计算机应用实验报告样本 (2).doc

成绩 实验报告课程名称：计算机在道路运输管理中的应用学 院：交通运输学院专 业： 交通运输 班 级： 交运0901班 学生姓名： 邓丽 学 号：200930010104 指导教师： 朱灿 =2012 /2013学年第一学期=目 录实验大纲1实验一 SPSS的数据管理3实验二 描述性统计分析4实验三 均值比较5实验四 方差分析6实验五 相关分析与回归分析7实验六 曲线回归9实验七 时间序列预测10实验八 二分类logistic回归分析11 实验大纲（交通运输工程专业本科2009级学生）1. 实验目的使学生通过本课程实验教学，加深理解和巩固所学理论知识；结合专业背景，学会收集或调查行业统计数据；切实掌握各种统计分析方法在统计软件SPSS中的实现，并能正确解释SPSS的运行结果。2. 实验内容在实验过程中，充分考虑到学生的自学能力和创新能力，安排命题开放式的实验内容给学生完成。共计十个实验项目如下表，实验题目见任务书。 序号实验内容1实验一 数据文件的管理2实验二 描述性统计分析3实验三 均值比较4实验四 方差分析5实验五 相关与回归分析6实验六 曲线回归7实验七 logistic回归8实验八 时间序列预测3. 实验教材或实验指导书1.罗应婷等主编，SPSS统计分析从基础到实践.北京：电子工业出版社，2007年6月；2. 章文波 陈红艳编著.实用数据统计分析及SPSS12.0应用.人民出版社，2006年；3.张文彤.SPSS.11.0统计分析教程.(高级篇)，北京希望电子出版社.2002年6月；4.郝黎仁等.SPSS实用统计分析.中国水利水电出版社.2003年1月。4. 实验有关事项实验时间：见课程表；实验地点：学校机房；纪律要求：成果提交：要求独立完成，八个实验项目按指定格式提交成一个最终实验报告，每人提交1份打印的实验报告（A4）及电子文档；打印稿统一交班长汇总并转交任课老师；电子文档以学号后四位+姓名为附件名发至邮箱：33896822；5. 实验报告格式实验报告按以下内容装订：封面、实验大纲、目录、实验一实验八、成绩评定册。实验大纲附件不装订；其中每个实验报告包括以下内容：实验名称、目的、题目、操作步骤、结果分析等。图表需按实验项目编号。具体格式参看实验报告样本。6. 附：上机指导书（不装订）7. 附：实验报告样本（含参考实验题目）仅提供参考实验题目，鼓励学生结合研究兴趣和行业热点问题调查相关数据，自行选题。但自行题选题目说明要完整，一般要求说明数据来源。33实验一 SPSS的数据管理1. 实验目的：了解SPSS软件的环境以及相关的基本操作操作过程；学会建立数据文件以及对数据进行编辑整理。2. 题目：查询某地区1990-2008年GDP（亿元）、年末总人口数（万人）、人均可支配收入、客运量（years、GDP、popul、Dincome、passenger）等。试完成以下操作：1、 定义变量，建立数据文件；2、 输入数据（直接输入，数据库查询导入，文本向导导入）；3、 生成新变量：人均GDP、生成新变量：GDP年增长率；4、 按人均可支配收入数据排序3. 操作步骤： 查询娄底市1990年-2008年GDP、总人口、人均可支配收入、客运量的数据如下表所示：娄底市1990年-2008年的统计数据年份GDP（亿元）总人口（万人）人均可支配收入（元）客运量（万人）1990143.06359.84425.76025.51991145.43361.584549.66100.21992147.77364.354554.661091993149.35366.74589.861891994151.49368.524600.6862001995155.8370.654689.0362871996158.7379.874700.963001997163.09384.654738.7763891998168.54387.764783.6764091999173.26391.034800.866892000178.52395.43484767942001180399.88495368002002190.72402.16596085702003209.92403.89654088602004268405.1724090502005312.82407.58799091752006361.04412.04840092502007449.51416.121070097002008528.4418.41220010200 打开PASW Statistics 18，在数据编辑窗口左下角激活（Variable View）变量定义窗口； 在数据窗口中定义变量属性：包括变量名称、数据类型、宽度、小数位等信息； 在数据视图中输入数据，也可以直接打开文件，将之前录入的Excel中的数据导入到数据视图中； 选择主菜单栏中的转换-计算变量，弹出计算变量框，输入目标变量人均GDP，数字表达式为GDP/年末总人口，然后确定； 打开“转换创建时间序列”，在创建时间序列对话框中，将GDP移至“变量新名称”栏内，单击确定，生成GDP-1差分变量。在原数据文件插入新变量FGDP,执行“转换计算变量”，目标变量中输入“GDP增长率”，数字表达式中输入“GDP_1 / FGDP”，单击确定。