spss统计软件实习报告

1、刚生成的表格,门”从Layer单击OK按钮,输出个案综述分析结果常用统计软件实习报告练习1:(1)步骤(1)打开“数据1.sav ” ,以“销售额”为综述变量，“部门”和“职务”为分组变量。 单击菜单 AnalyzeReportsOLAP Cubes打开 OLAP Cubes对话框，从左侧的变量列表框中选择“销售额”，移入Summary Variables 方框中；选择“部门”和“职务”，移入Grouping Variable方框中。(3) 单击 Statistics 按钮，弹出 OLAFCubes： Statistics对话框中，从 Cell Statistics统计量列表中，移出系统默认的

2、Sum Perce nt of Total Sum 和Perce nt of Total N 这三个默认的统计量，从Statistics 框中，选择 Median移入Cell Statistics 列表框中。(4)为了在表中对比分析部门和职务对销售额造成的差异，对输出的表格进行转置，双击将它激活；在弹出的Pivot in gTrays1对话框，将分组变量“职务”和“部托盘拖动到下方的 Row托盘上，单击PivotingTrays1对话框中的关闭按钮。CaseCase Pra-CEE-s-irgPra-CEE-s-irg SiMnmarySiMnmaryCaseCase& &IncludedEx

3、cludedExcludedTotalTotalNPercentN NPercentN NPercentflitt椀h需门职称525274,374,3 附25.7%25.7%7070100.0%100.0%姓名：*.号. *班级：统计*精选文库2MsMs白門SU.SU. DeviationDeviationh hMedidrMedidr玷切卄iS*iS*贯TE.OOOOTE.OOOO1 17B.OQOO7B.OQOO低KttppKttpp人a a3ft3ft 166716674040 96*4296*423 32020 500050004040 3333333322JT10222JT1023

4、38.50008.50004316?4316?455098045509806 6JO.OOOOJO.OOOO124124 25(H125(H1150150 2&D192&D192 212*250012*2500TotsI5 5百冊阳胡 57S1i57S1i1515saoooosaoooo阳*颤哲加a54-000054-000030.2*0930.2*095 552.500052.5000145145 14291429?S0?S0 71259712597 72S2S 00000000吋tt儈珅人员2S1S672S1S6720865208659 915.500015.5000门蜷処J6J6 333

5、333339JSueO9JSueO3 32222 SMCSMCTDI66.5ers66.5ers1SS.Z41791SS.Z4179Z4Z49696驚0 0102102 76135761354 45959 50005000卅生骨艸人s s2929 33333333& &216721673 329500029500077 5005002 2腔司老点5151 .-00.-00 DODO- -1 151.000051.0000Total7070 050C050C7070 5946759467101066 00000000ttiSXCttiSXC梵10.500010.50001 110.500010.

6、5000ISSOOCISSOOC1 11616 50005000e.wwe.ww1 1s.oooos.ooooTotal1212 3m3m3 3losoncilosonciTotalTotal7.72737.72731111Si.OOOOSi.OOOO低域管叩人a a113113 05000500?J5?J5 71603716031010?S?S 50005000先曾珅人.51.51ia#7oeia#7oe151523.000023.0000门婷业4rftr 样户* rt* 喪lifam E2.Ba SUSU -M-M 6H6H先=丽即讯汕 0000 ，MooMoo *和炖 300003000

7、0 tbtjmtbtjm 3 3（x x）（）（H H1 1精选文库14组对话框，在Group1和Group 2后的文本框中分别输入 0和1。双击该检验表，在SPSSViewer窗口中，单击 Pivot 7Pivoting Trays ，弹出Pivoting Trays对话框。将下方Rows托盘中的Assumptions图标拖动到 Layer托盘中，关闭 Pivoting Trays对话框。从 Layer右侧的下拉列表框中选择Equal Varia nee assumed ，得到方差齐次条件下的两个独立样本均值检 验结果。croupcroup StatisticsStatisticsABiff

