社会统计学实验报告模板.doc

一、实验目的通过本次实验，使我们了解SPSS软件的功能，掌握一些基本重要的操作，通过计算机对数据资料进行初步的统计分析，并能根据所学知识对分析结果做出合理、恰当的解释，从而锻炼学生的动手操作能力和理论联系实际能力，为后续课程的学习和毕业后的工作打下坚实基础。二、实验内容首先，学习SPSS数据文件的建立、编辑。通过SPSS数据编辑器或文本文件对社会调查实习中搜集到的数据资料建立SPSS数据文件，并对其中的变量和记录进行增加、删除、复制、粘贴、剪贴等基本操作。第二，学习SPSS数据文件的转换。对SPSS数据文件中的变量进行转换，包括对原有的变量值重新编码和根据已有的变量产生新变量。第三，学习描述统计，主要包括频数统计和相关分析。准确求取集中数（算数平均数、中位数、众数）和差异量数（全距、方差、标准差）。最后，学习推论统计。主要包括x2无关联性检验、均值比较。选择合适的假设检验方法并进行假设检验（t检验、x2、方差分析）。三、实验环境和器材社会工作实验室，电子计算机，window XP操作系统,SPSS软件13.0四、实验步骤（一）SPSS数据文件的建立、编辑1、建立（1）打开SPSS软件录入数据点击保存出现对话框，输入文件名保存关闭完成（2）新建文本文档在文本文档中录入数字（数字间要有空格）打开SPSS文件读取文本数据选中文件打开根据步骤完成2、编辑（1）增加：单击一横行前面的数字鼠标定位在变黑部分右击点击插入观测量完成 （2）删除：单击一横行前面的数字鼠标定位在变黑部分右击清除完成（3）复制：单击一横行前面的数字鼠标定位在变黑部分右击拷贝 把鼠标移到相应位置右击，粘贴完成（4）剪贴：单击一横行前面的数字鼠标定位在变黑部分右击剪切把鼠标移到相应位置右击，粘贴完成（二）SPSS数据文件的转换1、打开Employee data.sav。点击转换重新编码到相同变量，弹出对话框，双击Gender到String Variables里单机旧数值和新数值，弹出对话框，旧值输入m，新值输入1，然后单机添加。再旧值输入f，新值输入2点击继续点击确定。2、打开Employee data.sav。点击转换重新编码到不同变量，弹出对话框，双击Gender到String Variables里输出变量名称输入sex，标签输入性别单机旧数值和新数值，弹出对话框，旧值输入m，新值输入1，然后单机添加。再旧值输入f，新值输入2点击继续点击更改点击确定。（三）描述统计1、建立频数分布表。分析 描述统计 频数分布表 出现一个对话框，可以选择左边列表中的任何一个定序变量到右边的变量中 统计（离差、标准差、方差、极差等等） 继续 同时选择图标 直方图、柱形图、条形图等。2、交叉表。分析描述统计交叉表出现对话框把educational level和jobcat送入右边对话框点击统计点击名称按间隔下的Eta继续确定完成3、两个变量的相关分析。分析相关分析两个变量的相关分析出现对话框把jobcat和current salary送入右边的空白框点击相关系数下的person复选框单击确定（四）推论统计1、T检验（1）单一样本检验分析均值比较单一样本T检验出现对话框把current salary送入右边的对话框在下面的检验值对话框中输入20000点击确定完成（2）独立样本T检验分析均值比较独立样本T检验出现对话框把gender送入组变量，把current salary送入检验变量定义组定义组1代表f,定义组二代表m确定完成(3)配对样本样本T检验分析均值比较配对样本T检验把变量current salary和beginning salary送入空白框继续确定完成2、方差分析一维方差分析分析均值比较一维方差分析因变量列选择salary和因子jobcat选项方差齐性检验继续确定(当方差分析显著差异且齐性，选择两两比较方差相等的变量继续确定；当显示非齐性两两比较方差不相等的比较继续确定)五、实验结果 (一)数据文件的建立和编辑 建立了简单的SPSS数据文件。 (二)数据文件的转换 1.数据文件中的变量重新编码的结果为(到相同变量)：性别m变成1，f变成2 2.数据文件中的变量重新编码的结果为(到不同变量)：在雇员数据最后一列增加了一列标签为sex的数据，sex下对应的性别男为1女为2。 1、 频数统计职业种类 频数普通员工 363 技术员工 27管理人员 84合计 474从上表中我们可以看出普通员工最多，管理人员第二，技术员工最少2、相关分析性别和职业类型的相关关系 情况有效值缺失值合计数量百分比数量百分比数量百分比性别职业类型474100.0%0.0%474100.0%性别职业类型交叉表职业类型合计普通员工技术人员管理人员性别男人数1572774258百分比60.9%10.5%28.7%100.0%女人数206010216百分比95.4%.0%4.6%100.0%合计人数3632784474百分比76.6%5.7%17.7%100.0%对称测量 数值Asymp. Std. Error(a)Approx. T(b)Approx. Sig.