如下图： 打开“数据排序个案”，打开排序个案对话框，将变量总人口选入“排序依据”栏，选择升序，单击确定。实验二 描述性统计分析1. 实验目的：掌握描述性统计分析相关指标，学会用SPSS进行频数分布分析、描述性统计分析、探索分析。2. 题目某市各地区某段时期每天交通事故数据如表2-1：表2-1东部北部中部南部西部1512101413171014912141313791117151014121412810-12121212-79试求：交通事故日平均发生次数、标准差、中位数、四分位数、平均发生次数区间估计，并按进行频数分析。3. 操作步骤： 建立数据文件，定义第一个数值变量名称“交通事故”，标签为“交通事故次数”，度量标准选择度量。第二个数值变量名称为“dq”，标签为地区，度量标准选择“名义”，值定义如下图： 打开“分析描述性统计频率”，打开描述性对话框，将“交通事故次数”变量移到变量框下，打开统计量对话框，选择“均值、中位数、四分位数、标准差、范围、偏度、峰度”复选框，打开图表，选择“直方图”，并添加曲线；打开“Bootstrap(B)”对话框，选择“执行”复选框，单击继续、确定。如下图：4. 操作结果及分析：输出结果如下图所示，通读图表知交通事故日平均发生次数为11.9次，样本标准差为2.587，中位数为12次，其中全部数据的25%、50%、75%分位点处为10、12、14次，平均发生次数区间估计为11.0312.81次。统计量交通事故次数StatisticBootstrapa偏差标准 误差95% 置信区间下限上限N有效31003131缺失00000均值11.90.03.4511.0612.81中值12.00.06.4511.0013.00标准差2.587-.069.2831.9563.065偏度-.047-.017.310-.715.553偏度的标准误.421峰度-.333.039.498-1.130.800峰度的标准误.821全距10百分位数2510.00.07.849.0012.005012.00.06.4511.0013.007514.00-.27.6212.0015.00a. Unless otherwise noted, bootstrap results are based on 1000 bootstrap samples交通事故次数频率百分比有效百分比累积百分比百分比 Bootstrapa偏差标准 误差95% 置信区间下限上限有效7-.24.2.016.18-.23.1.09.7939.79.719.4-.35.0.019.410412.912.93.225.81-.13.2.09.712825.825.89.741.91339.79.771.0-.15.2.019.4145.36.76.529.01526.56.593.5-.14.4.016.11726.56.5.016.1合计31100.0100.0100.0a. Unless otherwise noted, bootstrap results are based on 1000 bootstrap samples实验三 均值比较1. 实验目的：学习使用SPSS进行单样本、两独立样本以及成对样本的均值检验。2. 题目(3.1、3.2选做一题)3.1实验二中题目2.1中，试分析:1)能否认为该段时间内该市中部地区日交通事故次数为12次？2)该段时间内该市中部地区与南部地区日交通事故次数相等？（显著水平=0.01）3.2某轮胎厂的质量分析报告中说明，该厂某轮胎的平均寿命在一定的载重负荷与正常行驶条件下会大于25000公里。平均轮胎寿命的公里数近似服从正态分布。现对该厂该轮胎抽取一容量为15个的样本，数据如表3-1。问能否作出结论：该厂产品与申报的质量标准是否相符？表3-1IDXIDXIDX1210006340001130000219000729000122850033300082600013275004315009250001428000518500102800015260003. 操作步骤：（选做3.2） 定义变量属性； 在数据视图中，输入数据； 选择菜单栏中分析-均值比较-单样本T检验，打开T检验对话框，选中X一栏，在检验值输入框输入25000，在选项中，选择置信区间为95%，缺失值按分析顺序排除个案，然后确定。4. 操作结果及分析：,根据T检验结果可以得知：该厂某轮胎的平均寿命在一定的载重负荷与正常行驶条件下的均值为27000公里25000公里，且可以看出P=0.1170.05,说明接受原假设，所以该厂的产品与申报的质量是符合标准的。实验四 方差分析1. 实验目的：掌握使用SPSS进行单因素方差分析、多因素方差分析。2. 题目：2.1利用表4-1资料分析不同地区不同时间对农民家庭人均收入的影响（不分析地区与时间交叉影响）。表4-1时间地区北京天津河北山西内蒙古1980年290.46277.92175.78155.78181.321981年350.67297.77204.41179.53225.141982年432.63326.12235.73227.18273.031983年519.48411.69298.07275.78294.201984年664.16504.64345.00305.5336.121985年775.08564.55385.23358.32360.413. 