報告材料主要是向上級匯報工作,其表達(dá)方式以敘述、說明為主,在語言運(yùn)用上要突出陳述性,把事情交代清楚,充分顯示內(nèi)容的真實(shí)和材料的客觀。報告書寫有哪些要求呢?我們怎樣才能寫好一篇報告呢?下面是小編為大家整理的報告范文,僅供參考,大家一起來看看吧。
spss報告總結(jié)篇一
這次實(shí)習(xí)使用的是spss17.0版本的軟件,通過這次實(shí)習(xí),我了解到spss具有完整的數(shù)據(jù)輸入、編輯、統(tǒng)計(jì)分析、圖形制作等功能。平日課下進(jìn)行統(tǒng)計(jì)調(diào)查技能培訓(xùn)的時候,分析數(shù)據(jù)所用的軟件是excel。雖然使用excel可以對數(shù)據(jù)進(jìn)行透視、分類、篩選以及計(jì)算相關(guān)系數(shù)等,但是這些操作都需要自己每一步每一步的進(jìn)行手動操作,而使用spss軟件在對數(shù)據(jù)進(jìn)行整理時,只需對軟件某選項(xiàng)內(nèi)設(shè)置變量條件,系統(tǒng)便自動的進(jìn)行整理。通過這次spss實(shí)習(xí),我又入門了一項(xiàng)非常實(shí)用的軟件,會為以后統(tǒng)計(jì)分析提供多一種的選擇。下面我會從以下四方面分別闡述這次實(shí)習(xí)的收獲與總結(jié)。
做問卷調(diào)查
根據(jù)指導(dǎo)老師的安排,我需要獨(dú)自完成6份 《廣東高校在校大學(xué)生消費(fèi)使用數(shù)碼產(chǎn) 品情況》的調(diào)查問卷。去廣工、廣財(cái)聽宣講會并且在那里做了兩份問卷調(diào)查,剩下的4份是以電子版的形式做的問卷調(diào)查。在做問卷調(diào)查的過程中,為了保證問卷的有效性和準(zhǔn)確性,我會認(rèn)真審核每一份問卷是否填寫完整以及前后是否合邏輯。在我的六份問卷調(diào)查中,比較容易出現(xiàn)問題的主要在每天使用數(shù)碼產(chǎn)品的時間,也是在做問卷調(diào)查中叮囑最多的。這都是值得的,因?yàn)楸WC問卷的客觀和有效是后面做統(tǒng)計(jì)分析的基礎(chǔ)。這次實(shí)訓(xùn)是全班合作完成問卷,如果是一個人完成30幾份的問卷,那么真是一項(xiàng)不容小覷的任務(wù)。
spss入門操作
單樣本t檢驗(yàn)、獨(dú)立樣本t檢驗(yàn)、配對樣本t檢驗(yàn)。獨(dú)立樣本與配對樣本的區(qū)分很重要,這決定著我需要進(jìn)行哪種檢驗(yàn)以及得出什么樣的結(jié)論。假設(shè)檢驗(yàn)中通常都需要先進(jìn)行方差齊性的f檢驗(yàn),f值小,相應(yīng)的p值越大,就可以說方差齊性,再進(jìn)行均值差異是否顯著的t檢驗(yàn),t檢驗(yàn)中,相應(yīng)的p值小于顯著性水平,就可以認(rèn)為兩個樣本的均值存在顯著差異。
問卷分析
這部分需要設(shè)置多個變量,輸入至少30份數(shù)據(jù),我選擇跟舍友分工合作,我們的數(shù)據(jù)輸入降低到20份左右,彼此共享一部分?jǐn)?shù)據(jù)合起來達(dá)到30份以上的樣本量。對于問卷的分析,主要從以下三方面進(jìn)行: 大學(xué)生基本情況 運(yùn)用描述性統(tǒng)計(jì)分析對大學(xué)生每月生活費(fèi)支出做頻率分析、計(jì)算均值及離散程度,發(fā)現(xiàn)大學(xué)生的月生活費(fèi)支出主要集中在800—1200范圍。
運(yùn)用交叉表分析得出手機(jī)、電腦這兩種數(shù)碼產(chǎn)品樣本中全部大學(xué)生都擁有,其他數(shù)碼產(chǎn)品的擁有比率各有不同。在這學(xué)期當(dāng)中更換意愿最強(qiáng)的數(shù)碼產(chǎn)品是手機(jī),并且主要是高年級的學(xué)生有更換的打算。
對大學(xué)生月生活費(fèi)支出與月消費(fèi)數(shù)碼產(chǎn)品支出做相關(guān)與回歸分析,發(fā)現(xiàn)這兩個變量存在較為顯著的相關(guān)性,一般情況下,大學(xué)生月生活費(fèi)越高,每月在數(shù)碼產(chǎn)品方面的消費(fèi)相應(yīng)也會越高。
數(shù)碼產(chǎn)品的購買情況
對樣本中大學(xué)生對數(shù)碼產(chǎn)品的了解途徑、購買方式、傾向性選擇、感興趣的促銷手段、能否接受分期付款做頻率分析,就目前來講,大學(xué)生主要通過網(wǎng)絡(luò)了解數(shù)碼產(chǎn)品,傾向于大陸行貨以及港澳臺行貨,對于打折促銷比較感興趣,大部分大學(xué)生還是會選擇實(shí)體店購買較大宗數(shù)碼產(chǎn)品,并且對分期付款方式較為能接受。
對所有在用數(shù)碼產(chǎn)品購買支出、月生活費(fèi)支出以及月消費(fèi)數(shù)碼產(chǎn)品支出做相關(guān)與回歸分析,發(fā)現(xiàn)所有在用數(shù)碼產(chǎn)品購買支出與月消費(fèi)數(shù)碼產(chǎn)品支出存在較強(qiáng)的正相關(guān)性,可以說,月消費(fèi)數(shù)碼產(chǎn)品支出越高,大學(xué)期間夠買數(shù)碼產(chǎn)品總支出越高的可能性就越大。
數(shù)碼產(chǎn)品的使用情況
對樣本中 使用數(shù)碼產(chǎn)品對作息時間的影響、上課玩手機(jī)的頻率、數(shù)碼產(chǎn)品使用時間最長的用途 做描述統(tǒng)計(jì)頻率分析,發(fā)現(xiàn)男生中有更大比例會因?yàn)槭褂脭?shù)碼產(chǎn)品而影響作息時間,數(shù)碼產(chǎn)品使用時間最長的用途占比最大的是娛樂,基本上所有人都會在課堂上使用數(shù)碼產(chǎn)品,經(jīng)常使用的頻率達(dá)到25.8%。
對使用數(shù)碼產(chǎn)品對學(xué)習(xí)的影響利弊進(jìn)行頻率分析,并且對每天花在數(shù)碼產(chǎn)品上的時間、學(xué)生績點(diǎn)做相關(guān)回歸分析,大部分學(xué)生認(rèn)為數(shù)碼產(chǎn)品對學(xué)習(xí)的影響利弊平衡或者利大于弊。相關(guān)性分析顯示,大學(xué)生每天使用數(shù)碼產(chǎn)品的時間與學(xué)生績點(diǎn)相關(guān)性不強(qiáng),兩者之間沒有必然的聯(lián)系。
通過這次實(shí)習(xí),對于spss軟件有了一個基本的認(rèn)識,會對樣本進(jìn)行一些簡單的描述性統(tǒng)計(jì)分析、假設(shè)檢驗(yàn)、相關(guān)與回歸分析,能夠?qū)⒁恍?shù)據(jù)信息轉(zhuǎn)換成可以直觀理解并運(yùn)用的實(shí)用信息,對于以后的學(xué)習(xí)和工作大有好處。數(shù)碼產(chǎn)品帶給我們極大的便利?;谡{(diào)查問卷的分析,大學(xué)生每天都會花相當(dāng)一部分時間使用電子產(chǎn)品。學(xué)習(xí)績點(diǎn)與每天使用數(shù)碼產(chǎn)品的時長沒有必然聯(lián)系,不過,的確有一部分同學(xué)承認(rèn)因過度使用數(shù)碼產(chǎn)品影響作息,同時也會在不同程度上受到他人使用數(shù)碼產(chǎn)品的影響。大學(xué)生應(yīng)該學(xué)會合理控制分配使用數(shù)碼產(chǎn)品的時間,讓自己最大程度地受益。
spss報告總結(jié)篇二
課程名稱
數(shù)據(jù)分析
實(shí)驗(yàn)名稱
均值比較與方差分析
系別 電子信息科學(xué)學(xué)院 專業(yè)班級 信息管理15級專升本
指導(dǎo)教師
學(xué)號
姓名
實(shí)驗(yàn)日期 2015年11月18日實(shí)驗(yàn)成績
一、實(shí)驗(yàn)?zāi)康?. 掌握均值比較和方差分析的原理、過程和應(yīng)用
二、實(shí)驗(yàn)環(huán)境
1. 硬件環(huán)境:微機(jī)
三、實(shí)驗(yàn)內(nèi)容
1.中記錄了男性或女性每周上網(wǎng)瀏覽網(wǎng)頁的時間(e mean:能否用樣本均值估計(jì)總體均值?兩個變量均值接近的樣本是否來自均值相同的總體?換句話說,兩組樣本某變量均值不同,其差異是否具有統(tǒng)計(jì)意義?能否說明總體差異?這是各種研究工作中經(jīng)常提出的問題。這就要進(jìn)行均值比較。
以下是進(jìn)行均值比較及檢驗(yàn)的過程:
單一樣本的t檢驗(yàn):檢驗(yàn)單個變量的均值是否與給定的常數(shù)之間存在差異。
獨(dú)立樣本的t檢驗(yàn):檢驗(yàn)兩組不相關(guān)的樣本是否來自具有相同均值的總體(均值是否相同,如男女的平均收入是否相同,是否有顯著性差異)
配對t檢驗(yàn):檢驗(yàn)兩組相關(guān)的樣本是否來自具有相同均值的總體(前后比較,如訓(xùn)練效果,治療效果)one-way anova:一元(單因素)方差分析,用于檢驗(yàn)幾個(三個或三個以上)獨(dú)立的組,是否來自均值相同的總體。
1、線性相關(guān)分析:研究兩個變量間線性關(guān)系的程度。用相關(guān)系數(shù)r來描述。
(5)、regreion(回歸分析):功能:尋求有關(guān)聯(lián)(相關(guān))的變量之間的關(guān)系在回歸過程中包括:liner:線性回歸;curve estimation:曲線估計(jì);binary logistic:二分變量邏輯回歸;multinomial logistic:多分變量邏輯回歸;ordinal 序回歸;probit:概率單位回歸;nonlinear:非線性回歸;weight estimation:加權(quán)估計(jì);2-stage least squares:二段最小平方法;optimal scaling 最優(yōu)編碼回歸;其中最常用的為前面三個。
(6)、nonparametric test:是指在總體不服從正態(tài)分布且分布情況不明時,用來檢驗(yàn)數(shù)據(jù)資料是否來自同一個總體假設(shè)的一類檢驗(yàn)方法。由于這些方法一般不涉及總體參數(shù)故得名。
以上就是數(shù)值統(tǒng)計(jì)分析analyze菜單下幾項(xiàng)用于分析的數(shù)值統(tǒng)計(jì)分析方法的簡介,在我們的變量定義以及數(shù)據(jù)錄入完成后,我們就可以根據(jù)我們的需要在以上幾種分析方法中選擇若干種對我們的問卷數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,來得到我們想要的結(jié)果。
第四步:結(jié)果保存
我們的spss軟件會把我們統(tǒng)計(jì)分析的多有結(jié)果保存在一個窗口中即結(jié)果輸出窗口(output),由于spss軟件支持復(fù)制和粘貼功能,這樣我們就可以把我們想要的結(jié)果復(fù)制﹑粘貼到我們的報告中,當(dāng)然我們也可以在菜單中執(zhí)行file-save來保存我們的結(jié)果,一般情況下,我們建議保存我們的數(shù)據(jù),結(jié)果可不保存。因?yàn)橹灰辛藬?shù)據(jù),如果我們想要結(jié)果的,我們可以隨時利用數(shù)據(jù)得到結(jié)果。
總結(jié):
以上便是spss處理問卷的四個步驟,四個步驟結(jié)束后,我們需要spss軟件做的工作基本上也就結(jié)束了,接下來的任務(wù)就是寫我們的統(tǒng)計(jì)報告了。值得一提的是。spss是一款在社會統(tǒng)計(jì)學(xué)應(yīng)用非常廣泛的統(tǒng)計(jì)類軟件,學(xué)好它將對我們以后的工作學(xué)習(xí)產(chǎn)生很大的意義和作用。
