SPSS上机实验报告

  • 格式:doc
  • 大小:426.50 KB
  • 文档页数:16

下载文档原格式

  / 16
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

实验名称:频数分布

实验目的和要求:绘制频数分布表、频数分布直方图并分析集中趋势指标、差异性指标和分布形状指标

实验内容:绘制频数分布表和频数分布直方图并分析

实验记录、问题处理:

绘制频数分布表

频数分布直方图

集中趋势指标、差异性指标和分布形状指标

统计量

销售额

实验结果分析:

从卡方检验看出sig>0.05,不显著。

所以男生女生对满意与否评价没有差异

实验名称:方差分析成绩:

实验目的和要求:单因子方差分析、多因子方差和协方差分析

实验内容:进行单因子方差分析并输出方差分析表、显著性检验及解释结果、多因子方差和协方差分析并输出方差分析表和协方差分析表、显著性检验及解释结果。

实验记录、问题处理:

单因子方差分析

分析——比较均值,单因素——键入销售额为因变量,键入促销力度为因

多因子方差分析

分析——一般线性模型,单变量——键入店内促销和赠券状态为固定因子,销售额为因变量——两两比较打钩L检验,选项方差齐性检验打钩,得:

协方差分析

分析——一般线性模型,单变量——键入店内促销和赠券状态为固定因子,销售额为因变量,键入客源排序为协变量——两两比较打钩L检验,

实验结果分析:

单因子:组间显著性为0.000,小于0.05,显著影响。

多因子:店内促销和赠券状态显著性分别都为0.000,小于0.05,显著影响。但是店内促销和赠券状态交互作用的显著性为0.206,大于0.05,不显著。

协方差:经协变量客源排序的显著性为0.363,对销售额影响不显著。店内促销的显著性为0.000,小于0.05,对销售额影响显著。赠券状态的显著性为0.000,小于0.05,对销售额影响显著。店内促销和赠券状态的交互作用显著性为0.208,大于0.05,对销售额影响不显著

实验名称:相关分析成绩:

实验目的和要求:计算Pearson相关系数和简单相关系数并分析

实验内容:计算Pearson相关系数和简单相关系数并分析

实验记录、问题处理:

分析——相关,双变量——添加收、家庭人口、受教育程度、汽车保有量——默认pearson分析——确定,得:

实验结果分析:

1、收入对受教育年数,相关系数为0.327,显著性为0.001,小于0.01,所以收入和受教育年为正向相关,且相关性很强。

2、收入对汽车保有量,相关系数为0.208,显著性为0.038,小于0.05,所以收入对汽车保有量为正向相关。

3、家庭人口对汽车保有量,相关系数为0.576,显著性为0.000,小于0.01,所以收入对汽车保有量为正向相关,且相关性很强。

4、受教育年数对收入,相关系数为0.327,显著性为0.001,小于0.01,所以受教育年数对收入为正想相关,且相关性很强。

实验名称:回归分析成绩:

实验目的和要求:掌握简单回归模型和多元回归分析的SPSS操作方法

实验内容:检验简单回归模型、绘制散点图、输出回归结果并分析、残差分析;检验多元回归分析模型、输出回归结果并分析及残差分析。

实验记录、问题处理:

(一)简单回归

实验结果分析:

R方为0.554,拟合优度一般。P值sig显著

表达式:

销售额=10.667-2.3*促销水平(二)多元线性回归

实验结果分析:

R方在第二次拟合达到0.856,说明模型的拟合的情况非常好方差分析表显示P值sig<0.05,说明模型非常显著。

表达式:

销售额=14.667-2.3*店内促销-2.667*赠券状态

实验名称:Logistic回归成绩:

实验目的和要求:掌握Logistic回归分析的SPSS操作方法实验内容:估计和检验Logistic回归系数并解释结果。

实验记录、问题处理:

实验结果分析:

结果显示:

品牌忠诚=1.274*品牌态度+0.186*产品态度+0.590*购物态度-8.462

其中品牌态度的sig小于0.05,所以品牌态度与品牌购买正向变化显著。但是因为产品态度和购物态度的sig大于0.05,所以这两个变量与品牌购买的正向变化不显著

实验名称:因子分析成绩:

实验目的和要求:掌握因子分析的SPSS操作方法

实验内容:KMO和Barlett氏检验;输出碎石图及旋转前后的因子矩阵;各因子的特征值和解释的方差比例;解释因子并命名;计算因子得分。实验记录、问题处理:

步骤处理:

分析——降维——因子分析

将度量变量键入变量框,

选取描述,勾选KMO与bartlett球形度检验

选取抽取,勾选碎石图

选取旋转,勾选载荷图

选取得分,勾选保存变量和因子得分系数矩阵

实验结果分析:Array KMO值为0.589,sig值为0.000,适合作因子

分析

各因子的特征值和解释的方差比例可以在“解

释的总方差”中看出,其中我们可以知道,特

征值2.569和2.272可以解释方差比例分别是

42.821%和37.868%。

因为因子1在预防蛀牙、保护牙根有很大载荷,

所以将其命名为保健因子。因子2在牙齿亮泽、

口气清新、富有魅力有很大载荷,所以将其命

名为社交因子。

计算因子得分,得

保健因子=0.366*预防蛀牙-0.094*牙齿亮泽

+0.362*保护牙龈-0.121*口气清新-0.315*不

预防坏牙-0.044*富有魅力

社交因子=0.083*预防蛀牙+0.358*牙齿亮泽

+0.026*保护牙根+0.352*口气清新-0.170*不

预防坏牙+0.389*富有魅力

实验名称:聚类分析

成绩:

实验目的和要求:掌握分层聚类和K-means聚

类的SPSS操作方法

实验内容:进行分层聚类和K-means聚类分析

并输出结果。

实验记录、问题处理:

分层聚类:

步骤处理:

分析——分类——系统聚类

将度量变量键入变量框,勾选统计量中的聚类成员中的方案范围,并且设置为最小3最大5.

勾选绘制中的树状图

打开保存选项卡,勾选聚类成员中的方案范围,设置最小3最大5

结果如图所示: