spss实习报告
SPSS统计分析软件
实验报告
石河子大学经济与管理学院
经济与贸易系国际经济与贸易专业
2009级1班
雍荣
2009165106
实验一SPSS基本操作
一、实验目的
1．熟悉SPSS的菜单和窗口界面，熟悉SPSS各种参数的设置；
2．掌握SPSS的数据管理功能。
二、实验内容及步骤
（一）数据的输入和保存
1. SPSS界面
当打开SPSS后，展现在我们面前的界面如下：
请注意窗口顶部显示为“SPSS for Windows Data Editor”，表明现在所看到的是SPSS的数据管理窗口。这是一个典型的Windows软件界面，有菜单栏、工具栏。该界面和EXCEL极为相似，很多操作也与EXCEL类似，同学们可以自己试试。
2.定义变量
选择菜单Data==>Define Variable。系统弹出定义变量对话框如下：
对话框最上方为变量名，现在显示为“VAR00001”，这是系统的默认变量名；往下是变量情况描述，可以看到系统默认该变量为数值型，长度为8，有两位小数位，尚无缺失值，显示对齐方式为右对齐；第三部分为四个设置更改按钮，分别可以设定变量类型、标签、缺失值和列显示格式；第四部分实际上是用来定义变量属于数值变量、有序分类变量还是无序分类变量，现在系统默认新变量为数值变量；最下方则依次是确定、取消和帮助按钮。
假如有两组数据如下：
GROUP 1: 0.84 1.05 1.20 1.20 1.39 1.53 1.67 1.80 1.87 2.07 2.11 GROUP 2: 0.54 0.64 0.64 0.75 0.76 0.81 1.16 1.20 1.34 1.35 1.48 1.56 1.87
先来建立分组变量GROUP。请将变量名改为GROUP，然后单击OK按钮。
现在SPSS的数据管理窗口如下所示：
第一列的名称已经改为了“group”，这就是我们所定义的新变量“group”。
现在我们来建立变量X。单击第一行第二列的单元格，然后选择菜单Data==>Define Variable，同样，将变量名改为X，然后确认。此时SPSS的数据管理窗口如下所示：
3.输入数据
首先，当前单元格下移，变成了二行二列单元格，而一行二列单元格的内容则被替换成了0.84；其次，第一行的标号变黑，表明该行已输入了数据；第三，一行一列单元格因为没有输入过数据，显示为“.”，这代表该数据为缺失值。
4. 保存数据
选择菜单File==>Save，由于该数据从来没有被保存过，所以弹出Save as 对话框如下：
单击保存类型列表框，可以看到SPSS所支持的各种数据类型，有DBF、FoxPro、EXCEL、ACCESS等，这里我们仍然将其存为SPSS自己的数据格式（*.sav
文件）。在文件名框内键入Li1_1并回车，可以看到数据管理窗口左上角由Untitled变为了现在的变量名Li1_1。
（二）数据的预分析
1. 数据的简单描述
首先我们需要知道数据的基本情况，如均数、标准差等。选择分析==>描述分析==>描述菜单，系统弹出描述对话框如下：
该对话框可分为左右两大部分，左侧为所有可用的侯选变量列表，右侧为选入变量列表。我们只需要描述X，用鼠标选中X，单击中间的，变量X的标签就会移入右侧，注意这时OK按钮变黑，表明已经可以进行分析了，单击它，系统会弹出一个新的界面如下所示：
该窗口上方的名称为SPSS for Windows Viewer，即（结果）浏览窗口，整个的结构和资源管理器类似，左侧为导航栏，右侧为具体的输出结果。结果表格给出了样本数、最小值、最大值、均数和标准差这几个常用的统计量。从中可以看到，40个数据总的均数为2.2250，标准差为0.80024。
如果数据进行了分组，还可以看看分组的描述情况。这里要用到文件分割功能，请切换回数据管理窗口，选择数据==>拆分文件菜单，系统弹出文件分割对话框如下：
选择单选按钮Organize output by groups，将变量GROUP选入右侧的选入变量框，单击OK钮，此时界面不会有任何改变，但请再做一次数据描述，你就可以看到现在数据是分性别=男和性别=女两种情况在描述了！从描述可知两组的均数和标准差分别为2.2609、0.86431和2.1765、0.72761。说明在月生活费上男生的均值大于女生，而且标准差也较女生大。
2. 绘制直方图
统计指标只能给出数据的大致情况，没有直方图那样直观，我们就来画个直方图瞧瞧！选择Graphs==>Histogram，系统会弹出绘制直方图对话框如下：
将变量X选入Variable选择框内，单击OK按钮。此时结果浏览窗口内将绘制出直方图。
由以上我们可以看出，月生活费在不同校区和不同年级成正态分布，大多数集中在500~800之间，说明大学生的消费水平在500~800之间。
实验报告二
实验项目：
描述性统计分析
基本操作训练：
（一）频率过程
（二）描述过程
（三）探索过程
（四）交叉表过程
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：
（一）频率过程
频数分布表是描述性统计中最常用的方法之一，Frequencies过程就是专门为产生频数表而设计的。它不仅可以产生详细的频数表，还可以按要求给出某百分位点的数值，以及常用的条图，圆图等统计图。
和国内常用的频数表不同，几乎所有统计软件给出的均是详细频数表，即并不按某种要求确定组段数和组距，而是按照数值精确列表。如果想用频率过程得到我们所熟悉的频数表，请先用第二章学过的Recode过程产生一个新变量来代表所需的各组段。
1.界面说明
频率对话框的界面如下所示：
2. 分析实例
以我们组所做的调查问卷中的203份为例，统计结果如下：
统计量
平均每学期发出速递的次数
N 有效172
缺失31
均值 1.9709
均值的标准误.05914
标准差.77556
偏度.811
偏度的标准误.185
峰度.796
峰度的标准误.368
极小值 1.00
极大值 4.00
和339.00
百分位数 5 1.0000
95 4.0000
结果显示平均每学期发出速递的次数集中在1-3次，占了57.6%，8次以上的只有10个人，占总体的5.8%，说明同学们每学期发出速递的次数比较少。
（二）描述过程
描述过程是连续资料统计描述应用最多的一个过程，他可对变量进行描述性统计分析，计算并列出一系列相应的统计指标。这和其他过程相比并无不同。但该过程还有个特殊功能就是可将原始数据转换成标准正态评分值并以变量的形式存入数据库供以后分析。
1.界面说明
描述对话框的界面如下图所示：
2.结果解释
描述统计量有极小值、极大值、均值、标准差、偏度、峰度等，都可以通过描述
由表格的方式给出。
（三）探索过程
Explore过程可对变量进行更为深入详尽的描述性统计分析，主要用于对资料的性质、分布特点等完全不清楚时，故又称之为探索性分析。它在一般描述性统计指标的基础上，增加有关数据其他特征的文字与图形描述，如枝叶图、箱图等，显得更加详细、全面，有助于用户制定继续分析的方案。
1.界面说明
选择我们需要探索的变量，添加到因变量列表，选择需要的输出结果，单击确定按钮，得出如下结果：