spss報告總結(jié)篇三
長春工業(yè)大學(xué)人文學(xué)院 140906班
成昊 3 實(shí)驗(yàn)報告 1
一、實(shí)驗(yàn)?zāi)康?掌握 spss 基本統(tǒng)計(jì)分析基本操作 ?二、實(shí)驗(yàn)內(nèi)容:1、根據(jù)上面得數(shù)據(jù),制作莖葉圖,并計(jì)算出均值與標(biāo)準(zhǔn)差,驗(yàn)證數(shù)據(jù)就是否服從正態(tài)分布。
2、按規(guī)定:銷售收入在 125 萬元以上為先進(jìn)企業(yè),115~125 萬元為良好企業(yè),105~115 萬元為一般企業(yè),105 萬元以下為落后企業(yè),按先進(jìn)企業(yè)、良好企業(yè)、一般企業(yè)、落后企業(yè)進(jìn)行分組,編制百分比分布統(tǒng)計(jì)表。
上限 121。01
5% 修整得平均值 115。89
中位數(shù) 115。50
變異數(shù) 238.122
標(biāo)準(zhǔn)偏差 15、431
最小值 87
最大值 150
範(fàn)圍 63
內(nèi)四分位距 21
偏斜度。233。374 峰度—、316。733 常態(tài)檢定
kolmogorov—smirnova
.983 40.800 *、這就是 true 顯著得下限。
frequency
stem &
leaf2、008、78
3.00
9。
2579、00
10.033455788
11.0011、7、00
12、0003567
5.00
13.05678
2。0014、26
1。00
15.0
stem width:
each leaf:
1 case(s)分組
四、實(shí)驗(yàn)結(jié)果分析: 1、均值為 116。08、標(biāo)準(zhǔn)差為15。431,正態(tài)分布得檢驗(yàn) k-s 值為 0.1,sig。值為0。983〉0、05,因此數(shù)據(jù)服從正態(tài)分布。
2、對40 個企業(yè)分組后先進(jìn)企業(yè)占總體比重 27、5%良好企業(yè)占總體比重27.5%一般企業(yè)占總體比重 22.5%落后企業(yè)占總體比重 22。5%先進(jìn)企業(yè)與良好企業(yè)占總體比重較大,一般企業(yè)與落后企業(yè)占總體比重較小。
實(shí)驗(yàn)報告 2 2
交叉列表 計(jì)數(shù)
總計(jì) 50 30 80 卡方測試
持續(xù)更正b
4、320 1。038
概似比 5.412 1.020
有效觀察值個數(shù) 80
a、0 資料格(0.0%)預(yù)期計(jì)數(shù)小於 5、預(yù)期得計(jì)數(shù)下限為 15.00。
b。
只針對 2x2 表格進(jìn)行計(jì)算
數(shù)值 漸近標(biāo)準(zhǔn)錯誤a
大約 tb
對廠長得滿意度 相依項(xiàng)、067、055、022d
a、未使用虛無假設(shè)。
b、正在使用具有虛無假設(shè)得漸近標(biāo)準(zhǔn)誤。
c、無法計(jì)算,因?yàn)闈u近標(biāo)準(zhǔn)誤等於零。
d、基於卡方近似值
程對差異數(shù) t df 顯著性(雙尾)平均數(shù) 標(biāo)準(zhǔn)偏差 標(biāo)準(zhǔn)錯誤平均值 95% 差異數(shù)得信賴區(qū)間 下限 上限 對組 1 方案 a—方案b—5、000 11、333 3。584-13、107 3、107-1、395 9、196 四實(shí)驗(yàn)結(jié)果分析:通過上表可以瞧出 t=-1、395,sig.=0、1960、05,所以,不能拒絕原假設(shè),方案 a 與方案 b 對平均測試得成績不存在差異。
實(shí)驗(yàn)報告 4
一、實(shí)驗(yàn)?zāi)康?掌握方差分析方法得操作 二、實(shí)驗(yàn)內(nèi)容:利用多因素方差分析方法,分析不同地區(qū)與不同日期對該商品 得銷售量就是否產(chǎn)生了顯著影響?地區(qū)與日期就是否對該商品得銷售產(chǎn)生了交互影響。
三、實(shí)驗(yàn)步驟:運(yùn)用 分析一般線性模型>單變量 進(jìn)行分析。首先進(jìn)行總體方差就是否相等得方差齊性檢驗(yàn)。
le ve e ne ’ s
錯誤共變異等式檢定a a
因變數(shù):
銷售量
f df1 df2 顯著性、508 8 18.835 檢定因變數(shù)得錯誤共變異在群組內(nèi)相等得空假設(shè)。
常態(tài)檢定
kolmogorov-smirnova
shapiro-wilk 統(tǒng)計(jì)資料 df 顯著性 統(tǒng)計(jì)資料 df 顯著性 方案 a、142 10、200*、941 10、561 方案 b、261 10、051、882 10、137 *、這就是 true 顯著得下限。
a、lilliefors 顯著更正
a。
銷售量
總計(jì) 908000000。000 27
校正後總數(shù) 96740740。741 26
a。
r平方 =。828(調(diào)整得 r平方 =.751)四、結(jié)果分析:通過上表可以瞧出,地區(qū)對應(yīng)得 f=2。08,sig、=0、154>0、05,日期對應(yīng)得 f=3.04,sig。=0。0730.05,可見,地區(qū)與日期單獨(dú)對銷售量都沒有顯著影響,地區(qū)*時間對應(yīng)得 f=19。06,sig.=0.000〈0.05,所以,地區(qū)與日期得交互作用對銷售量有影響。
實(shí)驗(yàn)報告 5 5
sig、(雙側(cè))。
。000
n 500 500 子輩文化程度 相關(guān)系數(shù)、594**
1、000 sig。(雙側(cè))、000。
