SPSS实验范式.docx
- 文档编号:23479719
- 上传时间:2023-05-17
- 格式:DOCX
- 页数:22
- 大小:308.18KB
SPSS实验范式.docx
《SPSS实验范式.docx》由会员分享,可在线阅读,更多相关《SPSS实验范式.docx(22页珍藏版)》请在冰豆网上搜索。
SPSS实验范式
实验一SPSS对变量的编辑与操作
[实验目的]
1、了解SPSSforwindows的基本特点与功能。
2、学习掌握SPSS对变量的编辑与操作。
[实验内容]
1、通过具体案例的示范操作了解SPSS的数据编辑功能,SPSS下表格的生成和编辑,图形的生成和编辑,SPSS与其他软件的联接,SPSS的统计功能。
2、SPSS对变量的编辑与操作:
变量名的编制;变量名与变量标签,变量的值与值标签;变量的定义和修改;变量的增加、转移、复制、删除和插入;变量集合。
[实验项目]
根据课本273页表15-1进行spss的基本操作,生成一spss文件上传教师端,并进行以上实验内容的练习。
[实验步骤]
1、变量名:
是变量参与分析的唯一标志,定义变量结构时首先应给出每个变量的变量名。
2、数据录入:
变量定义完后,在编辑区选择栏里单击“DataView”卡片,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。
3、粘帖:
选定个案序号或变量名|单击鼠标右键|选择“cut”命令|选定目标单元|单击鼠标右键|选择“paste”命令。
或“Edit”|“cut”|“Edit”|“paste”
复制:
选定个案序号或变量名|单击鼠标右键|选择“copy”命令|选定目标单元|单击鼠标右键|选择“paste”命令。
或“Edit”|“copy”|“Edit”|“paste”
删除:
将光标移动到当前数据源所在区域,单击鼠标右键,在弹出的菜单选项中选择“Clear”命令。
或“Edit”|“clear”
插入:
1、选定任意单元格|Edit|Insertvariable或Insertcases
2、选定变量名|单击鼠标右键,在显示的下拉菜单中选择“Insertvariables”命令。
3、选定个案序号|单击鼠标右键,在显示的下拉菜单中选择“Insertcases”命令。
[实验结果]
实验二SPSS的描述性统计与图表
[实验目的]
1、掌握频数的概念以及百分比、有效百分比、累计百分比的概念。
2、学习掌握SPSS的频数分析过程。
3、掌握SPSS的交叉列联表分析过程。
4、掌握SPSS、EXCEL的图表制作
[实验内容]
1、SPSS频数分析的运用。
SPSS的频数表分析及其适用范围;SPSS的频数分析对话框介绍;对频数分析结果的描述。
2、交叉联表分析的运用。
SPSS的交叉列联表分析及其适用范围;SPSS的交叉列联表分析对话框介绍;对交叉列联表分析结果的描述。
3、SPSS的图表生成
[实验项目]
为研究影响老年人购买养老保险的因素,进行问卷调查。
根据所获得的调查数据“保险市场调查.sav”,分析老年人购买商业养老保险的原因。
(注意该案例是关于多选项分析)
[实验步骤]
频数计算与分析
交叉表的生成、计算与分析:
1、单击Analyze——DescriptiveStatistic——Crosstabs,打开Crosstabs对话框,在左侧的源变量框中选择变量移入右侧的Row框中和Column框中。
2、打开Statistics对话框,进行表的输出的内容和形式的相关设置。
完后,单击“Continue”。
3、打开CellDisplay对话框,在该框中选择在交叉表中输出的统计量。
完后,单击“Continue”。
4、打开TableFormat对话框,决定各行的排列顺序。
完后,单击“Continue”。
5、单击OK按钮。
[实验结果]
Statistics
购买商业养老保险的原因1
购买商业养老保险的原因2
购买商业养老保险的原因3
N
Valid
243
133
59
Missing
868
978
1052
Mode
1
2
4
Std.Deviation
1.569
1.727
1.782
Skewness
1.412
.820
-.169