操作步骤： 建立数据文件，名称列输入因变量：人均收入，变量因素：地区、时间，三个标签分别为“人均收入、地区、时间”，度量标准分别为：度量、名义、名义，地区变量因素的值分别为“1北京，2天津，3河北，4山西，5内蒙古”；时间变量因素的值分别为“11980年，21981年，31982年，41983年，51984年，61985年”；输入数据，保存文件。 打开“分析一般线性模型单变量”，打开单变量对话框，将“人均收入”变量移入因变量列表，将“时间”变量移入固定因子列表，打开选项对话框，将时间变量导入显示均值栏内，选中方差齐次性检验复选框，单击确定。 打开“分析一般线性模型单变量”，打开单变量对话框，将“人均收入”变量移入因变量列表，将“地区”与“时间”变量移入固定因子列表，单击确定。 4. 操作结果及分析：上述中间两步为单变量单因素方差分析步骤，最后一步为单变量多因素方差分析，运行后生成结果如下表：l 时间因素的方差分析：在时间因素方差齐性检验表中可以看出，显著性概率Sig.0.0470.05，因此可认为时间变量对家民家庭人均收入有显著性影响。主体间效应的检验因变量:人均收入源III 型平方和df均方FSig.校正模型278158.105a555631.6214.027.009截距3489589.49613489589.496252.603.000时间278158.105555631.6214.027.009误差331549.0352413814.543总计4099296.63730校正的总计609707.14029a. R 方 = .456（调整 R 方 = .343）上表为主体间效应检验，时间变量的自由度为5，F值为4.027，离差平方和为278158.105，均方为55631.621，F分布的显著性检验Sig.0.0090.05，0.05为显著性概率，从而拒绝原假设，认为时间因素对家民家庭人均收入有显著性影响。l 地区因素的方差分析在地区因素的方差齐性检验表中可以看出，显著性概率Sig.0.0390.05，因此可认为地区变量对家民家庭人均收入有显著性影响。主体间效应的检验因变量:人均收入源III 型平方和df均方FSig.校正模型280829.706a470207.4265.337.003截距3489589.49613489589.496265.265.000地区280829.706470207.4265.337.003误差328877.4352513155.097总计4099296.63730校正的总计609707.14029a. R 方 = .461（调整 R 方 = .374）上表为主体间效应检验，地区变量的自由度为4，F值为5.337，离差平方和为280829.706，均方为70207.426，F分布的显著性检验Sig.0.0030.05，0.05为显著性概率，从而拒绝原假设，认为地区因素对家民家庭人均收入有显著性影响。l 单变量多因素方差分析主体间效应的检验因变量:人均收入源III 型平方和df均方FSig.校正模型609707.140a2921024.384.截距3489589.49613489589.496.地区280829.706470207.426.时间278158.105555631.621.地区 * 时间50719.330202535.966.误差.0000.总计4099296.63730校正的总计609707.14029a. R 方 = 1.000（调整 R 方 = .）实验五 相关分析与回归分析1. 实验目的：掌握运用SPSS进行两变量的相关分析、一元线性回归、多元线性回归具体操作，深刻理解模型检验、残差分析以及共线性分析。2. 题目：某地区客运周转量的增长与该地区总人口的增长及人均月收入有关，已经掌握近10年有关资料如下表。1) 试利用SPSS进行客运周转量与总人口的相关分析。2) 利用SPSS建立客运周转量与总人口、人均月收入多元回归方程。3) 对所建立的多元回归方程进行模型检验、残差分析，共线性诊断。表5-1序号客运周转量Y（千万人公里）总人口X1（万人）人均月收入（10美圆）17020045.027421512.538023547.548425052.558827555.069228557.5710030060.0811033057.5911235062.51011636065.5合计92628005453. 操作步骤： 建立数据文件，建立名称为“序号、Y、X1、X2”，标签分别为“序号、客运周转量、总人口、人均月收入”，在数据视图中输入数据。 执行“分析相关双变量” ，打开双变量相关对话框，将客运周转量与总人口两个变量导入变量栏内，打开选项，选择统计复选框，单击继续，确定按钮。 执行“分析回归线性”命令，打开线性回归对话框，将客运周转量变量移入因变量列表，将总人口和人均月收入变量移入自变量列表中，打开统计量对话框，选中估计、置信区间、共线性诊断等复选框，单击继续、确定。4. 操作结果及分析：l 客运周转量与总人口的相关分析从相关性表中可以得到Pearson系数为0.994，即客运周转量与总人口的相关系数为0.994，可以认为两者之间存在正相关关系。