spss实验报告模板文档格式.docx
- 文档编号:22615602
- 上传时间:2023-02-04
- 格式:DOCX
- 页数:30
- 大小:26.19KB
spss实验报告模板文档格式.docx
《spss实验报告模板文档格式.docx》由会员分享,可在线阅读,更多相关《spss实验报告模板文档格式.docx(30页珍藏版)》请在冰豆网上搜索。
肺活量。
可见样本量N为6例,缺失值0例,1500以下的33%,1500-2000男生33%女生50%,2000以上女生16.7%,男生33%。
四、描绘剖析
进行描绘剖析得出以下输出结果:
由上图可知,分
析变量名:
薪资,可见样本量N为6例,极小值为男1342女1213,极大值为男2200
女2077,说明12人中肺活量最少的为女生是1213,最多的为男生有2200,均值为
1810.50/1621.33,.标准差为327.735/325.408,失散程度不算大。
五、交错剖析
实验报告三
均值比较
.学习利用SPSS进行单样本、两独立样本以及成对样本的均值查验。
(一)描绘统计
某医疗机构为研究某种减肥药的疗效,对
15位肥胖者进
行为期半年的察看测试,测试指标为使用该药以前和以后的体重。
编号
3
4
5
服药前
198
237
233
179
219
服药后
192
225
226
172
214
6
7
8
9
10
169
222
167
199
161
210
193
11
12
13
14
15
158
157
216
257
173
154
143
206
249
输入SPSS成立数据。
由上图可知,结果输出均值、样本量和标准差。
因为选择了分组变量,所以三项指标均给出分组及共计值,可见以这类方式列出统计量能够特别直观的进行各组间的比较。
由上表可知,在明显性水平为0.05时,服药前后的概率p值为小于0.05,拒绝零假定,说明服药前后的体重有明显性变化
(二)单样本T查验
进行单样本T查验剖析得出以下输出结果:
由上表能够知,单个样本统计量剖析表,的基本状况描绘,有样本量、均值、标准差和标准误,单样本t查验表,第一行注了然用于比较的已知整体均值为
14,从左到右挨次为t值(t)、自由度(df)、P值(Sig.2-tailed)、两均值的差值(MeanDifference)、差值的95%可信区间。
由上表可知:
t=34.215,
P=0.000<
0.05。
所以能够以为肺气肿的整体均值不等于0.
(三)双样本T查验
研究某宽慰剂对肥胖病人治疗作用,用20名患者分组配对,测得体重
以下表,要求测定该宽慰剂对人的体重作用能否比药物好。
进行双样本T查验得出以下输出结果:
T查验
成对样本统计量
均值
N
标准差
均值的标准误
对1
安慰剂
121.80
11.419
3.611
组
药物组
111.80
10.185
3.221
由上图可知,对变量各自的统计描绘,此处只有1对,故只有对1。
成对样真有关系数
N有关系数Sig.
