数据分析spss作业
数据分析方法及软件应用
（作业）
题目：4、8、13、16题
指导教师：
学院：交通运输学院
姓名：
学号：
4、在某化工生产中为了提高收率，选了三种不同浓度，四种不同温度做试验。在同一浓度与温度组合下各做两次试验，其收率数据如下面计算表所列。试在α=0.05显著性水平下分析
(1)给出SPSS数据集的格式(列举前3个样本即可)；
(2)分析浓度对收率有无显著影响；
(3)分析浓度、温度以及它们间的交互作用对收率有无显著影响。
解答：（1）分别定义分组变量浓度、温度、收率，在变量视图与数据视图中输入表格数据，具体如下图。
(2)思路：本问是研究一个控制变量即浓度的不同水平是否对观测变量收率产生了显著影响，因而应用单因素方差分析。假设：浓度对收率无显著影响。
步骤：【分析-比较均值-单因素】，将收率选入到因变量列表中，将浓度选入到因子框中，确定。
输出：
變異數分析
收率
平方和df 平均值平方 F 顯著性
群組之間39.083 2 19.542 5.074 .016
在群組內80.875 21 3.851
總計119.958 23
显著性水平α为0.05，由于概率p值小于显著性水平α，则应拒绝原假设，认为浓度对收率有显著影响。
（3）思路：本问首先是研究两个控制变量浓度及温度的不同水平对观测变量收率的独立影响，然后分析两个这控制变量的交互作用能否对收率产生显著影响，因而应该采用多因素方差分析。假设，H01：浓度对收率无显著影响；H02：温度对收率无显著影响；H03：浓度与温度的交互作用对收率无显著影响。
步骤：【分析-一般线性模型-单变量】，把收率制定到因变量中，把浓度与温度制定到固定因子框中，确定。
输出：
主旨間效果檢定
因變數: 收率
來源第 III 類平方
和df 平均值平方 F 顯著性
修正的模型70.458a11 6.405 1.553 .230
截距2667.042 1 2667.042 646.556 .000
浓度39.083 2 19.542 4.737 .030
温度13.792 3 4.597 1.114 .382
浓度 * 温度17.583 6 2.931 .710 .648
錯誤49.500 12 4.125
總計2787.000 24
校正後總數119.958 23
a. R 平方 = .587（調整的 R 平方 = .209）
第一列是对观测变量总变差分解的说明；第二列是观测变量变差分解的结果；第三列是自由度；第四列是均方；第五列是Ｆ检验统计量的观测值；第六列是检验统计量的概率ｐ值。可以看到观测变量收率的总变差为119.958，由浓度不同引起的变差是39.083，由温度不同引起的变差为13.792，由浓度和温度的交互作用引起的变差为17.583，由随机因素引起的变差为49.500。浓度，温度
和浓度*温度的概率p值分别为0.030,0.382和0.648。
浓度：显著性<0.05说明拒绝原假设（浓度对收率无显著影响），证明浓度对收率有显著影响；温度：显著性＞0.05说明不拒绝原假设（温度对收率无显著影响），证明温度对收率无显著影响；浓度与温度: 显著性＞0.05说明不拒绝原假设（浓度与温度的交互作用对收率无显著影响），证明温浓度与温度的交互作用对收率无显著影响。
8、以高校科研研究数据为例：以课题总数X5为被解释变量，解释变量为投入人年数X2、投入科研事业费X4、专著数X6、获奖数X8；建立多元线性回归模型，分析它们之间的关系。解释变量采用逐步筛选策略，并做多重共线性、方差齐性和残差的自相关性检验。
解答：
思路：根据要求采用逐步筛选的解释变量筛选策略，利用回归分析方法建立多元线性回归模型，分析它们之间的关系，并且要求做多重共线性、方差齐性和残差的自相关性检验。
（1）步骤：【分析-回归-线性】，X5选入因变量，X2、X4、X6、X8选入自变量，方法选择【逐步】。【统计量】勾选【估计】、【模型拟合度】、【共线性诊断】与【Durbin-Waston(U)】。【绘制（T）按钮】，将*ZRESID添加到Y(Y)框中，将*ZPRED添加到X2（X）框中，勾选【正态概率图】，【保存（S）】按钮。在预测值与残差中勾选【标准化】选项。选择菜单【分析→相关→双变量】将标准化预测值和标准化残差选入【变量】框，在相关系数中选择Spearman,各项完成后点击【确定】。
输出：
變數已輸入/已移除a
模型變數已輸入變數已移除方法
1
投入人年数. 逐步（準則：
F-to-enter 的
機率 <= .050，F-to-remove 的機率 >= .100）。
a. 應變數: 课题总数
模型摘要b
模型R R 平方調整後 R 平方標準偏斜度錯誤Durbin-Watson
1 .959a.919 .917 241.958
2 1.747
a. 預測值：（常數），投入人年数
b. 應變數: 课题总数
