网站地图
【www.scfx8.com--述职述廉报告】
S SPSS 软件应用实验报告
长春工业大学人文学院 1４090６班
成昊 3 实验报告 １
一、实验目得:掌握 SＰSS 基本统计分析基本操作 ﻩ二、实验内容:１、根据上面得数据,制作茎叶图,并计算出均值与标准差,验证数据就是否服从正态分布。
2、按规定:销售收入在 125 万元以上为先进企业,１1５～1２5 万元为良好企业,１０５~115 万元为一般企业,1０5 万元以下为落后企业,按先进企业、良好企业、一般企业、落后企业进行分组,编制百分比分布统计表。
实验步骤;利用 分析＞描述性统计〉探索,结果如下: 描述性 統計資料
統計資料 標準錯誤 产品销售额 平均數 1１６、08 2。440 ９5％ 平均數得信賴區間 下限 １１1、１4
上限 1２1。０1
5％ 修整得平均值 1１5。89
中位數 115。5０
變異數 2３8.122
標準偏差 15、４３1
最小值 87
最大值 150
範圍 ６３
內四分位距 21
偏斜度 。23３ 。37４ 峰度 —、316 。73３ 常態檢定
Kolｍoｇoｒov—Smirnova
Sｈaｐiro—Ｗilk 統計資料 df 顯著性 統計資料 dｆ 顯著性 产品销售额 .100 ４０ 、２00*
.9８3 40 .800 *、這就是 true 顯著得下限。
a、Lilliefoｒs 顯著更正 产品销售额 Stｅm－aｎd-Leaf Ploｔ
Ｆrｅquｅncy
Stｅm &
Ｌeａｆ
2、00
8 、
78
3.00
9 。
257
9、00
１０ .
０334５578８
11.０0
11 、
7、００
1２ 、
0003５６７
５.00
13 .
０56７8
2。０0
14 、
26
1。00
1５ .
0
Ｓteｍ widtｈ:
10
Each leaf:
1 casｅ(s) 分组
次數 百分比 有效得百分比 累積百分比 有效 先进企业 11 2７、5 ２7.5 ２7。５ 良好企业 １１ ２7、5 27。5 ５5。0 一般企业 9 22.5 2２、５ 77。5 落后企业 9 2２。5 22.5 1０0、０ 總計 4０ １00、0 100.0
四、实验结果分析: 1、均值为 116。08、标准差为１5。431,正态分布得检验 K－S 值为 0.1,Siｇ。值为０。98３〉0、０5,因此数据服从正态分布。
2、对４0 个企业分组后先进企业占总体比重 27、５%良好企业占总体比重２7.5％一般企业占总体比重 22.5％落后企业占总体比重 22。5％先进企业与良好企业占总体比重较大,一般企业与落后企业占总体比重较小。
实验报告 2 2
一、实验目得:掌握列联表(定类变量与定类变量)基本操作 二、实验内容:１、A、B 车间对厂长得满意程度就是否有显著差异 2、如果有计算 τ 系数 三、实验步骤:首先建立数据库录入数据,然后运用 分析〉描述性统计〉交叉表格 进行列联表分析,做卡方检验,结果如下: 车间* * 对厂长得满意度
交叉列表 計數
对厂长得满意度 總計 满意 不满意 车间 车间A ３0 1０ 40 车间B 20 2０ ４0
總計 50 30 80 卡方測試
數值 df 漸近顯著性 (2 端) 精確顯著性(２ 端) 精確顯著性(1 端) 皮爾森 (Peａrｓoｎ) 卡方 5、３3３a
1 、021
持續更正ｂ
4、３２０ １ 。０38
概似比 5.41２ 1 .0２0
費雪 (Ｆisｈer) 確切檢定
、037 、０18 線性對線性關聯 5。26７ １ 、０2２
有效觀察值個數 8０
a、0 資料格 (0.0％) 預期計數小於 5、預期得計數下限為 15.00。
b。
只針對 ２x2 表格進行計算
四、实验结果分析:此数据为 2＊2 列联表,且 n＞40,因此用连续校正卡方检验得值 Contiｎuｉｔｙ Ｃorreｃｔion 为 4.３20,对应得 Siｇ、值为０。０３８,小于有方向性得測量
數值 漸近標準錯誤a
大約 Tb
大約 顯著性 名義變數對名義變數 Lambda (λ) 對稱 、143 、070 1、865 、062 车间 相依項 、250 、119 1、865 、062 对厂长得满意度 相依項 、000 、000 、c
、c
Goodman 及 Kruskal tau 车间 相依項 、067 、055
、022d
