spss实验报告剖析.pdf

经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 统计实习 SPSS 实验报告 姓名：成功 学号：2011516199 班级：会计二班 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 实验报告二 实验项目：描述性统计分析 实验目的： 1、掌握数据集中趋势和离中趋势的分析方法； 2、熟练掌握各个分析过程的基本步骤以及彼此之间的联系和区别。 实验内容及步骤 一、数据输入 案例：对 6 名男生和 6 名女生的肺活量的统计，数据如下： 1. 打开 SPSS 软件，进行数据输入： 通过打开数据的方式对XLS 的数据进行输 入 其变量视图为： 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 二、探索分析 进行探索分析得出如下输出结果： 浏览 由上表可以看出， 6 例均为有效值，没有记录缺失值得情况。 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 由上表可以看出，男女之间肺活量的差异，男生明显优于女生，范围更广，偏度 大。 男 男 Stem-and-Leaf Plot Frequency Stem & Leaf 2.00 1 . 34 2.00 1 . 89 2.00 2 . 02 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 Stem width: 1000 Each leaf: 1 case(s) 女 女 Stem-and-Leaf Plot Frequency Stem & Leaf 2.00 1 . 23 3.00 1 . 568 1.00 2 . 0 Stem width: 1000 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 Each leaf: 1 case(s) 三、频率分析 进行频率分析得出如下输出结果： 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 由上图可知，分析变量名：肺活量。可见样本量N 为 6 例，缺失值 0 例， 1500 以下的 33， 1500-2000 男生 33女生 50， 2000以上女生 16.7， 男生 33。 四、描述分析 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 进行描述分析得出如下输出结果： 由上图可知， 分 析变量名： 工资，可见样本量 N为6例，极小值为男 1342女1213，极大值为男 2200 女2077，说明12人中肺活量最少的为女生是1213，最多的为男生有 2200，均值为 1810.50/1621.33 ，.标准差为 327.735/325.408 ，离散程度不算大。 五、交叉分析 实验报告三 实验项目：均值比较 实验目的：.学习利用 SPSS进行单样本、两独立样本以及成对样本的均值检验。 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 实验内容及步骤 （一）描述统计案例：某医疗机构为研究某种减肥药的疗效，对15 位肥胖者进 行为期半年的观察测试，测试指标为使用该药之前和之后的体重。 编号1 2 3 4 5 服药前198 237 233 179 219 服药后192 225 226 172 214 编号6 7 8 9 10 服药前169 222 167 199 233 服药后161 210 161 193 226 编号11 12 13 14 15 服药前179 158 157 216 257 服药后173 154 143 206 249 输入 SPSS 建立数据。 由上图可知，结果输出均值、样本量和标准差。因为选择了分组变量，所以 三项指标均给出分组及合计值， 可见以这种方式列出统计量可以非常直观的进行 各组间的比较。 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 由上表可知，在显著性水平为0.05 时，服药前后的概率p 值为小于 0.05 ，拒绝 零假设，说明服药前后的体重有显著性变化 （二）单样本 T 检验 进行单样本 T 检验分析得出如下输出结果： 由上表可以知， 单个样本统计量分析表， 的基本情况描述， 有样本量、均值、 标准差和标准误，单样本t检验表，第一行注明了用于比较的已知总体均值为 14，从左到右依次为t 值(t) 、自由度 (df) 、P 值(Sig.2-tailed)、两均值的差 值 (Mean Difference)、 差 值 的 95% 可 信 区 间 。 由 上 表可 知 ： t=34.215 ， 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 P=0.0000.05，因此“月平均流量”与“月平均气温”不存在 显著相关性 。 （三）距离分析 案例：植物在不同的温度下的生长状况不同，下列是三个温度下的植物生长 编号10 度20 度30 度 1 12.36 12.4 12.18 2 12.14 12.2 12.22 3 12.31 12.28 12.35 4 12.32 12.25 12.21 5 12.12 12.22 12.1 6 12.28 12.34 12.25 7 12.24 12.31 12.2 8 12.41 12.3 12.46 近似值 （四）线性回归分析 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 已知有某河流的一年月平均流量观测数据和该河流所在地区当年的月平均 雨量和月平均温度观测数据，如表所示。试分析关系。 观测数据表 月份月平均流量月平均雨量月平均气温 1 0.50 0.10 -8.80 2 0.30 0.10 -11.00 3 0.40 0.40 -2.40 4 1.40 0.40 6.90 5 3.30 2.70 10.60 6 4.70 2.40 13.90 7 5.90 2.50 15.40 8 4.70 3.00 13.50 9 0.90 1.30 10.00 10 0.60 1.80 2.70 11 0.50 0.60 -4.80 12 0.30 0.20 -6.00 进行线性回归分析得出如下输出结果： 回归 输入移去的变量 b 模型输入的变量移去的变量方法 1 月平均流量 a . 输入 a. 已输入所有请求的变量。 b. 因变量: 月平均雨量 由表可知，是第一个问题的分析结果。这里的表格是拟合过程中变量进入/退 出模型的情况记录，由于只引入了一个自变量，所以只出现了一个模型1（在多 元回归中就会依次出现多个回归模型） ，该模型中身高为进入的变量，没有移出 的变量， 这里的表格是拟合过程中变量进入/退出模型的情况记录，由于只引入 了一个自变量， 所以只出现了一个模型 （在多元回归中就会依次出现多个回归模 型） ，该模型中身高为进入的变量，没有移出的变量。 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 模型汇总 模型R R 方 调整 R 方 标准 估计的 误差 1 .855a .732 .705 .6117 a. 预测变量 : (常量), 月平均流量。 拟合模型的情况简报，显示在模型中相关系数R 为 0.855，而决定系数R2 为 0. 732，校正的决定系数为0.705，说明模型的拟合度较高。 Anovab 模型平方和df 均方F Sig. 1 回归10.208 1 10.208 27.283 .000a 残差3.741 10 .374 总计13.949 11 a. 预测变量 : (常量), 月平均流量。 b. 因变量 : 月平均雨量 这是所用模型的检验结果， 可以看到这就是一个标准的方差分析表！从上表 可见所用的回归模型 F值为27.283，P值为.00a，因此用的这个回归模型是有统计 学意义的，可以继续看下面系数分别检验的结果。由于这里所用的回归模型只有 一个自变量， 因此模型的检验就等价与系数的检验，在多元回归中这两者是不同 的。 系数 a 模型 非标准化系数标准系数 t Sig. B 标准 误 差试用版 1 (常量) .387 .247 1.564 .149 月平均流 量 .462 .088 .855 5.223 .000 a. 因变量: 月平均雨量 包括常数项在内的所有系数的检验结果。用的是t 检验，同 时还会给出标化 /未标化系数。可见常数项和身高都是有统计学意义的 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 残差统计量 a 极小值极大值均值标准 偏差N 预测值.526 3.113 1.292 .9633 12 残差-.6337 1.1358 .0000 .5832 12 标准 预测值-.795 1.890 .000 1.000 12 标准 残差-1.036 1.857 .000 .953 12 a. 因变量 : 月平均雨量 图表 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 （五）曲线回归分析 某地 1963年调查得儿童年龄（岁）与体重的资料试拟合对数曲线。 年龄（岁）体重 1 2 3 4 5 6 7 68 65 67 50 70 76 77 进行曲线回归分析得出如下输出结果： 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 实验报告五 实验项目：聚类分析和判别分析 实验目的： 1.学习利用 SPSS 进行聚类分析和判别分析。 实验内容及步骤 （一） 系统聚类法 为确定老年妇女进行体育锻炼还是增加营养会减缓骨骼损伤，一名研究者用光子 吸收法测量了骨骼中无机物含量,对三根骨头主侧和非主侧记录了测量值，结果 见教材表。 ： 受试者编 号 主侧桡骨桡骨主侧肱骨肱骨主侧尺骨尺骨 1 1.103 1.052 2.139 2.238 0.873 0.872 2 0.842 0.859 1.873 1.741 0.590 0.744 3 0.925 0.873 1.887 1.809 0.767 0.713 4 0.857 0.744 1.739 1.547 0.706 0.674 5 0.795 0.809 1.734 1.715 0.549 0.654 6 0.787 0.779 1.509 1.474 0.782 0.571 7 0.933 0.880 1.695 1.656 0.737 0.803 8 0.799 0.851 1.740 1.777 0.618 0.682 9 0.945 0.876 1.811 1.759 0.853 0.777 10 0.921 0.906 1.954 2.009 0.823 0.765 输入 SPSS 建立数据。 