SPSS实验报告.doc

1、SPSS应用实验报告班级：统计 0801 班姓名：宋磊指导老师：胡朝明一、实验目的：1、熟悉 SPSS操作系统，掌握数据管理界面的简单的操作；2、熟悉 SPSS结果窗口的常用操作方法，掌握输出结果在文字处理软件中的使用方法。掌握常用统计图（线图、条图、饼图、散点、直方图等）的绘制方法；3、熟悉描述性统计图的绘制方法；4、熟悉描述性统计图的一般编辑方法。掌握相关分析的操作，对显着性水平的基本简单判断。二、实验要求：1、数据的录入，保存，读取，转化，增加，删除；数据集的合并，拆分，排序。2、了解描述性统计的作用，并掌握其SPSS的实现（频数，均值，标准差，中位数，众数，极差）。3、应用 SPSS生

2、成表格和图形，并对表格和图形进行简单的编辑和分析。4、应用 SPSS做一些探索性分析（如方差分析，相关分析）。三、实验内容：1、使用 SPSS进行数据的录入，并保存：职工基本情况数据：职工号性别年龄基本工资职称学历失业保险11481014111221429842293154104413134141835338513884831862418244377242824437824182443792428592281013582731711156101412121215998922913159938348141418892181515588734816145887348操作步骤如下：打开 SPSS软件

3、，然后在数据编辑窗口（Data View ）中录入数据，此时变量名默认为var00001,var00002,var00007, 然后在 Variable View窗口中将变量名称更改即可。具体结果如下图所示：输入后的数据为：将上述的数据进行保存：单击保存即可。2、读取上述保存文件：选择菜单 File-Open Data；选择数据文件的类型，并输入文件名进行读取，出现如下窗口：选定职工基本情况 .sav 文件单击打开即可读取数据。3、对上述数据新增一个变量工龄，其操作步骤为将当前数据单元确定在某变量上，选择菜单 Data InsertVariable ，SPSS自动在当前数据单元所在列的前一列插

4、入一个空列，该列的变量名默认为var00016 ，数据类型为标准数值型， 变量值均是系统缺失值，然后将数据填入修改。结果如下图所示：Var00016 为新增加的变量；4、对上述进行数据转化：操作步骤为 DataTranspose ，显示窗口如下：然后单击 Ok可以得到结果：5、在上述数据中删除一个变量，过程如下：在欲删除的变量名上单击右键，从弹出菜单中选择 cut 选项，该列即被删除。如删除年龄后的数据为：6、将如下数据与上述数据进行纵向合并：职工号性别职称失业保险1721111811919221220128211310具体操作步骤为：在数据编辑窗口中打开一个需要合并的SPSS数据文件，选择菜

5、单DataMerge File Add Cases 弹出 Add Cases： Read File对话框，然后确定盘符、路径、文件名后点击OK，即完成合并。过程操作图如下：结果如下：将如下数据与初始数据进行横向合并：职工号奖金1100032000131200141400161700具体操作步骤同纵向合并，过程操作图如下：得到结果为：7、数据的拆分操作步骤为，选择菜单DataSpilt File所得到的结果如下：8、1 中录入的数据进行排序，操作步骤为：选择菜单 DataSort Cases ，如下所示：显示如下窗口：单击 OK对基本工资进行升序排列得到结果如下：9 用 SPSS对职工基本情况的

6、原始数据进行作图，操作步骤为：Graphs Legacy Dialogs 选择相应的柱形图，饼图或者折线图。以饼图为例，单击 Pie 显示如下窗口：单击 Define ，结果如下：以学历为例，得出饼图：若要画柱图，则点击Bar 显示如下对话框：单击 Define 然后选定主要量，单击OK即可得到柱形图：10、用 SPSS求解上述数据中职工的频数，均值，标准差，中位数，众数，极差，操作步骤为：点击菜单 Analyze DescriptivestatisticFrequencies以基本工资为例，点击Statistics，进入如下窗口：最后单击 OK便可得到所求结果：从此表中可以看出职工基本工资的

7、均值是，中位数是887，众数是差是 220，各个基本工资的频数如下所示：即可打开下面窗口：824，标准差是，极11、研究 50 只灯泡的耐用时数（小时）如下表：8869289999469508641050927949852102792897881610009181040854110090086690595489010069269009998861120893900800938864919863981916818946926895967921978821924651850用 SPSS画出频数表和图操作步骤如下：点击菜单Analyze DescriptiveStatisticFrequencies

