分析父亲受教育程度和本人受教育程度的关系.docx

学 生 实 验 报 告学生实验报告（经管类专业用）一、实验目的及要求：1、目的用SPSS软件对所给数据进行对应分析，分别分析父亲受教育程度和孩子受教育程度的关系；母亲受教育程度和孩子受教育程度的关系及父亲受教育程度与母亲受教育程度之间的关系。2、内容及要求用SPSS软件对所给数据进行对应分析，分别分析父亲受教育程度和孩子受教育程度的关系；母亲受教育程度和孩子受教育程度的关系及父亲受教育程度与母亲受教育程度之间的关系。二、仪器用具：仪器名称规格/型号数量备注计算机1有网络环境SPSS软件1三、实验方法与步骤:打开GSS93 subset.sav。四、实验结果与数据处理：一、本人受教育程度和父亲受教育程度的对应分析操作步骤如下：分析父亲受教育程度和本人受教育程度的关系；母亲受教育程度和本人受教育程度之间的关系以及父亲、母亲受教育程度之间的关系一，父亲受教育程度和本有受教育程度的关系对所给SPSS数据中变量padeg与变量degree进行对应分析，依次点选“分析”,“降维”，“对应分析 ”进入“对应分析”对话框。数据集中所有的变量标签均已出现在左边的窗口中，将degree变量选入右侧行变量的小窗口中，此时窗口显示的degree变量形如：degree(?),同时，其下方的定义范围按钮被激活，点击该按钮，进入“行变量的分类全距”对话框，在该对话框中需要确定Degreeyo变量的取值范围，在最小值与最大值处分别填上0和9，按右侧的更新按钮，可以看到degree的取值09已出现在“类别约束”框架左侧的窗口中，该框架的作用是对degree的各状态加以限定条件，保持默认值“无”，即对degree的取值不加以限定条件。点击“继续”按钮，回到“对应分析”对话框，可以看到此时行变量degree 的显示变为degree(0 9).按照同样的方法，把padeg选为列变量敲定其取值范围为09，点击OK按键运行，则可以得出输出结果如下五部分。Correspondence TableFathers Highest DegreeRs Highest DegreeLess than HS High school Junior college Bachelor Graduate Active Margindimension0LT High School 156308294525563High School 27248347937425Junior College 11128325Bachelor 64374718121Graduate 3223271671Active Margin19363275206991205SummaryDimensionSingular ValueInertiaChi SquareSig.Proportion of InertiaConfidence Singular ValueAccounted forCumulativeStandard DeviationCorrelation2dimension01.400.160.846.846.025.2562.164.027.142.988.0263.047.002.0121.0004.006.000.0001.000Total.189228.193.000a1.0001.000a. 16 degrees of freedomOverview Row PointsaFathers Highest DegreeMassScore in DimensionInertiaContribution12Of Point to Inertia of DimensionOf Dimension to Inertia of Point1212Totaldimension0LT High School .467-.608.188.072.432.100.963.0371.000High School .353.269-.509.025.064.559.406.593.999Junior College .021.786.007.005.032.000.965.000.965Bachelor .1001.019.476.046.261.139.901.080.981Graduate .0591.199.749.038.134.971Active Total1.000.1891.0001.000a. Symmetrical normalizationOverview Column PointsaRs Highest DegreeMassScore in DimensionInertiaContribution12Of Point to Inertia of DimensionOf Dimension to Inertia of Point1212Totaldimension0Less than HS .160-.998.652.075.399.416.851.1491.000High school .524-.165-.305.014.036.298.417.582.998Junior college .062.127-.512.003.0045.972Bachelor .171.976.321.069.406.108.948.042.990Graduate .082.874.395.029.157.078.875.073.949Active Total1.000.1891.0001.000a. Symmetrical normalization其中，输出的第一部分Correspondence Table 表是由原始数据按Degree与Race分类的列联表，可以看到观测总数n=1499而不是原始数据观测个数1500，这是因为原始数据中有1条记录有缺失。第二部分Summary表给出了总惯量，值及第一维度（公共因子）所解释的总惯量的百分比信息。可知总惯量为0.214，值为320.775，有关系式：320.775=0.214*1499，由此可以清楚地看到总惯量与值的关系，同时说明总惯量描述了列联表行与列之间总的相关关系。Singular Value反映的是行与列各状态在二维图中分析的相关程度，实际上是对行与列进行因子分析产生的新的综合变量的典型相关系数，其在取值上等于特征值的平方根。Sig.是假设值为0成立的概率，表注表明自由度为（10-1）*（10-1）=81，Sig.值很小主彰列联表的行与列之间有较强的相关性。