SPSS数据分析与应用-教学大纲-48学时(课程思政版)+课后习题答案-

《SPSS数据分析与应用》课程大纲课程性质必修适用专业经济管理类各专业学时/学分48学时/3学分1.课程目标《SPSS数据分析与应用》是针对经济管理类专业的一门必修课程。本课程以数据分析流程为主线，培养学生具备基本的数据思维、数据分析技能，以及掌握这些方法的SPSS实现步骤，带领学生体验到从数据到价值的全过程。通过数据分析，引导学生通过量化数据来深入了解社会现象和问题的本质，鼓励学生认识到没有调查就没有发言权的道理。同时，也要鼓励学生脚踏实地，努力为经济社会发展做出贡献。2.教学内容安排章节学时第1章SPSS分析软件概述2第2章SPSS数据文件的建立与管理4第3章SPSS数据预处理6第4章描述分析6第5章因子分析6第6章聚类分析6第7章线性回归分析6第8章逻辑回归分析6第9章数据分析实训4复习2合计483.课程中的思政元素章节思政元素第1章SPSS分析软件概述通过了解我国统计学的发展历程和特点，总结历史经验，加深对国情的认识。第2章SPSS数据文件的建立与管理学习优秀的统计学家对祖国的热爱和勤奋工作的光荣事迹，有助于增强学生的爱国主义情怀。第3章SPSS数据预处理引导学生在数据采集和整理的过程中，注重实事求是、严谨求真，培养耐心细致的工作态度和严肃认真的科学精神。第4章描述分析在数据分析过程中，引导学生深入分析现象的本质，加强实践能力和创新思维。第5章因子分析引导学生在数据分析中保持实事求是的原则，并遵守职业道德规范。第6章聚类分析第7章线性回归分析第8章逻辑回归分析第9章数据分析实训在报告撰写过程中，引导学生遵循职业道德规范，培养团队协作的优秀品质。4.授课安排表课序课程单元期望目标作业11.1SPSS的发展及特点1.2SPSS的主要窗口1.3SPSS数据分析流程1.了解SPSS软件。2.了解SPSS25.0的主要窗口和菜单。3.熟悉SPSS数据分析的基本流程。一、二、三22.1在SPSS中定义变量2.2SPSS数据文件的建立和管理1.掌握在SPSS中定义变量的方法。2.掌握SPSS数据文件的建立和管理。一、二（1-4）32.3SPSS数据文件的合并2.4SPSS数据文件的拆分熟悉SPSS数据文件的合并与拆分三43.1数据排序3.2数据去重1.熟练掌握数据排序的具体操作步骤。2.熟练掌握数据去重的方法和具体操作步骤。三（1-3）53.3变量计算3.4重新编码1.熟练掌握变量计算的具体操作步骤。2.熟练掌握重新编码的具体操作步骤。三（4）63.5数据分组3.6数据选取1.了解各种数据分组的特点和适用场合，并掌握组距分组的具体操作步骤。2.熟练掌握数据选取的方法和具体操作步骤。三（5-6）74.1单变量的描述分析1.熟悉描述分析的概念。2.掌握单变量常用的描述分析方法及其SPSS实现。一（1-4）、二84.2双变量的描述分析掌握双变量常用的描述分析方法及其SPSS实现。一（5-8）、三94.3数据分析相关岗位的薪资影响因素分析报告及学生实现1.掌握描述分析案例报告的框架。2.掌握描述分析的场景应用。课后实训案例105.1因子分析概述5.2因子分析的基本步骤1.了解因子分析的基本思想和评价因子分析的相关指标。2.熟悉因子分析的基本步骤及原理。一、二115.3因子分析的基本实现及解读掌握SPSS实现因子分析和结果解读的方法。三125.4学生成绩的影响因子分析报告1.掌握因子分析案例报告的框架。2.掌握因子分析的场景应用。课后实训案例136.1聚类分析概述6.2K-means聚类1.了解聚类分析的概念及算法分类。2.熟悉K-means聚类的基本概念。3.掌握SPSS实现K-means聚类，以及对结果解读的方法一（1-3）、二、（1-4）146.3系统聚类1.熟悉系统聚类的基本概念。2.掌握SPSS实现系统聚类，以及对结果解读的方法三156.4移动通信客户聚类分析报告1.掌握聚类分析案例报告的框架。2.掌握聚类分析的场景应用。课后实训案例167.1回归分析概述7.2.1