8、fM-aiCJS*ABifffM-aiCJS* 方法N NMeanMeanSid.Sid. DelationDelationStd.Std. ErrorError MeanMean曲达的徹画效.処t t业址增AiAAiA7 717 0143.63095.63095BFBF去716 51J350474.19077由表分析可得：统计量表同样显示两组变量的样本容量、均值、标准差和抽样平均误差,法的业绩增长率为17.1043%，高于B法的业绩增长率。两组样本的标准差相差不大。SamplesSamples TedTed断训TWeTWe冋W; W;用 新noasnoas駅如（ （to to rlHnalr

9、lHnal曲BifeieiceBifeieiceF Fadf dfUeairUeairSr Sr EnrEnrIbperIbperEqualEqualz1 z1.734.73412 12鮒3C6333C633.蚀MEMMEMIIW!IIW!.13S.13Sm3K3J3K3J:潮1,1911,191由表分析可得：在本例中，Levene统计量为0.121，对应的显著性水平 Sig.=0.734，大于常用的显著性水平0.05，接受这两组变量方差相等的假设，使用托盘转置的方法，只 显示方差相等时t检验的结果。精选文库15DefineY Axis(纵SPSS Chart Editor编辑器中,L L艸貓

10、啼;W W鸿岬糊和册EijJdklKEijJdklK確那牙%帥伽蚀hiBhiB輛1 1 of of th th01 01恤附DBpHidintwnablBtDBpHidintwnablBtf fSg Sg1 1dfdfSigSig冏帥UlanUlan 帥n n时尘Sw.ErnzSw.ErnzLomrLomrUpfwUpfw1 1铀閻屈If If灌期.121.12173173115 5何.汕聘I I伽0 0由表分析可得：接下来可以观察到t检验统计量为1.637，自由度为12, t统计量对应的显著性水平Sig = 0.128，大于常用的显著性水平0.05，接受两组样本均值相等的假定，也就是说A法和

11、B法的激励业绩增长效果不存在显著差别。练习5：(1) 步骤 打开“数据 4.sav ” 单击 Graph Legacy Dialogs Scatter,弹出Scatter/Dot 对话框，单击 Sim pie Scatter按钮，选择简单散点图，再单击按钮，弹出Sim pie Scatterplot对话框。在Sim pie Scatterplot 对话框中，选择进出口总额”作为因变量，移入按钮，生成简单散点图。双击刚创建好的散点图，在弹出的坐标）方框下；选择“地区生产总值”作为自变量，移入X Axis（横坐标）方框下,单击0K单击 Element 菜单中的 Add Fit line at To

12、tal按钮,生成带有拟合直线的散点图。精选文库16精选文库17回归模型是比较合适的。(2)步骤：单击 Analyze Correlate Bivariate，弹出双变量相关系数对话框，将两个 变量移入Variable方框中，单击 0K按钮，输出相关系数矩阵。CorrelationsCorrelations班出口总殺地区主产池值进出 口恁枷PearsonPearson CarreCarre lattenlatten1 1947947SigSig.000.000N N22222222地区生产愿值 PearsonPearson CorrelationCorrelation勺4 4广1 1SigSig

13、 (2-tahed)(2-tahed)000000N N22222222Correlation is significant at the 0 0 11 levsl (2-tailed).从散点图中可以看出两个变量之间大体呈现线性趋势,接下来使用线性相关分析和建立线性精选文库18InxInxInyInyInxInxPeareonPeareon CoirelaUonCoirelaUon1 1,979r,979rSiig,Siig, (2-lailed(2-lailed.000.000N N22222222InyInyPearsonPearson CorreiaUonCorreiaUon.97.9

