管理统计复习.doc

管理统计复习幸福感与感恩调查问卷一、分析样本结构分析-描述统计-频率直接确定，得出性别FrequencyPercentValid PercentCumulative PercentValid男性2029.029.029.0女性4971.071.0100.0Total69100.0100.069个样本中，女性占29%，男性占71%，男性占比较大。地区FrequencyPercentValid PercentCumulative PercentValid省城57.27.27.2市县1927.527.534.8集镇45.85.840.6乡村4159.459.4100.0Total69100.0100.069个样本中，7.2%的样本来自省城，27.5%的样本来自市县，5.8%来自集镇，59.4%来自乡村，可见有一半以上的样本来自乡村。学历FrequencyPercentValid PercentCumulative PercentValid初中以下2942.042.042.0高中3449.349.391.3大专45.85.897.1本科22.92.9100.0Total69100.0100.069个样本中，有42%的样本的学历为初中以下，49.3%的样本学历为高中，5.8%为大专，2.9为本科，可见受高等教育的样本数较少。分析-描述统计-描述直接确定，得出Descriptive StatisticsNMinimumMaximumMeanStd. Deviation年龄69195535.107.878Valid N (listwise)69平均年龄为35.1岁。二、计算总体幸福指数、总体感恩指数转换-计算变量按照上图进行输入，直接按确定，即可得出总体幸福指数，然后计算总体感恩指数，方法相同：按确定，然后在数据文件中就可以看到总体幸福指数和感恩指数：三、对总体幸福指数进行分组，以20分为分组界限转换-重新编码为不同变量按上图将总体幸福指数移入右框中在名称框中输入总体幸福指数分组按更改键旧值与新值按添加再再按添加就有：按继续数据文件中就有下图所示新变量“总体幸福指数分组”四、分析总体幸福状况思路：1.对变量“总体幸福指数求均值”；2.对变量“总体幸福指数分组求频数”1. 对变量“总体幸福指数求均值”：分析描述统计描述确定即可，得出：Descriptive StatisticsNMinimumMaximumMeanStd. Deviation总体幸福指数698.0027.0018.01455.32887Valid N (listwise)69分析：可以看出69个样本平均的总体幸福指数为18.01，总体幸福指数偏低。2. 对变量“总体幸福指数分组求频数”：分析描述统计频数按确定，可得出：总体幸福指数分组FrequencyPercentValid PercentCumulative PercentValid1.004058.058.058.02.002942.042.0100.0Total69100.0100.0分析：如果以20为分界线，则感到幸福的样本数为29人，占42%；感到不幸福的样本数为40人，占58%。二者占比相近，但感到不幸福的人均较多。五、分析总体感恩与总体幸福指数（定比数据）之间的相关关系，回归关系1.相关关系分析相关双变量，（二者都为定比数据，所以默认皮尔逊选项不变）按确定，可得相关系数表：Correlations总体感恩指数总体幸福指数总体感恩指数Pearson Correlation1-.016Sig. (2-tailed).898N6969总体幸福指数Pearson Correlation-.0161Sig. (2-tailed).898N6969分析：从表中可以看出二者的相关系数为-0.016，sig0.05，接受原假设，故总体感恩指数与总体幸福指数无显著性相关关系。2.回归关系（经过上一步的相关分析后我们可以知道，二者不存在相关关系，从而就不适合做回归分析，可能是因为老师改过数据了。但是为了继续演示如何操作回归分析，就接着往下做）分析回归线性回归（具体哪个为自变量与因变量，视具体情况而定，在这里我们认为是感到幸福汇导致感恩，所以自变量为“总体幸福指数”，因变量为“总体感恩指数”）按确定，得出：Model SummaryModelRR SquareAdjusted R SquareStd. Error of the Estimate1.016a.000-.0153.92836a. Predictors: (Constant), 总体幸福指数分析：R=0.16，R平方=0，这表明两个变量不存在线性相关关系，模型拟合优度极差。ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression.2571.257.017.898aResidual1033.9466715.432Total1034.20368a. Predictors: (Constant), 总体幸福指数b. Dependent Variable: 总体感恩指数分析：F=0.17，sig=0.8980.05，故接受原假设“回归系数B=0”，说明回归效果不显著CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)30.4981.67818.170.000总体幸福指数-.012.089-.016-.129.898a. Dependent Variable: 总体感恩指数分析：常数量为30.498，斜率为-0.012，因此有方程：总体感恩指数=30.498-0.012*总体幸福指数（实际上，这个回归方程是没有意义的，依然是为了演示操作，才列出这个方程。但是大家在考试中都是能够进行这些分析的，按着这些步骤即可搞定。）六、分析不同性别学生的感恩指数是否存在差异（由于性别只有男、女两个水平，而比较对象“总体感恩指数”为定比数据，所以用独立样本t检验）分析比较均值独立样本t检验然后按“定义组”，有下图分别键入1和2继续确定，可得：分析：由上表中可以看出，首先sig=0.9920,05，故接受原假设“方差齐次”，因此看第一行（方差齐次行），有sig=0.1060.05，所以接受原假设“无显著性差异”，所以男女性在总体感恩指数上无显著性差异。