首先是例行的处理记录缺失值情况报告，可见9个数据均为有效值。
描述
统计量标准误
人均总收入均值10432.23333333333400 1891.066037265019000
均值的 95% 置信区间下限6071.42723146554700
上限14793.03943520111900
5% 修整均值10173.18703703703800
中值8996.59000000000000
方差32185176.816
标准差5673.198111795057000
极小值3828.280000000000
极大值21699.020*********
范围17870.740000000000
四分位距8714.355000000000
偏度 1.001 .717
峰度.613 1.400
上表详细列出了常用的描述统计量，如果有标准误也会列出（如偏度和峰度系数）。
人均总收入 Stem-and-Leaf Plot
Frequency Stem & Leaf
1.00 0 . 3
5.00 0 . 56889
1.00 1 . 3
1.00 1 . 6
1.00 2 . 1
Stem width: 10000.00
Each leaf: 1 case(s)
以上是茎叶图，整数位为茎，小数位为叶。这样可以非常直观的看出数据的分布范围及形态，在国外非常流行。
以上是箱式图，中间的黑粗线为均数，红框为四分位间距的范围，上下两个细线为最大、最小值。
（四）交叉表分析过程
交叉表分析过程用于对计数资料和有序分类资料进行统计描述和简单的统计推断。在分析时可以产生二维至n维列联表，并计算相应的百分数指标。统计推断
）。如果安装了相应模块，则包括了我们常用的X2检验、Kappa值，分层X2（X2
M-H
还可计算n维列联表的确切概率（Fisher's Exact Test）值。
交叉表分析过程不能产生一维频数表（单变量频数表），该功能由频率描述过程实现。
1.界面说明
选择我们所需的变量做行和列变量，如下图所示。然后单击统计量、单元格、格式的按钮，分别选择需要的分析统计量。
选择我们所需的变量做行和列变量，如上图所示。
2.分析实例
还是以我们的调查问卷为例，行变量为性别，列变量为对中通速递的收费满意度，
结果如下：
203份问卷中，有188份有效，缺失了15个数据。
上表格中给出的男女生对中通速递的收费满意度的百分比都给出了，十分详细。
上表格中为卡方检验，其P值为0.174，说明性别对中通速递的收费满意度表现的没有差异，即性别不影响对其的评价。
实验三均值比较
一、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。
二、实验内容及步骤
（一）描述统计(Means过程)
实验内容：
某医师测得血红蛋白值（g%）如表3.1，试利用Means过程作基本的描述性统计分析。
1．建立数据文件。
定义4个变量：ID、Gender、Age和HB，分别表示编号、性别、年龄和血红蛋白值。
2. 选择菜单“Analyze→Compare Means→Means”,弹出“Means”对话框。在对话框左侧的变量列表中，选择变量“血红蛋白值”进入“Dependent List”
列表框，选择变量“性别”进入“Independent List”，单击“Next”按钮，选择变量“年龄”进入“Independent List”。
3．单击“Options”按钮，在弹出的“选择描述统计量”对话框中设置输出的描述统计量。
4．单击“OK”按钮，得到输出结果。
（二）单样本T检验（One-Sample T Test过程）
实验内容：
某地区10年测得16-18岁人口的平均血红蛋白值为10.25。现在抽查测量了该地区40个16-18岁人口的血红蛋白如表1，试分析该地区现在16-18岁人口的血红蛋白与10年前相比，是否有显著的差异？
实验步骤：
1．打开数据文件。
2. 选择菜单“Analyze→Compare Means→One-Sample T Test”。弹出“One-Sample T Test”对话框。
3．在对话框左侧的变量列表中选择变量“血红蛋白”进入“Test Variable(s)”框；在“Test Value”编辑框中输入过去的平均血红蛋白值10.25.
4．单击“OK”按钮，得到输出结果。
（三）双样本T检验（Independent-Samples T Test过程）
实验内容：
分别测得14例老年性慢性支气管炎病人及11例健康人的尿中17酮类固醇排出量（mg/dl）如下，试比较两组均数有无差别。
1．建立数据文件。
定义变量名：把实际观察值定义为x，再定义一个变量group来区分病人与健康人。输入原始数据，在变量group中，病人输入1，健康人输入2。
2. 选择菜单“Analyz e→Compare Means→Independent-samples T Test”项，弹出“Independent- samples T Test”对话框。从对话框左侧的变量列表中选x，进入“Test Variable(s)”框，选择变量“group”，进入“Grouping Variable”框，点击“Define Groups”钮弹出“Define Groups”定义框，在Group 1中输入1，在Group 2中输入2。
3．单击“OK”按钮，得到输出结果。
（四）成对样本T检验（Paired-Samples T Test过程）
实验内容：
某单位研究饲料中缺乏维生素E与肝中维生素A含量的关系，将大白鼠按性别、体重等配为8对，每对中两只大白鼠分别喂给正常饲料和维生素E缺乏饲料，一段时期后将之宰杀，测定其肝中维生素A含量（μmol/L）如下，问饲料中缺乏维生素E对鼠肝中维生素A含量有无影响？
实验步骤：
1．建立数据文件。
定义变量名：正常饲料组测定值为x1，维生素E缺乏饲料组测定值为x2，输入原始数据。
2．选择菜单“Analyz e→Compare Means→Paired-samples T Test”项，弹出
SPSS实验报告_线性回归_曲线估计
《数据分析实务与案例实验报告》 曲线估计 学号：2013111104000614 班级：2013 应用统计 姓名： 日期： 2 0 1 4 – 12 – 7 数学与统计学学院
一、实验目的 1. 准确理解曲线回归分析的方法原理。 2. 了解如何将本质线性关系模型转化为线性关系模型进行回归分析。 3. 熟练掌握曲线估计的SPSS 操作。 4. 掌握建立合适曲线模型的判断依据。 5. 掌握如何利用曲线回归方程进行预测。 6. 培养运用多曲线估计解决身边实际问题的能力。 二、准备知识 1. 非线性模型的基本内容 变量之间的非线性关系可以划分为 本质线性关系和本质非线性关系。所谓本质线性关系是指变量关系形式上虽然呈非线性关系，但可以通过变量转化为线性关系，并可最终进行线性回归分析，建立线性模型。本质非线性关系是指变量之间不仅形式上呈现非线性关系，而且也无法通过变量转化为线性关系，最终无法进行线性回归分析，建立线性模型。本实验针对本质线性模型进行。 下面介绍本次实验涉及到的可线性化的非线性模型，所用的变换既有自变量的变换，也有因变量的变换。 乘法模型： 123y x x x βγδαε= 其中α，β，γ，δ 都是未知参数，ε是乘积随机误差。对上式两边取自然对数得到 123ln ln ln ln ln ln y x x x αβγδε=++++
