spss统计学上机报告.docx
《spss统计学上机报告.docx》由会员分享，可在线阅读，更多相关《spss统计学上机报告.docx（12页珍藏版）》请在冰点文库上搜索。
spss统计学上机报告
一、用两种定义变量的方法绘制直方图
某学院两个专业，各抽取24名学生，他们某门课考试成绩资料如下：
甲专业
乙专业
成绩（分）
学生数
成绩（分）
学生数
60以下
7
60-70
9
60-70
11
70-90
12
70-90
6
90以上
3
合计
24
合计
24
方法1：
SPSS操作步骤：
⑴定义“成绩”、“学生数”和“专业”三个变量。
⑵在定义变量窗口对“专业”做变量值标签，令1=甲专业，2=乙专业。
⑶在录入数据窗口依次录入表中数据。
⑷选择数据下拉菜单中的加权个案子菜单，频率变量选学生数。
⑸选择分析下拉菜单中的描述统计子菜单，选择频率模块。
操作结果图如下：
方法2：
SPSS操作步骤：
⑴定义“成绩”、“专业学生数”两个变量。
⑵在录入数据窗口依次录入表中数据。
⑶根据已存在的变量产生新变量。
选择转换下拉菜单中的计算变量，计算总人数。
总人数=甲专业学生数+乙专业学生数。
⑷选择数据下拉菜单中的加权个案子菜单，频率变量选总人数。
⑸选择分析下拉菜单中的描述统计子菜单，选择频率模块。
操作结果图如下：
二、一个总体均值的区间估计和两个总体均值差的假设检验
某学院两个专业，各抽取24名学生，他们某门课考试成绩资料如下：
甲专业
乙专业
成绩（分）
学生数
成绩（分）
学生数
60以下
7
60-70
9
60-70
11
70-90
12
70-90
6
90以上
3
合计
24
合计
24
1、以95%的概率保证程度推断该学院所有学生该门课考试成绩为多少？
2、以95%的概率保证程度推断两个专业学生的平均成绩是否有显著性差异。
第一问SPSS操作步骤：
⑴定义“成绩”、“专业学生数”两个变量。
⑵在录入数据窗口依次录入表中数据。
⑶根据已存在的变量产生新变量。
选择转换下拉菜单中的计算变量，计算总人数。
总人数=甲专业学生数+乙专业学生数。
⑷选择数据下拉菜单中的加权个案子菜单，频率变量选总人数。
⑸选择分析下拉菜单中的描述统计子菜单，选择探索模块。
操作结果图如下：
分析：
由题可知这是一个总体方差未知时均值的区间估计，由表可知所有学生的考试成绩的置信区间为（67.9428,74.7655），所以95%的把握认为该学院所有学生该门课考试成绩为（67.9428,74.7655）。
第二问SPSS操作步骤：
⑴定义“成绩”、“学生数”和“专业”三个变量。
⑵在定义变量窗口对“专业”做变量值标签，令1=甲专业，2=乙专业。
⑶在录入数据窗口依次录入表中数据。
⑷选择分析下拉菜单中的比较均值子菜单，选择独立样本T检验模块。
操作结果图如下：
分析：
由表可知，应采用两个独立样本方差未知时的假设检验。
先检验方差是否相等，提出如下假设检验。
H0：
σ12＝σ22
H1：
σ12≠σ22
因为F=0.957，对应的P值为0.333>α＝0.05，所以接受H0，即在σ12＝σ22的条件下检验均值差，提出如下假设检验。
H0：
μ1=μ2
H1：
μ1≠μ2
因为检验统计量t＝-3.66，对应的P值为0.001<α＝0.05，所以拒绝H0，又因为μ1-μ2的95%置信区间为（-17.12022，-4.96311），不跨越0，即有95%的概率保证程度推断两个专业学生的平均成绩有显著性差异。
三、单因素方差分析和双因素方差分析
1、学生对教师评估等级的各组学生成绩如下：
i
12345678910
优
85777984929073
良
80789473798691758164
中
7380927660
差
76727085
检验各组学生的分数是否有差别。
SPSS操作步骤：
⑴定义“评估等级”和“学生成绩”两个变量。
⑵对“评估等级”做变量值标签，令1=优、2=良、3=中、4=差。
⑶依次录入数据。
⑷选择分析下拉菜单中的比较均值项，选择单因素ANOVA模块。
操作结果图如下：
分析：
由表可知,P值为0.475＞α=0.05,所以不拒绝H0，即有95%的把握认为各组学生的分数没有显著差别。
2、某公司对某产品设计了4种类型的产品包装（用A、B、C、D表示），又设计了3种销售方案，在某地区用3种销售方案，对4种包装的该产品试销一个月，业务如下表所示。
现在想知道，不同包装，不同销售方案，对销售业绩的影响是否有显著性差异。
不同销售方案
包装类型
甲
乙
丙
A
103
106
135
B
82
102
118
C
71
100
106
D
52
66
85
SPSS操作步骤：
⑴定义“销售业绩”、“包装类型”和“销售方案”三个变量。
⑵分别对“包装类型”和“销售方案”做变量值标签，令1=A、2=B、3=C、4=D；令1=甲、2=乙、3=丙。
⑶依次录入数据。
⑷选择分析下拉菜单中的一般线性模型，选择单变量模块。
操作结果图如下：
分析：
由表可知，是双因素方差分析，PA=0＜α=0.05，拒绝H0A，PB=0.01＜α=0.05，拒绝H0B，即有95%的把握认为不同包装、不同销售方案对销售业务的影响有显著性差异。
四、相关分析和回归分析
题目：
某企业产品广告费和销售收入资料如下，判断该企业的广告费和销售收入之间关系如何？
序号
广告费（万元）
销售收入（百万元）
xy
x²
y²
1
3
1
3
9
1
2
5
2
10
25
4
3
7
4
28
49
16
4
8
5
40
64
25
5
11
6
66
121
36
6
13
9
117
169
81
7
14
10
140
196
100
合计
61
37
404
633
263
1、相关分析
SPSS操作步骤：
⑴在定义变量窗口定义“广告费”和“销售收入”两变量。
⑵在录入数据窗口依次录入数据。
⑶选择分析下拉菜单中的相关子菜单，选择双变量模块。
⑷进入双变量模块对话框，将“广告费”和“销售收入”送入变量栏，其他选项采用计算机默认项。
单击选项按钮，进入对话框，选中统计量中的两个选项。
单击继续按钮返回界面，单击确定按钮。
操作结果图如下：
分析：
由表可知，检验统计量的相关系数为0.986，检验统计量对应的p值为0.000<0.05，说明该企业的广告费和销售收入之间有显著性关系。
2、回归分析
SPSS操作步骤：
⑴选择分析下拉菜单中的回归子菜单，选择线性模块。
⑵进入线性回归对话框，将“销售收入”送入因变量栏，将“广告费”送入自变量栏。
单击确定按钮。
操作结果图如下：
分析：
由回归效果检验表可知，r=0.986，0.95＜|0.986|≤1，说明该企业的广告费和销售收入之间存在极度正相关关系。
r²=0.973，说明回归平方和占总离差平方和的比例为97.3%，用广告支出的变动解释销售收入的变动部分为97.3%，回归效果非常好。
由回归方程的显著性检验表可知，检验统计量对应的p值为0<0.05，说明回归方程不显著。
由回归系数检验表可知，Pa=0.029<0.05,所以a≠0，a=-1.723，Pb=0.000<0.05，所以b≠0，b=0.804，即回归方程为：
ŷ=-1.723+0.804b。
升级会员 