l 客运周转量与总人口、人均月收入的多元回归方程描述性统计量均值标准差N客运周转量（千万人公里）92.6016.30410总人口（万人）280.0055.57810人均月收入（10美元）51.550015.1060110相关性客运周转量（千万人公里）总人口（万人）人均月收入（10美元）客运周转量（千万人公里）Pearson 相关性1.994*.723*显著性（双侧）.000.018平方与叉积的和2392.4008110.0001602.700协方差265.822901.111178.078N101010总人口（万人）Pearson 相关性.994*1.738*显著性（双侧）.000.015平方与叉积的和8110.00027800.0005577.500协方差901.1113088.889619.722N101010人均月收入（10美元）Pearson 相关性.723*.738*1显著性（双侧）.018.015平方与叉积的和1602.7005577.5002053.725协方差178.078619.722228.192N101010*. 在 .01 水平（双侧）上显著相关。*. 在 0.05 水平（双侧）上显著相关。上两个表中客运周转量与总人口的Pearson为0.994，与人均月收入的Pearson为0.723，说明客运周转量与总人口、人均月收入均有较高的线性相关性。模型汇总b模型RR 方调整 R 方标准 估计的误差更改统计量Durbin-WatsonR 方更改F 更改df1df2Sig. F 更改1.995a.989.9861.922.989320.29927.0001.742a. 预测变量: (常量), 人均月收入（10美元）, 总人口（万人）。b. 因变量: 客运周转量（千万人公里）表中Y与X1、X2之间的复相关系数R0.995，反映了变量Y与变量X1、X2之间具有高度显著的线性关系，表中还显示了R方以及经调整的R值的估计标准误差，另外DW1.742，该值在2附近，说明模型变量无序列相关系数a模型非标准化系数标准系数tSig.B 的 95.0% 置信区间共线性统计量B标准 误差试用版下限上限容差VIF1(常量)10.7963.2973.274.0142.99918.593总人口（万人）.297.0171.01217.379.000.257.337.4552.197人均月收入（10美元）-.026.063-.024-.415.690-.175.123.4552.197a. 因变量: 客运周转量（千万人公里）由此可知，客运周转量与总人口、人均月收入之间的多元回归方程为：Y=10.796+0.297X1-0.026X2实验六 曲线回归1. 实验目的：掌握运用SPSS进行二次多项式回归、指数回归及logistic曲线回归。2. 题目：2.1我国1952年到1983年社会商品零售总额（按当年价格计算），试运用SPSS建立我国社会商品零售总额二次多项式回归与指数回归模型。表6-1年份时序（t）总额（yt）年份时序（t）总额（yt）年份时序（t）总额（yt）19521276.8196312604.51974231163.619532348.0196413638.21975241271.119543381.1196514670.31976251339.419554392.2196615732.81977261432.819565461.0196716770.51978271558.619576474.2196817737.31979281800.019587548.0196918801.51980292140.019598638.0197019858.01981302350.019609696.9197120929.21982312570.0196110607.71972211023.31983322849.4196211604.01973221106.72.2 某地区汽车保有量可以用logistic回归模型进行估计，已知近年来数据如表6-2，试运用logistic回归模型进行分析。表6-2娄底市汽车保有量（万辆）年份数量年份数量200030200634.9200132.1200736.6200232.5200838.5200333.2200939.3200434201040.2200534.7201140.73. 操作步骤： 建立数据文件，设置名称为：年份、序号、总额。 执行“分析回归曲线估计”命令，将总额导入因变量，自变量设置年份，模型中选择二次项与指数分布，单击确定。（2） 建立数据文件，设置名称为：年份、数量、时序 执行执行“分析回归曲线估计”命令，将数量导入因变量，自变量设置时序。个案标签设置为年份，选择logistic模型，显示ANOVA表格，单击确定。4. 操作结果及分析：模型描述模型名称MOD_1因变量1总额方程1二次2指数a自变量时序常数包含其值在图中标记为观测值的变量未指定用于在方程中输入项的容差.0001a. 该模型要求所有非缺失值为正数。个案处理摘要N个案总数32已排除的个案a0已预测的个案0新创建的个案0a. 从分析中排除任何变量中带有缺失值的个案。