七、分析不同地区学生的感恩指数是否存在差异（由于地区的分类大于两个水平，且“总体感恩指数”为定比数据，故采用单因素方差分析）分析比较均值单因素ANOVA（1） 若题目没有要求“两两比较”时，就直接按确定，得出：ANOVA总体感恩指数Sum of SquaresdfMean SquareFSig.Between Groups65.818321.9391.473.230Within Groups968.3846514.898Total1034.20368分析：F=1.473，sig=0.230.05，故接受原假设“没有显著性差异”，故我们可以认为来自不同地方的样本在总体感恩指数上没有显著性差异。（2） 若提要有要求“两两比较”时，则在下图中按“选项”勾选“方差同质性检验”返回再按“两两比较”，勾选LSD和Tamhanes继续按“对比”，勾选“多项式”继续确定从而得出：Test of Homogeneity of Variances总体感恩指数Levene Statisticdf1df2Sig.563365.641分析：在方差同质性检验中，我们可以看出sig=0.6410.05，所以接受原假设“方差齐次”。Multiple ComparisonsDependent Variable:总体感恩指数(I) 地区(J) 地区Mean Difference (I-J)Std. ErrorSig.95% Confidence IntervalLower BoundUpper BoundLSD省城市县-.326321.94004.867-4.20083.5482集镇-4.550002.58925.084-9.7211.6211乡村-1.239021.82839.500-4.89062.4125市县省城.326321.94004.867-3.54824.2008集镇-4.223682.12336.051-8.4643.0170乡村-.912711.07121.397-3.05211.2266集镇省城4.550002.58925.084-.62119.7211市县4.223682.12336.051-.01708.4643乡村3.310982.02186.106-.72707.3489乡村省城1.239021.82839.500-2.41254.8906市县.912711.07121.397-1.22663.0521集镇-3.310982.02186.106-7.3489.7270Tamhane省城市县-.326322.318761.000-9.04478.3921集镇-4.550002.91018.656-15.16146.0614乡村-1.239022.12386.995-10.67788.1997市县省城.326322.318761.000-8.39219.0447集镇-4.223682.31642.568-14.20115.7537乡村-.912711.18636.972-4.28052.4551集镇省城4.550002.91018.656-6.061415.1614市县4.223682.31642.568-5.753714.2011乡村3.310982.12131.749-8.341314.9633乡村省城1.239022.12386.995-8.199710.6778市县.912711.18636.972-2.45514.2805集镇-3.310982.12131.749-14.96338.3413分析：由于方差齐次，故我们可以只看LSD的部分：我们可以看出，所有两两比较中的sig均大于0.05，故接受原假设“不存在显著性差异”，故来不同地区在总体感恩指数上不存在显著性差异。八、分析总体感恩与幸福组别（虚拟变量）之间的逻辑斯特回归关系（因变量为虚拟变量时，需要进行罗吉斯特回归）分析回归二元Logistic可得：Variables in the EquationBS.E.WalddfSig.Exp(B)Step 0Constant-.322.2441.7391.187.725Variables not in the EquationScoredfSig.Step 0Variables总体感恩指数.7331.392Overall Statistics.7331.392分析：在0.05的显著性水平下，由于sig=0.329，故变量总体感恩指数与因变量总体感恩指数分组之间的联系无统计学意义。Omnibus Tests of Model CoefficientsChi-squaredfSig.Step 1Step.7411.389Block.7411.389Model.7411.389分析：在模型系数的综合检验中，对于Enter方法，这三种检验结果相同，说明没有一个自变量具有统计学意义（实际上，这在上步中已经知道，同样为了演示分析，还是继续操作给大家看）九、对感恩指标进行因子分析分析降维因子分析再按“描述”，选择“KMO与巴特利特球形检验”选项继续按“旋转”，选择“最大方差法”继续按“得分”，勾上“保存为变量”继续按“选项”，勾上“按大小排序”继续确定，从而可得：KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.538Bartletts Test of SphericityApprox. Chi-Square67.326df15Sig.000分析：KMO值=0.538较小，但巴特利特球形检验值显著，所以适合做因子分析。Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %11.94532.41832.4181.94532.41832.4181.80430.07530.07521.55325.88358.3011.55325.88358.3011.69428.22658.3013.94015.66173.9614.73212.20586.1665.4477.44793.6136.3836.387100.000Extraction Method: Principal Component Analysis.分析：从上图中，我们可以提取两个因子，其累计方差贡献率达到58.3%，接近60%，从而提取两个因子是适合的（老师说这里损失多了，但她之前讲过接近60%就可以了）。Rotated Component MatrixaComponen