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)