线性回归分析模型的变量准备1.了解回归分析的基本原理及步骤一177.2.2

线性回归分析模型的SPSS实现及解读7.2.3

对数线性回归分析模型掌握线性回归模型及对数线性回归模型的SPSS实现与解读方法二、三187.3电影票房影响因素分析报告1.掌握线性回归分析案例报告的框架。2.掌握线性回归分析的场景应用。课后实训案例198.1逻辑回归分析概述理解二项逻辑回归分析的基本原理一208.2逻辑回归分析模型的实现与解读掌握逻辑回归分析的SPSS实现及结果解读二、三218.3泰坦尼克号生存影响因素分析报告1.掌握二项逻辑回归分析案例报告的框架。2.掌握二项逻辑回归分析的场景应用。课后实训案例229.数据分析实训能够与团队成员较好的分工、合作、以及沟通，能够熟练地撰写数据分析报告。9.1～9.6任选一个案例完成背景介绍、数据介绍及说明、描述分析239.数据分析实训能够与团队成员较好的分工、合作、以及沟通，能够熟练地撰写数据分析报告。针对选择的案例完成数据建模与解读、结论与建议，并规范版面，完成数据分析报告24总复习《SPSS数据分析与应用》课后习题答案第一章一、单项选择题1-5ADBAA二、判断题1-5TTFTT三、综合题SPSS有哪两个主要窗口数据编辑器窗口、结果查看器窗口。数据编辑器窗口的主要功能是对变量进行定义、录入、文件管理、数据分析。结果查看器窗口的主要功能是结果查看与管理。第二章一、单项选择题1-5ADCDD二、判断题1-5FTFTT三、综合题字母VAR开头，后面补足5位数字；可通过添加变量名标签、变量值标签增加分析的可读性。第三章一、单项选择题1-8DBDCBCBC二、判断题1-5TFFFF三、思考题1.将大学生恋爱数据按照年级（升序）、每周娱乐时间（升序）、每周睡觉时间（降序）进行多重排序。SPSS操作过程如下：选择菜单里的数据-排序个案：将排序变量依次输入得到：点击确定得到最终结果；利用大学生恋爱数据，对其进行数据去重，筛选条件为全部变量。SPSS操作结果如下：本题中筛选条件为全部变量时，无重复个案。利用学生成绩数据，按物理成绩对其进行降序排列。SPSS操作结果如下所示：（1）将物理单科的变量作为排序依据，并点击降序排列。（2）点击确定得到排序结果；4．利用学生成绩数据求出6门课成绩的平均分，并将平均分重新编码，划分为3个等级：60～69、70～79、80～89。SPSS操作结果如下：首先求出平均分；对平均分进行重新编码；首先重新命名为平均分等级，如下图所示。其次在变量视图中将平均分这列变量的两位小数变成整数列。最后进行重新编码，如下图所示结果。5.利用大学生恋爱数据，采用随机选取中的近似选取方法进行抽样（抽取60%）。SPSS操作结果如下：选择数据-选择个案-随即个案样本，填入相应抽取的个案比例。点击继续-确定，结果如下所示。6．利用SPSS的变量计算功能，生成服从标准正态分布的100个随机数。从excel表格自动填充一个1到100的序列，然后粘贴至SPSS第一列，变量命名为“序号”。在菜单栏中依次点击转换-随机数发生器：勾选“设置起点”，并在下方选择“随机”，也就是要求软件使用一个随机种子，而不是固定种子（随机数可重复）。如下图所示：然后，在菜单栏中依次点击“转换”“计算变量”菜单，调出“计算变量”对话框。左侧目标变量框中，为即将新增的随机变量命名，比如“随机数”，右侧数字表达式框中输入具体的随机数函数。本题要求软件自动生成100个均值为0，标准差为1的正态分布随机数。在函数组中找到随机数函数，软件自动列出多种分布可供选择，本题选择函数RV.NORMAL(MEAN,STDDEV)，只需点击函数名，其会自动出现在数字表达式框中，只需修改0和1两个参数即可。最后点击“确定”按钮，软件执行生成随机数，结果如下所示。我们看到原序号变量右侧新增新的一列变量随机数，并存储了100个随机数。第四章一、单项选择题1-8ACCAADBA二、判断题1-5TTTTT三、综合题1.可以从集中趋势、离散程度、分布形态三方面进行描述。2.众数是总体中出现次数最多的标志值。是一种由位置决定的平均数。可以没有众数也可有两个。众数是一种位置代表值，它的应用场合比较有限。中位数是将总体中各数据排序后，位于中点位置的。中位数也反映标志值的集中趋势，也是由位置决定的平均数。均值集算术平均数，是数据集中趋势的最主要测度值。它反映了一组数据中心点或代表值，是数据误差互相抵消后客观事物必然性数量特征的反映。众数最容易计算，但不是永远存在，同时作为集中趋势代表值应用的场合较少；中位数很容易理解、很直观，它不受极端值的影响，这既是它有价值的方面，也是它数据信息利用不够充分的地方；均值是对所有数据平均后计算的一般水平代表值，数据信息提取的最充分。特别是当要用样本信息对总体进行推断时，均值就更显示出它的各种优良特征。3.定性变量比如性别，省份。定量变量比如年龄、体重。4.柱形图一般用于描述离散型定性数据的对比，每根柱子宽度固定，柱子之间会有间距，横轴变量可以任意排序。直方图一般用于描述连续型数据的分布关系，每根柱子宽度可以不一样，且一般没有间距，横轴变量有一定顺序规则。5.散点图用于双连续型定量变量，分组箱线图用于一个定性变量与一个定量变量的展示。6.（1）酒店房价主要集中在1000-2000元之间，存在少量的高价房数据呈右偏分布。（2）房价类型对酒店房价有明显的影响，豪华套间的房价均价最高，其次是商务间，最后是标准间。第五章一、单项选择题1-5AADCD二、判断题1-5FTTTF三、综合题1.因子分析的基本步骤为：（1）确定因子分析的前提条件；（2）构造因子变量；（3）使因子变量更具可解释性；（4）计算每个样本的因子得分2.从相关系数矩阵发现有些变量的相关系数很高，如潜在能力POT和理解能力GSP的相关系数达到0.88，理解能力GSP和洞察力LC的相关系数也达到0.88，事业心AMB和自信心SC的相关系数达到0.84，说明变量间有较强的相关性。同时KMO检验和巴特利特球形度检验发现，15个变量的KMO=0.784;巴特利特球形度检验的显著性<0.05，说明原有的15个变量之间存在较强的相关性，满足因子分析的前提条件。3.从表5.20可以看出，公共因子1和2的特征值大于1，累计方差贡献率为82.484%，即前两个公因子就能解释所有变量所含信息的82.48%。所以，这里只需提取前两个公共因子，其他因子可以舍去。从表5.21可以看出，公共因子1在前3个变量上的载荷较大，在后3个变量的载荷小，故称此因子为“牙膏的传统功能因子“；公共因子2在前3个变量上的载荷较小，在后3个变量的载荷大，故称此因子为“牙膏的额外功能因子“第六章一、单项选择题1-5ABBDD二、判断题1-5FFFFT三、综合题1.K-means聚类算法的具体过程如下：第一步：指定聚类数目k。既要考虑最终的聚类效果，又要满足研究问题的实际需要。聚类数目太大或太小都将失去聚类的意义。第二步：确定k个类的初始类中心。常用方法有经验选择法、随机选择法和最小最大法。第三步：根据最近原则进行聚类。依次计算每个观测点到k个类中心的距离，并按照距k个类中心最近的原则，将所有样本分派到最近的类中，形成k个类。

