spss实验报告 《统计分析与SPSS的应用》 学院〔系〕 专业名称 班姓学级 名 号 实习地点 起止时间 2022年 5月至 2022 年 7月 试验内容：1统计数据的收集与预处理1.1数据文件的编辑 1.1.1数据文件的合并数据文件的合并是把外部数据与当前数据合并成一个新的数据文件，SPSS供应两种形式的合并：一是横向合并，指从外部数据文件中增加变量到当前数据文件中；二是纵向合并，指从外部数据文件增加观测数据到当前文件中横向合并即增加变量，而增加变量有两种方式：一是从外部数据文件中获得变量数据，参加当前数据文件中；二是按关键变量合并，要求两个数据文件有一个共同的关键变量，而且两个数据文件的关键变量中还有必须数量一样值的观测值 1.1.2数据文件的拆分拆分并不是要把数据文件分成几个，而是依据实际状况，依据变量对数据进展分组，为以后的分组统计供应便利例2-2试验步骤：翻开data2-2.sav→点击菜单栏的数据，拆分文件，弹出“分割文件”→遵照产品类型拆分数据，选择“比拟组”，激活“分组方式”栏。
选中“产品”变量移入其中，单击“确定”按钮完毕点击菜单“分析→描述性统计→描述?”，弹出“描述性”对话框，选择变量“金额”，“数量”进展分析，单击“选择”按钮设置要计算的统计量，统计金额和数量的和，设置好后单击确定按钮，得到表1所示的统计量：表1描述统计量 产品 彩电 数量 金额 空调 数量 金额 热水器 数量 金额 微波炉 数量 金额 洗衣机 数量 金额 N 4 4 1 1 2 2 2 2 2 2 微小值 极大值 12 3 9600 11 1 5 50 3 9600 24 24 48 和 144 3 9600 35 25 53 均值 36.00 3.00 9600.00 17.50 12.50 26.50 标准差 16.573 . . 9.192 16.263 30.406 38400 160000 460800 115200.00 53033.826 有效的 N 〔列表状态〕 4 有效的 N 〔列表状态〕 1 25300 55200 80500 40250.00 21142.493 有效的 N 〔列表状态〕 2 2101 50400 52500 26250.00 34153.258 有效的 N 〔列表状态〕 2 11010 105600 116600 58300.00 66892.302 有效的 N 〔列表状态〕 2 从表1可以得出彩电、空调、热水器、微波炉、洗衣机的数量、金额的极大值、微小值、和、均值标准差这四个描述性统计量是多少。
1.1.3数据的加权SPSS的视察量加权功能是在数据文件中选择一个变量，这个变量力的值是相应的观测量出现的次数，这个变量叫做权变量，经过加权的数据文件叫做加权文件例2-3试验步骤：翻开data2-3.sav→选择数据，加权个案→选择“加权个案”，激活“频率变量”矩形框，把“工人数”变量移入框中选择“分析”，描述统计→描述，进展产品数量总和的统计，统计结果如表2所示：可以看出产品数量的极大值、微小值、和、均值、标准差这四个描述性统计量表2描述统计量 产品数量 有效的 N 〔列表状态〕 N 118 118 微小值 20 极大值 30 和 2854 均值 24.19 标准差 3.883 1.2SPSS数据加工 1.2.1变量的计算例2-4试验步骤：翻开data2-4sav→选择“转换”，计算变量，弹出“计算变量”窗口→在“目标变量”框中输入目标变量名“总分”→从左边的变量列表窗口中选择用于计算的变量并参加“数学表达式”框中，并乘以相应的系数即可 图1变量计算后的结果图1是变量计算后的结果：依据计算公式：总分=试验打算*0.15+讲解示范*0.15+试验指导*0.2+教学方法*0.15+语言文字*0.05+教学手段*0.1+课堂管理*0.2.，可以得出老师的综合评价分。
2图表的创立与编辑2.1运用图表构建程序创立运用图表构建程序创立图表，是SPSS此时此刻推崇的主要操作方式，该方式运用预览模式通过图库或根本元素设计图表，让用户所见所得，可以提高创立图形的效率，削减一些不行预见的错误例3-1试验步骤：翻开data3-1.sav→选择菜单：“图形”，图表构建程序，弹出“图表构建程序”对话框→选择“库”选项卡，点击“条〔B〕”中其次项“群集条形图”图标→把年份拖入“是否为X轴”虚线框中作为条形图的X轴；把指标值“是否为Y轴”虚线框，作为条形图的Y 轴；把指标拖入“X轴上的分群：设置颜色”虚线框中，作为复合分类变量→选择标题/脚注，点击标题1，设置标题“第一、二、三产业各年产值比拟图”→点击确定按钮得到如图2：可以从图中得到信息：自1978年以来，这三种产业的产值都在增加；每年其次产业的产值都是最高，第三产业次之，第一产业的产值最少 图2第一、二、三产业各年产值比拟图2.2运用图形画板模板选择程序创立翻开data3-1.sav→选择菜单：图形，点击“图形画板模板选择程序”→在“根本”选项卡中，同时选中年份和指标值进展可视化表示，在摘要中选择“均值”→在“具体”选项卡中，X轴设置为“年份”，Y轴设置为“指标值”，面板横跨中选择“指标”→单击确定按钮，如图3： 图3可视化输出图形结果2.3运用旧对话框创立和前面两种创立图形方式相比，旧对话框方式缺少敏捷性和直观性，但可以对生成的图形进一步编辑。
