(完整版)SPSS软件教程实验报告——大学生恋爱观调查报告

  • 格式:doc
  • 大小:794.01 KB
  • 文档页数:24

《社会统计软件教程》

实验报告

班级:

姓名: 2 学号:

大学生恋爱观问卷调查与SPSS分析

一、实验目的与要求

1、实验目的

通过上机实验,使学生掌握统计学的基本原理、问卷的设计与调查,熟悉统计软件SPSS操作过程,能对统计软件SPSS的输出结果进行分析。

通过使用统计软件SPSS,加强学生对统计思想的理解,并提高解决实际问题的能力。

通过上机实验,指导学生设计调查问卷、深入社会调查访问,学会搜集第一手资料,掌握调查技巧和数据汇总、整理、分析方法,培养和锻炼学生创新与实践能力,为进一步学习其他相关课程奠定扎实的基础。

通过上机实验,希望能有助于提高学生设计调查问卷、采集数据和处理调查数据的基本能力,培养学生熟练掌握SPSS统计软件的基本操作,获得对实际数据进行统计和分析的能力,使学生能够撰写出规范的统计分析报告。

2、实验要求

要求学生理论联系实际,初步掌握运用统计方法解决实际问题的能力和运用统计软件SPSS处理数据的能力。

第一,确定调查方案、设计调查问卷、收集数据,并录入SPSS;要求学生熟悉SPSS操作环境,能够进行SPSS的窗口操作,并熟练掌握问卷变量的定义、数据的输入;

第二,利用SPSS,对问卷进行描述性统计分析或探索性统计分析,解释输出结果,写出相应3 的结论;

第三,利用SPSS,对问卷进行多选项分析,解释输出结果,写出相应的结论;

第四,利用SPSS,对问卷进行列联表分析,解释输出结果,写出相应的结论;

第五,利用SPSS,对问卷进行参数检验(T-TEST、单因素方差分析)或非参数检验,解释输出结果,写出相应的结论;

第六,利用SPSS,对问卷进行相关分析或回归分析,熟悉相关分析过程的软件操作过程,解释输出结果,写出相应的结论。

二、实验环境

硬件环境:微机 软件环境:SPSS11.5及SPSS16.0。

三、实验类型

综合性实验

第一部分 实验内容

1、 探索性分析:是否谈恋爱与每天上自习时间的关系

(一)操作步骤

1.打开数据文件“问卷.sav”。

2.选择Transform→Recode→Into different variables,打开重新编码对话框。

从左侧选择q13“您现在是否谈恋爱”进入Numeric Variable,定义新的变量名q13_1,标题是”是否谈恋爱”。 4

3.选择Old and new Values,如下图定义新变量. 其它选项采用系统默认状态。

4.选择Continue,点击OK,提交运行。

5.选择Analyze→Descriptive Statistics→Explore,如下图将选项选入相应List。 5

6.上述选项做完以后,单击OK 按钮,提交运行。

(二)输出结果与分析

6

Stem-and-Leaf Plots

7

Boxplot

(三)结果分析:

⑴集中趋势指标:首先可以看出62位没有恋爱的同学平均每天的自习时间是2.121小时,去掉两侧各5%的极端值后,截尾均数是2.078,中位数是2.000小时,其中,均数、截尾均数和中位数应当基本相同,因此从上述指标及可推测数据应当是符合对称分布的;37位谈恋爱的同学每天的平均自习时间是2.081小时,去掉两侧各5%的极端值后,截尾均数是2.047,中位数是2.000,也符合对称分布。

⑵离散趋势分析:没谈恋爱的同学自习的标准差是1.2102,最大值是5,最小值是0,两者差即全距5小时;谈恋爱的同学自习的标准差是1.0834,最大值是5.0,最小值是0,两者差即全距5小时.

⑶分布特征分析:没有恋爱的数据的偏度系数是a=0.653,峰度系数是b=0.309,表示数据右偏,且形状比正态分布的峰要稍陡峭。恋爱者的数据的偏度系数是a=0.628,峰度系数是b=0.541,表示数据右偏,且形状比正态分布8 的峰要陡峭。

2、 多选项分析:选择恋爱对象的主要因素分析

(一)操作步骤

1.打开数据文件“问卷.sav”

2.选择Analyze→ Multiple Response→ Define Variable Sets,再进行如下操作定义多选项变量集。

3.定义好后点Add, 然后关闭当前对话框。

Ⅰ、频数分析:

1. 选择Analyze→ Multiple Response→Frequencies进行频数分析。

2. 将左侧的$q9选人右侧,点击OK,提交运行。 9

(二) 输出结果与分析

(三)结果分析

这道多选题限选三项,由上表可得,比例从高到低排在前三项的分别是“人品好”78.0%,“和自己志趣相投”53.0%,“能力好”42.0%,大学生谈恋爱对经济状况的考虑较少,大多是以人品定位自己的对象。