进行系统聚类分析得出如下输出结果： 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 聚类 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 快捷聚类 研究儿童生长发育的分期，调查名1 月至 7 岁儿童的身高（ cm） 、体重（ kg） 、 胸围（ cm）和资料。求出月平均增长率（%） ， 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 判别分析 对某企业，搜集整理了 10名员工 2009年第1季度的数据资料。构建 1个10×6 维的矩阵 职工代号 工作产量工作质量工作出勤工砟损耗工作态度工作能力 1 9.68 9.62 8.37 8.63 9.86 9.74 2 8.09 8.83 9.38 9.79 9.98 9.73 3 7.46 8.73 6.74 5.59 8.83 8.46 4 6.08 8.25 5.04 5.92 8.33 8.29 5 6.61 8.36 6.67 7.46 8.38 8.14 6 7.69 8.85 6.44 7.45 8.19 8.1 7 7.46 8.93 5.7 7.06 8.58 8.36 8 7.6 9.28 6.75 8.03 8.68 8.22 9 7.6 8.26 7.5 7.63 8.79 7.63 10 7.16 8.62 5.72 7.11 8.19 8.18 1、 “分析分类判别分析” ，把“分类”选入“分组变量”，定义范围： 最小值（ 1） ，最大值（ 4） ，把 X1、X2、X3、X4、X5和 X6输入“自变量框”，选 择“使用逐步式方法” ； 2、 “统计量”中选择“均值” 、 “单变量 ANOVA” 、 “Fisher ” 、 “未标准化”、 “组 内相关” ； 3、 “方法”默认设置； 4、“分类”中选择“根据组大小计算”、 “摘要表”、 “不考虑该个案时的分类” 、 “在组内”、 “合并图、分组、区域图” ； 5、 “保存”中选择“预测组成员” 、 “判别得分”； 6、点击确定。 得到以下各表和图。 特征值 函数特征值方差的 % 累积 % 正则相关性 1 1.002a 100.0 100.0 .707 a. 分析中使用了前1 个典型判别式函数。 Wilks 的 Lambda 函数检验Wilks 的 Lambda 卡方df Sig. 1 .499 3.471 6 .748 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 函数 1 工作质量.270 工作产量-.831 工作出勤-.406 工砟损耗1.415 工作态度1.879 工作能力-2.061 结构矩阵 函数 1 工砟损耗.541 工作出勤.355 工作态度.175 工作产量.063 工作能力-.056 工作质量-.050 判别变量和标准化典型判别式函数之间的汇聚组间相关性 按函数内相关性的绝对大小排序的变量。 典型判别式函数系数 函数 1 工作质量.581 工作产量-.830 工作出勤-.312 工砟损耗1.248 工作态度2.798 工作能力-2.803 (常量) -6.817 非标准化系数 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 组质心处的函数 职工代号 函数 1 1 -.731 2 1.097 在组均值处评估的非标准化典型判别式函数 分类统计量 分类处理摘要 已处理的10 已排除的缺失或越界组代码0 至少一个缺失判别变量0 用于输出中10 组的先验概率 职工代号先验 用于分析的案例 未加权的已加权的 1 .600 6 6.000 2 .400 4 4.000 合计1.000 10 10.000 分类函数系数 职工代号 1 2 工作质量121.299 122.360 工作产量-58.894 -60.411 工作出勤-14.803 -15.373 工砟损耗3.739 6.020 工作态度123.979 129.094 工作能力-63.284 -68.407 (常量) -547.493 -560.691 Fisher 的线性判别式函数 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 单独组图表 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 分类结果 b,c 职工代号 预测组成员 合计1 2 初始计数1 5 1 6 2 1 3 4 % 1 83.3 16.7 100.0 2 25.0 75.0 100.0 交叉验证 a 计数1 2 4 6 2 4 0 4 % 1 33.3 66.7 100.0 2 100.0 .0 100.0 a. 