变量处理摘要变量因变量自变量总额时序正值数3232零的个数00负值数00缺失值数用户自定义缺失00系统缺失00模型汇总和参数估计值因变量:总额方程模型汇总参数估计值R 方Fdf1df2Sig.常数b1b2二次.952290.010229.000577.240-44.3333.296指数.955632.610130.000303.681.063自变量为 时序。表中二次曲线模型中R方为0.952，显著性概率Sig.0.0000.005，说明两个变量有高度显著的二次函数关系，关系式为： Y577.240-44.333X+3.296X2指数模型中，R方为0.955，显著性概率Sig.0.0000.005，说明两个变量有高度显著的二次函数关系，关系式为： Y303.681+（2）根据上面的表格结果得到Logistic模型方程为：Y=Ln（1/0.034*(0.974)t）实验七 时间序列预测1. 实验目的：掌握利用SPSS进行季节性和非季节性时间序列预测基本操作和结果分析。2. 题目：2) 试调查某市历年货运量数据,并选择合适的指数平滑模型进行预测. 娄底市某航运公司客运量统计表（10t）年份货运总量年份货运总量20012452006255200225020072622003256200827020042802009273200527420102843) 已知某客运站历年各个季度旅客发送量数据,试预测明年各个季度旅客发送量.季度年份1234200742.4200841.4200942.633.234.644.3201044.933.936.545.6201146.73438.645.9201242.83. 操作步骤： 建立数据文件，建立年份与货运总量两个变量，输入数据，并保存。 执行“数据定义日期”，打开定义日期对话框，选择年份输入2001。 执行“分析预测创建模型”，打开时间序列建模器，将货运总量变量导入因变量框中，专家建模器中选择指数平滑法，打开条件对话框，模型类型选择“简单”。打开“统计量”对话框，选择“显示预测值”复选框，打开“选项”对话框，在预测阶段下选择第二个选项，激活日期输入框，并输入2020，单击确定。(2)操作步骤2 建立数据文件，定义年份、季度、发送量三个变量，输入数据，并保存。 执行“数据定义日期”，打开定义日期对话框，选择“年份、季度”，在第一个个案中输入年份为2007，季度为1。 执行“分析预测创建模型”命令，将“发送量”变量导入因变量框，专家建模器中选择指数平滑法，打开条件选项，在模型类型中选择简单季节性，在“选项”对话框中，预测阶段栏中选择第二项，激活时间选项，输入预测年份为2020，季度为4，单击继续、确定。4. 操作结果及分析：l 娄底市某航运站客运量指数模型预测：模型拟合拟合统计量均值SE最小值最大值百分位5102550759095平稳的 R 方-.153.-.153-.153-.153-.153-.153-.153-.153-.153-.153R 方.87RMSE11.912.11.91211.91211.91211.91211.91211.91211.91211.91211.912MAPE3.316.3.3163.3163.3163.3163.3163.3163.3163.3163.316MaxAPE8.571.8.5718.5718.5718.5718.5718.5718.5718.5718.571MAE8.900.8.9008.9008.9008.9008.9008.9008.9008.9008.900MaxAE24.000.24.00024.00024.00024.00024.00024.00024.00024.00024.000正态化的 BIC855.1855.1855.1855.1855.1855.1855.1855.185模型统计量模型预测变量数模型拟合统计量Ljung-Box Q(18)离群值数平稳的 R 方统计量DFSig.货运总量-模型_10-.153.0.0预测模型2011201220132014201520162017201820192020货运总量-模型_1预测284284284284284284284284284284UCL311322331338344350355360365369LCL257246237230224218213208203199对于每个模型，预测都在请求的预测时间段范围内的最后一个非缺失值之后开始，在所有预测值的非缺失值都可用的最后一个时间段或请求预测时间段的结束日期（以较早者为准）结束。l 娄底市汽车南站各季度旅客发送量指数平滑模型分析模型拟合拟合统计量均值SE最小值最大值百分位5102550759095平稳的 R 方.312.312.312.312.312.312.312.312.312.312R 方.932.932.932.932.932.932.932.932.932.932RMSE1.632.1.6321.6321.6321.6321.6321.6321.6321.6321.632MAPE3.403.3.4033.4033.4033.4033.4033.4033.4033.4033.403MaxAPE7.071.7.0717.0717.0717.0717.0717.0717.