管理统计学调查分析报告

1、管理统计学调查报告调查题目：大学校园宅居现象调查班 级：小组成员：指导教师：目录一、 调查方案11.1 调查背景11.2 调查目的11.3 调查对象11.4 调查时间11.5 调查方式1二、 问卷12.1 问卷设计12.2 问卷发放/回收情况12.3 问卷分析方法1三、 数据分析2四、 结论234.1 影响宅居现象的因素234.2 改变宅居现象的措施24附录251、 调查方案1.1 调查背景近年来，随着各高校的扩招，大学生数量已达到空前的规模，大学生是社会发展，构建中华民族伟大复兴中国梦的中坚力量，因此大学生群体中所存在的问题是不容小觑的。大学生群体本应充满朝气与活力，是社会群体中积极向上的代

2、表。然而校园中却出现了很多的“宅男”、“宅女”，他们大都沉迷于网络游戏或极度依赖电脑和智能手机等现代化设备，缺乏斗志，生活颓废，理想意识淡薄。时代进步、科技发达的今天，作为“电脑一代”的大学生，网络应用熟练，善于接受新鲜事物，但也容易被其诱惑沉迷其中，放弃与外界交流，与现实中的各种群体相隔开，消极避世，封闭在自己的小空间里。而人从来就不是一种与社会分离的动物，因此作为青春与活力为代表的大学生更应该深深了解到群体以及沟通的重要性。1.2 调查目的大学生是如何看待“宅男宅女”的；哪些因素判定一个人是否为“宅男宅女”；大学生中“宅男宅女”现象是否严重，是否值得学校和社会的关注与重视；改变这一现状可以

3、从哪些方面入手。1.3 调查对象以天津工业大学学生为主。1.4 调查时间2014年12月21日1.5 调查方式本次调查采用随机问卷调查方式。2、 问卷2.1 问卷设计问卷主要从性别，年级，生活习惯和对宅居生活的态度等方面进行设计，具体见附件。2.2 问卷发放/回收情况本次发放问卷160份，回收160份，有效问卷158份，有效率为98.75%。2.3 问卷分析方法利用SPSS软件环境对问卷进行分析，主要采用描述统计分析中的频率分析和列联表分析，比较均值中的独立样本t检验和单因素分析，以及双变量相关分析和线性回归分析。3、 数据分析我们根据回收回来的158份有效问卷，用1、2、3、4、5代表各问题

4、选项A、B、C、D、E，将数据录入到SPSS中，用图表形式和特征量对题目进行分析。本调查旨在研究各因素对宅居现象有无显著影响，故将问题9作为因变量。此处应注意的是，问题9的统计是一个个人主观评价，从个人主观心理来看，大多数同学不愿意承认自己的宅居特质，所以对于选择选项A和B的同学，可以认为其具有宅居特质，对于选择选项C的同学，则具有一定的宅居倾向。首先对问题9进行频数统计：表1自己符合宅居特质情况FrequencyPercentValid PercentCumulative PercentValid符合2012.712.712.7大多符合4931.031.043.7不大符合6239.239.2

5、82.9不符合2717.117.1100.0Total158100.0100.0图1用SPSS对问题9进行频率分析，得出统计结果的分布情况（如表1），并画出分布饼图（如图1），可以得出选择A、B的同学有43%，选择C的有39.2%，也就是说，大约有82.9%的同学承认自己是“宅男”/“宅女”或有宅居倾向，只有17.1%的同学表示自己无宅居倾向。下面对各个问题逐个分析。问题1图2从图2可以看出，本次调查的对象男性占60%多，女性不到40%。下面利用SPSS对本题进行相关性分析，分析其与问题9的相关性。（1） 独立样本检验表2独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.

6、tdfSig.(双侧)均值差值标准误差值差分的 95% 置信区间下限上限性别假设方差相等0.1290.7210.185670.8540.0230.127-0.230.277假设方差不相等0.18234.3320.8560.0230.129-0.2380.285由输出结果可以看到：对于性别来说， F值为0.129，相伴概率为0.721，大于显著性水平0.05，接受原假设（即方差相等的假设），可以认为性别和宅居情况方差无显著相关性；然后看方差相等时T检验的结果，T统计量的相伴概率为0.854，大于显著性水平0.05，不能拒绝T检验的零假设，也就是说，性别和宅居情况不存在显著相关性。另外从样本的均值