对厂长得满意度 相依項 、067 、055
、022d
a、未使用虛無假設。
b、正在使用具有虛無假設得漸近標準誤。
c、無法計算,因為漸近標準誤等於零。
d、基於卡方近似值
0.05,可以认为车间同厂长得满意情况就是相关得,相关得 τ 系数为０.０6７ 实验报告 ３
一、实验目得:掌握参数估计与假设检验方法得操作 二、实验内容:上面得数据就是否证明了先参加实践对提高平均测试分数得效果显著 三、实验步骤:用配对样本 t 检验,原假设为方案 A 与方案 B 对平均测试得成绩不存在差异。首先运用数据探测做正态分布检验,得到结果如下表:
通过上表可以瞧出,方案 A 与方案Ｂ得 p值均大于0。０5,表明数据均服从正态分布、满足配对样本 t 检验得前提假定条件,然后利用 分析＞比较平均值〉配对样本 t 检验 进行分析,结果如下: 成對樣本檢定
程對差異數 T df 顯著性 (雙尾) 平均數 標準偏差 標準錯誤平均值 95% 差異數得信賴區間 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 四实验结果分析:通过上表可以瞧出 t=-1、395,Sｉg.=0、196>0、05,所以,不能拒绝原假设,方案 A 与方案 B 对平均测试得成绩不存在差异。
实验报告 ４
一、实验目得:掌握方差分析方法得操作 二、实验内容:利用多因素方差分析方法,分析不同地区与不同日期对该商品 得销售量就是否产生了显著影响？地区与日期就是否对该商品得销售产生了交互影响。
三、实验步骤:运用 分析>一般线性模型＞单变量 进行分析。首先进行总体方差就是否相等得方差齐性检验。
Le ｖe e ｎｅ ’ ｓ
錯誤共變異等式檢定a a
因變數:
销售量
F ｄｆ1 dｆ2 顯著性 、508 8 1８ .83５ 檢定因變數得錯誤共變異在群組內相等得空假設。
常態檢定
Kolmogorov-Smirnova
Shapiro-Wilk 統計資料 df 顯著性 統計資料 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。
設計:截距 ＋ 地区 + 日期 ＋ 地区 ＊ 日期 通过上表可以瞧出,Siｇ。=0.835＞０。05,所以,总体方差相等,接着瞧方差分析得检验结果: 主旨間效果檢定 因變數:
销售量
來源 第 IIＩ 類平方与 df 平均值平方 F 顯著性 局部 Etａ 方形 修正得模型 80074074。074ａ
８ 100０9259.259 1０。810 、0０0 。８２8 截距 ８11２592５9。2５9 1 811２59２59、259 87６.160 .000 。98０ 地区 ３851851、8５2 ２ 192５925.９26 2。080 。15４ 、１88 日期 ５62962９、6３0 2 2８14８1４、８1５ 3.０４０ 。０73 .2５2 地区 ＊ 日期 ７０5925９２。5９3 ４ 17６48148。148 1９、06０ .000 .809 錯誤 1６666666、667 １８ 9２5９2５、9２6
總計 90８00０00０。000 27
校正後總數 967４07４0。74１ 26
a。
R 平方 = 。82８(調整得 R 平方 = .７51) 四、结果分析:通过上表可以瞧出,地区对应得 F=2。08,Siｇ、=0、154＞０、05,日期对应得 F=3.０4,Sｉg。＝0。0７３>0.0５,可见,地区与日期单独对销售量都没有显著影响,地区＊时间对应得 F＝19。０６,Ｓig.=0.０00〈０.０５,所以,地区与日期得交互作用对销售量有影响。
实验报告 5 5
一、实验目得:掌握相关分析方法得操作 二、实验内容:以下就是对五百名文化程度代际流动得抽样调查,试求父辈文化与子辈文化之间就是否有差异、三、实验步骤:Keｎｄａｌlt 相关分析。原假设为子辈文化与父辈文化之间不存在着等级相关。运用 分析＞相关＞双变量 进行分析,结果如下: 相关系数
父辈文化程度 子辈文化程度 Kｅndaｌl 得 ｔａu＿b 父辈文化程度 相关系数 １。０00 .594＊＊
Sig、(双侧) 。
。000
Ｎ 500 ５０0 子辈文化程度 相关系数 、594＊＊
1、０00 Sｉg。(双侧) 、０0０ 。