n 500 500 **、在置信度(雙測)為 0.01 時,相關(guān)性就是顯著得、四實(shí)驗(yàn)結(jié)果分析:通過上表可以瞧出,kendall’s tau_b=0、594,對應(yīng)得 sig。=0。0000.05,拒絕原假設(shè),可以認(rèn)為子輩文化與父輩文化之間存在著等級相關(guān)。
實(shí)驗(yàn)報告 6
組 2 女 12.30
總數(shù)
40 1。00
a.基于 z近似值。
四實(shí)驗(yàn)結(jié)果分析:通過上表可知,40 名嬰兒中男嬰 28 名,占 70%,女嬰12 名,占30%。spss 自動計(jì)算精確概率 sig、值為 0。017,小于 0、05,拒絕原假設(shè),可以認(rèn)為這個地方出生嬰兒得性別比例與通常得男女性別比例不同,男嬰要多于女嬰。
實(shí)驗(yàn)報告 7 7
一、實(shí)驗(yàn)?zāi)康?掌握非參數(shù)檢驗(yàn)方法得操作 二、實(shí)驗(yàn)內(nèi)容:用非參數(shù)檢驗(yàn)得方法檢驗(yàn)工廠規(guī)模與信息傳遞就是否有關(guān)。
a。
沒有對結(jié)進(jìn)行修正、b。
分組變量: 廠規(guī)模 四實(shí)驗(yàn)結(jié)果分析:由上表可知,u=5,因?yàn)榫褪切颖?瞧精確概率值 sig。為 0.286,大于 0.05,不應(yīng)該拒絕原假設(shè),可以得出工廠規(guī)模與信息傳遞無關(guān)。
實(shí)驗(yàn)報告 8
檢驗(yàn)統(tǒng)計(jì)量b b
成績 n 45 中值 75.00 卡方 9、474a
df 2 漸近顯著性、009 a。
0 個單元(.0%)具有小于 5 得期望頻率。單元最小期望頻率為 6、3。
。621 卡方 27、967
df 9 漸近顯著性.001 a。
kendall 協(xié)同系數(shù) 四實(shí)驗(yàn)結(jié)果分析:通過上表可知,kendall’sw=0。621,sig、值為0.001,小于0、05,拒絕原假設(shè),可以認(rèn)為各個考官得評分具有一致性。
實(shí) 驗(yàn) 報 告
課程名稱
數(shù)據(jù)分析
實(shí)驗(yàn)名稱
均值比較與方差分析
系別 電子信息科學(xué)學(xué)院 專業(yè)班級 信息管理15級專升本
指導(dǎo)教師
學(xué)號
姓名
實(shí)驗(yàn)日期 2015年11月18日實(shí)驗(yàn)成績
一、實(shí)驗(yàn)?zāi)康?. 掌握均值比較和方差分析的原理、過程和應(yīng)用
二、實(shí)驗(yàn)環(huán)境
1. 硬件環(huán)境:微機(jī)
2. 軟件環(huán)境:
windows,spss statistics 22
三、實(shí)驗(yàn)內(nèi)容
1.中記錄了男性或女性每周上網(wǎng)瀏覽網(wǎng)頁的時間(變量wwwhr,單位小時)。用兩獨(dú)立樣本t檢驗(yàn)方法分析男性和女性在上網(wǎng)時間上是否不同。
(1)原假設(shè)
男性和女性的上網(wǎng)時間沒有顯著差異。
(2)參數(shù)設(shè)置
如圖1-1
圖1-1
② 選擇檢驗(yàn)變量“www hours per week”到【檢驗(yàn)變量(t)】框中。
③ 選擇總體標(biāo)識變量“gender”到【分組變量(g)】框中。
個不同總體的標(biāo)記值。
圖1-2
計(jì)算結(jié)果:
(4)結(jié)果及其解釋
結(jié)果:男性和女性的上網(wǎng)時間存在顯著差異。
解釋:從獨(dú)立樣本鑒定的表中可以看出f檢驗(yàn)值為15.182,對應(yīng)的概率p值為0.00<0.05,所以拒絕原假設(shè)。由于兩總體方差有顯著差異所以要看到“不采用相等變異數(shù)”這一列,其中t統(tǒng)計(jì)量的值為4.866,對應(yīng)的概率p值為0.00。如果顯著性水平α為0.05,由于概率p值小于0.05,所以認(rèn)為量總體的均值有顯著差異。并且95%置信區(qū)間不夸零,也說明了有顯著差異。
2.中記錄了受訪者父親和母親的受教育情況。試用兩配對樣本t檢驗(yàn)方法比較父親的受教育情況(變量paeduc)和母親的受教育情況(變量maeduc)是否不同。
(1)原假設(shè)
父親的受教育情況和母親的受教育情況沒有顯著差異。
(2)參數(shù)設(shè)置
圖2-1 ②選擇paduc和maduc到【成對變量(v)】框中。
結(jié)果:
圖2-2
圖2-3
圖2-4(4)結(jié)果及其解釋
結(jié)果:父親的受教育情況和母親的受教育與情況沒有顯著差異。
95%置信區(qū)間的上下限一正一負(fù),則表示兩者接近無顯著差異;
最后相對應(yīng)的概率p值0.494,如果顯著性水平α為0.05,則接受原假設(shè),所以父親的受教育情況和母親的受教育與情況無顯著差異。
3.一家關(guān)于mba報考、學(xué)習(xí)、就業(yè)指導(dǎo)的網(wǎng)站希望了解國內(nèi)mba畢業(yè)生的起薪是否與各自所學(xué)的專業(yè)相關(guān)。為此,他們在已經(jīng)從國內(nèi)商學(xué)院畢業(yè)并且獲得學(xué)位的mba學(xué)生中按照各專業(yè)分別隨機(jī)抽取了10人,調(diào)查了這些學(xué)生的起薪情況,。根據(jù)這些調(diào)查他們能否得出專業(yè)對mba起薪有影響的結(jié)論。
(1)原假設(shè)
國內(nèi)mba畢業(yè)生各自所學(xué)專業(yè)與起薪情況沒有顯著關(guān)系。
(2)參數(shù)設(shè)置 觀測變量:起薪 控制變量:專業(yè)
(3)操作步驟及計(jì)算結(jié)果 操作步驟:
①選擇菜單:
【分析(a)】→【比較均值(m)】→【單因素anova】;
②選擇觀測變量“起薪”到【因變量列表(e)】框中,如圖3-1;
④ 選擇控制變量“專業(yè)”到【因子(f)】框中,如圖3-2;
