spss统计软件及的应用课程论文Word下载.docx
《spss统计软件及的应用课程论文Word下载.docx》由会员分享,可在线阅读,更多相关《spss统计软件及的应用课程论文Word下载.docx(12页珍藏版)》请在冰点文库上搜索。
性别
N
Valid
359
Missing
首先,对该地区的男女性别分布进展频数分析,结果如下
Frequency
Percent
ValidPercent
CumulativePercent
女
198
55.2
男
161
44.8
100.0
Total
表说明,在该地区被调查的359个人中,有198名女性,161名男性,男女比例分别为44.8%和55.2%,该公司职工男女数量差距不大,女性略多于男性
其次对原有数据中的旅游的积极性进展频数分析,结果如下表:
旅游积极性
差
171
47.6
一般
79
22.0
69.6
比拟好
91.6
好
24
6.7
98.3
非常好
6
1.7
通道
没走通道
293
81.6
66
18.4
表说明,在该地区被调查的359个人中,有没走通道的占81.6%,占绝大多数。
上表与其直方图说明,被调查的359个人中,对与旅游积极性差的组频数最高的,为171人数的47.6%,其次为积极性一般和比拟好的,占比例都为22.0%,积性为好的和非常好的比例比拟低,分别为24人和6人,占总体的比例为6.7%和1.7%
2、相关分析
相关分析是分析客观事物之间关系的数量分析法,明确客观事
之间有怎样的关系对理解和运用相关分析是极其重要的。
函数关系是指两事物之间的一种一一对应的关系,即当一个变量X取一定值时,另一个变量函数Y可以根据确定的函数取一定的值。
另一种普遍存在的关系是统计关系。
统计关系是指两事物之间的一种非一一对应的关系,即当一个变量X取一定值时,另一个变量Y无法根据确定的函数取一定的值。
统计关系可分为线性关系和非线性关系。
事物之间的函数关系比拟容易分析和测度,而事物之间的统计关系却不像函数关系那样直接,但确实普遍存在,并且有的关系强有的关系弱,程度各有差异。
如何测度事物之间的统计关系的强弱是人们关注的问题。
相关分析正是一种简单易行的测度事物之间统计关系的有效工具。
Correlations
收入
旅游花费
额外收入
PearsonCorrelation
1
.140**
.853**
Sig.(2-tailed)
.008
.000
.183**
**.Correlationissignificantatthe0.01level(2-tailed).
上表是对本次分析数据中,旅游花费、收入、、额外收入的相关分析,表中相关系数旁边有两个星号〔**〕的,表示显著性水平为0.01时,仍拒绝原假设。
一个星号〔*〕表示显著性水平为0.05是仍拒绝原假设。
先以现旅游花费这一变量与其他变量的相
关性为例分析,由上表可知,旅游花费与额外收入的相关性最大,
3、回归分析
有相关性分析可得收入,旅游花费呈线性相关,因此作回归分析
VariablesEntered/Removedb
Model
VariablesEntered
VariablesRemoved
Method
收入a
.
Enter
a.Allrequestedvariablesentered.
b.DependentVariable:
旅游花费
ModelSummaryb
R
RSquare
AdjustedRSquare
Std.ErroroftheEstimate
.140a
.020
.017
129.604
a.Predictors:
(Constant),收入
ANOVAb
SumofSquares
df
MeanSquare
F
Sig.
Regression
120443.809
7.170
.008a
Residual
5996596.239
357
16797.188
6117040.048
358
Coefficientsa
UnstandardizedCoefficients
StandardizedCoefficients
t
B
Std.Error
Beta
(Constant)
91.563
11.528
7.943
.024
.009
.140
2.678
a.DependentVariable:
ResidualsStatisticsa
Minimum
Maximum
Mean
Std.Deviation
PredictedValue
91.74
241.90
116.41
18.342
Std.PredictedValue
-1.345
6.842
1.000
StandardErrorofPredictedValue
6.840
47.362
9.048
3.426
AdjustedPredictedValue
92.09
271.79
116.53
19.018
-193.904
891.785
129.423
Std.Residual
-1.496
6.881
.999
Stud.Residual
-1.607
6.891
1.002
DeletedResidual
-223.789
894.316
-.117
130.229
Stud.DeletedResidual
-1.611
7.390
.004
1.025
Mahal.Distance
46.811
.997
2.955
Cook'
sDistance
.199
.003
.015
CenteredLeverageValue
.131
Charts
由上图可知回归方程:
y=91.563+0.024(x1),(P(Sig=0.000)<
0.01)
即旅游花费=91.563+0.024*收入(p<
4、参数检验
〔1〕单样本T检验
首先对现工资的分布做正态性检验,结果如下:
由上图可知,现工资的分布可近似看作符合正态分布,现推断现工资变量的平均值是否为$3,000,0,因此可采取单样本t检验来进展分析。
分析如下:
One-SampleStatistics
单个样本统计量
均值
标准差
均值的标准误
1032.93021
762.523942
40.244474
单个样本检验
检验值=0
Sig.(双侧)
均值差值
差分的95%置信区间
下限
上限
25.666
1032.930214
953.78493
1112.07550
由One-SampleStatistics可知,359个被调查的人中收入平均值1032.93021
,标准差为762.523942,均值标准误差为40.244474。
图表One-SampleTest中,第二列是t统计量的观测值为25.666;
第三列是自由度为358〔n-1〕;
第四列是t统计量观测值的双尾概率值;
第五列是样本均值和检验值的差;
第六列和第七列是总体均值与原假设值差的95%的置信区间为〔953.78493,1112.07550〕。
该问题的t值等于25.666对应的临界置信水平为0,远远小于设置的0.05,因此拒绝原假设,明确该地区被调查的359名人中收入与1032.93021
存在显著差异。
〔2〕独立样本t检验
T-Test
GroupStatistics
Std.ErrorMean
126.09
149.533
10.627
104.51
102.187
8.053
IndependentSamplesTest
Levene'
sTestforEqualityofVariances
t-testforEqualityofMeans
95%ConfidenceIntervaloftheDifference
MeanDifference
Std.ErrorDifference
Lower
Upper
Equalvariancesassumed
6.302
.013
1.559
.120
21.580
13.844
-5.647
48.806
Equalvariancesnotassumed
1.618
347.241
.106
13.334
-4.645
47.805
四、结果分析与对策建议
1、结果分析
得到两组的均数〔mean〕分别为198和161
独立样本t检验,取的t值1.559与Sig为0.120p>
0..05
旅游花费不成显著性差异,由图中可知旅行的旅游花费较高
2、对策建议
从上数据的结果可知,被调查者旅游积极性较差的好多,原因在于工资收入不是很高,用在旅游方面的花费就比拟少。
旅游花费没有非常大的区别,主要是旅行花费较高。
因此我们要扩大该地区的人均收入,增强该地区人民的旅游积极性,促进旅游消费,实现经济又好又快开展,旅游经济是绿色经济我们要实现良性循环,对该地的长久快速开展是非常有利的