N ５00 ５00 ＊＊、在置信度(双测)为 0.01 时,相关性就是显著得、四实验结果分析:通过上表可以瞧出,Ｋendａlｌ’s taｕ_b＝0、594,对应得 Sig。＝0。000二项式 进行分析,结果如下: 二项式检验
类别 N 观察比例 检验比例 渐近显著性(双侧) 婴儿性别 组 1 男 28 。70 、5０ 。0１7ａ
组 2 女 12 .30
总数
40 １。0０
ａ.基于 Z 近似值。
四实验结果分析:通过上表可知,40 名婴儿中男婴 28 名,占 7０％,女婴１2 名,占30％。SPＳS 自动计算精确概率 Sｉg、值为 0。0１7,小于 0、０5,拒绝原假设,可以认为这个地方出生婴儿得性别比例与通常得男女性别比例不同,男婴要多于女婴。
实验报告 7 7
一、实验目得:掌握非参数检验方法得操作 二、实验内容:用非参数检验得方法检验工厂规模与信息传递就是否有关。
三、实验步骤:两独立样本得曼—惠特尼Ｕ检验。原假设为工厂规模与信息传递无关,运用 分析〉非参数检验>两个独立样本 进行分析,结果如下: 检验统计量ｂ
信息传递 Mann—Whｉtney U 5、000 Wｉlcoxｏn W １５。0００
Z -1、2４6 渐近显著性(双侧) 、213 精确显著性[2＊(单侧显著性)］ 。286a
a。
没有对结进行修正、b。
分组变量: 厂规模 四实验结果分析:由上表可知,U=５,因为就是小样本,瞧精确概率值 Sig。为 0.28６,大于 0.05,不应该拒绝原假设,可以得出工厂规模与信息传递无关。
实验报告 ８
一、实验目得:掌握非参数检验方法得操作 二、实验内容:分析三个班级成绩得中位值就是否存在显著差异、
三、实验步骤:多个独立样本得 Medｉａn 检验。原假设为三个班级成绩得中位值没有显著差异。运用 分析>非参数检验>K 个样本独立检验 进行分析,结果如下:
检验统计量b b
成绩 Ｎ 45 中值 75.00 卡方 9、474a
ｄf 2 渐近显著性 、０09 a。
0 个单元 (.0％) 具有小于 5 得期望频率。单元最小期望频率为 6、３。
ｂ.分组变量: 班级 四实验结果分析:通过上表可知,X^2＝9。474,df=２,Ｓig。值为０、015,小于 0。05,拒绝原假设,因此可以认为广告对商品促销起作用、实验报告 9 9
一、实验目得:掌握非参数检验方法得操作 二、实验内容:各考官评分得一致性如何 三、实验步骤: 多个相关样本得 Kｅndaｌｌ协同系数检验。原假设为各个考官得评分不一致,运用 分析＞非参数检验〉K 个相关样本 进行分析,结果如下: 检验统计量 N ５ Kenｄａll Ｗａ
。62１ 卡方 2７、9６7
ｄf 9 渐近显著性 .001 a。
Kendalｌ 协同系数 四实验结果分析:通过上表可知,Ｋenｄalｌ’ｓW＝0。621,Sig、值为０.001,小于0、05,拒绝原假设,可以认为各个考官得评分具有一致性。
实 验 报 告
课程名称
数据分析
实验名称
均值比较与方差分析
系别 电子信息科学学院 专业班级 信息管理15级专升本
指导教师
学号
姓名
实验日期 2015年11月18日实验成绩
一、实验目的
1． 掌握均值比较和方差分析的原理、过程和应用
2． 掌握两独立样本和两配对样本的t检验的过程和结果解释 3． 掌握单因素方差分析的分析过程和结果解释 4． 掌握多因素方差分析的分析过程和结果解释
二、实验环境
1． 硬件环境：微机
2． 软件环境：
Windows，SPSS Statistics 22
三、实验内容
1．数据文件GSS2004_Mod.sav中记录了男性或女性每周上网浏览网页的时间（变量WWWHR，单位小时）。用两独立样本t检验方法分析男性和女性在上网时间上是否不同。
（1）原假设
男性和女性的上网时间没有显著差异。
（2）参数设置
检验变量：WWW HOURS PER WEEK 分组变量：GENDER （3）操作步骤及计算结果 操作步骤：
① 选择菜单：【分析A】→【比较均值（M）】→【独立样本T检验（T）】；
如图1-1
图1-1
② 选择检验变量“WWW HOURS PER WEEK”到【检验变量（T）】框中。
③ 选择总体标识变量“GENDER”到【分组变量（G）】框中。
④点击按钮定义两总体的标示值，如图1-2。其中，【使用指定值（U）】表示分别输入对应两
个不同总体的标记值。
图1-2
计算结果：
（4）结果及其解释
结果：男性和女性的上网时间存在显著差异。