表中变量为投入人年数，参考调整的判定系数，由于调整的判定系数(0.917)较接近于1，因此认为拟合优度较高，被解释变量可以被模型解释的部分较多，未能被解释的部分较少。方程DW检验值为1.747，残差存在一定的正自相关。
變異數分析a
模型平方和df 平均值平方 F 顯著性
1 迴歸19379040.047 1 19379040.047 331.018 .000b
殘差1697769.953 29 58543.791
總計21076810.000 30
a. 應變數: 课题总数
b. 預測值：（常數），投入人年数
被解释变量的总离差平方和为21076810.00，回归平方和及均方分别为19379040.047 和19379040.047，剩余平方和及均方分别为1697769.953和58543.791，F检验统计量的观测值为331.018，对应的概率p值近似为0。依据该表可进行回归方程的显著性检验。如果显著性水平α为0.05，由于概率p值小于显著性水平α，应拒绝回归方程显著性检验的零假设，认为回归系数不为0，被解释变量与解释变量的线性关系是显著的，可建立线性模型。
係數a
模型非標準化係數標準化係數T 顯著性共線性統計資料
B 標準錯誤Beta 允差VIF
1 （常數）-94.524 72.44
2 -1.305 .202
投入人年数.492 .027 .959 18.194 .000 1.000 1.000 a. 應變數\: 课题总数
依据该表可以进行回归系数显著性检验，写出回归方程和检测多重共线性。可以看到，如果显著性水平α为0.05，投入人年数变量的回归系数显著性t检验的概率p值小于显著性水平α，因此拒绝零假设，认为其偏回归系数与0有显著差异，与被解释变量与解释变量的线性关系是显著的，应保留在方程中。同时从容忍度和方差膨胀因子看，解释变量与投入人年数多重共线性很弱，可以建立模型。最终回归方程为，课题总数= -94.524+0.492投入人年数。
排除的變數a
模型Beta 入T 顯著性偏相關
共線性統計資料
允差VIF
允差下
限
1 投入科研事业费（百元）.152b 1.528 .138 .278 .267 3.748 .267
专著数.023b.182 .857 .034 .188 5.308 .188 获奖数.030b.411 .684 .077 .542 1.846 .542
a. 應變數: 课题总数
b. 模型中的預測值：（常數），投入人年数
该表展示回归方程的剔除变量，可以看到，如果显著性水平α为0.05，表中三个变量的回归系数显著性t检验的概率p值大于显著性水平α，因此不拒绝零假设，认为其偏回归系数与0无显著差异，与被解释变量与解释变量的线性关系是不显著的，不应保留在方程中。同时从容忍度和方差膨胀因子看，解释变量与三个解释变量多重共线性严重，在建立模型的时候应当被剔除。
共線性診斷a
模型維度特徵值條件指數
變異數比例
（常數）投入人年数
1 1 1.800 1.000 .10 .10
2 .200 3.001 .90 .90
a. 應變數: 课题总数
依据该表可进行多重共线性检测，从方差比例上看第二个变量可解释常量的90%，也可解释投入人年数的90%，一次认为这些变量存在多重共线性。条件指数都小于10，说明存在共线性较弱，低个变量特征值小于0.7，说明线性相关关系较弱。
殘差統計資料a
最小值最大值平均數標準偏差N
預測值-57.642 3246.986 960.000 803.7213 31
殘差-466.2850 509.6787 .0000 237.8914 31
標準預測值-1.266 2.845 .000 1.000 31
標準殘差-1.927 2.106 .000 .983 31
a. 應變數: 课题总数
数据点围绕基准线还存在一定的规律性，但标准化残差的非参数检验结果表明标准化残差与标准正态分布不存在显著差异，可以认为残差满足了线性模型的前提要求。
随着标准化预测值的变化，残差点在0线周围随机分布，但残差的等方差性并不完全满足，方差似乎有增大的趋势。但计算残差与预测值的Spearman 等级相关系数为-0.176，且检验并不显著，因此认为异方差现象并不明显。
相關
Standardized Predicted
Value
Standardized Residual
Spearman 的 rho
Standardized Predicted Value
相關係數 1.000
-.176 顯著性 （雙尾） . .344 N
31 31 Standardized Residual
相關係數 -.176 1.000
顯著性 （雙尾） .344 . N
31
31
依据该表可以对标准化残差和标准化预测值的Spearman 等级进行分析，可以看到，计算残差与预测值的相关性弱，认为异方差现象不明显。
13、利用1950年～1990年的天津食品消费数据，分析这段时间内的人均生活费用年收入的变化情况。要求：数据进行对数变换后，运用Holt 线性趋势平滑模型分析。