上式具有一般线性回归方程的形式，因而用多元线性回归的方法来处理。然而，必须强调指出的是，在求置信区间和做有关试验时，必须是2ln (0,)n N I εδ: ， 而不是2n N I εδ:（0，） ,因此检验之前，要先检验ln ε 是否满足这个假设。 三、实验内容 已有很多学者验证了能源消费与经济增长的因果关系，证明了能源消费是促进经济增长的原因之一。也有众多学者利用C-D 生产函数验证了劳动和资本对经济增长的影响机理。所有这些研究都极少将劳动、资本、和能源建立在一个模型中来研究三个因素对经济增长的作用方向和作用大小。 现从我国能源消费、全社会固定资产投资和就业人员的实际出发，假定生产技术水平在短期能不会发生较大变化，经济增长、全社会固定资产投资、就业人员、能源消费可以分别采用国内生产总值、全社会固定资产投资总量、就业总人数、能源消费总量进行衡量，并假定经济增长与能源消费、资本和劳动力的关系均满足C-D 生产函数。 问题中的C-D 生产函数为： Y AK L E αβγ= 式中：Y 为GDP ，衡量总产出；K 为全社会固定资产投资，衡量资本投入量；L 为就业人数，衡量劳动投入量；E 为能源消费总量，衡量能源投入量；A,α，β， γ 为未知参数。根据C-D 函数的假定，一般情形α，β，γ均在0和1之间，但当α，β，γ中有负数时，说明这种投入量的增长，反而会引起GDP 的下降，当α，β，γ中出现大于1的值时，说明这种投入量的增加会引起GDP 成倍增加，这在经济学现象中都是存在的。 以我国1985—2004年的有关数据建立了SPSS 数据集，参见
SPSS数据案例分析
SPSS数据案例分析
SPSS数据案例分析 目录 一.手机 APP 广告点击意愿的模型构建 (3) 1.1构建研究模型 (3) 1.2研究变量及定义 (4) 1.3研究假设 (4) 1.4变量操作化定义 (4) 1.5问卷设计 (5) 二．实证研究 (8) 2.1基础数据分析 (8) 2.2频数分布及相关统计量 (8) 2.3相关分析 (10) 2.4回归分析 (11) 2.5假设检验 (13)
一.手机APP 广告点击意愿的模型构建 1.1构建研究模型 我们知道效用期望、努力期望、社会影响对行为意愿会产生一定的影响，在模型中的性别、年龄、经验与自愿性等四个控制变量，通常都是作为控制变量来观察他们对采用因素与使用意向之间的关系的影响。因此，目前手机 APP 广告的使用人群年龄相对比较年轻，而且年龄特征分布高度集中，年龄在 30 岁以下的人群占到 70%以上，因此本研究考虑性别了这一变量，同时根据手机 APP 广告用户的特性，加入了手机流量作为控制变量，去观察它们对外部变量与点击意愿之间的关系是否有显著影响。 在本研究中，主要把调节变量和控制变量作为两个不同的研究变量，对于调节变量感知风险来说，它是直接影响了感知风险与手机 APP 广告点击意愿二者的关系；而控制变量性别、手机流量这些变量是对广告效用期望、APP 效用期望和社会影响与点击意愿直接的关系是否有显著影响。最后，本文根据手机APP 广告的特点对 UTAUT 模型进行扩展，构建了手机 APP 广告点击意愿的影响因素研究模型。
1.2研究变量及定义 1.3研究假设 (1) 广告效用期望、APP 效用期望、社会影响与手机 APP 点击意向的关系 H1：用户的广告效用期望与点击手机 APP 广告意愿正相关。 H2：用户的 APP 效用期望与点击手机 APP 广告意愿正相关 H3：社会影响与手机 APP 广告点击意愿正相关 （2）感知风险与点击手机 APP 广告意愿的关系 H4：感知风险与手机 APP 广告点击意愿负相关 H5：性别，手机流量对手机 APP 广告点击意愿没有显著影响 1.4变量操作化定义 广告效用期望：广告对我了解某品牌来说很有用 APP 效用期望：使用 APP 能够让我了解到多方面的信息 社会影响：身边的人都在使用手机 APP 广告，所以我也要使用 感知风险：在点击手机 APP 广告时，我担心我的个人隐私安全得不到保护 感知隐私安全重要性：确保点击手机 APP 广告是安全的，对我来说是很重
应用统计spss分析报告
应用统计spss分析报告
学生姓名：肖浩鑫学号：31407371 一、实验项目名称：实验报告（三） 二、实验目的和要求 （一）变量间关系的度量：包括绘制散点图，相关系数计算及显著性检验； （二）一元线性回归：包括一元线性回归模型及参数的最小二乘估计，回归方程的评价及显著性检验，利用回归方程进行估计和预测； （三）多元线性回归：包括多元线性回归模型及参数的最小二乘估计，回归方程的评价及显著性检验等，多重共线性问题与自变量选择，哑变量回归； 三、实验内容 1. 从某一行业中随机抽取12家企业，所得产量与生产费用的数据如下： 企业编号产量（台）生产费用（万元）企业编号产量（台）生产费用（万元） 1 40 130 7 84 165 2 42 150 8 100 170 3 50 155 9 116 167 4 5 5 140 10 125 180 5 65 150 11 130 175 6 78 154 12 140 185 （1）绘制产量与生产费用的散点图，判断二者之间的关系形态。 （2）计算产量与生产费用之间的线性相关系数，并对相关系数的显著性进行检验（），并说明二者之间的关系强度。
2. 下面是7个地区2000年的人均国内生产总值（GDP）和人均消费水平的统计数据： 地区人均GDP（元）人均消费水平（元） 北京22460 7326 辽宁11226 4490 上海34547 11546 江西4851 2396 河南5444 2208 贵州2662 1608 陕西4549 2035 （1）绘制散点图，并计算相关系数，说明二者之间的关系。 （2）人均GDP作自变量，人均消费水平作因变量，利用最小二乘法求出估计的回归方程，并解释回归系数的实际意义。 （3）计算判定系数和估计标准误差，并解释其意义。（4）检验回归方程线性关系的显著性（）（5）如果某地区的人均GDP为5000元，预测其人均消费水平。 （6）求人均GDP为5000元时，人均消费水平95%的置信区间和预测区间。 3. 随机抽取10家航空公司，对其最近一年的航班正点率和顾客投诉次数进行调查，数据如下：
spss实验报告---方差分析