Std.ErrorofSkewness
.156
.210
.311
Percentiles
25
1.00
2.00
3.00
40
1.00
2.00
4.00
50
1.00
2.00
4.00
75
3.00
4.00
6.00
从表中可以看出原因一,众数为1,标准均值误差为1.569,偏度为1.412,偏度标准误差为0.156。
四位数分别为:
25%分位数1、50%分位数1、75%分位数3
百分比分布形态:
偏度为1.412>0,表示正偏,即向左偏,平缓。
从表中可以看出原因二,众数为2,标准均值误差为1.727,偏度为0.820,偏度标准误差为0.210。
四位数分别为:
25%分位数2、50%分位数2、75%分位数4
百分比分布形态:
偏度为0.820>0,表示正偏,即向左偏,平缓。
从表中可以看出原因三,众数为4,标准均值误差为1.782,偏度为-0.169,偏度标准误差为0.311。
四位数分别为:
25%分位数3、50%分位数4、75%分位数6
百分比分布形态:
偏度为-0.169<0,表示负偏,即向右偏,平缓。
交叉表
CaseProcessingSummary
Cases
Valid
Missing
Total
N
Percent
N
Percent
N
Percent
家庭人均月收入(元)*养老报费占当前收入的百分比
259
23.3%
852
76.7%
1111
100.0%
实验三SPSS的差异分析
[目的要求]
1、学习掌握卡方分析的概念及应用。
2、学习掌握均值分析及单因素方差分析的概念及应用。
[实验内容]
1、卡方分析的原理;列联系数与列联表;皮尔逊卡方值;SPSS的卡方分析过程;应用举例。
2、均值分析方法;单因素方差分析的原理、过程与应用。
3、通过实际案例的SPSS分析,掌握以上方法的操作。
[实验项目]
项目一:
利用“住房状况调查.sav”的调查数据,推断家庭人均房面积的平均值是否为20平方米。
项目二;根据“住房状况调查.sav”调查数据,推断本市户口总体和外地户口总体的家庭人均住房面积的平均值是否有显著差异。
项目三:
某企业在制定某商品的广告策略时,收集了该商品在不同地区采用不同广告形式促销后的数据“广告地区与销售额.sav”,希望对广告形式和地区是否对商品销售额产生影响进行分析。
项目四:
若以上结论是不同的广告形式、不同的地区对某产品的销售额有显著影响。
进一步希望研究,究竟哪种广告形式的作用较明显,哪种不明显。
[实验步骤]
1.执行“Analyze”菜单“comparemeans”选项中的“One-SimpleTtest”命令,在对话框中选择“人均面积”,在“Testvalue”中输入“20”,点击“OK”
2.执行“Analyze”菜单“comparemeans”选项中的“IndependentSimpleTtest”命令,选择检验变量“人均面积”,和分组变量“户口变量”
3.执行“Analyze”菜单“comparemeans”选项中的“One-wayANOVA”命令,在“Factor”输入“广告形式”,而在“DependentList”中输入“地区”或“销售额”,点击“OK”
4.执行“Analyze”菜单“comparemeans”选项中的“One-wayANOVA”命令,在“Factor”输入“广告形式”,而在“DependentList”中输入“销售额”,再对其它选项进行设置,点击“OK”
[实验结果]
项目一
单个样本统计量
N
均值
标准差
均值的标准误
人均面积
2993
22.0060
12.70106
.23216
单个样本检验
检验值=20
t
df
Sig.(双侧)
均值差值
差分的95%置信区间
下限
上限
人均面积
8.640
2992
.000
2.00596
1.5508
2.4612
结论:
人均住房面积不是20平方米。
项目二
组统计量
户口状况
N
均值
标准差
均值的标准误
人均面积
本市户口
2825
21.7258
12.17539
.22907
外地户口
168
26.7165
18.96748
1.46337
独立样本检验
方差方程的Levene检验
均值方程的t检验
差分的95%置信区间
F
Sig.