定类定类相依系数.379 .000定距定距皮尔逊相关系数-.378.035-8.861.000(c)定序定序斯皮尔曼相关系数-.398.034-9.415.000(c)有效值474 从上表中可以看出男性从事管理工作的人员多于女性，另外技术人员匮乏，大多数人员从事的都是普通员工这一职业（二）推论统计推论统计主要是依据概率论，研究如何依据有限资料对总体性质做推断，从而使统计的功能大为扩充。推论统计主要有两个基本内容，包括参数估计和假设检验。以“雇员数据”为例1、 单一样本T检验 当前薪水单一样本T检验 检验值=30000 t自由度双尾检验显著性概率均值差异95% 差异的置信区间 低高当前薪水5.635473.000$4,419.568$2,878.40$5,960.73p值0.01，则说明实际实验值与被检验的值存在及其显著的差异，表中数据p值为0.000=0.01，说明待检验数据30000与实际当前薪水存在显著性差异。2、无关联性检验 检验性别与职业类别这两者之间是否有关联表一 合计 普通员工技术员工管理人员男1572774258女206010216 合计 3632784474表二 数值 自由度 p皮尔逊卡方检验79.277(a)20.000似然比95.46320.000线性相关分析67.46310.000样本数474 从上表中p为0.000=0.001可以看出性别与职业类别有明显差异3、方差分析职业类别与当前薪水的方差分析 平方和自由度均值平方和F显著性概率组内差异89438483925.943244719241962.972434.481.000组间差异48478011510.397471102925714.459 合计137916495436.340473 从上表中的数据p为0.000=0.001可以看出职业类别与当前薪水有明显的差异。六、讨论 根据相关的理论知识对所得到的实验结果进行解释和分析。如果所得到的实验结果和预期的结果一致，那么它可以验证什么理论？实验结果有什么意义？说明了什么问题？这些是实验报告应该讨论的。但是，不能用已知的理论或生活经验硬套在实验结果上；更不能由于所得到的实验结果与预期的结果或理论不符而随意取舍甚至修改实验结果，这时应该分析其异常的可能原因。如果本次实验失败了，应找出失败的原因及以后实验应注意的事项。不要简单地复述课本上的理论而缺乏自己主动思考的内容。描述统计和推论统计是社会统计学统计分析方法的基础。描述统计在处理两个以上变量的相互关系非常有用，推论统计针对抽样调查十分有用。频数分布表和频数分布直方图能够较为直观清晰地呈现该公司雇员的受教育年限、薪水等各个方面的数据的离散程度和集中程度，并且能够简单地进行比较。在频数分布直方图中，平滑的曲线总体上正太分布，说明该公司雇员的受教育年限和薪水是呈正常分布的。交叉列联表和相关分析是双变量的统计分析方法，双变量统计将客观事物之间的关联性展示出来，在性别工种交叉列联表中，性别和工种均是定类变量，通过这张列联表，将性别和工种的关联性显现出来，我们可以初步得出一个结论：性别和工种这两个变量之间存在一定的相关关系，女性相比男性在管理者这个职位上处于劣势地位，而在普通职员、技术操作人员和管理者的比例中，普通职员还是占了绝大多数。运用皮尔逊相关系数检验性别和工种的相关关系时，表中出现空白，说明有些比较是没有意义的。统计学中经常需要对多个变量进行分析，利用方差分析法就可以对多个总体均值是否相等进行检验。由一维方差分析表可以得出，在组内相比时，所得均值差的平方和的检验显著性概率=0.01，说明组内相比时差异非常显著，对原假设进行拒绝。另外，也可以写一些本次实验的心得以及提出一些问题或建议等。七、结论 结论不是具体实验结果的再次罗列，也不是对今后研究的展望，而是针对这一实验所能验证的概念、原则或理论的简明总结，是从实验结果中归纳出的一般性、概括性的判断，要简练、准确、严谨、客观。本次实验运用spss数据软件，通过实验内容：建立、编辑spss数据文件，转换已经建立的数据文件，学习描述统计和推论统计，可以得出一下结论：1、频数分布表的组限、全距、组距和组数都要严格确定，连续变量数列要注意上下限；2、如果所统计分析的数据成正太分布，所画的正太分布曲线的起点、终点、最高点、对称线以及陡峭程度都要通过精确的数据计算获得然后画出，曲线一定要平滑；3、呈现相关关系的两个变量在数量上存在相互依存关系,但不一定是严格的函数关系，皮尔逊相关系数是线性相关系数，说明用皮尔逊相关系数检验的两个定居变量一般都是线性相关。相关系数的取值都在-1和1之间，绝对值越大，相关程度越高，显著性差异越小；绝对值越小，相关程度越低，显著性差异就越大。【1】4、一般来讲，显著性检验概率0.05p0.1，表示两个变量差异显著；0.01p0.05，表示两个变量差异非常显著；p0