南邮课程设计报告ISPSS文档格式.docx
《南邮课程设计报告ISPSS文档格式.docx》由会员分享，可在线阅读，更多相关《南邮课程设计报告ISPSS文档格式.docx（18页珍藏版）》请在冰点文库上搜索。
日
南京邮电大学
课程设计I指导教师成绩评定表
题 目
课程设计Ⅰ
学生姓名
班级学号
专业
信管
评分内容
评分标准
总分
评分
平时成绩
认真对待课程设计，遵守实验室规定，上机不迟到早退，不做和设计无关的事。
20
设计内容
设计内容丰富，符合大纲要求
10
界面外观漂亮、大方
功能符合大纲要求
文档设计正确合理
文档写作
文档反映设计规划过程
文档反映系统设计流程
答辩
简练、准确阐述设计内容，能准确有条理回答各种问题，系统演示顺利。
总评分
指导教师
评阅意见
该生对待课程设计I的态度□认真□良好□一般□比较差。
设计的系统界面外观美工处理情况□很好□较好□一般□比较差
系统前后台功能和脚本编写情况□很好□良好□一般□比较差
文档书写符合规划与设计流程程度□很好□良好□一般□比较差
系统演示顺利情况和答辩流畅准确情况□很好□良好□一般□比较差
完成的课程设计特色之处：
成绩
指导教师签名
日期
2016.11.1
一、SPSS的安装和使用
SPSS安装过程略
SPSS主要窗口包括：
数据编辑窗口、结果输出窗口、变量编辑窗口、语法编辑窗口、脚本编写窗口、脚本编写窗口、图表编辑窗口
数据编辑窗口是用户进行数据处理与分析的主要窗口界面，用户可在此窗口进行数据输入、观察、编辑和统计分析等操作。
结果输出窗口用于输出统计分析的结果或绘制的相关图表。
变量编辑窗口可以对变量的名称、类型、宽度、小数位、变量标签、变量值标签、缺失值、列的宽度、对齐方式、度量标准以及角色进行设置。
语法编辑窗口，用户可以在语法编辑器窗口输入或修改SPSS命令，或单击任何分析对话框上的“粘贴”按钮，将使用对话框设置的各种命令或选项粘贴到语法编辑器窗口。
脚本编写窗口，用户可以在此窗口编写SPSS内嵌的SaxBasic语言以形成自动化处理数据的程序。
图表编辑窗口可以对生成的图表进行编辑。
二、数据文件的处理
定义变量：
点开变量视图设置变量名称及其属性。
录入和编辑数据
录入数据的方式有两种，一是新建数据，二是导入数据。
1、打开【文件】→【新建】→【数据】如图①
2、打开【文件】→【打开】→【数据】如图②、③
①
②
③
④
然后可在④图中的数据视图增添，删除，修改数据。
计算新变量，输入所有人语数英的平均成绩。
打开【转换】→【计算变量】
筛选变量（个案选择）
选择工资大于2000的人
打开【数据】→【选择个案】
数据文件的拆分。
打开【数据】→【拆分文件】
数据文件的合并
首先选择合并变量，打开要合并的数据后，需对两表的关键变量进行排序后才能合并。
打开【数据】→【合并文件】→【添加变量】
数据文件的存储与读取
存储：
打开【文件】→【保存】
读取：
打开【文件】→【打开】→【数据】然后选取要打开的数据即可。
三、统计图形
条形图
打开【图形】→【图表构建程序】
首先需确定数据中有名义度量（尺度度量不能放在x轴）
把左上方的变量依次拖入右边图表的x轴，y轴。
其他图表如饼图、线形图、直方图、散点图方法类似。
如下图
饼图线形图
直方图散点图
四、基本统计分析
频数统计及总体均值与总体方差的估计、总体均值的置信区间的计算
打开【分析】→【描述统计】→【频率】，把要用的变量放到右边，点击【统计量】把要输出的数据勾选。
描述性统计及总体均值与总体方差的估计、总体均值的置信区间的计算
打开【分析】→【描述统计】→【频率】，把要用的变量放到右边，点击【选项】把要输出的数据勾选。
结果如下
五、回归分析
一元线性回归分析
例题：
分析不同地区的甲状腺肿的患病率高低与本地水质的碘含量的关系。
首先，在做回归分析之前，可以先用散点图初步观察两变量有无相关趋势。
从左图可以看出，二者有一定的相关关系，接下来就可以做进一步的回归分析，找出它们二者间的关联。
打开【分析】→【回归】→【线性】
把“碘含量”拖入自变量，把“患病率”拖入因变量，统计量选择模拟拟合度和描述性。
结果如下：
从图①得出所有变量都已纳入模型中；
图②得出相关系数R为0.971，所以R^2即相关系数很大，说明模型拟合效果很好；
图③为对模型进行方差分析的结果，反映其具有统计学意义；
图④给出了回归方程的各项参数，a=17.484，b=4.459，即回归方程为y=17.484+4.459x,认为碘含量对患病率是存在影响的。
