spss课程实习报告

成绩成绩指导教师安康学院经济与管理系课程实习报告课程名称统计分析软件实习实习时间2014.11.10-2014.11.14实习地点信息管理与电子商务实验室班级专业11级信息管理与信息系统1班学生姓名胡婷婷学号2011228134指导教师李勇填写时间：2014年11月15日课程实习报告填写要求1.课程实习结束时学生必须提交课程实习报告，学生应充分运用所学专业基础理论知识，结合自己的课程实习经历和有关资料，进行比较深入的分析和总结，以此作为学生课程实习成绩考核重要依据。2.课程实习报告要有独立完成，重点突出、条理清晰，字数不少于2000字。3.课程实习报告的资料必须真实，内容应简明扼要，且必须与所学课程内容相关，能反映出本人实习的情况、体会和感受。4.课程实习报告的封面反映学生课程实习的基本信息，注意成绩框中“指导教师”栏应由校内指导教师手写签署姓名。5.正文内容一般应包含以下四个方面：①课程实习目的；②课程时间、地点；③课程实习内容、过程和完成的任务；④课程实习收获、体会和建议。6.课程实习必须由校内指导教师评定成绩并亲笔签名，成绩评定按照教学大纲考核标准执行。安康学院经济与管理系统计分析软件实习课程实习报告一、实习的目的通过实习使学生加深理解和巩固所学理论知识，深入掌握方差分析、回归分析、聚类分析在统计软件SPSS中的实现，能正确解释SPSS的运行结果。在实习教学中，应强化学生科学研究的训练，培养学生的创新精神和实践能力。实习要针对实习项目完成综合性实习题目的训练。（1）熟悉常用统计软件的操作环境；（2）熟练掌握利用SPSS进行方差分析、回归分析和聚类分析。二、课程时间、地点实习时间：11.10-11.14实习地点：信息管理与电子商务实验室（5003）三、课程实习内容、过程和完成的任务实习项目一：方差分析1.目的要求利用SPSS进行单因素方差分析、双因素方差分析综合题目的训练。2.实习内容单因素方差分析、多因素方差分析实验方法与步骤：（1）单因素方差分析①建立数据文件。定义变量名：种类、百分比，之后输入原始数据。②选择菜单“Analyze→CompareMeans→One-wayANOVA”，弹出单因素方差分析对话框。从对话框左侧的变量列表中选择变量“结合的百分比”，使之进入“DependentList”列表框；选择“抗生素种类”进入“Factor”框。③选择进行各组间两两比较的方法。单击“PostHoc”，弹出“One-WayANOVA:PostHocMultipleComparisons”。在 “EqualVariancesAssumed”复选框组中选择LSD.④定义相关统计选项以及缺失值处理方法。单击“Options”按钮，弹出“One-WayANOVA:Options”对话框。在“Statistics”复选框组选择Descriptive和Homogeneity-of-variance.同时选中 “Meansplot”复选框。⑤单击“OK”按钮，执行单因素方差分析，得到输出结果。实验结果分析：①如果仅仅考虑广告形式单个因素对销售额的影响从“广告形式对销售额的单因素方差分析结果”可以看出统计量F对应的概率P-值为0.000小于显著性水平a=0.05a=0.01，所以拒绝原假设，即认为不同广告形式对销售额产生了显著的影响。②如果仅仅考虑地区单个因素对销售额的影响从“地区对销售额的单因素方差分析结果”可以看出统计量F对应的概率P-值为0.000小于显著性水平a=0.05(a=0.01),所以拒绝原假设，即认为不同地区对销售额产生了显著的影响。③从上述两表可以看出“广告形式对销售额的单因素方差分析结果”中的F值为13.483“地区对销售额的单因素方差分析结果”中的F值为4.062而13.483>4.062，所以如果从单因素考虑广告形式对销售额的影响较地区有更明显的作用。（2）双因素方差分析实验步骤①打开spss软件，建立数据定义变量，如图（Analyze→GeneralLinearModel），进入双因素方差分析。