例3-2试验步骤：翻开data3-2.sav→选择“图形”，旧对话框，线图中的多线线图→单击“定义”，在弹出的对话框中，指标值放入“变量〔V〕”中，“年份”放入“类别轴〔X〕，“指标分类”放入“定义线的方式〔D〕→确定，得到图4： 图4结果图形从图4可以得到如下信息：从11010年起先，特快专递、移动业务呈逐年上升的趋势，特殊是特快专递到2006-2007年期间，业务增长迅猛固定业务在11010-2006期间呈上升趋势，但2006-2007年期间有下降趋势3描述性统计分析描述集中趋势的统计量有均值、中位数、众数、总和、百分位数；描述离散程度的统计量有样本方差、样本标准差、均值标准误差、极差；描述总体分布形态的统计量有偏度、峰度3.1频率分析例4-1试验步骤：翻开data4-1.sav→选择菜单，“分析-描述性统计-频率→在弹出的“频率”对话框中，把收入、教育放入“变量〔V〕”框中→点击统计量，在百分位值中选择百分位数，在百分位数中添加30、60、90；集中趋势中选择“众数”统计量，点击接着→点击图表，选中直方图，同时选中“在直方图上显示正太曲线”，点击接着→确定得到以下列图表：表3统计量 N 众数 百分位数30 60 90 有效0 1 2 3 4 5 6 7频率 2 87 152 157 137 88 85 52百分比 .2 10.4 18.2 18.8 16.4 10.5 10.2 6.2有效 缺失收入 836 0 3 3.00 4.00 7.00有效百分比.2 10.4 18.2 18.8 16.4 10.5 10.2 6.2教育 835 1 5 4.00 5.00 5.00 累积百分比.2 10.6 28.8 47.6 64.0 74.5 84.7 90.9表4变量“收入”的频率分布标表 8 9 10 11 合计27 9 8 32 8363.2 1.1 1.0 3.8 101.03.2 1.1 1.0 3.8 101.094.1 95.2 96.2 101.0 表5变量“教育”频率分布表 有效1 2 3 4 5 6 合计缺失系统 合计频率 8 39 114 165 456 53 835 1 836百分比 1.0 4.7 13.6 19.7 54.5 6.3 101.9 .1 101.0 有效百分比1.0 4.7 13.7 19.8 54.6 6.3 101.0累积百分比1.0 5.6 19.3 39.0 93.7 101.0 图5变量“收入”的直方图 图6变量“教育”的直方图表4变量“收入”的频率分布标表可以看出受访者家庭收入在“2000-21019”的人最多。
从图5和图6，受访者教育程度同正态分布相比左偏，受访者家庭收入的分布右偏，都不是明显的正态分布 3.2描述性分析描述性分析主要是用于计算并输出变量的各类描述性统计量，和频率分析相 比，没有图形功能，也不能生成频率表，但它可以将原始数据标准化，以便后续分析时应用例4-2试验步骤：翻开data4-2.sav→依次点击分析、描述统计、描述，翻开“描述性”主对话框→把身高作为变量移入候选变量框中，在“选项”子对话框中选择均值、标准差、最大值、最小值、峰度、偏度这几个描述性性统计量→确定得到表6表6描述统计量 微小 N 统计量 体重 有效的 N 〔列表状态〕 96 96 值 统计量 13 极大值 统计量 30 均值 统计量 标准差 统计量 偏度 统计量 标准误 峰度 统计量 标准误 18.23 3.007 1.163 .246 1.849 .488 表6包括了身高的个数、极值、均值、标准差、偏度和峰度信息，输出的统计量中，方差和标准差越小越好，说明该组数据趋于稳定4参数估计与假设检验4.1单样本T检验单样本T检验利用来自某总体的样本数据，推断该总体的均值与指定的检验值之间是否存在显著性差异，它是对总体均值的假设检验。
例5-2的试验步骤：翻开data5-1.sve→选择菜单“分析→比拟均值→单样本T检验〔S〕”，翻开 “单样本T检验” 对话框，将变量“weight”移入”检验变量”列表框,并输入检验值500→翻开“单样本T检验：选项”对话框 ,设置置信区间为95%(缺省为95%)→确定运行结果如表7和表8所示：表7单个样本统计量 Bootstrap Statistic weight N 均值 标准差 均值的标准误 10 500.8000 5.39135 1.70489 偏差 -.0810 -.38267 标准 误差 1.6784 .97486 95% 置信区间 下限 497.4533 2.101815 上限 504.1467 6.95101 a表8单个样本检验 检验值 = 500 t weight .469 df 9 Sig.(双侧) 均值差值 .650 .80000 差分的 95% 置信区间 下限 -3.0567 上限 4.6567 表7给出了单样本T检验的描述性统计量，包括样本数〔N〕、均值、标准差、 均值的标准误。
表8：当置信水平为95%，显著性水平为0.05，从上表中可以看出，双尾检测概率P值为0.650，大于0.05，故原假设成立，也就是说，抽样袋装食盐的质量与500克无显著性差异，有理由坚信生产线工作状态正常 4.2独立样本T检验单样本T检验是检验样本均值和总体均值是否有显著性差异，而两独立样本T检验的目的是利用来自某两个总体的独立样本，推断两个总体的均值是否存在显著差异例5-3试验步骤：翻开data5-2.sav→选择菜单 “选择→比拟均值→独立样本T检验”，翻开“独立样本T检验”对话框，将“产量” 作为要进展T检验的变量，将“品种”字段作为分组变量，定义分组变量的两个分组分别为。