圖3-1 計(jì)算結(jié)果:
圖3-2(4)結(jié)果及其解釋
結(jié)果:國內(nèi)mba畢業(yè)生各自所學(xué)專業(yè)與起薪情況沒有顯著關(guān)系;
解釋:從圖3-2可以看出,f統(tǒng)計(jì)量的觀測值為2.459,對應(yīng)的概率p值為0.079。如果顯著性水平α為0.05,由于概率p值大于顯著性水平α,所以接受原假設(shè),認(rèn)為國內(nèi)mba畢業(yè)生各自所學(xué)專業(yè)與起薪情況沒有顯著關(guān)系。
4.一家連鎖零售店試圖對顧客的購買習(xí)慣進(jìn)行調(diào)查。記錄了顧客性別、購物方式、消費(fèi)額等信息。使用多因素方差分析方法分析顧客性別和購物方式對消費(fèi)額有何影響。
(1)原假設(shè)
不同顧客性別沒有對消費(fèi)額產(chǎn)生顯著差異;
不同購物方式對消費(fèi)額沒有顯著差異;
顧客性別和購物方式對消費(fèi)額沒有產(chǎn)生顯著的交互影響。
(2)參數(shù)設(shè)置 觀測變量:消費(fèi)額
控制變量:顧客性別,購物方式(3)操作步驟及計(jì)算結(jié)果 操作步驟:
①選擇菜單:
【分析(a)】→【一般線性模型】→【單變量(u)】;
②指定觀測變量“消費(fèi)額”到【因變量(d)】框中;
③指定固定效應(yīng)的控制變量“顧客性別”和“購物方式”到【固定因子(f)】框中,如圖4-1。
計(jì)算結(jié)果:
圖4-2
圖4-2
(4)結(jié)果及其解釋
結(jié)果:不同顧客性別對消費(fèi)額有顯著差異;
不同購物方式對消費(fèi)額沒有顯著差異;
顧客性別和購物方式對消費(fèi)額有顯著的交互影響。
解釋:從圖中可以看出fgender,fstyle,fgender*style的概率p值分別為0.000,0.140和0.017.如果顯著性水平α為0.05,由于fgender,fgender*style概率p值小于顯著性水平α,所以應(yīng)該拒絕原假設(shè),可以認(rèn)為不同顧客性別對消費(fèi)額有顯著差異,顧客性別和購物方式對消費(fèi)額有顯著的交互影響,而fstyle概率p值小于顯著性水平α,則接收原假設(shè)認(rèn)為不同購物方式對消費(fèi)額沒有顯著差異。
四、實(shí)驗(yàn)小結(jié)(心得體會、遇到問題及其解決方法)
spss實(shí)驗(yàn)報告
spss實(shí)習(xí)報告
完整實(shí)驗(yàn)報告
實(shí)驗(yàn)報告模版
實(shí)驗(yàn)報告(范文)
spss報告總結(jié)篇四
實(shí)驗(yàn) 內(nèi)容:
1 1 統(tǒng)計(jì)數(shù)據(jù)的收集與預(yù)處理 1 1.1 數(shù)據(jù)文件的編輯 1 1.1.1 數(shù)據(jù)文件的合并 數(shù)據(jù)文件的合并是把外部數(shù)據(jù)與當(dāng)前數(shù)據(jù)合并成一個新的數(shù)據(jù)文件,spss提供兩種形式的合并:一是橫向合并,指從外部數(shù)據(jù)文件中增加變量到當(dāng)前數(shù)據(jù)文件中;二是縱向合并,指從外部數(shù)據(jù)文件增加觀測數(shù)據(jù)到當(dāng)前文件中。橫向合并即增加變量,而增加變量有兩種方式:一是從外部數(shù)據(jù)文件中獲取變量數(shù)據(jù),加入當(dāng)前數(shù)據(jù)文件中;二是按關(guān)鍵變量合并,要求兩個數(shù)據(jù)文件有一個共同的關(guān)鍵變量,而且兩個數(shù)據(jù)文件的關(guān)鍵變量中還有一定數(shù)量相同值的觀測值。
表 表 1 1 描述統(tǒng)計(jì)量 產(chǎn)品 n 極小值 極大值 和 均值 標(biāo)準(zhǔn)差 彩電 數(shù)量 4 12 50 144 36.00 16.573 金額 4 38400 160000 460800 115200.00 53033.826 有效的 n(列表狀態(tài))4 空調(diào) 數(shù)量 1 3 3 3 3.00.金額 1 9600 9600 9600 9600.00.有效的 n(列表狀態(tài))1 熱水器 數(shù)量 2 11 24 35 17.50 9.192 金額 2 25300 55200 80500 40250.00 21142.493 有效的 n(列表狀態(tài))2 微波爐 數(shù)量 2 1 24 25 12.50 16.263 金額 2 2100 50400 52500 26250.00 34153.258 有效的 n(列表狀態(tài))2 洗衣機(jī) 數(shù)量 2 5 48 53 26.50 30.406 金額 2 11000 105600 116600 58300.00 66892.302 有效的 n(列表狀態(tài))2 從表 1 可以得出彩電、空調(diào)、熱水器、微波爐、洗衣機(jī)的數(shù)量、金額的極大值、極小值、和、均值標(biāo)準(zhǔn)差這四個描述性統(tǒng)計(jì)量是多少。
3 1.1.3 數(shù)據(jù)的加權(quán) spss 的觀察量加權(quán)功能是在數(shù)據(jù)文件中選擇一個變量,這個變量力的值是相應(yīng)的觀測量出現(xiàn)的次數(shù),這個變量叫做權(quán)變量,經(jīng)過加權(quán)的數(shù)據(jù)文件叫做加權(quán)文件。例 2-3 實(shí)驗(yàn)步驟:打開 →選擇數(shù)據(jù),加權(quán)個案→選擇“加權(quán)個案”,激活“頻率變量”矩形框,把“工人數(shù)”變量移入框中。選擇“分析”,描述統(tǒng)計(jì)→描述,進(jìn)行產(chǎn)品數(shù)量總和的統(tǒng)計(jì),統(tǒng)計(jì)結(jié)果如表 2 所示:可以看出產(chǎn)品數(shù)量的極大值、極小值、和、均值、標(biāo)準(zhǔn)差這四個描述性統(tǒng)計(jì)量。
