吉林财经大学《SPSS统计软件应用》实验报告.doc

吉林财经大学2014-2015学年第一学期SPSS统计软件应用期末综合实验学分：2学分1234567内容选题与数据处理（20分）方法一（20分）方法二（20分）方法三（20分）整体行文（20分）总分得分院别：亚泰工商管理学院专业班级： 物流管理1112学号：0804111236姓名：朱俊辉一、 实验项目运用分组数据资料频数分析，单因素方差分析，相关回归分析等方法对我国2010年到2012年各规模以上港口的吞吐量进行分析。二、 实验数据本次实验参考数据是2010年、2011年、2012年我国主要规模以上港口吞吐量，数据源自于2013年统计年鉴，其具体数据如下表：表1 我国主要规模以上港口城市吞吐量及经济生产总值 单位：万吨港口2010年2011年2012年总计548358616292665245大连313993369137426营口225792608530107秦皇岛262972877027099天津413254533847697烟台150331802920298青岛350123723040690日照225972526028098上海563206243263740连云港127391562717367宁波-舟山633006939374401福州7125821811410厦门127281565417227深圳220982232522807广州410954314943517湛江136381553917092海口570065497217八所8939971095其他港口118480142007157956数据来源：中国国家统计局三、 实验目的港口货运是国际物流产业的重要组成部分，港口货运吞吐量是反映区域海运物流的重要指标。港口货物吞吐量指经由水路进、出港区范围，并经过装卸的货物数量。按货物流向分为进港吞吐量和出港吞吐量，按货物的贸易性质分为内贸和外贸吞吐量。货物类别根据现行的交通行业运输货物分类和代码标准分类。选取沿海规模以上港口货物吞吐量当期值数据（2010年-2012年）。借鉴已有数据，建立统计分析模型，进行检验和修正，以分析经济生产总值和港口货运吞吐量之间的关系，基于此对未来港口货运吞吐量的相关关系进行判断，为相关决策人员提供决策依据。通过本次实验学会利用SPSS软件中的描述统计，方差分析、相关与回归的只是。对收集到的数据进行处理。并对结果能进行解读。同时提高本软件在企业经营管理活动中的应用。四、 实验步骤与实验结果（一）描述统计：频数分析利用描述统计中学到的频数分析方法对2012年各省市自治区的数据进行分析。1.对资料进行分组表2 2012年我国主要规模以上港口城市吞吐量分组情况表X频率百分比有效百分比累积百分比有效0-12000317.617.617.612000-32000847.147.164.732000-52000423.523.588.252000以上211.811.8100.0合计17100.0100.0从上表可知，数据分成了4组，各组频数不同，同时给出了各组的频率。2.分组数据频数分析表3 描述统计量表N有效17缺失0均值29840.47均值的标准误4744.247中值27099.00a众数1095b标准差19561.030方差382633889.640偏度0.838偏度的标准误0.550峰度0.426峰度的标准误1.063全距73306极小值1095极大值74401和507288由上表可知：样本总数为15个，说明总共分析的港口城市数量为15。均值为29840.47，中位数为27099，标准差为19561.03，方差为382633889.64，偏度系数为0. 8380，故数据呈现出右偏态，即右偏分布，此时数据位于均值右边的比位于左边的少。说明港口货物吞吐量和经济生产总值之间可能存在正比例关系。峰度系数为-0. 4260说明，数据的分布比正态分布平缓。全距73306。图1 港口吞吐量直方图 从上图可知，数据呈现出右偏分布，平均港口吞吐量为30000，数据总量为15。（二）方差分析利用方差分析的方法，对2010、2011、2012三个年份下各港口吞吐量进行处理，分析他们的差异性。提出原假设：H0：各地区吞吐量无显著差别；H1：各地区吞吐量有显著差别表4 方差齐性检验Levene 统计量df1df2显著性2012年0.5243130.6742011年0.9773130.4342010年2.5223130.103由表4可知，2012年t值为0.524，两个自由度分别为3和13，双侧检验概率为0.674，所以不能拒绝方差齐次的假设。2011年t值为0.977，两个自由度分别为3和13，双侧检验概率为0.434，所以不能拒绝方差齐次的假设。2010年t值为2.522，两个自由度分别为3和13，双侧检验概率为0.103，所以不能拒绝方差齐次的假设。 表5 ANOVA单因素方差分析表平方和df均方F显著性2012年组间5755846077.86031918615359.28768.092.000组内366296156.3751328176627.413总数6122142234.235162011年组间5390489872.42931796829957.47668.545.000组内340779706.0421326213823.542总数5731269578.471162010年组间4611810567.65031537270189.21761.372.000组内325626903.2921325048223.330总数4937437470.94116单因素方差分析表显示，2012年，组间离差平方和SSR=5755846077.860，组间均方MSR=1918615359.287，组内离差平方和SSE=366296156.375，F=68.092，F检验概率=0.0000.05,故拒绝H0，接受H1。