在大学生人群中,把理想爱人的条件转向注重有内涵,注重人品,是普遍的一个大趋势。在本次调查中,男、女生均把“人品”作为了第一要素,而经济状况等已不再是择偶的主要因素。这反映了广大同学成熟的爱情心理。

Ⅱ、列联表分析:选择恋爱对象的主要因素与性别之间的关系分析

1.选择Analyze→ Multiple Response→Crosstabs进行列联表分析。

2.将多选项选入Rows,影响因素性别选入Columns,并定义变量集Define Ranges,范围是1到2,continue。

3. 上述选项做完以后,单击OK 按钮,提交运行。 10

(二) 输出结果与分析

(三)结果分析

其中,我们可以看到男、女生的一些不同:对于相貌的要求,男生18/46要高于女生16/54;而对于知识能力的要求方面,女生35/54又要比男生7/46看中的多。

但是从总的方面来说,当代的大学生在恋爱问题上是非常理性的,而且愈加趋向于成熟化。这些变化的方向无疑是社会所期望的,而且对于大学生本身来说是非常有意义的。

3、 列联表分析:大学生谈恋爱时对相貌看重程度与性别关系的分析

(一)操作步骤

1、打开数据文件“问卷.sav”。 11 2、选择Analyze→Descriptive Statistics→Crosstabs,将“相貌的选择”和“性别”分别输入到Row和Column。

3、选择Cells,Counts框组:选中复选框Expected:Continue;

4、点击Statistics:复选框Chi-square:Continue

5、上述选项做完以后,单击OK 按钮,提交运行。

(二) 输出结果与分析

12

(三)结果分析:

原假设:男女生在选择朋友是对相貌的看重程度没有差别

备择假设:男女生在选择朋友是对相貌的看重程度有差别

X2=4.845,P值=0.184>0.05,不能拒绝原假设,所以性别在男女生选择对象相貌的看重程度没有差别。

22%男生和21%女生选择“虽然知道相貌不重要,但还是想尽量找个漂亮的”,可见,相貌在男女生选择对象的时间仍然占着很重要的部分.

4、 单个样本的非参数假设检验——二项检验

分析背景:《中国青年报》近日发表文章,据调查大学生谈恋爱的人数为四成以上,为验证其数据是否真实,用样本数据进行非参数检验。

(一)操作步骤

1.打开数据文件“问卷.sav”。

2.选择Transform→Recode→Into different variables,打开重新编码对话框。

从左侧选择q13“您现在是否谈恋爱”进入Numeric Variable,定义新的变量名q13_1,标题是”是否谈恋爱”。

3.选择Old and new Values,如下图定义新变量. 其它选项采用系统默认状态。 13

4.选择非参数假设检验的单个样本的二项检验.Analyze→Nonparametric Tests→Binomial,将q13_1题选入Test Variable List, Test Proportion:0.60。(《中国青年报》前不久在有关大学生恋爱的四成以上)

5.上述选项做完以后,单击OK 按钮,提交运行。

(二) 输出结果与分析

Binomial Test否62.6.6.382a是38.41001.0Group 1Group 2Total是否谈恋爱CategoryNObservedProp.Test Prop.Asymp. Sig.(1-tailed)Based on Z Approximation.a.

(三)结果分析:

原假设:大学生谈恋爱的比例≥40%

备择假设:大学生谈恋爱的比例<40% 14 N=100, 单尾P值等于0.382>0.05,所以不能拒绝原假设,大学生谈恋爱的比例在四成以上。

可见,大学校园内谈恋爱已经是很普遍的现象。大学生谈恋爱对我们现在的学生来说,并不是什么新奇的事情,而且大学生谈恋爱的比例也在逐年增加,这不得不引起我们足够的重视。面当今的大学校园,以及这些未来的祖国栋梁,他们对自己的爱情究竟报以什么样的态度,这是我们都很期待的。这也是我们此次调查大学生恋爱观的问题的初衷。

5、 相关分析:恋爱期间在对方身上的花费与每月生活费之间的关系

(一)操作步骤

1、打开数据文件“问卷.sav”

2、选择Graphs→Scatter Plot→选择Simple,点击Define,制作散点图,做进一步观察。

15

3、选择Analyze→Correlate(相关)→Bivariate(双变量),打开双变量相关分析对话框,

从左侧的源变量中选择“您每月的生活费用大约是__元”和“你恋爱期间每个月在对方身上的花费大约是___元”进入Variable 窗口。其它选项采用系统默认状态。

4、选择相关系数。Correlation Coefficient 是相关系数的选项栏,选择Pearson(皮尔逊相关系数);确定显著性检验类型,在Test of Significance 选择Two-tailed(双尾检验);

确定输出相关系数的显著性水平,选中Flag significant Correlations。

5、 选择输出的统计量,单击Options 打开对话框,选择Means and standard deviations 选项和Cross- product deviations and covariances 选项。