表 表 2 2 描述統(tǒng)計(jì)量 n 極小值 極大值 和 均值 標(biāo)準(zhǔn)差 產(chǎn)品數(shù)量 118 20 30 2854 24.19 3.883 有效的 n(列表狀態(tài))118 1.2s spss 數(shù)據(jù)加工 1.21.1 變量的計(jì)算 例 2-4 實(shí)驗(yàn)步驟:打開 data2-4sav→選擇“轉(zhuǎn)換”,計(jì)算變量,彈出“計(jì)算變量”窗口→在“目標(biāo)變量”框中輸入目標(biāo)變量名“總分”→從左邊的變量列表窗口中選擇用于計(jì)算的變量并加入“數(shù)學(xué)表達(dá)式”框中,并乘以相應(yīng)的系數(shù)即可。
圖 圖 1 1 變量計(jì)算后的結(jié)果 圖 1 是變量計(jì)算后的結(jié)果:根據(jù)計(jì)算公式:總分=實(shí)驗(yàn)準(zhǔn)備*0.15+講解示范*0.15+實(shí)驗(yàn)指導(dǎo)*0.2+教學(xué)方法*0.15+語言文字*0.05+教學(xué)手段*0.1+課堂管理*0.2.,可以得出教師的綜合評價分。
軸;把指標(biāo)拖入“x 軸上的分群:設(shè)置顏色”虛線框中,作為復(fù)合分類變量→選擇標(biāo)題/腳注,點(diǎn)擊標(biāo)題 1,設(shè)置標(biāo)題“第一、二、三產(chǎn)業(yè)各年產(chǎn)值比較圖”→點(diǎn)擊確定按鈕。得到如圖 2:可以從圖中得到信息:自 1978 年以來,這三種產(chǎn)業(yè)的產(chǎn)值都在增加;每年第二產(chǎn)業(yè)的產(chǎn)值都是最高,第三產(chǎn)業(yè)次之,第一產(chǎn)業(yè)的產(chǎn)值最少。
圖 圖 4 4 結(jié)果圖形 從圖 4 可以得到如下信息:從 1990 年開始,特快專遞、移動電話業(yè)務(wù)呈逐年上升的趨勢,特別是特快專遞到 2006-2007 年期間,業(yè)務(wù)增長迅猛。固定電話業(yè)務(wù)在 1990-2006 期間呈上升趨勢,但 2006-2007 年期間有下降趨勢。
3 3 描述性統(tǒng)計(jì)分析 描述集中趨勢的統(tǒng)計(jì)量有均值、中位數(shù)、眾數(shù)、總和、百分位數(shù);描述離散程度的統(tǒng)計(jì)量有樣本方差、樣本標(biāo)準(zhǔn)差、均值標(biāo)準(zhǔn)誤差、極差;描述總體分布形態(tài)的統(tǒng)計(jì)量有偏度、峰度。
8 27 3.2 3.2 94.1 9 9 1.1 1.1 95.2 10 8 1.0 1.0 96.2 11 32 3.8 3.8 100.0 合計(jì) 836 100.0 100.0 表5 5 變量“ 教育 ”頻率分布表 頻率 百分比 有效百分比 累積百分比 有效 1 8 1.0 1.0 1.0 2 39 4.7 4.7 5.6 3 114 13.6 13.7 19.3 4 165 19.7 19.8 39.0 5 456 54.5 54.6 93.7 6 53 6.3 6.3 100.0 合計(jì) 835 99.9 100.0 缺失 系統(tǒng) 1.1 合計(jì) 836 100.0 圖5 5 變量“收入”的直方圖 圖 圖 6 6 變量“教育”的直方圖 表 4 變量“收入”的頻率分布標(biāo)表可以看出受訪者家庭收入在“2000-2999”的人最多。從圖 5 和圖 6,受訪者教育程度同正態(tài)分布相比左偏,受訪者家庭收入的分布右偏,都不是明顯的正態(tài)分布。
比,沒有圖形功能,也不能生成頻率表,但它可以將原始數(shù)據(jù)標(biāo)準(zhǔn)化,以便后續(xù)分析時應(yīng)用。例 4-2 實(shí)驗(yàn)步驟:打開 →依次點(diǎn)擊分析、描述統(tǒng)計(jì)、描述,打開“描述性”主對話框→把身高作為變量移入候選變量框中,在“選項(xiàng)”子對話框中選擇均值、標(biāo)準(zhǔn)差、最大值、最小值、峰度、偏度這幾個描述性性統(tǒng)計(jì)量→確定得到表 6 表6 6 描述統(tǒng)計(jì)量 n 極小值 極大值 均值 標(biāo)準(zhǔn)差 偏度 峰度 統(tǒng)計(jì)量 統(tǒng)計(jì)量 統(tǒng)計(jì)量 統(tǒng)計(jì)量 統(tǒng)計(jì)量 統(tǒng)計(jì)量 標(biāo)準(zhǔn)誤 統(tǒng)計(jì)量 標(biāo)準(zhǔn)誤 體重 96 13 30 18.23 3.007 1.163.246 1.849.488 有效的 n(列表狀態(tài))96 表 6 包括了身高的個數(shù)、極值、均值、標(biāo)準(zhǔn)差、偏度和峰度信息,輸出的統(tǒng)計(jì)量中,方差和標(biāo)準(zhǔn)差越小越好,說明該組數(shù)據(jù)趨于穩(wěn)定。
表7 7 單個樣本統(tǒng)計(jì)量 statistic bootstrapa 偏差 標(biāo)準(zhǔn) 誤差 95% 置信區(qū)間 下限 上限 weight n 10 均值 500.8000-.0810 1.6784 497.4533 504.1467 標(biāo)準(zhǔn)差 5.39135-.38267.97486 2.99815 6.95100 均值的標(biāo)準(zhǔn)誤 1.70489 表8 8 單個樣本檢驗(yàn) 檢驗(yàn)值 = 500 t df sig.(雙側(cè))均值差值 差分的 95% 置信區(qū)間 下限 上限 weight.469 9.650.80000-3.0567 4.6567 表 7 給出了單樣本 t 檢驗(yàn)的描述性統(tǒng)計(jì)量,包括樣本數(shù)(n)、均值、標(biāo)準(zhǔn)差、均值的標(biāo)準(zhǔn)誤。表 8:當(dāng)置信水平為 95%,顯著性水平為 0.05,從上表中可以看出,雙尾檢測概率 p 值為 0.650,大于 0.05,故原假設(shè)成立,也就是說,抽樣袋裝食鹽的質(zhì)量與 500 克無顯著性差異,有理由相信生產(chǎn)線工作狀態(tài)正常。