2011年，组间离差平方和SSR=5390489872.429，组间均方MSR=1796829957.476，组内离差平方和SSE=340779706.042，F=68.545，F检验概率=0.0000.05,故拒绝H0，接受H1。2010年，组间离差平方和SSR=4611810567.650，组间均方MSR=1537270189.217，组内离差平方和SSE=325626903，F=61.372，F检验概率=0.0000.05,故拒绝H0，接受H1。综上所述，得出结论：各地区吞吐量存在显著差别。表6 均数多重比较检验表因变量(I) v2012(J) v2012均值差 (I-J)标准误显著性95% 置信区间下限上限2012年LSD0-1200012000-32000-15937.875*3593.645.001-23701.47-8174.2832000-52000-35758.500*4054.179.000-44517.02-26999.9852000以上-62496.500*4845.671.000-72964.93-52028.0712000-320000-1200015937.875*3593.645.0018174.2823701.4732000-52000-19820.625*3250.575.000-26843.06-12798.1952000以上-46558.625*4196.474.000-55624.56-37492.6932000-520000-1200035758.500*4054.179.00026999.9844517.0212000-3200019820.625*3250.575.00012798.1926843.0652000以上-26738.000*4597.007.000-36669.23-16806.7752000以上0-1200062496.500*4845.671.00052028.0772964.9312000-3200046558.625*4196.474.00037492.6955624.5632000-5200026738.000*4597.007.00016806.7736669.23Dunnett t（双侧）b0-1200052000以上-62496.500*4845.671.000-75031.62-49961.3812000-3200052000以上-46558.625*4196.474.000-57414.35-35702.9032000-5200052000以上-26738.000*4597.007.000-38629.86-14846.14 根据均数多重比较检验表，显示了采用LSD和Dunnertt两种方法进行均值多组比较的结果。结果显示各港口吞吐量之间存在显著性差异。（三）相关和回归分析1.提取数据 利用1990-2012年全国主要港口总吞吐量作为变量Y，年份作为变量X，进行相关与回归分析。表7 1990-2012年全国主要港口总吞吐量港口1990年2000年2010年2011年2012年总计483211256035483586162926652452.分析题意该题属于一元线性回归问题，首先判断X、Y是否显著相关，设H0:X与Y之间无线性关系，接受H1：变量X与Y之间具有线性回归关系。之后判断皮尔森回归系数是否显著。3.解题（1）绘制散点图图2 全国主要港口吞吐量散点图由图可直观看出变量Y与X存在着线性关系（2）相关分析由于已知偏态分布且数据无异常值，故选择皮尔斯相关系数作为指标，进行相关性分析，结果如下表。表8 相关系数表相关性年份吞吐量年份Pearson 相关性10.957显著性（单侧）0.005N55吞吐量Pearson 相关性0.957*1显著性（单侧）0.005N55由表可知，皮尔森系数=0.957，单侧检定的P值为0.0050.05,故结果是变量X与Y之间显著相关。（3）线性回归分析将数据通过spss统计软件进行回归分析得到以下结果：表9 模型汇总表模型RR 方调整 R 方标准估计的误差10.957a0.9160.88797553.851由上表可知相关系数R=0. 957，可决系数R方为0. 916，调整可决定系数R的平方等于0. 887。估计标准的误差为97553.851。表10 方程显著性检验表模型平方和df均方FSig.1回归309565889521.3281309565889521.32832.5290.011b残差28550261629.47239516753876.491总计338116151150.8004由上表可知，回归方程的P值为0.0110.05，拒绝H0，接受H1，故方程满足显著性检验。表11 回归系数表模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)-58447833.05710318293.164-5.6640.011年份29356.7785147.2620.9575.7030.011由上表可知，常数项=-58447833.057，回归系数=29356.778，回归系数的t值=5.703， P=0. 0110.05，则拒绝H0，接受H1，故认为回归系数具有显著意义。可得回归方程：Y=-58447833.057+(29356.778)*X。四、 实验结论由以上分析可知，我国