实验报告 ——（方差分析） 一、实验目的 熟练使用SPSS软件进行方差分析。学会通过方差分析分析不同水平的控制变量是否对结果产生显著影响。 二、实验内容 1、某职业病防治院对31名石棉矿工中的石棉肺患者、可疑患者及非患者进行了用力肺活量（L）测定，问三组石棉矿工的用力肺活量有无差别?（自建数据集） 石棉肺患者可疑患者非患者 1.8 2.3 2.9 1.4 2.1 3.2 1.5 2.1 2.7 2.1 2.1 2.8 1.9 2.6 2.7 1.7 2.5 3.0 1.8 2.3 3.4 1.9 2.4 3.0 1.8 2.4 3.4 1.8 3.3 2.0 3.5 SPSS计算结果： 在建立数据集时定义group1为石棉肺患者，group2为可疑患者，group3为非患者。 零假设：各水平下总体方差没有显著差异。 相伴概率为0.075，大于0.05，可以认为各个组的方差是相等的，可以进行方差检验。
从上表可以看出3个组之间的相伴概率都小于显著性水平0.05，拒绝零假设，说明3个组之间都存在显著差别。 2、某汽车经销商在不同城市进行调查汽车的销售量数据分析工作，每个城市分别处于不同的区域：东部、西部和中部，而且汽车经销商在不同城市投放不同类型的广告，调查数据放置于附件中数据文件“汽车销量调查.sav”。 （1）试分析不同区域与不同广告类型是否对汽车的销量产生显著性的影响？（2）如果考虑到不同城市人均收入具有差异度时，再思考不同区域和不同广告类型对汽车销量产生的影响差异是否改变，这说明什么问题？ SPSS计算结果： （1）此为多因素方差分析 相伴概率为0.054大于0.05，可以认为各个组总体方差相等可以进行方差检验。
spss案例分析
1、某班共有28个学生，其中女生14人，男生14人，下表为某次语文测验的成绩，请用描述统计方法分析女生成绩好，还是男生成绩好。 方法一：频率分析 （1） 步骤：分析→描述统计→频率→女生成绩、男生成 绩右移→统计量设置→图表（直方图）→确定 （2） 结果： 统计量 女生成绩 男生成绩 N 有效 15 15 缺失 73 73 均值 69.9333 67.0000 中值 71.0000 72.0000 众数 76.00a 48.00a 标准差 8.91601 14.53567 方差 79.495 211.286 全距 30.00 46.00 极小值 54.00 43.00 极大值 84.00 89.00 和 1049.00 1005.00 a. 存在多个众数。显示最小值
（3）分析：由统计量表中的均值、标准差及直方图可知，女生成绩比男生成绩好。 方法二：描述统计 （1）步骤：分析→描述统计→描述→女生成绩、男生成绩右移→选项设置→确定 （2）结果： （3）分析：由描述统计量表中的均值、标准差、方差可知，女生成绩比男生成绩好。
2、某公司经理宣称他的雇员英语水平很高，现从雇员中随机随出11人参加考试，得分如下：80、81、72、60、78、65、56、79、77、87、76，请问该经理的宣称是否可信？ （1）方法：单样本T检验 H 0:u＝u ,该经理的宣称可信 H 1:u≠u ,该经理的宣称不可信 （2）步骤：①输入数据：（80，81，…76） ②分析→比较均值→单样本T检验→VAR00001右移→检验值（75） →确定 （3）结果： 单个样本统计量 N 均值标准差均值的标准 误 VAR00001 11 73.73 9.551 2.880 （4）分析：由单个样本检验表中数据知t＝0.668>0.05，所以接受H ，即该经理的宣称是可信的。
Cox回归分析—非常详细的SPSS操作介绍
患者生存状态的影响因素分析 ——生存资料的COX回归分析1、问题与数据 某研究者拟观察某新药的抗肿瘤效果，将70名肺癌患者随机分为两组，分别采用该新药和常规药物进行治疗，观察两组肺癌患者的生存情况，共随访2年。研究以死亡为结局，两种治疗方式为主要研究因素，同时考虑调整年龄和性别的影响，比较两种疗法对肺癌患者生存的影响是否有差异。变量的赋值和部分原始数据见表1和表2。 表1. 某恶性肿瘤的影响因素与赋值 表2. 两组患者的生存情况 group gender age time survival 0 1 0 22 1 0 1 1 10 1 0 1 1 64 1 0 1 1 12 1 0 1 0 17 1 1 0 0 19 1 1 1 1 4 1 1 0 1 1 2 0 1 0 0 5 0 1 1 1 27 0 2、对数据结构的分析 该研究以死亡为结局，治疗方式为主要研究因素，每个研究对象都有生存时
间（随访开始到死亡、失访或随访结束的时间），同时考虑调整年龄和性别的影响。欲了解两种疗法对肺癌患者生存的影响是否有差异，可以用Cox比例风险模型（Cox proportional-hazards model，也称为Cox回归）进行分析。 实际上，Cox回归的结局不一定是死亡，也可以是发病、妊娠、再入院等。其共同特点是，不仅考察结局是否发生，还考察结局发生的时间。 在进行Cox回归分析前，如果样本不多而变量较多，建议先通过单变量分析（KM法绘制生存曲线、Logrank检验等）考察所有自变量与因变量之间的关系，筛掉一些可能无意义的变量，再进行多因素分析，这样可以保证结果更加可靠。即使样本足够大，也不建议把所有的变量放入方程直接分析，一定要先弄清楚各个变量之间的相互关系，确定自变量进入方程的形式，这样才能有效的进行分析。 单因素分析后，应当考虑应该将哪些自变量纳入Cox回归模型。一般情况下，建议纳入的变量有：1）单因素分析差异有统计学意义的变量（此时，最好将P值放宽一些，比如0.1或0.15等，避免漏掉一些重要因素）；2）单因素分析时，没有发现差异有统计学意义，但是临床上认为与因变量关系密切的自变量。 3、SPSS分析方法 （1）数据录入SPSS
spss心理健康调查报告
湖南农业大学教育学院学生心理健康状况调查报告摘要：本文对湖南农业大学教育学院学生进行心理健康调查问卷利用spss软件提供的绘制统计表，计算集中量数、差异量数，相关分析功能等。本次调查选取了湖南农业大学教育学院教育学13级的全体学生进行调查，分析结果发现该班大多数同学存在一种或多种心理障碍，而且该班女生心理健康状况优于男生，此外学生的心理健康状况与其是否为独生子女和家庭住址有关。 关键词：大学生、心理健康 1对象与方法 研究对象 以湖南农业大学教育学院本科学生为研究对象，共发放了56份调查问卷，回收率为93%有效问卷52份有效率为100%，其中涵盖了1个学院，1个专业和1个非毕业班年级。其中男生8人，占总人数的14 %，女生48人，占总人数的86%；城镇学生7人，农村学生49人等等,如表（a、b、c）和图（a、b、c）。 研究工具 本研究主要采用问卷调查法。调查问卷有两部分组成，第一部分为大学生基本情况及职业压力调查，问卷第二部分为，《状况自评量表—SCL90》，该量表是世界上最著名的心理健康测量表之一，适合用于测查某人群中那些人可能有心理障碍、某人可能有何种心理障碍极其严重程度如何。测验由躯体化、强迫症状、人际关系敏感、抑郁、焦虑、敌对、恐怖、偏执及精神病性九个因子构成，共90个自我评定项目。测验分值越低则心里越健康。 数据分析与统计 问卷调查结果用spss11.5进行系统分析。 2结果 2.1分析与讨论 由图1总分分布直方图可知。据SCL90的评分标准可知：总分在160分为临床界限，超过160分说明测试人可能最在某种心理障碍，而从得分次数分布表和直方表可以看出最低分是104，最高分是271，数据极端分布比较少，主要集中分布在130—210分左右，整体呈正偏态分布，因此可知超过1/3的人数总分小于160即呈贡校区学生超过1/3的人没有心理障碍，而大约2/3的学生或多或少存在某种心理障碍，其中有极少数人有着严重的心理障碍。 