多元线性回归分析
采取措施的速度与保险公司的规模及其类型之间的关系分析。
散点图分析略
把“公司类型”、“公司规模”拖入自变量，把“所需时间”拖入因变量，统计量选择模拟拟合度和描述性。
图②得出相关系数R为0.946，所以R^2即相关系数很大，说明模型拟合效果很好；
图④给出了回归方程的各项参数，a=33.874，b=-0.102，c=8.055即回归方程为y=33.874-0.102x1+8.055x2,认为公司规模、公司类型对索赔的反应所需时间是存在影响的。
六、方差分析
单因素方差分析
比较三个不同的电池生产企业生产电池的寿命。
打开【分析】→【比较均值】→【单因素ANOVA】
在【两两比较】中选择“LSD”、“S-N-K”;
在【选项】中选择“描述性”、“方差同质性检验”、
“均值图”。
把“电池”拖入因变量列表，把“企业”拖入因子。
图①所示为Levene方差齐性检验的结果，本例Levene统计量为0.390。
显著性P值一0.680>
0.05，故3组数据方差无差异。
图②所示为单因素方差分析的结果，并且进行了趋势检验，结果显示不同企业间方差分析统计量F=38.771,P值=0.000<
0.01,因此认为不同企业间生产电池的寿命不同。
图③为LSD法比较结果，企业2与企业1、企业3显著性P值小于0.01，其它的则大于0.01
说明企业2与企业1、企业3生产的电池寿命有差异，企业1与企业3无差异。
图④为S-N-K法比较结果，电池寿命数据被分为两组，企业2一组，企业1和企业3为一组，说明企业2与企业1、企业3生产的电池寿命有差异，企业1与企业3无差异。
与LSD法结果一致。
无重复实验的双因素方差分析
某研究机构研究了3种动物饲料对4种品系小鼠体重增加的影响。
打开【分析】→【一般线性模型】→【单变量】
在各个选项中做出对应设置如下图
③
图①所示为主效应模型检验，结果可见校正模型统计量F=6.772，P=0.000，说明模型有统计学意义。
因素a和因素b均有统计学意义，P=0.000和P=0.037，均小于0.05。
图②所示为不同饲料类型两两比较结果，从Sig值（即P值）可见，饲料B与饲料C间没有差异（P=0.117），其他均有差异，P<
0.05。
图③所示为不同品系两两比较结果，从Sig值（即P值）可见，每个品系间均无差异P>
图④所示为不同品系小鼠喂养不同饲料的体重增重的均值图，可见A饲料较好，B和C饲料差异不大。
重复实验的双因素方差分析
某研究者欲了解一套新的锻炼方法的减肥效果。
该研究者在某小学随机抽取12名肥胖学生，随机分成两组，第一组每天下午按新的锻炼方法锻炼，第二组不参与新的锻炼方法锻炼，并于实验开始的第1.2.3个月分别测量学生体重减重情况。
打开【分析】→【一般线性模型】→【重复度量】
（1）打开【重复度量定义因子】，单击“被试内因子名称”中的Factor1，修改为weight。
（2）“级别数”框中输入重复测量次数“3”，单击“添加”按钮。
（3）单击左下角的“定义”按钮，将3次测量变量One,Two和Three。
按照框中测量的顺序，逐个放入右侧框中。
如若顺序出现差异单击“群体内部变量”左侧的上下箭头来调整顺序，注意顺序一定不能出错。
将因素变量group放入“因子列表”框。
图①所示为多变量检验结果，其中采用了4种检验方法计算了T检验值、F值、假设df值和误差df值，表中可见不同测试时间的weight有统计学差异，P=0.000，而测试时间与组别间无统计学差异，P=0.55。
然而是否以此结果为准的依据是球形性检验，若不符合球形性，才以此结果为准或者以一元方差分析中校正结果为准。
图②所示为球形性检验结果，可见MauchlyW=0.983,P=0.926，符合球形性，结果以一元方差结果为准。
如果P<
0.05，则不符合球形性检验，则给出了3种校正模式，即Greenhouse-Geisser.Huynh-Feldt和下限校正，其中以Greenhouse-Geisser较为常用。
图③所示为方差分析结果。
因为本例符合球形性，因此，以第一条“采用的球形度”结果，可见不同时间测量的体重有统计学差异，F=129.068,P=0.000;
并且测试时间与组别交互作用检验F=4.386,P=0.026<
0.05，认为测试时间与组别间存在着交互作用。
图④显示，组别间方差分析结果无统计学差异，F=0.397,P=0.543，即两组处理因素对体重减重影响没有差异。
升级会员 