第四步：重新确定k个类中心。中心的确定原则是依次计算各类中所有观测点变量的均值，并以均值点作为k个类的中心。第五步：判断是否已经满足终止聚类算法的条件，如果未满足，则返回到第三步，不断重复上述过程，直到满足迭代终止条件。终止聚类算法的条件通常有两个:第一，目前的迭代次数等于指定的迭代次数;第二，新确定的类中心距上次类中心的最大偏移量小于指定值。满足上述两个条件中的任意一个便可终止聚类算法。2.从系统聚类的谱系图中可以看出，注：上图为采用组间链接、平方欧式距离产生的谱系图，选择的方法、测量的标准不同，结果亦不相同。（1）分成三类，第一类为啤酒P和S，第二类为啤酒E、O、D和N,剩余啤酒为第三类。（2）分成四类，第一类为啤酒P和S，第二类为啤酒E、O、D和N，第三类为啤酒I、T、J、L和M,剩余啤酒为第四类。3.使用K-means聚类算法将学生分成3类的结果如下：聚类类别每类数量学生编号含义125学生1、2、3、4、6、8、10、14、17、18、19、20、26、27、30、33、37、39、40、42、43、45、46、47、50每次测试成绩都不错的学生217学生5、9、11、12、15、16、21、22、23、24、25、31、34、36、38、44、49每次测试成绩都不太好的学生38学生7、13、28、29、32、35、41、48成绩不太稳定的学生注：若是分类数不同，结果亦不同。上述结果仅供参考。第七章一、单项选择题1-6DBBABA二、判断题1-5FFTTF三、综合题1.答：（1）确定研究的是否是相关关系；（2）根据业务实际问题确定因变量；（3）挑选与因变量相关的自变量；（4）生成模型，通过自变量来预测因变量；（5）根据模型，通过因变量，来控制自变量。2.答：因变量：单价（元/平方米）自变量：城区、房龄、卧室数、厅数、卫生间、总面积（平方米）、朝向、楼层、楼高、装修。答：（1）如表7.13所示，F检验的p值小于显著性水平（0.05），因