Proportion of Inertia部分是各维度（公共因子）分别解释总惯量的比例及累计百分比，类似于因子分析中公共因子解释能力说说明。第二部分和第四部分是对列联表行与列各状态有关信息的概括。其中，Mass部分分别指列联表中行与列的边缘概率，也就是与。Score In Dimension是各维度的分值，也就是行与列各状态在二给图中的坐标值。Inertia是惯量，是每一行（列）与其重心的加权距离的平方，可以看到= ，即行剖面的总惯量等于列剖面的总惯量。Contribution部分是指行或列的每一状态对每一维度特征值的贡献及每一维度对行各个状态的特征值的贡献。由此可以更好地理解维度的来源及意义，如第一维度中，Bachelor对应的数值最大为 ，说明Bachelor这一状态对第一维度的贡献最大。在表的最后部分维度对各状态特征值的贡献部分，看到除High school外，其余各最高学历的特征值的分布大部分集中在第一维度上，说明第一维度反映了最高学历各状态大部分的差异，这实际上相当于因子分析中对共同度的分解。输出的最后一部分是degree各状态与padeg的各状态同时在一张二维图上的投影。为了更清楚地显示各状态之间的距离，我们可以给上图画上X轴与Y轴的参考线，方法如下：在SPSSr结果输出窗口中，双击该图形，进入图形编辑窗口，可以看到顶部的菜单相应发生了变化，依次选取Option Chart Reference Line，弹出AxisSelection对话框，选择X Scale并点中看到默认为0，点击Add按钮，则0 出现在下方的主窗口中，表明画出参考线X=0,输入别的值再按Add可以画出其他的参考线，而按Removw 按钮可以移去相应的参考线。此处只画出X=0参考线，按OK继续，可以看到X=0r参考线已经出现在图形中。用同样的方法，画出Y的参考线，然后关闭图形编辑窗口，则输出窗口的图形也发生了变化，上面的二维图形变为输出结果如下所示的形式。从上示输出结果不难看出，父亲最高学历为High school时，本人最高学历大多数为High school和Junior college；父亲最高学历为Less than high school时，本人最高学历大多数为Less than high school时；父亲最高学历为Junior college、Graduate和Bachelor时，本人最高学历大多数为Graduate和Bachelor。可以看出本人的受教育程度与父亲的受教育程度有关，父亲的受教育程度越高，其子女受教育程度通常也越高；父亲的受教育程度中等的，其子女受教育程度通常也中等；父亲的受教育程度低的，其子女受教育程度通常也低。二、母亲最高学历与孩子最高学历之间关系操作步骤与讨论父亲最高深大与孩子最高深大之间关系时类似，如下图表：输出的主要结果如下：Correspondence TableMothers Highest DegreeRs Highest DegreeLess than HS High school Junior college Bachelor Graduate Active Margindimension0LT High School 169286253723540High School 403744113356644Junior College 213615541Bachelor 33311341596Graduate 28110829Active Margin216714842291071350其中，输出结果3的第一部分对应表是由原始数据按Degree与Madeg分类的交叉列联表，可以看到观测总数n=1350而不是原始数据观测个数1500，这是因为原始数据中有150条记录有缺失。由表中可以看出大多数人的学历是High school、Bachelor和Less than high school，大多数人的母亲的学历是High school和Less than high school。从输出结果4不难看出，母亲最高学历为High school的，本人最高学历大多数为High school；母亲最高学历为Less than high school，本人最高学历大多数为Less than high school的；母亲最高学历为Junior college、Graduate和Bachelor的，本人最高学历大多数为Junior college、Graduate和Bachelor。由此可以说明本人的受教育程度与母亲的受教育程度有关，母亲的受教育程度高的，其子女受教育程度通常也高；母亲的受教育程度中等的，其子女受教育程度通常也中等；母亲的受教育程度低的，其子女受教育程度通常也低。结合分析父亲的受教育程度与孩子受教育程度的关系分析，可以看出，父母的受教育程度越高，其子女受教育程度通常也越高，父母受教育程度偏中等的，其子女受教育程度通常也偏中等，父母的受教育程度偏低的，其子女受教育程度也会偏低。三、父亲母亲受教育程度之间的关系操作步骤与前面两的分析类似，如下图，输出结果一：Correspondence TableMothers Highest DegreeFathers Highest DegreeLT High School High School Junior College Bachelor Graduate Active Margindimension0LT High School 35574172439High School 139297136137547Junior College 31558536Bachelorraduate 13261224Active Margin51240424116711127处理后的输出结果：其中，输出结果3的第一部分对应表是由原始数据按Degree与Madeg分类的交叉列联表，可以看到观测总数n=1127而不是原始数据观测个数1500，这是因为原始数据中有373条记录有缺失。由表中频数可以看出大多数父亲的学历是High school、Less than high school和Bachelor，大多数人的母亲的学历是High school和Less than high school。从处理后的输出结果可以更清楚地看出，父亲最高学历为High school的，母亲最高学历大多数为High school；父亲最高学历为Less than high school，母亲最高学历大多数为Less than high school的；父亲最高学历为Junior college、Graduate和Bachelor的，母亲最高学历大多数为J