对1宽慰剂组&
药物10.802.005
此处进行配对变量间的有关性剖析
成对样本查验
成对差分
差分95%
标准
均值的
置信区间
Sig.(
差
标准误
下限
上限
t
df
两侧)
对
宽慰剂组
10.00
6.896
2.181
5.067
14.93
4.586
.001
-药物组
配对t查验表,给出最后的查验结果,由上表可见P=0.001,故可以为宽慰剂组和药物组对肥胖病人的体重有差异影响
实验报告四
有关剖析
1.学习利用SPSS进行有关剖析、偏有关剖析、距离剖析、线性回归剖析和曲线回归。
(一)两变量的有关剖析
15位肥胖者进行为期半年的观
察测试,测试指标为使用该药以前和以后的体重。
进行有关双变量剖析得出以下输出结果:
有关性
有关系数系数表。
变量间两两的有关系数是用方阵的形式给出的。
每一行和每一列的两个变量对应的格子中就是这两个变量有关剖析结果结果,共分为三
列,分别是有关系数、P值和样本数。
因为这里只剖析了两个变量,所以给出的
是2*2的方阵。
由上表可见,服药前和服药后自己的有关系数均为(1ofcourse),而治疗前和治疗后的有关系数为0.911
,P<
0.01
(二)偏有关剖析
偏有关
已知有某河流的一年代均匀流量观察数据和该河流所在地域当年的月均匀
雨量和月均匀温度观察数据,如表所示。
试剖析温度与河水流量之间的有关关系。
观察数据表
月份
月均匀流量
月均匀雨量
月均匀气温
0.50
0.10
-8.80
0.30
-11.00
0.40
-2.40
1.40
6.90
3.30
2.70
10.60
4.70
2.40
13.90
5.90
2.50
15.40
13.50
0.90
1.30
0.60
1.80
-4.80
0.20
-6.00
由上表可见控制月均匀雨量以后,“月均匀流量”与“月均匀气温”的有关
系数为0.365,P=0.27,P>
0.05,所以“月均匀流量”与“月均匀气温”不存在明显有关性。
(三)距离剖析
植物在不一样的温度下的生长状况不一样,以下是三个温度下的植物生长
10度
20度
30度
12.36
12.4
12.18
12.14
12.2
12.22
12.31
12.28
12.35
12.32
12.25
12.21
12.12
12.1
12.34
12.24
12.41
12.3
12.46
近似值
(四)线性回归剖析
已知有某河流的一年代均匀流量观察数据和该河流所在地域当年的月均匀雨量和月均匀温度观察数据,如表所示。
试剖析关系。
进行线性回归剖析得出以下输出结果:
回归
输入/移去的变量b
模型输入的变量移去的变量方法
1月均匀流量a.输入
a.已输入全部恳求的变量。
b.因变量:
月均匀雨量
由表可知,是第一个问题的剖析结果。
这里的表格是拟合过程中变量进入/退
出模型的状况记录,因为只引入了一个自变量,所以只出现了一个模型1(在多元回归中就会挨次出现多个回归模型),该模型中身高为进入的变量,没有移出的变量,这里的表格是拟合过程中变量进入/退出模型的状况记录,因为只引入了一个自变量,所以只出现了一个模型(在多元回归中就会挨次出现多个回归模型),该模型中身高为进入的变量,没有移出的变量。
模型汇总
调整R标准预计的
模型RR方方偏差
1.855a.732.705.6117
a.展望变量:
(常量),月均匀流量。
拟合模型的状况简报,显示在模型中有关系数R为0.855,而决定系数R2为0.732,校订的决定系数为0.705,说明模型的拟合度较高。
Anovab
模型平方和df均方FSig.
1回归10.208110.20827.283.000a
残差3.74110.374
总计13.94911
这是所用模型的查验结果,能够看到这就是一个标准的方差剖析表!
从上表可见所用的回归模型F值为27.283,P值为.00a,所以用的这个回归模型是有统计学意义的,能够持续看下边系数分别查验的结果。
因为这里所用的回归模型只有一个自变量,所以模型的查验就等价与系数的查验,在多元回归中这二者是不一样
的。
系数a
非标准化系数
标准系数
标准误
模型
B
试用版
Sig.