7、差的95%置信区间看，区间跨0，这也说明性别和宅居情况不存在显著相关性。（2） 交叉列联表表3对称度量值近似值 Sig.Monte Carlo Sig.Sig.99% 置信区间下限上限按标量标定相依系数0.0820.7850.788c0.7770.798有效案例中的 N158a. 不假定零假设。b. 使用渐进标准误差假定零假设。c. 基于 10000 采样表，启动种子为 2084698279 。原假设: 性别和宅居特性没有相关关系备择假设: 性别和宅居特性有相关关系对于性别来说，近似值，大于显著性水平0.05，应接受原假设，拒绝备择假设，即性别和宅居特性不存在显著相关性。（3） 相关性表4相关

8、性性别自己符合宅居特质情况性别Pearson 相关性1.045显著性（单侧）.287N158158自己符合宅居特质情况Pearson 相关性.0451显著性（单侧）.287N158158从表4可以看出，性别与宅居特性之间的相关系数为0.045，T检验的显著性概率为，接受零假设，即两个变量之间无显著相关。（4） 回归性分析表5Anovaa模型平方和df均方FSig.1回归0.26910.2690.3190.573b残差131.4021560.842总计131.671157a. 因变量: 自己符合宅居特质情况b. 预测变量: (常量), 性别。 表6系数a模型非标准化系数标准系数tSig.B 的

9、95.0% 置信区间B标准 误差试用版下限上限1(常量)2.4900.22011.3310.0002.0562.925性别0.0850.1510.0450.5650.573-0.2130.383a. 因变量: 自己符合宅居特质情况对以上结果进行分析： （1） 回归方程为：（是自变量性别，是因变量自己符合宅居特性情况）。（2） 方差分析表，说明性别对宅居特性没有显著的线性影响。（3） 检验 。a. 回归方程检验 根据表6可知，,所以回归方程不显著。b. 系数 ，所以不通过。 综上所述，该回归方程不成立，说明二者之间用当前模型进行回归没有统计学支持

10、，应该换一个模型来进行回归。问题2图3从图3可以看出，本次调查对象主要集中在大三学生上，由于大一新生、大四学生活动和任务多，有许多“身不由己”的因素，可见大三学生具有一定的代表性。下面对其与问题9的相关性进行分析。（1） 独立样本检验表7独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值差分的 95% 置信区间下限上限年级假设方差相等0.3880.5350.921670.3610.1900.206-0.2220.601假设方差不相等0.82528.6360.4160.1900.230-0.2810.661由输出结果可以看到：对于年级

11、来说，方差相等时T检验的结果，T统计量的相伴概率为0.361，大于显著性水平0.05，不能拒绝T检验的零假设，也就是说，年级和宅居特性不存在显著相关性。（2） 交叉列联表表8对称度量值近似值 Sig.Monte Carlo Sig.Sig.99% 置信区间下限上限按标量标定相依系数0.3410.0540.054c0.0480.060有效案例中的 N158a. 不假定零假设。b. 使用渐进标准误差假定零假设。c. 基于 10000 采样表，启动种子为 2145213106 。对于年级来说，近似值，大于显著性水平0.05，应接受原假设，即年级和宅居特性不存在显著相关性。（3） 相关性表9相关性自己

12、符合宅居特质情况年级自己符合宅居特质情况Pearson 相关性10.032显著性（单侧）0.343N158158年级Pearson 相关性0.0321显著性（单侧）0.343N158158从表9可以看出，年级与宅居特性之间的相关系数为0.032，T检验的显著性概率为0.343>0.05，接受零假设，表明两个变量之间无显著相关。（4） 回归性表10系数a模型非标准化系数标准系数tSig.B 的 95.0% 置信区间B标准 误差试用版下限上限1(常量)2.5250.21711.6300.0002.0962.954年级0.0310.0770.0320.4040.687-0.1210.183a.

13、 因变量: 自己符合宅居特质情况对以上结果进行分析： （1） 回归方程为：（X是自变量年级，Y是因变量自己符合宅居特性情况）（2） 回归方程检验 ：根据表10可知， ，所以回归方程不显著 。问题3图4由于本校为理工类学校，所以调查对象中有4/5为理工类学生。下面对其与问题9的相关性进行分析。（1） 独立样本检验表11独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值差分的 95% 置信区间下限上限专业类别假设方差相等0.0230.881-0.075670.940-0.0070.095-0.19

14、60.182假设方差不相等-0.07434.2330.941-0.0070.096-0.2030.188由输出结果可以看出：对于专业类别来说， F值为0.023，相伴概率为0.881，大于显著性水平0.05，不能拒绝方差相等的假设，可以认为专业和自己符合宅居特性情况方差无显著相关性。（2） 交叉列联表表12对称度量值近似值 Sig.Monte Carlo Sig.Sig.99% 置信区间下限上限按标量标定相依系数0.1170.5360.543c0.5300.556有效案例中的 N158a. 不假定零假设。b. 使用渐进标准误差假定零假设。c. 基于 10000 采样表，启动种子为 120527