t
df
Sig.(双侧)
均值差值
标准误差值
下限
上限
人均面积
假设方差相等
65.469
.000
-4.968
2991
.000
-4.99069
1.00466
-6.96057
-3.02080
假设方差不相等
-3.369
175.278
.001
-4.99069
1.48119
-7.91396
-2.06742
项目三
ANOVA
销售额
平方和
df
均方
F
显著性
组间
5866.083
3
1955.361
13.483
.000
组内
20303.222
140
145.023
总数
26169.306
143
ANOVA
地区
平方和
df
均方
F
显著性
组间
.000
3
.000
.000
1.000
组内
3876.000
140
27.686
总数
3876.000
143
结论;推翻原假设,即广告形式和地区对销售额有影响。
项目四
描述
销售额
N
均值
标准差
标准误
均值的95%置信区间
极小值
极大值
下限
上限
报纸
36
73.2222
9.73392
1.62232
69.9287
76.5157
54.00
94.00
广播
36
70.8889
12.96760
2.16127
66.5013
75.2765
33.00
100.00
宣传品
36
56.5556
11.61881
1.93647
52.6243
60.4868
33.00
86.00
体验
36
66.6111
13.49768
2.24961
62.0442
71.1781
37.00
87.00
总数
144
66.8194
13.52783
1.12732
64.5911
69.0478
33.00
100.00
ANOVA
销售额
平方和
df
均方
F
显著性
组间
5866.083
3
1955.361
13.483
.000
组内
20303.222
140
145.023
总数
26169.306
143
结论:
由图表看出,报纸对销售额影响最大。
实验四:
SPSS的相关分析与回归分析
[目的要求]
1、学习掌握相关分析的概念及应用。
2、学习掌握回归分析的概念及应用。
[实验内容]
1、相关分析的原理;SPSS的相关分析过程;应用举例。
2、回归分析的原理;SPSS的回归分析过程;应用举例。
3、通过实际案例的SPSS分析,掌握以上方法的操作。
[实验项目]
项目一:
利用“住房状况调查.sav”的问卷调查数据,分析家庭收入与打算购买的住房面积之间存在怎样的统计关系。
项目二:
为研究高等院校人文社会科学研究中立项课题数受哪些因素的影响,收集某年31个省市自治区部分高校有关社科研究方面的数据“高校科研研究.sav”,并利用线性回归分析方法进行分析。
[实验步骤]
项目一:
1.选择““Analyze”|“Correlate”|“Bivarite”命令,出现下面对话框。
2.选择变量将其移动到“Variables”列表框。
在“CorrelationCoefficients”下选择“Pearson”(简单相关系数),默认已选。
在“TestofSignificance”下选择“Two-tailed”,并选中“Flagsignificantcorrelations”。
3.单击“Option”按钮,出现对话框,在其中进行相关设置。
完后,单击“Continue”。
单击“OK”按钮。
项目二:
1、菜单:
Analyze-Regression-Linear
2、把自变量选入Independent,把因变量选入Dependent。
3、Method:
选择Stepwise。
4、单击“Statistics”按钮,在弹出的子对话框中进行如下选择。
选完后,单击“Continue”。
5、单击“Option”按钮,在弹出的子对话框中进行如下选择。
选完后,单击“Continue”。
6、单击“OK”按钮。
[实验结果]
项目一:
DescriptiveStatistics
Mean
Std.Deviation
N
计划面积
1.0157E2
29.54992
832
家庭收入
1.7696E4
15298.80341
2993
Correlations
计划面积
家庭收入
计划面积
PearsonCorrelation
1
.323**
Sig.(2-tailed)
.000
SumofSquaresandCross-products
7.256E5
1.483E8
Covariance
873.198
1.785E5
N
832
832
家庭收入
PearsonCorrelation
.323**
1
Sig.(2-tailed)
.000
SumofSquaresandCross-products
1.483E8
7.003E11
Covariance
1.785E5
2.341E8
N
832
2993
**.Correlationissignificantatthe0.01level(2-tailed).
从表中可知,2个变量的Pearson相关系数为0.323,大于零,呈正相关,表示家庭收入与计划面积呈正相关关系。
项目二:
DescriptiveStatistics
Mean
Std.Deviation
N
课题总数
960.000
838.1887
31
投入人年数
2.144E3
1634.3769
31
投入高级职称的人年数
1.035E3
832.2668
31
投入科研事业费(百元)
5.563E4
67361.4640
31
专著数
486.161
524.7494
31
论文数
4.530E3
3323.7483
31
获奖数
133.806
140.5132
31
Correlations
课题总数
投入人年数
投入高级职称的人年数
投入科研事业费(百元)
专著数
论文数
获奖数
PearsonCorrelation
课题总数
1.000
.959
.944
.862
.868
.887
.665
投入人年数
.959
1.000
.988
.856
.901
.952
.677
投入高级职称的人年数
.944
.988
1.000
.892
.942
.953
.667
投入科研事业费(百元)
.862
.856
.892
1.000
.930
.781
.482
专著数
.868
.901
.942
.930
1.000
.853
.502
论文数
.887
.952
.953
.781
.853
1.000
.742
获奖数
.665
.677
.667
.482
.502
.742
1.000
Sig.(1-tailed)
课题总数
.