1(常量)
.387
.247
1.564
.149
月均匀流
.462
.088
.855
5.223
.000
量
a.因变量:
包含常数项在内的全部系数的查验结果。
用的是t查验,同时还会给出标化/未标化系数。
可见常数项和身高都是有统计学意义的
残差统计量a
极小值
极大值
标准偏差
展望值
.526
3.113
1.292
.9633
残差
-.6337
1.1358
.0000
.5832
标准展望值
-.795
1.890
1.000
标准残差-1.0361.857
.953
a.因变量:
图表
(五)曲线回归剖析
某地1963年检查得小孩年纪(岁)与体重的资料试拟合对数曲线。
年纪(岁)体重
168
265
367
450
570
676
777
进行曲线回归剖析得出以下输出结果:
实验报告五
聚类剖析和鉴别剖析
1.学习利用SPSS进行聚类剖析和鉴别剖析。
(一)系统聚类法
为确立老年妇女进行体育锻炼仍是增添营养会减缓骨骼损害,一名研究者用光子
汲取法丈量了骨骼中无机物含量,对三根骨头主侧和非主侧记录了丈量值,结果
赐教材表。
:
受试者编
主侧桡骨
桡骨
主侧肱骨
肱骨
主侧尺骨
尺骨
号
1.103
1.052
2.139
2.238
0.873
0.872
0.842
0.859
1.873
1.741
0.590
0.744
0.925
1.887
1.809
0.767
0.713
0.857
1.739
1.547
0.706
0.674
0.795
0.809
1.734
1.715
0.549
0.654
0.787
0.779
1.509
1.474
0.782
0.571
0.933
0.880
1.695
1.656
0.737
0.803
0.799
0.851
1.740
1.777
0.618
0.682
0.945
0.876
1.811
1.759
0.853
0.777
0.921
0.906
1.954
2.009
0.823
0.765
进行系统聚类剖析得出以下输出结果:
聚类
快捷聚类
研究小孩生长发育的分期,检查名1月至7岁小孩的身高(cm)、体重(kg)、胸围(cm)和资料。
求出月均匀增添率(%),
鉴别剖析
对某公司,收集整理了10名员工2009年第1季度的数据资料。
建立1个10×
6维的矩阵
员工代号工作产量工作质量工作出勤工砟消耗工作态度工作能力
9.68
9.62
8.37
8.63
9.86
9.74
8.09
8.83
9.38
9.79
9.98
9.73
7.46
8.73
6.74
5.59
8.46
6.08
8.25
5.04
5.92
8.33
8.29
6.61
8.36
6.67
8.38
8.14
7.69
8.85
6.44
7.45
8.19
8.1
8.93
5.7
7.06
8.58
7.6
9.28
6.75
8.03
8.68
8.22
8.26
7.5
7.63
8.79
7.16
8.62
5.72
7.11
8.18
1、“剖析——分类——鉴别剖析”,把“分类”选入“分组变量”,定义范围:
最小值
(1),最大值(4),把X1、X2、X3、X4、X5和X6输入“自变量框”,选择“使用逐渐式方法”;
2、“统计量”中选择“均值”、“单变量ANOVA”、“Fisher”、“未标准化”、“组内有关”;
3、“方法”默认设置;
4、“分类”中选择“依据组大小计算”、“纲要表”、“不考虑该个案时的分类”、“在组内”、“归并图、分组、地区图”;
5、“保留”中选择“展望构成员”、“鉴别得分”;
6、点击确立。
获得以下各表和图。
特点值
函数特点值方差的%积累%正则有关性
11.002a100.0100.0.707
a.剖析中使用了前1个典型鉴别式函数。
Wilks的Lambda
函数查验Wilks的Lambda卡方dfSig.
1.4993.4716.748
函数
工作质量
.270
工作产量
-.831
工作出勤
-.406
工砟消耗
1.415
工作态度
1.879
工作能力
-2.061
构造矩阵
.541
.355
.175
.063
-.056
-.050
鉴别变量和标准化典型鉴别式函数之间的汇聚组间有关性按函数内有关性的绝对大小排序的变量。
典型鉴别式函数系数
.581
-.830
-.312
1.248
2.798
-2.803
(常量)
-6.817
组质心处的函数
员工代号
-.731
1.097
在组均值处评估的非标准化典型鉴别式函数
分类统计量
分类办理纲要
已办理的
已清除的
缺失或越界组代码
起码一个缺失鉴别变量
用于输出中
组的先验概率
用于剖析的事例
先验
未加权的
已加权的
.600
6.000
.400
4.000
共计
10.000
分类函数系数
121.299
122.360
-58.894
-60.411
-14.803
-15.373
3.739
6.020
123.979
129.094
-63.284
-68.407
-547.493
-560.691
Fisher的线性鉴别式函数
独自组图表
分类结果b,c
展望构成员
初始
计数
%
83.3
16.7
100.0
25.0
75.0
交错考证a
33.3
66.7
.0
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- spss 实验 报告 模板