14、71SigSig (2-tailed(2-tailed.000.000N N22222222相关系数表显示两个变量Inx和Iny的相关系数为0.979，其对应的显著性水平 Sig为0.000 ,小于显著性水平0.05，拒绝两个变量相关系数r=0的假设，变量“ Inx ”和“ Iny ”线性相关显著。比较得知，Iny和Inx的线性相关程度强于变量“进出口总额”和“地区生产总值”线性相关程度(4)步骤 打开“数据 4.sav ” 单击 An alyzeRegressio nLin ear ,弹出线性回归对话框。变量“ Iny ”是因变量，将它移入Depen de nt方框中，变量“ Inx ”是自

15、变量，将它移入In de pendent 方框中。单击 P lots 按钮，在 Line Regressio n : P lots对话框中，从左侧的变量列表框中，选择ZRESID（标准化残差）为纵坐标变量，移入丫方框中，选择De pen de nt（因变量）为横坐标变量，移入X方框中，在Standardized Residual Plots（标准化残差图）栏中,（3）单击Transformcompute,生成两个变量的对数变量Iny和Inx，绘制Inx和Iny 散点图，步骤同上CorrelationsCorrelationsCorrelalion is significani at the 0

16、.01 6vs6vs 2-tailed).精选文库19选择 Histogram 禾R Normal probability plot，单击Continue按钮，回到线性回归对话框。单击Save按钮，弹出 Lin ear Regressio n: save（保存变量）对话框，分别勾选 P redictedValues栏和Residual栏中的Unstandardized 复选框，因变量的未标准化预测值和残差将作为新变量保存到原文件中。单击Continue按钮，回到线性回归对话框。单击 0K按钮，输出线性回归VariablesVariables Entered/RemovedEntered/Rem

17、ovedModelModelVariablesVariables EnteredEnteredVariablesVariables RemovedRemovedhtethodhtethod1 1InxInxEnterEntera. All requested enables entered.b b DependentDependent Variable?Variable? IryIryModelModel Summar/Summar/ModelModelR RR R SqjareSqjareAdjustedAdjusted R R SquareSquareSkJSkJ ErrorError o

18、fof (tie(tie EstimateEstimate1 1.979.979959959957957.31840.318403.3. Predictors; (Constant), Inxb-b- DependentDependent VariableVariable： InyInyANOVModelModelSumSum ofofSquaredSquareddfMeanMean SquareSquareF FSig.Sig.1RegressionRegression47.42947.4291 14747 429429467467 85S85SResidualResidual2 2 020

19、0202020.101.101TotalTotal49.45749.4572121bDependent Variable: Inya. Predictors: (Constant), InxCoefficientsCoefficientsUnstandardized CoefficientsStandardizedStandardized CoefficientsModelModelB BSid,Sid, ErrorErrorBelaBelat tSig.Sig.1 1(Constant)(Constant)-6.257-6.257.534.534-11.724-11.724.000.000I

20、nxInx1.3761.376.064.064.979.97921.63021.630.000.000a. Dependent Zariable: Iny精选文库20ResidualsResiduals StatisticsStatistics * *伽 irrwmirrwmMaxiirn jmjmMeanMeanStdnStdn DesflabonDesflabonN NPredlittedPredlitted ValueValue2.660a2.660a7,48157,48155 5 J J 9259251,502841,502842222ResidualResidual-.41452-.

21、41452.48076.48076.00000.00000.31072.310722222Std,Std, predictedpredicted ValueValue-1.685-1.6851,5231,523.000.0001.0001.0002222Std.Std. ResidualResidual-1-1 3023021.5101.510,000,000.976.9762222a a一 DependentDependent Variable:Variable: InyInyHiatograrriHiatograrriRfrgrfrsslanRfrgrfrsslan StandardizedStandardized ResidualResidualMunMun - - S.qStlS.S.qStlS. &ta&ta aiu.*iQi97fiaiu.*iQi97fiA AL L guunbd- -E-E-MormalMormal P-PP-P RiotRiot ofof RegrA-AstanRegrA-As