表9 9 組統(tǒng)計(jì)量 玉米品種 n 均值 標(biāo)準(zhǔn)差 均值的標(biāo)準(zhǔn)誤 單位面積產(chǎn)量 品種a 8 81.2500 11.80496 4.17368 品種b 8 75.7500 10.02497 3.54436 表 10 獨(dú)立樣本檢驗(yàn) 方差方程的 levene 檢驗(yàn) 均值方程的 t 檢驗(yàn) f sig.t df sig.(雙側(cè))均值差值 標(biāo)準(zhǔn)誤差值 差分的 95% 置信區(qū)間 下限 上限 單位面積產(chǎn)量 假設(shè)方差相等.104.752 1.004 14.332 5.50000 5.47560-6.24398 17.24398 假設(shè)方差不相等 1.004 13.642.333 5.50000 5.47560-6.27297 17.27297 根據(jù)表 10“方差方程的 levene 檢驗(yàn)”中的 sig.為 0.752,遠(yuǎn)大于設(shè)定的顯著性水平0.05,故本例兩組數(shù)據(jù)方差相等。在方差相等的情況下,獨(dú)立樣本 t檢驗(yàn)的結(jié)果應(yīng)該看上表中的“假設(shè)方差相等”一行,第 5 列為相應(yīng)的雙尾檢測概率(sig.(雙側(cè)))為 0.332,在顯著性水平為 0.05 的情況下,t 統(tǒng)計(jì)量的概率p 值大于 0.05,故不應(yīng)拒絕零假設(shè),,即認(rèn)為兩樣本的均值是相等的,在本例中,不能認(rèn)為兩種玉米品種的產(chǎn)量有顯著性差異。
5 5 方差分析 5 51.1 單因素方差分析
單因素方差分析檢驗(yàn)由單一因素影響的一個(或幾個相互獨(dú)立的)因變量,由因素各水平分組的均值之間的差異,是否具有統(tǒng)計(jì)意義,或者說它們是否來源來同一總體。例 6-1 實(shí)驗(yàn)步驟:①、方差相等的齊性檢驗(yàn):選擇菜單“分析→均值比較→單因素 anova”,打開“單因素方差分析”對話框→把豬重作為因變量,飼料品種作為控制變量→點(diǎn)擊選項(xiàng),彈出選項(xiàng)對話框,選擇“方差同質(zhì)性檢驗(yàn)”→確定得到表和表。②多重比較分析、:單擊“兩兩比較(h)按鈕,彈出兩兩比較對話框,選擇 lsd 最小顯著性差異→確定得到表 表 表 1 11 方差齊性檢驗(yàn)豬重 levene 統(tǒng)計(jì)量 df1 df2 顯著性.024 3 15.995 方差齊性檢驗(yàn)的 h 0 假設(shè)是:方差相等。從表 11 可看出相伴根據(jù) sig.=0.995a(0.05)說明應(yīng)該接受 h 0 假設(shè)(即方差相等)。故下面就用方差相等的檢驗(yàn)方法。
表 12 anova 豬重 平方和 df 均方 f 顯著性 組間 20538.698 3 6846.233 157.467.000 組內(nèi) 652.159 15 43.477 總數(shù) 21190.858 18 表 12 是幾種飼料方差分析的結(jié)果,組間平方和為 20538.698,自由度(df)為 3,均方為 6846.233;組內(nèi)平方和為 652.159,自由度為 15,均方為 43.477;f 統(tǒng)計(jì)量為 157.467。由于組間比較的相伴概率 sig.(p 值)=0.0000.05,故應(yīng)拒絕 h 0 假設(shè)(四種飼料喂豬效果無顯著差異),說明四種飼料對養(yǎng)豬的效果有顯著性差異。
3 31.05500* 4.42321.000 21.6272 40.4828 *.均值差的顯著性水平為 0.05。
表13反映出來四種飼料相互之間均存在顯著性差異,從效果來看是第4種最好,其次是第3種,第1種最差。
表 14 誤差方差等同 性的 levene 檢驗(yàn)a a 因變量:數(shù)學(xué)成績 f df1 df2 sig.2.337 2 15.131 檢驗(yàn)零假設(shè),即在所有組中因變量的誤差方差均相等。
a.設(shè)計(jì) : 截距 + group + entrance + group * entrance 表 15 主體間效應(yīng)的檢驗(yàn) 因變量:數(shù)學(xué)成績 源 iii 型平方和 df 均方 f sig.校正模型 3757.122a 5 751.424 6.040.005 截距 862.817 1 862.817 6.935.022 group 104.163 2 52.082.419.667 entrance.467 1.467.004.952 group * entrance 61.932 2 30.966.249.784 誤差 1492.878 12 124.406 總計(jì) 112898.000 18 校正的總計(jì) 5250.000 17 表 表 16 tests of between-subjects effectsdependent variable: 數(shù)學(xué)3695.190 a 3 1231.730 11.091.0011387.824 1 1387.824 12.496.0038.857 1 8.857.080.7823364.083 2 1682.041 15.146.0001554.810 14 111.058112898.000 185250.000 17sourcecorrected modelintercept入學(xué)成績組別errortotalcorrected totaltype iii sumof squares df mean square f sig.r squared =.704(adjusted r squared =.640)a.表 14 是方差的齊性檢驗(yàn)結(jié)果,由于其相伴概率值 sig.=0.1310.05,因此認(rèn)為各組的方差具有齊性。表 15 是檢驗(yàn)控制變量與協(xié)變量是否具有交互作用,從其中可看出 group 與 entrance 的交互作用項(xiàng) sig.=0.7840.05,因此認(rèn)為它們之間沒有交互作用。