②在弹出的Univariate窗口中选择“销售额”为因变量→单击向右的箭头→将其加入到“DependentVvariable”框中→选择“广告方式”和“销售地区”为因素变量→单击向右的箭头→将其加入到“FixedFactor”框中③点击“Univariate”窗口右下角“Model”→选择“Custom”利用下拉式菜单中Interaction选项可选择交互效应，如上右图所示→点击Continue④点击“Univariate”窗口右下角“ProfilePlots”→选择“广告方式”为横坐标因素变量→选择“销售地区”为分线因素变量→点击Continue⑤点击“Univariate”窗口右下角“Options”→设置输出描述性统计量、方差齐性检验，如下左图所示→点击Continue→点击OK完成操作。实验结果：实验结果分析：左上图是方差齐性检验表，从表中可以看出Levene方差齐性检验的结果，F统计量的值为1.013，相应的Sig.=0.455，如果取а=0.05，显然Sig.＞＞а,可以认为两因素各水平搭配下的总体方差符合进一步方差分析的要求。左下图是方差分析表，给出了，广告方式、销售地区以及它们的交互因素广告方式*销售地区的F值以及相应的Sig.。这里Sig.值分别为0.000、0.090、0.923，如果取显著性水平а=0.05，则只有广告方式的影响是显著的，而销售地区，广告方式与销售地区的交互作用均是不显著的。实习项目二：回归分析1.目的要求利用SPSS进行线性回归分析、曲线回归分析综合题目的训练。2.实习内容（1）线性回归分析实验步骤①打开spss软件，建立数据，创建“年份”、“蛾量”、“卵量”、“降水量”、“雨日”和“幼虫密度”变量，并输入数据。再创建蛾量、卵量、降水量、雨日和幼虫密度的分级变量“x1”、“x2”、“x3”、“x4”和“y”，它们对应的分级数值可以在SPSS数据编辑窗口中通过计算产生。编辑后的数据显示如图。②启动线性回归过程，单击SPSS主菜单的“Analyze→Regression→Linear”，在弹出的“LinearRegression”窗口中设置因变量：选择“幼虫密度[y]”变量，添加到“Dependent”框中。设置自变量：选择“蛾量[x1]”、“卵量[x2]”、“降水量[x3]”、“雨日[x4]”变量，添加到“Independent(S)”框中。选择标签变量:选择“年份”为标签变量。③回归方式因此在“Method”框中选中“Enter”选项，建立全回归模型。④设置输出统计量，单击“Statistics”按钮，“Options”按钮，并对其进行相关设置，如图所示，单击“OK”，提交执行。实验结果表一回归模型统计量：R是相关系数；RSquare相关系数的平方，又称判定系数，判定线性回归的拟合程度：用来说明用自变量解释因变量变异的程度（所占比例）；AdjustedRSquare调整后的判定系数；Std.ErroroftheEstimate估计标准误差。表二回归模型的方差分析表，F值为10.930，显著性概率是0.001，表明回归极显著。实验结果分析:根据多元回归模型：把表6-9中“非标准化回归系数”栏目中的“B”列系数代入上式得预报方程：预测值的标准差可用剩余均方估计：回归方程的显著性检验：从表二方差分析表中得知：F统计量为10.93，系统自动检验的显著性水平为0.001。F(0.05,4,11)值为3.36，F(0.01,4,11)值为5.67，F(0.001,4,11)值为10.35。因此回归方程相关非常显著。（2）曲线回归分析实验步骤：①建立数据、定义变量。②在菜单中选择Analyze→Regression→CurveEstimation→在弹出的“CurveEstimation”窗口中选择“Y”为因变量→单击向右的箭头→将其加入到“Dependent”框中→选择“X”为自变量→单击向右的箭头→将其加入到“Variable”框中→“Models”中选择拟合模型→点击OK完成操作。实验结果分析：这个数值表给出了各个拟合模型的详细结果，其中第一列Equation为选用模型类别，第二列RSquare为R2统计量，第三列F为F统计量的值，第四列与第五列为自由度，第六列Sig.是方程显著性检验对应的P值，最后四列分别给出了各模型对应的参数估计。