15、4874 。对于专业类别来说，近似值，大于显著性水平0.05，应接受原假设，即专业和宅居特性不存在显著相关性。（3） 相关性表13相关性自己符合宅居特质情况专业类别自己符合宅居特质情况Pearson 相关性1-0.108显著性（单侧）0.089N158158专业类别Pearson 相关性-0.1081显著性（单侧）0.089N158158从表13可以看出，专业类别与宅居特性之间的相关系数为-0.108，T检验的显著性概率为0.089>0.05，接受零假设，表明两个变量之间无显著相关。（4） 回归性表14系数a模型非标准化系数标准系数tSig.B 的 95.0% 置信区间B标准 误差试用版

16、下限上限1(常量)3.0540.3389.0360.0002.3863.721专业类别-0.2470.183-0.108-1.3520.178-0.6090.114a. 因变量: 自己符合宅居特质情况对以上结果进行分析： （1） 回归方程为：（X是自变量专业类别，Y是因变量自己符合宅居特性情况）。（2） 回归方程检验：根据表14可知，所以回归方程不显著 。问题4图5上图为调查对象性格分布饼图，下面分析其与问题9的相关性。（1） 独立样本检验表15独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值差分的 95% 置

17、信区间下限上限性格假设方差相等7.5670.0081.735670.0870.3550.205-0.0530.764假设方差不相等1.46926.1610.1540.3550.242-0.1420.852由输出结果可以看出：从样本的均值差分的95%置信区间看，区间跨0，这也说明性格和宅居特性不存在显著相关性。（2） 交叉列联表表16对称度量值近似值 Sig.Monte Carlo Sig.Sig.99% 置信区间下限上限按标量标定相依系数0.2970.0840.083c0.0760.090有效案例中的 N158a. 不假定零假设。b. 使用渐进标准误差假定零假设。c. 基于 10000 采样表

18、，启动种子为 1965724200 。对于性格来说，近似值Sig.=0.084，大于显著性水平0.05，应接受原假设，即性格和宅居特性不存在显著相关性。（3） 相关性表17相关性自己符合宅居特质情况性格自己符合宅居特质情况Pearson 相关性10.122显著性（单侧）0.063N158158性格Pearson 相关性0.1221显著性（单侧）0.063N158158从表17可以看出，性格与宅居特性之间的相关系数为0.122，T检验的显著性概率为0.063>0.05，接受零假设，表明两个变量之间无显著相关。（4） 回归性表18系数a模型非标准化系数标准系数tSig.B 的 95.0% 置

19、信区间B标准 误差试用版下限上限1(常量)2.2780.22610.0670.0001.8312.724性格0.1330.0860.1221.5400.126-0.0380.304a. 因变量: 自己符合宅居特质情况对以上结果进行分析： （1） 回归方程为：（X是自变量性格，Y是因变量自己符合宅居特性情况）（2） 回归方程检验 ：根据表18可知，,所以回归方程不显著 。问题5图6从上图可以看出，有60%的同学参加过一些社会活动，也有近40%的学生没参加过。下面对其与问题9的相关性进行分析。（1） 单因素方差分析表19单因素方差分析参加社会组织状况平方和df均方F显

20、著性组间0.16730.0560.2320.874组内37.0481540.241总数37.215157取，检验参加社会组织活动是否对符合宅居特质有影响，假设参加社会组织活动对宅居特质没有影响，从方差分析表可以看出，由于显著性0.874>0.05，所以接受原假设，参加社会组织活动对宅居特质没有影响。（2） 交叉列联表分析表20对称度量值近似值 Sig.Monte Carlo Sig.Sig.99% 置信区间下限上限按标量标定相依系数0.0670.8710.885c0.8760.893有效案例中的 N158a. 不假定零假设。b. 使用渐进标准误差假定零假设。c. 基于 10000 采样表

21、，启动种子为 79654295 。取，检验参加社会组织活动是否对符合宅居特质有影响，假设参加社会组织活动对宅居特质没有影响，从对称度量表可以看出，由于，所以接受原假设，即参加社会组织活动对宅居特质没有影响。（3） 相关性分析表21相关性自己符合宅居特质情况参加社会组织状况自己符合宅居特质情况Pearson 相关性10.022显著性（单侧）0.392N158158参加社会组织状况Pearson 相关性0.0221显著性（单侧）0.392N158158取，检验参加社会组织状况是否与符合宅居特质相关，假设参加社会组织状况与宅居特质无关，从表21可以看出，性别与宅居特质之间的相关系数为0.022，T检

