统计学 SPSS实验报告Word文档下载推荐.docx
《统计学 SPSS实验报告Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《统计学 SPSS实验报告Word文档下载推荐.docx(30页珍藏版)》请在冰点文库上搜索。
51.00
67.00
61.00
76.00
100.00
85.00
77.00
90.00
80.00
5.00
87.00
6.00
72.00
60.00
62.00
7.00
33.00
70.00
8.00
81.00
79.00
9.00
73.00
40.00
10.00
94.00
64.00
11.00
54.00
12.00
68.00
66.00
13.00
41.00
65.00
14.00
58.00
15.00
83.00
50.00
16.00
44.00
17.00
45.00
18.00
74.00
78.00
82.00
86.00
55.00
43.00
88.00
56.00
53.00
84.00
42.00
71.00
37.00
X1一列中,1表示报纸,2表示广播,3表示宣传品,4表示体验。
X2一列中1—18表示不同地区。
(二).数据的整理
1.建立数据文件
当启动SPSS后,系统首先显示一个提示窗口,把鼠标移至“Typeindata”项上单击左键选中,然后单击“OK”按钮;
或者该窗口中单击“Cancel”按钮进入SPSS数据编辑窗屏幕,如图所示。
2.定义变量
在数据编辑窗口左下角激活(VariableView)变量定义窗口,在数据窗口中,用户定义数据变量的名称、数据类型、宽度、小数位和标记等信息。
定义好变量如下图:
3.输入数据
变量定义完成后,在编辑区选择栏里单击“DataView”,编辑显示区显示为数据编辑。
在编辑区中,把与变量名相对应的数据输入到单元格里区,如下图所示。
4.对数据进行预处理
按照X1对数据进行排序,排序方式为升序,具体操作如下:
(1)选择菜单:
【data】→【sortcases】
(2)指定排序变量“广告形式”到【sortby】框中,并选择【sortorder】中的Ascending,即升序排列。
从排序后的数据可以看出,广告形式为1的商品平均销售额高于其他三种广告形式,但是销售额最大值都出现在广告形式为2的时候。
如图。
(三).商品销售额的频数分析
1.频数分析(DescriptiveStatistics-Frequencies)
频数分布分析主要通过频数分布表、条形图和直方图,以及集中趋势和离散趋势的各种统计量来描述数据的分布特征。
现在我们对商品销售额进行频数分析
在主菜单栏单击“Analyze”,在出现的下拉菜单里移动鼠标至“DescriptiveStatistics”项上,在出现的次菜单里单击“Frequencies”项。
从左则的源变量框里选择一个和多个变量进入“Variable(s):
”框里。
在这里我们选“销售额”变量进入“Variable(s):
”框。
Displayfrequencytables,选中显示。
单击“Statistics”按钮,打开下图所示的对话框,该对话框用于选择统计量:
①选择百分位显示“PercentilesValues”栏:
Cutpointsfor10equalgroups:
将数据平分为输入的10个等份。
②选择变异程度的统计量“Dispersion”:
(离散趋势)
Std.deviation标准差
③选择表示数据中心位置的统计量“CentralTendency”:
(集中趋势)
Mean均值
点击continue。
单击“Charts”按钮:
选择Histograms:
输出柱状图。
选中“√Withnormalcurve”项,则在绘制柱状图中加绘一条正态分布曲线。
单击“Format”按钮,设置频数表格式:
选择Ascendingvalues:
按变量值的升序排列。
Comparevariables选项,所有变量在一个图形中输出,以便进行比较。
设置在频数表中显示的组数,默认为10组。
再点击ok。
在Output中得到以下分析结果。
由以上分析结果可以知道销售额均值为66.82,标准差为13.528.
由正态分布图可以看出销售额在60到80之间的较多。
2.列联表分析(Crosstabs)
在菜单选中“Analyze-Descriptive-Crosstabs”命令,在弹出的对话框中,将广告形式(X1)、地区(X2)选作行变量,销售额(Y)选作列变量。
如下图:
点击“Statistics”按钮,出现下图:
选中Chi-Square:
卡方检验,及Correlations:
选中输出皮尔森(Pearson)和Spearman相关系数,用以说明行变量和列变量的相关程度。
单击“Cells”按钮,选择Observed:
观测频数、Expected:
期望频数、Roundcellcounts:
临近列计算。
单击Format按钮,选择Ascending:
行变量从小到大升序排列。
单击“Exact”按钮,选择Asymptoticonly近似的,系统设置。
设置完成后,在列联表分析对话框中,点击OK按钮。
输出内容如下:
Chi-SquareTests
Value
df
Asymp.Sig.(2-sided)
PearsonChi-Square
186.940a
144
.009
LikelihoodRatio
197.467
.002
Linear-by-LinearAssociation
11.482
1
.001
NofValidCases
a.196cells(100.0%)haveexpectedcountlessthan5.Theminimumexpectedcountis.25.
