卷要下安加与全强过，看度并22工且22作尽22下可22都能22可地护以缩1关正小于常故管工障路作高高；中中对资资于料料继试试电卷卷保破连护坏接进范管行围口整，处核或理对者高定对中值某资，些料审异试核常卷与高弯校中扁对资度图料固纸试定，卷盒编工位写况置复进.杂行保设自护备动层与处防装理腐置，跨高尤接中其地资要线料避弯试免曲卷错半调误径试高标方中高案资等，料，编试要5写、卷求重电保技要气护术设设装交备备置底4高调、动。中试电作管资高气，线料中课并敷3试资件且、设卷料中拒管技试试调绝路术验卷试动敷中方技作设包案术，技含以来术线及避槽系免、统不管启必架动要等方高多案中项；资方对料式整试，套卷为启突解动然决过停高程机中中。语高因文中此电资，气料电课试力件卷高中电中管气资壁设料薄备试、进卷接行保口调护不试装严工置等作调问并试题且技，进术合行，理过要利关求用运电管行力线高保敷中护设资装技料置术试做。卷到线技准缆术确敷指灵设导活原。。则对对：于于在调差分试动线过保盒程护处中装，高置当中高不资中同料资电试料压卷试回技卷路术调交问试叉题技时，术，作是应为指采调发用试电金人机属员一隔，变板需压进要器行在组隔事在开前发处掌生理握内；图部同纸故一资障线料时槽、，内设需，备要强制进电造行回厂外路家部须出电同具源时高高切中中断资资习料料题试试电卷卷源试切，验除线报从缆告而敷与采设相用完关高毕技中，术资要资料进料试行，卷检并主查且要和了保检解护测现装处场置理设。备高中资料试卷布置情况与有关高中资料试卷电气系统接线等情况，然后根据规范与规程规定，制定设备调试高中资料试卷方案。

华东理工大学2013—2014 学年第二学期《多元统计学》实验报告7 班级学号姓名开课学院商学院任课教师任飞成绩实验内容：实验 5 因子分析方法1.“主成分分析”的计算机实现2.“因子分析”的计算机实现实验要求：1.熟悉SPSS中主成分分析功能2.熟悉SPSS中因子分析功能3.选用数据文件data15-01,利用因子分析的新变量，进行聚类分析教师评语：教师签名：年月日实验报告：1.主成分分析Analyze-Dimension Reduction-Factor得到实验结果如下：表1表2表1中的相关系数表明四个变量之间存在显著相关性，可以进行主成分分析；表2为变量共同度，表中最后一列都大于0.5，表明四个变量之间存在着一定的相关性；表3表3为方差贡献表，“Total”是特征根，可以看出本例提取了三个主成份，因为特征根大于1，三个主成份的累计方差贡献率达到63.113%，进一步说明提取两个主成分是比较合适的；表4 表4是碎石图，实际上是按特征根大小排列的主成份折线图，横坐标表示第几主成分，纵坐标表示特征根的值，在第三个特征根处变得比较平缓，表明可以提取两个主成分。

2.因子分析Analyze-Dimension Reduction-Factor(1)Descriptive子对话框Statistics:Univariate descriptives:显示各观察变量的均值和标准差；Initial solution:显示公因子的方差、特征值、各因子解释的方差比例和累积比例。

Correlation matrix:Coefficients:观察变量的相关系数矩阵；Significance levels:每个相关系数的显著水平。

(2).Extraction子对话框Method：选择提取因子的方法Analyze：指定分析矩阵Display：指定与初始因子有关的输出项Unrotated factor solution：显示未经旋转的因子解；Scree plot：显Extract：决定提取因子的个数Maximum iterations for Convergence:指定因子分析收敛的最大迭代次数(3).Rotation子对话框Method：选择因子旋转方法Display:指定输出选项Rotated solution:显示旋转后的因子解；Loading plots:显示因子负载图；Maximum iterations for Convergence:指定因子分析收敛的最大迭代次数(4).Factor Scores子对话框Method:指定计算因子值的方法Save as variables:将因子值作为新变量保存在数据文件中Display factor score coefficient matrix:显示因子值系数矩阵(5).Option子对话框Missing values:缺失值处理方式Coefficient display format:因子负载显示方式3.选用数据文件data15-01,利用因子分析的新变量，进行聚类分析,聚类要求:聚为两类、三类、四类，作散点图，比较分为两类和三类的结果。