仅对分析中的案例进行交叉验证。在交叉验证中，每个案例都是按照从该 案例以外的所有其他案例派生的函数来分类的。 b. 已对初始分组案例中的80.0% 个进行了正确分类。 c. 已对交叉验证分组案例中的20.0% 个进行了正确分类。 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 实验报告六 实验项目：因子分析和主成分分析 实验目的： 1.学习利用 SPSS 进行因子分析和主成分分析。 实验内容及步骤 （一） 因子分析 下表资料为15 名健康人的7 项生化检验结果，6 项生化检验指标依次命名为X1至 X6， 请对该资料进行因子分析。 因子分析 1打开导入 excle 数据 2选择菜单“分析降维因子分析”，弹出“因子分析”对话框。在 对话框左侧的变量列表中选除地区外的变量，进入“变量”框， 3单击“描述” 按钮，弹出“因子 分析: 描述”对话框，在“统计量” 中选“单 变量 描述”项，输出各变量的均数与标准差，“相关矩阵”栏内选“系数” ，计 算相关系数矩阵，并选“ KMO 和 Bartlett s 球形度检验”项，对相关系数矩阵 进行统计学检验， 对以上资料进行因子分析：分析降维因子分析，确定操作得出 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 描述统计量 均值标准差分析 N X1 6.0213 1.23848 15 X2 7.9880 .57340 15 X3 3.9960 1.01195 15 X4 5.5700 1.38699 15 X5 8.3727 .77780 15 X6 8.0247 .68955 15 相关矩阵 X1 X2 X3 X4 X5 X6 相关X1 1.000 .966 .782 .055 .104 .019 X2 .966 1.000 .747 .028 .233 .158 X3 .782 .747 1.000 .125 .214 -.024 X4 .055 .028 .125 1.000 -.150 .233 X5 .104 .233 .214 -.150 1.000 .753 X6 .019 .158 -.024 .233 .753 1.000 Sig. （单侧）X1 .000 .000 .423 .356 .473 X2 .000 .001 .461 .202 .287 X3 .000 .001 .329 .222 .467 X4 .423 .461 .329 .297 .202 X5 .356 .202 .222 .297 .001 X6 .473 .287 .467 .202 .001 KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。.460 Bartlett 的球形度检 验 近似卡方64.035 df 15 Sig. .000 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 公因子方差 初始提取 X1 1.000 .950 X2 1.000 .930 X3 1.000 .801 X4 1.000 .989 X5 1.000 .928 X6 1.000 .936 提取方法：主成份分析。 解释的总方差 成份 初始特征值提取平方和载入旋转平方和载入 合计 方差 的 % 累积 % 合计 方差 的 % 累积 % 合计 方差 的 % 累积 % 1 2.768 46.127 46.127 2.768 46.127 46.127 2.678 44.634 44.634 2 1.683 28.050 74.177 1.683 28.050 74.177 1.766 29.432 74.066 3 1.084 18.074 92.251 1.084 18.074 92.251 1.091 18.186 92.251 4 .360 5.995 98.246 5 .084 1.401 99.647 6 .021 .353 100.000 提取方法：主成份分析。 成份矩阵 a 成份 1 2 3 X1 .935 -.277 -.021 X2 .954 -.131 -.057 X3 .868 -.218 .030 X4 .107 .059 .987 X5 .389 .839 -.272 X6 .263 .914 .178 提取方法 : 主成份。 a. 已提取了 3 个成份。 经济与管理学院财会系会计 2011-2 班姓名：成功学号： 2011516199 旋转成份矩阵 a 成份 1 2 3 X1 .975 -.001 .016 X2 .953 .146 -.012 X3 .892 .032 .066 X4 .049 .021 .993 X5 .145 .930 -.205 X6 -.013 .937 .241 提取方法 : 主成份。 旋转法 : 具有 Kaiser 标准化的正交旋转法。 a. 旋转在 4 次迭代后收敛。 成份转换矩阵 成份1 2 3 1 .958 .281 .054 2 -.284 .957 .053 3 -.037 -.066 .997 提取方法 : 主成份。 旋转法 : 具有 Kaiser 标准化的正交旋转法。