.000
.000
.000
.000
.000
.000
投入人年数
.000
.
.000
.000
.000
.000
.000
投入高级职称的人年数
.000
.000
.
.000
.000
.000
.000
投入科研事业费(百元)
.000
.000
.000
.
.000
.000
.003
专著数
.000
.000
.000
.000
.
.000
.002
论文数
.000
.000
.000
.000
.000
.
.000
获奖数
.000
.000
.000
.003
.002
.000
.
N
课题总数
31
31
31
31
31
31
31
投入人年数
31
31
31
31
31
31
31
投入高级职称的人年数
31
31
31
31
31
31
31
投入科研事业费(百元)
31
31
31
31
31
31
31
专著数
31
31
31
31
31
31
31
论文数
31
31
31
31
31
31
31
获奖数
31
31
31
31
31
31
31
相关系数表:
上表显示各变量间的Pearson相关系数和显著性检验单尾概率p值及例数。
例如课题总数与投入人年数的相关系数为0.959,单尾概率p值为0.000,例数为31。
VariablesEntered/Removeda
Model
VariablesEntered
VariablesRemoved
Method
1
投入人年数
.
Stepwise(Criteria:
Probability-of-F-to-enter<=.010,Probability-of-F-to-remove>=.110).
a.DependentVariable:
课题总数
引入/剔除变量表:
上表显示的变量是变量的引入和剔除,并且显示出引入和剔除的标准。
从表中可以看出,模型引入变量投入人年数,没有变量被踢除,所以模型1中有变量投入人年数。
Coefficientsa
Model
UnstandardizedCoefficients
StandardizedCoefficients
t
Sig.
B
Std.Error
Beta
1
(Constant)
-94.524
72.442
-1.305
.202
投入人年数
.492
.027
.959
18.194
.000
a.DependentVariable:
课题总数
回归系数:
上表显示模型1的偏回归系数(B)、标准误差(StdError)、常熟(Constant)、标准化偏回归系数(Beta,消除了单位的影响)、回归系数检验的t统计量观测值和相应的概率p值(Sig)。
据模型1建立的多元线性回归方程:
体表面积=-94.524+0.492*X
方程中的常数项为-94.524,偏回归系数b为0.492,经t检验,b的概率p值为0.000,按给定的显著性水平0.10的情况下,有显著意义。
ExcludedVariablesb
Model
BetaIn
t
Sig.
PartialCorrelation
CollinearityStatistics
Tolerance
1
投入高级职称的人年数
-.119a
-.343
.734
-.065
.024
投入科研事业费(百元)
.152a
1.528
.138
.278
.267
专著数
.023a
.182
.857
.034
.188
论文数
-.278a
-1.666
.107
-.300
.094
获奖数
.030a
.411
.684
.077
.542
a.PredictorsintheModel:
(Constant),投入人年数
b.DependentVariable:
课题总数
模型外的变量:
上表显示的是回归方程外的各模型变量的有关统计量,即Beta值和g概率p值、偏相关系数(PartialCorrelation)线性统计的容许值(CollinearityStatistics),可见模型1中方程外的各变量偏回归系数经重检,概率p值大于0.10,故不能引入方程。
ResidualsStatisticsa
Minimum
Maximum
Mean
Std.Deviation
N
PredictedValue
-57.642
3246.986
960.000
803.7213
31
Residual
-4.6629E2
509.6787
.0000
237.8914
31
Std.PredictedValue
-1.266
2.845
.000
1.000
31
Std.Residual
-1.927
2.106
.000
.983
31
a.DependentVariable:
课题总数
残差统计量:
上表是回归模型的残差统计量,标准化残差(Std.Residual)的绝对值最大为1.297,没有超过默认值3;如果超过3,则显示具体观察单位(Casenumber)的标准化残差,以发现奇异值。
- 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 范式