由表2的大学生心理健康问题的检出状况可知。调查对象中，总分大于160分的有21个，而大于200分的有10个，从而可知存在心理问题的大学生占 42.3％，其中心理问题较严重的大学生占总数的 15.3％。从上表可知因子分大于3的比重最大的是抑郁约占7.4%，其次是焦虑约占 5.4%，可看出有少数人存在极严重的抑郁和焦虑症状，因此要加强对这类学生的心理辅导，还有因子分大于2的所占比重最大的是强迫症状56%，其次是人际关系敏感约占44.6%，因此大多数人存在轻微的强迫症状和人际关系敏感。 由表2大学生心理健康各因子分与常模的比较可以看出左边是大学生心理健康个因子分的标准分以及标准差，右边是本次农大教育学院学生的平均分及标准差，从表中可知农大教育学院学生的心理健康各因子的平均分都大于大学生标准分，其中高出标准分最多的是强迫症状，与标准因子分最接近的是躯体化。 由表3大学生心理健康各因子分的性别比较可知，大学生心理健康各因子分的性别比较可以看出除了人际关系敏感、恐怖、和精神病性三个因子分女生的明显高于男生的，其余的因子分男生的都高于女生的，而且男生的躯体化、强迫症状、人际关系敏感、抑郁、焦虑、敌对、偏执、精神病性的因子得分分布比较分散而恐怖、其它的因子得分分布比较集中，而女生的躯体化、强迫症状、人际关系敏感、抑郁、焦虑、敌对、偏执、精神病性的因子得分
SPSS实验报告
SPSS实验报告要求 1、为减小文字工作量，提升实验报告要求，每次上课只需要选择一个实验写报告即可，最终上交的实验报告统一命名为实验一、二……六。每个实验下面有超过二个小实验的，只需选择二个定实验报告。 2、实验报告统一使用WORD文档，建议使用宋体五号字，统一装订后，第十八周周五上午交。 3、实验报告参照以下模板
SPSS统计分析与应用 实验报告 班级：社会工作13 学号： 姓名： 学期：2015－2016学年第二学期
实验一建立与编辑数据文件 实验时间：2016-5-26 地点：实验楼2栋4楼 一、实验目的 1、理解数据文件的原理和方法； 2、 3、 二、实验内容 **************************************************************************** ******************************************************************************* ******* 三、实验步骤 1、建立数据文件 简要描述即可 ******************************************************************************* ******************************************************************************* **** 2、选择个案 简要描述即可 ******************************************************************************* ******************************************************************************* **** 四、实验结果 1、建立数据文件 **************************************************************************** ******************************************************************************* ******* 2、选择个案 ****************************************************************************
spss的数据分析报告
关于某地区361个人旅游情况统计分析报告 一、数据介绍： 本次分析的数据为某地区361个人旅游情况状况统计表，其中共包含七变量，分别是：年龄，为三类变量；性别，为二类变量（0代表女，1代表男）；收入，为一类变量；旅游花费，为一类变量；通道，为二类变量（0代表没走通道，1代表走通道）；旅游的积极性，为三类变量（0代表积极性差，1代表积极性一般，2代表积极性比较好，3代表积极性好 4代表积极性非常好）；额外收入,一类变量。通过运用spss统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析、。。。以了解该地区上述方面的综合状况，并分析个变量的分布特点及相互间的关系。 二、数据分析 1、频数分析。基本的统计分析往往从频数分析开始。通过频数分地区359个人旅游基本状 况的统计数据表，在性别、旅游的积极性不同的状况下的频数分析，从而了解该地区的男女职工数量、不同积极性况的基本分布。 首先，对该地区的男女性别分布进行频数分析，结果如下 表说明，在该地区被调查的359个人中，有198名女性，161名男性，男女比例分别为44.8%和55.2%，该公司职工男女数量差距不大，女性略多于男性。 其次对原有数据中的旅游的积极性进行频数分析，结果如下表：
其次对原有数据中的是否进通道进行频数分析，结果如下表：
表说明，在该地区被调查的359个人中，有没走通道的占81.6%，占绝大多数。 上表及其直方图说明，被调查的359个人中，对与旅游积极性差的组频数最高的，为171 人数的47.6%，其次为积极性一般和比较好的，占比例都为22.0%，积性为好的和非常好的比例比较低，分别为24人和6人，占总体的比例为6.7%和1.7%。 2、探索性数据分析 （1）交叉分析。 通过频数分析能够掌握单个变量的数据分布情况，但是在实际分析中，不仅要了解单个变量的分布特征，还要分析多个变量不同取值下的分布，掌握多个变量的联合分布特征，进而分析变量之间的相互影响和关系。就本数据而言，需要了解现工资与性别、年龄、受教育水平、起始工资、本单位工作经历、以前工作经历、职务等级的交叉分析。现以现工资与职务等级的列联表分析为例，读取数据（下面数据分析表为截取的一部分）： Count
SPSS实验报告(一)
SPSS实验报告(一)
湖南涉外经济学院 实验报告 课程名称：应用统计软件分析（SPSS） 专业班级： 姓名 学号： 指导教师： 职称：副研究员 实验日期： 2016.4.19 成绩评定指导教 师 签字 签字 日期
学生实验报告实验序号 一、实验目的及要求 实验目的 通过本次实验，使学生熟练掌握转换菜单和数据菜单的具体功能及操作，熟练应用两个菜单中的计算变量、重新编码、选择个案、个案排序、分类汇总等几个主要过程 实验要求 能够根据相关要求选用正确的过程对变量或者文件进行管理和操作，得到结果，并能对得出的结果进行解释。 二、实验描述及实验过程 实验描述一、下载数据（以下情况选一种）： （一）分地区（31个省市区）环境污染治理投资数据（2014年） 环境污染治理投资总额(亿元)，城市环境基础设施建设投资额(亿元) ，城市燃气建设投资额(亿元) ，城市集中供热建设投资额(亿元)，城市排水建设投资额(亿元)，城市园林绿化建设投资额(亿元)，城市市容环境卫生建设投资额(亿元)