22、验的显著性概率为0.392>0.05，接受原假设，表明两个变量之间无显著相关。（4） 回归分析表22系数a模型非标准化系数标准系数tSig.B 的 95.0% 置信区间B标准 误差试用版下限上限1(常量)2.5500.22011.5810.0002.1152.985参加社会组织状况0.0410.1510.0220.2760.783-0.2560.339a. 因变量: 自己符合宅居特质情况对以上结果进行分析： （1） 回归方程为：（X是自变量性格，Y是因变量自己符合宅居特性情况）（2） 回归方程检验 ：根据表22可知，,所以回归方程不显著 。问题6图7从图7可

23、以看出，大部分同学表示其在宿舍的时间约为24小时，比较适中。下面对其与问题9的相关性进行分析。（1） 单因素方差分析表23单因素方差分析每天在宿舍的时间平方和df均方F显著性组间16.59535.5326.3280.000组内134.6271540.874总数151.222157取，检验每天在宿舍的时间是否对符合宅居特质有影响，假设每天在宿舍的时间对宅居特质没有影响，从方差分析表（表23）可以看出，由于显著性0.000<0.05，所以拒绝原假设，参加社会组织活动对宅居特质有明显影响。（2） 交叉列联表分析表24对称度量值近似值 Sig.Monte Carlo Sig.Sig.99% 置信

24、区间下限上限按标量标定相依系数0.3810.0020.001c0.0000.002有效案例中的 N158a. 不假定零假设。b. 使用渐进标准误差假定零假设。c. 基于10000采样表，启动种子为 1310155034。取，每天在宿舍的时间是否对符合宅居特质有影响，假设参加社会组织活动对宅居特质没有影响，从对称度量表（表24）可以看出，由于，所以拒绝原假设，参加社会组织活动对宅居特质有显著影响。（3） 相关性分析表25相关性自己符合宅居特质情况每天在宿舍的时间自己符合宅居特质情况Pearson 相关性1-0.285*显著性（单侧）0.000N158158每天在宿舍的时间Pearson 相关性-

25、0.285*1显著性（单侧）0.000N158158*. 在0.01 水平（单侧）上显著相关。取，检验每天在宿舍的时间是否与符合宅居特质相关，假设每天在宿舍的时间与宅居特质无关，从表25可以看出，性别与宅居特性之间的相关系数为-0.285，T检验的显著性概率为0.000<0.05，拒绝原假设，表明两个变量之间有明显相关。（4） 回归分析表26系数a模型非标准化系数标准系数tSig.B 的 95.0% 置信区间B标准误差试用版下限上限1(常量)3.2280.18117.8040.0002.8703.587每天在宿舍的时间-0.2660.072-0.285-3.7120.000-0.407-

26、0.124a. 因变量: 自己符合宅居特质情况对以上结果进行分析： （1） 回归方程为：（X是自变量性格，Y是因变量自己符合宅居特性情况）（2） 回归方程检验 ：根据表26可知，所以回归方程显著 。问题7图8从图8可以看出，有约40%的同学每周参加锻炼次数为01次，另有约30%的同学表示每周参加锻炼次数为12次，仅有大概8%的同学每周锻炼次数在3次以上，可见大学生缺乏锻炼的这一现象愈发严重。下面对其与问题9的相关性进行分析。（1） 单因素分析表27单因素方差分析每周参加锻炼次数平方和df均方F显著性组间8.70932.9033.2580.023组内137.2221

27、540.891总数145.930157取，检验每周参加锻炼次数是否对符合宅居特质有影响，假设每周参加锻炼次数对宅居特质没有影响，从方差分析表（表27）可以看出，由于显著性0.023<0.05，所以拒绝原假设，参加社会组织活动对宅居特质有明显影响。（2） 交叉列联表分析表28对称度量值近似值 Sig.Monte Carlo Sig.Sig.99% 置信区间下限上限按标量标定相依系数0.3060.0610.055c0.0490.061有效案例中的 N158a. 不假定零假设。b. 使用渐进标准误差假定零假设。c. 基于 10000 采样表，启动种子为 1585587178。取，检验每天每周参