解释：从独立样本鉴定的表中可以看出F检验值为15.182，对应的概率P值为0.00＜0.05，所以拒绝原假设。由于两总体方差有显著差异所以要看到“不采用相等变异数”这一列，其中T统计量的值为4.866，对应的概率P值为0.00。如果显著性水平α为0.05，由于概率P值小于0.05，所以认为量总体的均值有显著差异。并且95%置信区间不夸零，也说明了有显著差异。
2．数据文件GSS2004_Mod.sav中记录了受访者父亲和母亲的受教育情况。试用两配对样本t检验方法比较父亲的受教育情况（变量PAEDUC）和母亲的受教育情况（变量MAEDUC）是否不同。
（1）原假设
父亲的受教育情况和母亲的受教育情况没有显著差异。
（2）参数设置
成对变量：PAEDUC， MAEDUC （3）操作步骤及计算结果 ①选择菜单：
【分析（A）】→【比较均值（M）】→【配对样本T检验（P）】，如图2-1
图2-1 ②选择PADUC和MADUC到【成对变量（V）】框中。
结果：
图2-2
图2-3
图2-4 （4）结果及其解释
结果：父亲的受教育情况和母亲的受教育与情况没有显著差异。
解释：从图2-2的平均值可以看出没有较大的差异。图2-3中对应的概率P值为.000，如果显著性水平α为0.05，则表明父亲和母亲的受教育情况有明显的线性变化，父亲和母亲的受教育情况相关性程度较强。从图2-4中可以看出，父亲与母亲的受教育情况的平均差异，仅只有0.49；
95%置信区间的上下限一正一负，则表示两者接近无显著差异；
最后相对应的概率P值0.494，如果显著性水平α为0.05，则接受原假设，所以父亲的受教育情况和母亲的受教育与情况无显著差异。
3．一家关于MBA报考、学习、就业指导的网站希望了解国内MBA毕业生的起薪是否与各自所学的专业相关。为此，他们在已经从国内商学院毕业并且获得学位的MBA学生中按照各专业分别随机抽取了10人，调查了这些学生的起薪情况，数据文件为MbaSalary.sav。根据这些调查他们能否得出专业对MBA起薪有影响的结论。
（1）原假设
国内MBA毕业生各自所学专业与起薪情况没有显著关系。
（2）参数设置 观测变量：起薪 控制变量：专业
（3）操作步骤及计算结果 操作步骤：
①选择菜单：
【分析（A）】→【比较均值（M）】→【单因素ANOVA】；
②选择观测变量“起薪”到【因变量列表（E）】框中，如图3-1；
④ 选择控制变量“专业”到【因子（F）】框中，如图3-2；
图3-1 计算结果：
图3-2 （4）结果及其解释
结果：国内MBA毕业生各自所学专业与起薪情况没有显著关系；
解释：从图3-2可以看出，F统计量的观测值为2.459，对应的概率P值为0.079。如果显著性水平α为0.05，由于概率P值大于显著性水平α，所以接受原假设，认为国内MBA毕业生各自所学专业与起薪情况没有显著关系。
4．一家连锁零售店试图对顾客的购买习惯进行调查。grocery_1month.sav记录了顾客性别、购物方式、消费额等信息。使用多因素方差分析方法分析顾客性别和购物方式对消费额有何影响。
（1）原假设
不同顾客性别没有对消费额产生显著差异；
不同购物方式对消费额没有显著差异；
顾客性别和购物方式对消费额没有产生显著的交互影响。
（2）参数设置 观测变量：消费额
控制变量：顾客性别，购物方式 （3）操作步骤及计算结果 操作步骤：
①选择菜单：
【分析（A）】→【一般线性模型】→【单变量（U）】；
②指定观测变量“消费额”到【因变量（D）】框中；
③指定固定效应的控制变量“顾客性别”和“购物方式”到【固定因子(F)】框中，如图4-1。
计算结果：
图4-2
图4-2
（4）结果及其解释
结果：不同顾客性别对消费额有显著差异；
不同购物方式对消费额没有显著差异；
顾客性别和购物方式对消费额有显著的交互影响。
解释：从图中可以看出Fgender，Fstyle，Fgender*style的概率P值分别为0.000，0.140和0.017.如果显著性水平α为0.05，由于Fgender，Fgender*style概率P值小于显著性水平α，所以应该拒绝原假设，可以认为不同顾客性别对消费额有显著差异，顾客性别和购物方式对消费额有显著的交互影响，而Fstyle概率P值小于显著性水平α，则接收原假设认为不同购物方式对消费额没有显著差异。
四、实验小结（、遇到问题及其解决方法）