工业污染源治理投资(万元) 建设项目“三同时”环保投资额(亿元) （二）分地区（31个省市区）经济发展总体数据（2014年） 国民总收入，国内生产总值，第一产业增加值，第二产业增加值，第三产业增加值，人均国内生产总值，人口总量，城镇失业率，基尼系数等 (三)各省市房地产开发2014年相关数据 投资额，房地产开发企业个数，从业人员数，收入，税金，利润，资产，负债，平均销售价格，等等。 （四）各省市科技2014年相关数据 包括GDP，研发投入，研发投入强度（研发投入/GDP），R&D研发人员，专利授权数，发明专利授权量。 （五）查找相关行业（钢铁行业、水泥行业、医药制造、工程机械、汽车制造业、旅游酒店行业、航空、电子商务企业等）上市公司2015年度数据。包括销售收入、利润、固定资产净值、总资产利润率、营业利润率、销售净利率、净资产收益率、流动比率、资产负债率、主营业务收入增长率、营收账款周转率、存货周转
SPSS线性回归分析案例
回归分析 实验内容：基于居民消费性支出与居民可支配收入的简单线性回归分析 【研究目的】 居民消费在社会经济的持续发展中有着重要的作用。影响各地区居民消费支出的因素很多，例如居民的收入水平、商品价格水平、收入分配状况、消费者偏好、家庭财产状况、消费信贷状况、消费者年龄构成、社会保障制度、风俗习惯等等。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的经济模型去研究。 【模型设定】 我们研究的对象是各地区居民消费的差异。由于各地区的城市与农村人口比例及经济结构有较大差异，现选用城镇居民消费进行比较。模型中被解释变量Y选定为“城市居民每人每年的平均消费支出”。从理论和经验分析，影响居民消费水平的最主要因素是居民的可支配收入，故可以选用“城市居民每人每年可支配收入”作为解释变量X，选取2010年截面数据。 1、实验数据 表1： (
2010年中国各地区城市居民人均年消费支出和可支配收入
} 数据来源：《中国统计年鉴》2010年 2、实验过程 作城市居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)的散点图，如图1：
表2 模型汇总b 模型… R R方调整R方标准估计的误差 1.965a.93 2.930 a.预测变量:(常量),可支配收入X（元）。 b.因变量:消费性支出Y(元) ~ 表3 相关性 消费性支出Y (元) 可支配收入X（元） Pearson相关 性消费性支出 Y(元) .965 从散点图可以看出居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)大体呈现为线性关系，所以建立如下线性模型：Y=a+bX
spss之生存分析2张文彤
第十四章活着－－Survival菜单详解（下） （医学统计之星：董伟） 上次更新日期： 13.1 Life Tables过程 13.1.1 界面说明 13.1.2 结果解释 13.2 Kaplan-Meier过程 13.2.1 界面说明 13.2.2 结果解释 13.3 Cox Regression过程 13.3.1 界面说明 13.3.2 结果解释 13.4 Cox w/Time-Dep Cov过程 13.4.1 界面说明 13.4.2 结果解释 §13.3 Cox Regression过程 上面给大家介绍的是两种生存分析方法，但它们只能研究一至两个因素对生存时间的影响，当对生存时间的影响因素有多个时，它们就无能为力了，下面我给大家介绍Cox Regression过程，这是一种专门用于生存时间的多变量分析的统计方法。 Cox Regression过程主要用于： 1、用以描述多个变量对生存时间的影响。此时可控制一个或几个因素，考察其他因素对生存时间的影响，及各因素之间的交互作用。 例13.3 40名肺癌患者的生存资料（详见胡克震主编的《医学随访统计方法》 生存时间状态生活能力评分年龄诊断到研究时间鳞癌小细胞癌腺癌疗法癌症类别4111706451001 1.00 1261606391001 1.00 11817065111001 1.00 0，1，0为小细胞癌；0，0，1为腺癌。表中的最后一个变量是我加上去的癌症类别，1为鳞癌；2为小细胞癌；3为腺癌；4为其它癌。实践表明结果与用亚变量计算一样。 13.3.1 界面说明
图9 Cox回归主对话框 【Time】框、【Status】框前文已经介绍过了，这里我就不再废话唠叨的了。Block 1 of 1右边的Next钮被激活。这个按钮用于确定不同自变量进入回归方程的方法，详见Method框的内容。用同一种方法进入回归方程的自变量在同一个Covariates框内。 【Covariates】框 选入自/协变量，即选入你认为可能对生存时间有影响的变量。 【Method】框 选择自变量进入Cox回归方程的方法，SPSS提供下面几种方法：?Enter: Covariates框内的全部变量均进入回归模型。 ?Forward: Conditional: 基于条件参数估计的向前法。 ?Forward: LR: 基于偏最大似然估计的向前法。 ?Forward: Wald: 基于Wald统计量的向前法。 ?Backward: Conditional: 基于条件参数估计的后退法。 ?Backward: LR: 基于偏最大似然估计的后退法。 ?Backward: Wald: 基于Wald统计量的后退法。 【Strata】框 定义分层因素,将生存时间按分层因素分别进行Cox回归。 【Categorical】选项 用于告诉系统，Covariates框内的变量中哪些是分类变量或字符型变量。系统默认字符型变量为分类变量，数字型变量为连续型变量。 选入自变量后，categorical钮被激活。按categorical钮，进入确定分类变量的对话框。见图10。
SPSS实验报告.pdf
专业班级：金融106姓名：周吉利1222朱宁宁1224杨程琤1212周孟杰1207实验日期：2012.3.27 浙江万里学院实验报告 课程名称：2011/2012学年第二学期统计实验 实验名称：备择实验专业班级：金融105-106姓名：叶美君1219胡志晖1206黄世杰1208崔 迦楠1175 实验日期：2012.3.29 成绩： 教师：