SymmetricMeasures
Asymp.Std.Errora
Approx.Tb
Approx.Sig.
IntervalbyInterval
Pearson'
sR
-.283
.070
-3.521
.001c
OrdinalbyOrdinal
SpearmanCorrelation
-.277
.079
-3.431
a.Notassumingthenullhypothesis.
b.Usingtheasymptoticstandarderrorassumingthenullhypothesis.
c.Basedonnormalapproximation.
822.114a
816
.434
495.271
1.000
2.972
.085
a.882cells(100.0%)haveexpectedcountlessthan5.Theminimumexpectedcountis.06.
-.144
-1.736
.085c
-.150
.083
-1.810
.072c
下面用方差分析更好的来说明广告形式、地区对销售额的影响,
(四).单因素方差分析
以商品销售额为观测变量,广告形式和地区为控制变量,通过单因素方差分析方法分别对广告形式、地区对销售额的影响进行分析。
两个单因素方差分析的原假设分别设为:
不同广告形式没有对销售额产生显著影响(即不同广告形式对销售额的效应同时为0);
不同地区的销售额没有显著差异(即不同地区对销售额的效应同时为0)
操作步骤如下:
1.选择菜单【analyze】→【comparemeans】→【one-wayANOVA】.
2.选择观测变量“销售额”到【dependentlist】框,选择“广告形式”到【factor】框中,于是出现如图所示的窗口。
SPSS计算出组间方差、组内方差、F统计量以及对应的概率P值,完成单因素方差分析的相关计算,并将计算结果输出到SPSS输出窗口中。
分析结果如下图所示。
广告形式对销售额的单因素方差分析结果
从广告形式对销售额的单因素方差分析结果可以看到:
观测变量销售额的离差平方和为26169.306;
如果仅考虑广告形式单个因素的影响,则销售额总变差中,不同广告形式可解释的变差为5866.083,抽样误差引起的变差为20303.222,它们的方差分别为1955.361和145.023;
所得到的F统计量的观测值为13.483,对应的概率P值近似为0.由于概率值P小于显著性水平0.05,则应该拒绝原假设,认为不同广告形式对销售额产生了显著影响。
地区对销售额的单因素方差分析结果
从地区对销售额的单因素方差分析结果可以看到,如果仅考虑地区单个因素的影响,则销售额总变差(26169.306)中不同地区可解释的变差为9265.306,抽样误差引起的变差为16904.,它们的方差分别为545.018和134.159,所得到的F统计量为4.062,对应的概率P值近似为0.由于概率P值小于显著性水平0.05,所以应该拒绝原假设,认为不同地区对销售额产生了显著影响。
同时对比这两个图容易发现:
如果从单因素的角度考虑,广告形式对销售额的影响较地区来讲更明显。
(五).多重比较检验
在上述单因素方差分析中,发现不同广告形式对产品销售额有显著影响,不同地区的产品销售额存在显著差异,为了进一步研究哪种广告形式的作用比较明显,哪种不明显,对变量进行多重比较检验。
具体操作步骤如下:
在上面这个窗口选择
。
出现下面窗口:
点击continue。
回到原窗口,在点击OK。
在Output1中出现一下分析结果:
广告形式中的1,2,3,4分别代表报纸,广播,宣传品,体验。
MultipleComparisons
DependentVariable:
销售额
(I)广告形式
(J)广告形式
MeanDifference(I-J)
Std.Error
Sig.
95%ConfidenceInterval
LowerBound
UpperBound
TukeyHSD
1.00
2.00
2.33333
2.83846
.844
-5.0471
9.7138
3.00
16.66667*
.000
9.2862
24.0471
4.00
6.61111
.096
-.7693
13.9915
-2.33333
-9.7138
5.0471
14.33333*
6.9529
21.7138
4.27778
.436
-3.1027
11.6582
-16.66667*
-24.0471
-9.2862
-14.33333*
-21.7138
-6.9529
-10.05556*
.003
-17.4360
-2.6751
-6.61111
-13.9915
.7693
-4.27778
-11.6582
3.1027
10.05556*
2.6751
17.4360
Scheffe
.879
-5.6989
10.3656
8.6344
24.6989
.148
-1.4212
14.6434
-10.3656
5.6989
6.3011
22.3656
.520
-3.7545
12.3100
-24.6989
-8.6344
-22.3656
-6.3011
.007
-18.0878
-2.0233
-14.6434
1.4212
-12.3100
3.7545
2.0233
18.0878
LSD
.412
-3.2784
7.9451
11.0549
22.2784
6.61111*
.021
.9993
12.2229
-7.9451
3.2784
8.7216
19.9451