结果表明各个模型的回归方程都是显著的，且二次项模型与三次项模型的R2均达到0.99以上，这两个模型都比较合适。拟合曲线图给出了各个模型的观察值和预测值的对比图，利用输出结果图而生成的图形，具体的图解见图右的说明，从图中可以更为直观的了解各种模型的回归拟合效果。实习项目三：聚类分析1.目的要求利用SPSS进行聚类分析综合题目的训练。2.实习内容（1）系统聚类法实验步骤①建立数据文件。②选择菜单“Analyze→Classify→HierarchicalCluster”，弹出HierarchicalClusterAnalysis对话框。从对话框左侧的变量列表中选x1、x2、x3、x4、x5、x6，使之进入Variable(s)框；在Cluster处选择聚类类型Variables(对变量聚类)，如下图。

③单击“Statistics”按钮，弹出“HierarchicalClusterAnalysis:Statistics”对话框，选择“Proximitymatrix”以显示距离矩阵。④单击“Plots”按钮，弹出“HierarchicalClusterAnalysis:Plots”对话框，选择Dendrogram项。⑤单击“Method”按钮，弹出“HierarchicalClusterAnalysis:Method”对话框，选择“Between-groupslinkage”和“Pearsoncorrelation”。 ⑥单击“OK”按钮，得到输出结果。实验结果分析：第一个结果图是垂直冰柱图，冰柱图中的第一列表示类的数目，对冰柱图的分析一般从表格的最后一行开始，倒着向上进行。例如聚类成两类，样品20、19、18属于一类，其他样品属于一类；若分成三类，样品20、19、18属于一类，17自成一类，其他样品属于一类。第二个结果图是凝聚状态表，从第一列可以看出一共进行了19次聚类，第一行表示第二个样品和第十个样品最先聚类，样品间的距离为0.1，第二行表示第九个样品于第十四个样品聚类等，最后经过十九次聚类，所有样品聚成一大类。（2）快速聚类法实验步骤：①建立数据、定义变量。②在菜单中选择Analyze→Classify→K-MeansCluster→在弹出的窗口中选择“X1、X2、X3、X4、X5”为聚类分析的变量→单击向右的箭头→将其加入到“Variable”框中→选择“股票代码”为分析对象的标志变量→单击向右的箭头→将其加入到“LabelCasesby”框中→点击右下角的四个按钮，依次对其进行设置→点击Continue→点击OK完成操作。实验结果分析：左上图是凝聚点表，由于指定分为两类，所以给出了两个凝聚点的具体指标值。左下图是迭代记录表，从表中可以看出，第三次迭代之后类的中心已无改变，整个快速聚类只进行了3次迭代就已完成。右上图是类中心点表，从表中可以看出3次迭代之后最终形成的个各类的中心点的位置。四、实习心得大学生活使我对统计分析软件实习理论知识有了一定的了解，但实际操作领域依旧是一片空白。纸上得来终觉浅，绝知此事要躬行。经过统计分析软件实习课程的实习，让我对自己有了新的认识，并明确了统计分析软件实习方面的前进方向。1．继续学习，不断提升理论素养。在信息时代，学习是不断地汲取新信息，获得事业进步的动力。现在通过实习总感觉自己学的不够，要用到知识时总感觉脑袋总是空白。实习后让我明白，为了能更好的适应工作，不得不利用自己空闲时间去弥补学习中的不足。实训内容是与自己所学专业有密切联系的，所以自己在这方面格外侧重，希望能够加强自己的专业知识。2、加强信心，坚持下去上学的时候大家都说“能珍惜现在的日子就好好珍惜！”，等工作了才真正的领悟这句话的涵义。经历一次实训课的学习后，就希望能把实习所学习的知识，也能运用到课堂上。对自己多一点信心，多给自己点赞赏，多给自己鼓鼓劲，相信自己总会走出一条宽敞大道。3、实训学习中的同学相处感觉学生时代很美好，不仅仅是不需要去努力工作，而是在学生时代你可以有很好的同学，很好的朋友，大家相互嘘寒问暖，不必勾心斗角。我感觉这里才真的有纯洁的友谊。我想当踏上了社会，就会存在着利益关系，有工作繁忙，也多了份人情世故。希望以后自己努力，可以多几个朋友，希望自己可以有个团结工作的环境。在整个实训的过