专业班级：金融106姓名：周吉利1222朱宁宁1224杨程琤1212周孟杰1207实验日期：2012.3.27 一、实验目的：统计分析的目的在于研究总体特征。但是，由于各种各样的原因，我们能够得到的往往只能是从总体中随机抽取的一部分观察对象，他们构成了样本，只有通过对样本的研究，我们才能对总体的实际情况作出可能的推断。因此描述性统计分析是统计分析的第一步，做好这一步是进行正确统计推断的先决条件。通过描述性统计分析可以大致了解数据的分布类型和特点、数据分布的集中趋势和离散程度，或对数据进行初步的探索性分析（包括检查数据是否有错误，对数据分布特征和规律进行初步观察）。 本试验旨在于：引到学生利用正确的统计方法对数据进行适当的整理和显示， 描述并探索出数据内在的数量规律性，掌握统计思想，培养学生学习统计学的兴趣，为继续学习推断统计方法及应用各种统计方法解决实际问题打下必要而坚实的基础。 二、实验内容: 1.表 2.7为某班级16位学生的身高数据，对其进行频数分析，并对实验报告作出说明。 表2.7 某班16位学生的身高数据 学号性别身高（cm ）学号性别身高（cm ） 1 M 170 9 M 150 2 F 17 3 10 M 157 3 F 169 11 F 177 4 M 15 5 12 M 160 5 F 174 13 F 169 6 F 178 14 M 154 7 M 156 15 F 172 8 F 171 16 F 180 三、实验过程: 1、输入某班级16位学生的身高数据。 2、然后选择分析，描述统计，频率，并选择统计量。
spss多元回归分析案例
企业管理 对居民消费率影响因素的探究 ---以湖北省为例改革开放以来,我国经济始终保持着高速增长的趋势,三十多年间综合国力得到显著增强,但我国居民消费率一直偏低,甚至一直有下降的趋势。居民消费率的偏低必然会导致我国内需的不足,进而会影响我国经济的长期健康发展。 本模型以湖北省1995年-2010年数据为例，探究各因素对居民消费率的影响及多元关系。（注：计算我国居民的消费率,用居民的人均消费除以人均GDP,得到居民的消费率）。通常来说，影响居民消费率的因素是多方面的，如:居民总收入，人均GDP，人口结构状况1（儿童抚养系数，老年抚养系数），居民消费价格指数增长率等因素。 总消费(C:亿元) 总GDP（亿元）消费率(%) 1995 1095.97 2109.38 51.96 1997 1438.12 2856.47 50.35 2000 1594.08 3545.39 44.96 2001 1767.38 3880.53 45.54 2002 1951.54 4212.82 46.32 2003 2188.05 4757.45 45.99 2004 2452.62 5633.24 43.54 2005 2785.42 6590.19 42.27 2006 3124.37 7617.47 41.02 2007 3709.69 9333.4 39.75 2008 4225.38 11328.92 37.30 1.人口年龄结构一种比较精准的描述是：儿童抚养系数(0-14岁人口与 15-64岁人口的比值)、老年抚养系数(65岁及以上人口与15-64岁人口的比值〉或总抚养系数(儿童和老年抚养系数之和)。0-14岁人口比例与65岁及以上人口比例可由《湖北省统计年鉴》查得。
SPSS生存分析报告过程
SPSS Survival(生存分析)菜单 SPSS Survival菜单包括Life Tables过程、Kaplan-Meier过程、Cox Regression过程、Cox w/Time-Dep Cov过程。这里只介绍Life Tables 过程和Kaplan-Meier过程。 Life Tables过程 Life Tables过程用于： 1、估计某生存时间的生存率。 2、绘制各种曲线如生存函数、风险函数曲线等。 3、对某一研究因素不同水平的生存时间分布进行比较，控制另一因素后对研究因素不同水平的生存时间分布进行比较，包括从总体上比较和不同水平之间进行两两比较。 一、建立数据文件 定义两个列变量： 时间变量：取名“time”，label标上“survival time(week)”。 生存状态变量：取名“status”，并赋值：0=“删失”，1=“死亡”。 二、操作过程 从菜单选择 1、Analyze==>Survival ==>Life Tables 2、Time框：选入time 3、Display Time Intervals框：在by前面的框内填入生存时间上限，本例填入20（此区间必须包括生存时间的最大值）；在by后面的框内填入生存时间的组距，本例填入5，以保证结果列出“15-”的组段。
4、Status框：选入status；击define events钮,在single value框右边的空格中输入1 5、单击Option按钮，弹出对话框： Life Table(s) 输出寿命表，系统默认 Plots: 选Survival（累积生存函数曲线） 击Continue 6、单击OK钮 附：界面说明 图1 寿命表主对话框 【Time】框 选入生存时间变量。 【Display Time Intervals】框
spss的数据分析报告
Gender Educational Level (years)N Valid 474474Missing 00关于某公司474名职工综合状况的统计分析报告 1、 数据介绍： 本次分析的数据为某公司474名职工状况统计表，其中共包含十一变量，分别是：id （职工编号），gender(性别)，bdate(出生日期)，edcu （受教育水平程度），jobcat （职务等级），salbegin （起始工 资），salary （现工资），jobtime(本单位工作经历<月>)，prevexp(以前工作经历<月>)，minority(民族类型)，age(年龄)。通过运用spss 统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析、。。。以了解该公司职工上述方面的综合状况，并分析个变量的分布特点及相互间的关系。2、 数据分析 1、 频数分析。基本的统计分析往往从频数分析开始。通过频数分析 能够了解变量的取值状况，对把握数据的分布特征非常有用。此次分析利用了某公司474名职工基本状况的统计数据表，在gender(性别)、edcu （受教育水平程度）、不同的状况下的频数分析，从而了解该公司职工的男女职工数量、受教育状况的基本分布。 Statistics 首先，对该公司的男女 性别分布进行频数分析，结果如下： Gender FrequencyPercent Valid Percent Cumulative Percent Valid Female 21645.645.645.6 Male 258 54.4 54.4 100.0 Total 474100.0100.0 上表说明，在该公司的474名职工中，有216名女性，258名男性，男女比例分别为45.6%和54.4%，该公司职工男女数量差距不大，男性略多于女性。 其次对原有数据中的受教育程度进行频数分析，结果如下表 ： Educational Level (years) Valid Cumulative
SPSS统计分析分析案例