可以看出入學(xué)成績的影響是不顯著的,而教學(xué)方法的影響是顯著的。
表 17 相關(guān)性 父親身高 兒子身高 父親身高 pearson 相關(guān)性 1.703* 顯著性(雙側(cè)).011平方與叉積的和 84.667 40.333 協(xié)方差 7.697 3.667 n 12 12 兒子身高 pearson 相關(guān)性.703* 1 顯著性(雙側(cè)).011 平方與叉積的和 40.333 38.917 協(xié)方差 3.667 3.538 n 12 12 *.在 0.05 水平(雙側(cè))上顯著相關(guān)。
從表17中可看出,相關(guān)系數(shù)為0.7030,說明呈正相關(guān),而相伴概率值sig.=0.0050.05,因此應(yīng)拒絕零假設(shè)(h0 :兩變量之間不具相關(guān)性),即說明兒子身高是受父親身高顯著性正影響的。
月平均氣溫 相關(guān)性.977 1.000 顯著性(雙側(cè)). 7 0 從表 18 可以看出,月降雨量、月平均日照時數(shù)和月平均濕度為控制變量,生長量與月平均氣溫關(guān)系密切,偏相關(guān)系數(shù)為 0.977,雙尾檢測的相伴概率為0.000(表示趨近于 0 的正數(shù)),明顯小于顯著性水平0.05。故應(yīng)拒絕原假設(shè),說明中山柏的生長量與氣溫間存在顯著的相關(guān)性。
7 7 回歸分析 7 71.1 一元 線性回歸分析 線性回歸假設(shè)因變量與自變量之間為線性關(guān)系,用一定的線性回歸模型來擬合因變量和自變量的數(shù)據(jù),并通過確定模型參數(shù)來得到回歸方程。根據(jù)自變量的多少,線性回歸可有不同的劃分。當(dāng)自變量只有一個時,稱為一元線性回歸,當(dāng)自變量有多個時,稱為多元線性回歸。
例 8-1 實(shí)驗(yàn)步驟:①作散點(diǎn)圖,觀察兩個變量的相關(guān)性:依次選擇菜單“圖形→舊對話框→散點(diǎn)/點(diǎn)狀→簡單分布”,并將“國內(nèi)生產(chǎn)總值”作為 x 軸,“財(cái)政收入”作為 y 軸,得到圖。②選擇菜單“分析→回歸→線性”,打開“線性回歸”對話框,將變量“財(cái)政收入”作為因變量,“國內(nèi)生產(chǎn)總值”作為自變量。③打開“統(tǒng)計(jì)量”對話框,選上“估計(jì)”和“模型擬合度”。④單擊“繪制(t)?”按鈕,打開“線性回歸:圖”對話框,選用 dependent 作為 y 軸,*zpred 為 x軸作圖。并且選擇“直方圖”和“正態(tài)概率圖” ⑤作相應(yīng)的保存選項(xiàng)設(shè)置,如預(yù)測值、殘差和距離等。
模型 非標(biāo)準(zhǔn)化系數(shù) 標(biāo)準(zhǔn)系數(shù) t sig.b 標(biāo)準(zhǔn) 誤差 試用版 1(常量)-4993.281 919.356-5.431.000 國內(nèi)生產(chǎn)總值.197.008.989 24.336.000 從表 19 中可以看出,f 統(tǒng)計(jì)量的觀測值為 592.25,顯著性概率為 0.000,即檢驗(yàn)假設(shè)“h0:回歸系數(shù) b = 0”成立的概率為 0.000,從而應(yīng)拒絕原假設(shè),說明因變量和自變量的線性關(guān)系是非常顯著的,可建立線性模型。
從表 20 中可看出,回歸模型的常數(shù)項(xiàng)為-4993.281,自變量“國內(nèi)生產(chǎn)總值”的回歸系數(shù)為 0.197。因此,可以得出回歸方程:財(cái)政收入=-4993.281 + 0.197 *國內(nèi)生產(chǎn)總值?;貧w系數(shù)的顯著性水平為 0.000,明顯小于 0.05,故應(yīng)拒絕 t檢驗(yàn)的原假設(shè),這也說明了回歸系數(shù)的顯著性,說明建立線性模型是恰當(dāng)?shù)摹?/p>
實(shí)驗(yàn)體會:
這幾周對 spss 統(tǒng)計(jì)軟件的學(xué)習(xí),使我更好的掌握了統(tǒng)計(jì)學(xué)的知識。spss 統(tǒng)計(jì)軟件為統(tǒng)計(jì)數(shù)據(jù)處理,圖表的創(chuàng)建與編輯、描述性統(tǒng)計(jì)分析、參數(shù)估計(jì)與假設(shè)檢驗(yàn)、方差分析、相關(guān)分析和回歸分析等帶來了極大的方便,相對與 excel 對數(shù)據(jù)的處理功能。操作上更加簡便,也通俗易懂。
這段時間的學(xué)習(xí),讓我對于學(xué)習(xí)態(tài)度有很大的改變。當(dāng)遇到繁瑣的問題,老師總是不厭煩給我們重新講統(tǒng)計(jì)學(xué)的知識,在 excel 為我們演示計(jì)算的每個步驟。我們?nèi)鄙俚木褪沁@種耐心和嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度,這點(diǎn)值得我們?nèi)W(xué)習(xí)。還有遇到不懂的問題,主動去書本上尋找知識,做到查漏補(bǔ)缺。
spss實(shí)驗(yàn)報告,
spss實(shí)習(xí)報告
完整實(shí)驗(yàn)報告
實(shí)驗(yàn)報告模版
實(shí)驗(yàn)報告(范文)