8、 ，然后单击Statistics.按钮，出现如下对话框：可点击相应的项目，要求系统球出相应的结果。选好后点击 Continue 返回 Frequencies 对话框，然后点击Charts.，出现如下窗口：可以选择直条图 （ Bar chart ），适用于非连续的变量； 另一种是直方图 （Histograms ），适用于连续型变量。本例要求选择 Histograms 选项，并按要求绘制正态曲线（ With normal curve ）点击 Continue 返回，最后单击 OK得出结果如下：从这个表中可以知道一些基本的统计指标， 例如：众数，中位数，总和，标准差，方差，极差等等。上表为对变量灯泡

9、时数所做的频数分布表，其中Frequency 为频数、 Percent 为各组频数占总例数的百分比、 ValidPercent 为各组频数占总例数的有效百分比、CumPercent为各组频数占总例数的累积百分比。?最后输出直方图和带有正态曲线的直方图：从上述两个柱形图中可以看出灯泡时数基本呈正态分布。12、单因素方差分析：某企业广告形式和地区对销售额的影响，见下表：广告形式124312431243地区111122223333销售额7569635257516761761008561广告形式124312431243地区444455556666销售额779080767577875772606252广

10、告形式124312431243地区777788889999销售额广告形式地区销售额5276337033817975696373401243124312431010101011111111121212126094100646154614070686766其中广告形式中（ 1 表示报纸， 2 表示广播， 3 表示宣传品， 4 表示体验）具体操作步骤如下：选择菜单 Analyze-Compare means-one-Way ANOVA，出现下面所示窗口：然后选择观测变量到 Dependent List 框；选择控制变量到 Factor 框，最后单击 OK即可得到分析结果。本例最后结果如下：广告形式对

11、销售额的单因素方差分析结果上述结果显示了组间、组内和合计的自由度（df ）、离均差平方和（ Sum of Squares ）、均方差（ Means Square）、 F 值（ F）和 P 值（ Sig ）。从上述的结果中可以看出F=， P=.说明广告形式对销售额的影响程度比较大。地区对销售额的单因素方差分析结果根据上面的方法同理即可进行结果分析。13、相关分析：为研究高等院校人文社会科技研究中立项课题数会受哪些因素的影响收集到31 各省市自治区部分高校有关社科研究方面的数据，研究立项课题数与投入的具有高级职称的人年数之间是否有较强的线性关系。具体数据见下面表格：首先利用 SPSS绘制散点图，其

12、操作步骤为：选择菜单 Graphs Scatter出现下列窗口：单击 Define ：Y 轴为投入高级职称的人年数，X 轴为课题总数点击OK得出散点图：然后做相关分析，步骤为：Analyze Correlate Bivariate出现如下窗口：选择需要的因素，单击Options ，得出：点击 Continue 返回，单击 OK即可得出结果：由上表可看出上网时间和零花钱的相关性非常大，因为二者的简单相关系数为，而Sig的值约等于 0。14、利用 SPSS进行回归分析和残差分析：依据题 13 中搜集的数据进行线性回归分析，此题中被解释变量为立项课题数，解释变量为投入人年数， 投入高级职称的人年数，

13、 投入科研事业费，专着数，论文数，获奖数。具体操作步骤如下：选择菜单 Analyze Regression Linear ，得到下面窗口 :选择变量进入相应的对话框，点击OK得出如下结果：上述表格表示所选变量入选表中的各列数据项的含义依次为： 被解释变量和解释变量的复相关系数，判定系数 R2 ，2调整的判定系数 R ，回归方程的估计标准差。可以看出：被解释变量的总离差平方和为2.1 107 ，回归平方和及均方分别为1.9 107 和6546995.095，剩余平方和及均方分别为 1435825和 53178.693，F 检验统计量的观测值为 123.113，对应的概率 p 值近似为 0. 由该

14、表可知可进行回归方程的显着性检验。从此表中可以看出 t 值均大于显着性水平， 因此目前该模型是不可用的， 应该重新考虑。采用向后筛选策略让 SPSS软件自动完成解释变量的选择， 观测每一步检验的变化情况，并进行残差分析和强影响点探测。分析结果如下：从上面三个表格中可以看出只有投入人年数的回归系数显着性检验的概率 P 小于显着性水平，因此将它保留在模型中是合理的。 最终的回归方程是： 立项课题数 =+投入人年数，说明投入人年数增加一个单位会使立项课题数平均增加个单位。上述图形是其残差分析图， 数据点围绕基准线还存在一定的规律性， 可以认为残差满足了线性模型的前提要求。四、试验心得：本次 SPSS课程实践让