28、加锻炼次数是否对符合宅居特质有影响，假设每周参加锻炼次数对宅居特质没有影响，从对称度量表（表28）可以看出，由于，所以接受原假设，参加社会组织活动对宅居特质没有影响。（3） 相关性分析表29相关性自己符合宅居特质情况每周参加锻炼次数自己符合宅居特质情况Pearson 相关性10.237*显著性（单侧）0.001N158158每周参加锻炼次数Pearson 相关性0.237*1显著性（单侧）0.001N158158*. 在0.01 水平（单侧）上显著相关。取，检验每周参加锻炼次数是否与符合宅居特质相关，假设每周参加锻炼次数与宅居特质无关，从表29可以看出，性别与宅居特性之间的相关系数为0.237

29、，T检验的显著性概率为0.001<0.05，拒绝原假设，表明两个变量之间有明显相关性。（4） 回归分析表30系数a模型非标准化系数标准系数tSig.B 的 95.0% 置信区间B标准误差试用版下限上限1(常量)2.1750.15813.7260.0001.8622.488每周参加锻炼次数0.2250.0740.2373.0510.0030.0800.371a. 因变量: 自己符合宅居特质情况对以上结果进行分析： （1） 回归方程为：（X是自变量性格，Y是因变量自己符合宅居特性情况）（2） 回归方程检验：根据表30可知，所以回归方程显著 。问题8图9如图9所示，大约有一

30、半的同学认为宅居生活也是一种生活方式，无所谓褒贬，也有30%多的人表示虽然能接受这种生活方式，但是自己不愿意成为那样的人。下面对其与问题9进行相关性分析。（1） 单因素分析表31单因素方差分析对宅居生活的态度平方和df均方F显著性组间12.02334.0088.0160.000组内76.9961540.500总数89.019157取，检验对宅居生活的态度是否对符合宅居特质有影响，假设对宅居生活的态度对宅居特质没有影响，从方差分析表（表31）可以看出，由于显著性0.000<0.05，所以拒绝原假设，参加社会组织活动对宅居特质有明显影响。（2） 交叉列联表分析表32对称度量值近似值 Sig.

31、Monte Carlo Sig.Sig.99% 置信区间下限上限按标量标定相依系数0.4280.0000.000c0.0000.000有效案例中的 N158a. 不假定零假设。b. 使用渐进标准误差假定零假设。c. 基于 10000 采样表，启动种子为 1451419960 。取，检验对宅居生活的态度是否对符合宅居特质有影响，假设对宅居生活的态度对宅居特质没有影响，从对称度量表（表32）可以看出，由于，所以拒绝原假设，参加社会组织活动对宅居特质有显著影响。（3） 相关性分析表33相关性自己符合宅居特质情况对宅居生活的态度自己符合宅居特质情况Pearson 相关性1.318*显著性（单侧）.00

32、0N158158对宅居生活的态度Pearson 相关性.318*1显著性（单侧）.000N158158*. 在0.01 水平（单侧）上显著相关。取，检验对宅居生活的态度是否与符合宅居特质相关，假设对宅居生活的态度与宅居特质无关，从表33可以看出，性别与宅居特性之间的相关系数为0.318，T检验的显著性概率为0.000<0.05，拒绝原假设，表明两个变量之间有明显相关。（4） 回归分析表34系数a模型非标准化系数标准系数tSig.B 的 95.0% 置信区间B标准误差试用版下限上限1(常量)1.7190.2237.7030.0001.2782.159对宅居生活的态度0.3870.0920.

33、3184.1910.0000.2050.569a. 因变量: 自己符合宅居特质情况对以上结果进行分析： （1） 回归方程为：（X是自变量性格，Y是因变量自己符合宅居特性情况）（2） 回归方程检验 ：根据表34可知，所以回归方程显著 。4、 结论4.1 影响宅居现象的因素 由以上数据分析可得：性别、年级、专业等对宅居现象无明显影响；在宿舍时间长短、参加锻炼次数和对“宅居”的态度等对是否符合宅居特质影响较大。首先，每天在宿舍时间长，依赖电脑与网络，参加实践活动少或根本不愿意参加实践活动，这样的学生有明显有“宅男”“宅女”倾向。其次，就是“懒”，极度缺乏锻炼，作息时间不稳定，每天睡到自然醒，整天对着电脑，很少进行打球、跑步等体育活动，这种“懒”的现象可以清晰的界定“宅男”“宅女”。再次，有些人认为虽然能接受宅居这种生活方式，但是自己不愿意成为那样的人，这样属于比较理智型的人，通常也不会发展成为“宅男宅女”。而另一些对宅居生活明显支持态度的则很可能自身就是“宅男宅女”。最后，是否有明确的理想和目标，对压力是勇于面对还是选择逃避