SPSS统计分析案例 一、我国城镇居民现状 近年来,我国宏观经济形势发生了重大变化,经济发展速度加快,居民收入稳定增加,在国家连续出台住房、教育、医疗等各项改革措施和实施“刺激消费、扩大内需、拉动经济增长”经济政策的影响下,全国居民的消费支出也强劲增长,消费结构发生了显著变化,消费结构不合理现象得到了一定程度的改善。本文通过相关数据分析总结出了我国城镇居民消费呈现富裕型、娱乐教育文化服务类消费攀升的趋势特点。 二、我国居民消费结构的横向分析 第一,食品消费支出比重随收入增加呈现出明显的下降趋势,这与恩格尔定律的表述一致。但最低收入户与最高收入恩格尔系数相差太过悬殊,城镇最低收入户刚刚解决了温饱问题,而最高收入户的生活水平按照恩格尔系数的评价标准早已达到了富裕型,甚至接近最富裕型。第二,衣着消费支出比重随收入增加缓慢上升,到高收入户又有所下降,但各收入组支出比重相差不大。衣着支出比重没有更多的递增且最高收入户的支出比重有所下降,这些都符合恩格尔定律关于衣着消费的引申。随着收入的增加,衣着支出比重呈现先上升后下降的走势。事实上,在当前的价格水平和服装业的发展水平下,城镇居民的穿着是有一定限度的,而且居民对衣着的需求也不是无限膨胀的,即使收入水平继续提高,也不需要将更大的比例用于购买服饰用品了。第三,家庭设备用品及服务、交通通讯、娱乐教育文化服务和杂项商品与服务的支出比重呈逐组上升趋势,说明居民的生活水平随收入的增加而不断提高和改善。第四,医疗保健支出比重随收入水平提高呈现一种两端高、中间低的走势。这是因为医疗保健支出作为生活必须支出,不论居民生活水平高低,都要将一定比例的收入用于维持自身健康,而且由于医疗制度改革,加重了个人负担的同时,也减小了旧制度可能造成的不同行业、不同体制下居民医疗保健支出的差别,因而不同收入等级的居民在医疗保健支出比重上差别不大。第五,居住支出比重基本上呈先上升后下降的趋势,这与我国居民消费能级不断提升,住宅商品正在越来越成为城镇居民关注的热点是相吻合的,同时与恩格尔定律的引申也是一致的。可以看出,城镇居民的消费状况虽然受价格水平、消费习惯、消费环境、消费心理预期等诸多因素的影响,但归根结底仍取决于居民的收入水平,要提高城镇居民的消费支出,必须增加居民收入。因此,采取切实有效的措施增加城镇居民的可支配收入,不仅可以提高全国城镇居民的总体消费水平,促进消费结构向着更加健康、合理的方向发展,而且在启动内需,促进我国的经济发展方面有着重大的现实意义。 三、我国居民消费结构的纵向分析 进入21世纪以来,随着经济体制改革的深入,国民经济的迅速发展,我国城乡居民的消费水平显著提高,居民的各项支出显著增加。随着消费水平的提高,我国城乡居民消费从注重量的满足到追求质的提高,从以衣食消费为主的生存型到追求生活质量的享受型、发展型,消费
SPSS实验报告
第四章描述性统计分析 一、实验目的 通过计算诸如样本均值、中位数、样本方差等重要基本统计量，并辅助于SPSS提供的图形功能，能够使分析者把握数据的基本特征和数据的整体分布形态，对进一步的统计推断和数据建模工作起到重要作用。并且，通过例子学习描述性统计分析及其在SPSS中的实现，包括统计量的定义及计算、频率分析、描述性分析、探索性分析、交叉表分析和多重响应分析，能够使分析者更好的掌握基本的统计分析，即单变量频数分布的编制、基本统计量的计算以及数据的探索性分析等。 二、实验内容 1．打开数据文件data4-8.sav，完成以下统计分析。 （1）计算各科成绩的描述统计量：平均成绩、中位数、众数、标准差、方差、极差、最大值和最小值； ①解决问题的原理：描述性分析 ②实验步骤：通过“分析-描述统计-描述”，打开“描述性”对话框，根据题目所需要的统计量进行设置。 ③结果及分析： 表中分析变量“成绩”的个案数、所有个案中的极大值、极小值、均值、标准差及方差。 （2）使用Recode命令生成一个新变量“成绩段”，其值为各科成绩的分段：90～100为1，80～89为2，70～79为3，60～69为4，60分以下为5，其值标签：1—优，2—良，3—中，4—及格，5—不及格。分段以后进行频数分析，统计各分数段的人数，最后生成条形图和饼图。 ①解决问题的原理：频率分析。 ②实验步骤：通过“分析-描述统计-频率”，打开“频率”对话框，根据题目所需要的统计量进行设置。 ③结果及分析： 成绩 频率百分比有效百分比累积百分比 有效15 1 2.2 2.2 2.2 19 1 2.2 2.2 4.4 24 1 2.2 2.2 6.7 28 1 2.2 2.2 8.9 30 1 2.2 2.2 11.1 32 2 4.4 4.4 15.6 33 1 2.2 2.2 17.8 34 1 2.2 2.2 20.0 36 1 2.2 2.2 22.2 37 2 4.4 4.4 26.7 43 1 2.2 2.2 28.9 49 1 2.2 2.2 31.1 50 1 2.2 2.2 33.3 55 1 2.2 2.2 35.6
SPSS案例分析
某地区1984——2003年出口总额及其影响因素模型分析 案例简介 下表给出了某地区1984——2003年出口总额及国内生产总值、进口额、储蓄的数据资料。解释变量是国内生产总值、进口额、储蓄，被解释变量是出口总额。 年份 出口总额 （亿美元） 国内生产总值 （亿元） 进口总额 （亿美元） 储蓄 （亿元）Y X1 X2 X3 1984 580.5 7171 274.1 1214.7 1985 808.9 8964.4 422.5 1622.6 1986 1082.1 10202.2 429 2237.6 1987 1470 11962.5 432.2 3073.3 1988 1766.7 14928.3 525.8 3801.5 1989 1956 16909.2 591.4 5146.9 1990 2985.8 18547.9 533.5 7119.8 1991 3827.1 21617.8 637.9 9241.6 1992 4676.3 26638.1 805.9 11759.4 1993 5284.8 34634.4 1039.6 15023.5 1994 10421.8 46759.4 1156.1 21518.8 1995 12451.8 58478.1 1320.8 29662.3 1996 12576.4 67884.6 1388.3 38520.8 1997 15160.7 74462.6 1423.7 46279.8 1998 15223.6 78345.2 1402.4 53407.5 1999 16159.8 82067.5 1657 59621.8 2000 20634.4 89468.1 2250.9 64332.4 2001 22024.4 97314.8 2435.5 73762.4 2002 26947.9 105172.3 2951.7 86910.6 2003 36287.9 117251.9 4127.6 103617.7 说明：数据来自计量经济学实验课本《计量经济学软件——Eviews的使用》第135页，数据经作者整理，有删减。 模型设置： Y=b0+b1X1+b2X2+b3X3 Y——出口总额（亿美元） X1——国内生产总值（亿元） X2——进口总额（亿美元） X3——储蓄（亿元） 一、相关分析，检验是否具有相关性