(1)输出均方根误差和参数估计结果；
(2)输出ACF 和PACF 图形并对其特征进行分析，是否满足白噪声序列的条件； (3)给出1991-1992的预测值，并输出拟合图。
解答：
思路：根据题意，先不进行序列图和自相关、偏自相关的观察和检验阶段处理。直接利用指数平滑模型中的Holt线性趋势模型对数据进行分析，同时输出均方根误差和参数估计误差，ACF和PACF图像判断是否满足白噪音序列的条件；最后然后对数据进行1991年、1992年做出预测，并用模型进行拟合。
步骤：【分析-预测-创建模型】，将人均生活费年收入选入【因变量】中，将【方法】选为【指数平滑法】；点击【条件】，在【因变量转换】中选【自然对数】，在【模型类型】中【Holt线性趋势】，【继续】。
【统计量】，在【拟合度量】中选择【平稳的R方、均方根误差】，在【个别模型的统计量】中选中【参数估计】，在【比较模型的统计量】中选中【拟合优度】，选中【显示预测值】，【确定】
【图表】，在【单个模型图】中选择【序列、残差自相关函数、残差部分自相关函数】，在【每张图显示的内容】中现则【观察值、预测值、拟合值】。
【选项】，在【预测阶段】选择第二个，在【日期】的【年】框中填入【1992】。
输出：
模型適合度
適合度統
計資料平均數SE 最小值最大值
百分位數
5 10 25 50 75 90 95
平穩 R
平方
.221 . .221 .221 .221 .221 .221 .221 .221 .221 .221 R 平方.994 . .994 .994 .994 .994 .994 .994 .994 .994 .994 RMSE 28.179 . 28.179 28.179 28.179 28.179 28.179 28.179 28.179 28.179 28.179 MAPE 3.517 . 3.517 3.517 3.517 3.517 3.517 3.517 3.517 3.517 3.517 MaxAPE 12.495 . 12.495 12.495 12.495 12.495 12.495 12.495 12.495 12.495 12.495 MAE 17.146 . 17.146 17.146 17.146 17.146 17.146 17.146 17.146 17.146 17.146 MaxAE 82.911 . 82.911 82.911 82.911 82.911 82.911 82.911 82.911 82.911 82.911 標準化
BIC
6.858 . 6.858 6.858 6.858 6.858 6.858 6.858 6.858 6.858 6.858
模型統計資料
模型預測變數數
目
模型適合度統計資料Ljung-Box Q(18)
離群值數
目平穩 R 平
方RMSE
統計資
料DF 顯著性
人均生活费年收入-模
型_1
0 .221 28.179 16.360 16 .428
均方根误差为28.179，误差较小。
指數平滑化模型參數
模型估計SE T 顯著性
人均生活费年收入-模型_1 自然對數Alpha（水準） 1.000 .157 6.381 .000 Gamma（趨勢）.400 .178 2.244 .031
模型的两个参数分别为：1.0和0.4，则具体模型为f t+m=1.0+0.4m，
虽然残差自相关函数和偏自相关函数绝大多数处于置信区间内，但两函数都具有明显减少趋势，且具有一定的季节性，因此不属于白噪音序列。
預測
模型1991 1992
人均生活费年收入-模型_1 預測1708.82 1920.58
UCL 1887.02 2274.43
LCL 1543.63 1609.99
針對每一個模型，預測是在所要求的估計期間範圍內的前次非遺
漏開始，並在其所有預測值的非遺漏值可用的前次期間，或是在
所要求的預測期間的結束日期結束，取較早的時間。
1991、1992年的预测值与1990年的观测值有较大的增长趋势。从整个数据来看，1950年至1980年这段时期较为平稳的增长，但是1980年之后迅速上升，最后预测值上升较为明显，这与实际趋势基本一致。且1991、1992年预测值分别为1708.82、1920.58。
16、结合自己的研究方向、参与项目等，举出一个说明SPSS在交通运输中应用的例子。例子需包含问题说明、数据来源、统计方法、统计结果及其主要结论。
解答：
问题说明：利用1950年~2013年美国么历年定期航班旅客周转量（单位：“台亿客公里）历年数据数据，建立几种指数平滑模型，预测2016年美国定期航班旅客周转量。
数据来源：《从统计看民航（2014）》中国民航出版社，2014年11月第一版。
年份1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 定期航班旅客周转
164.4 211.8 250.3 292.1 331.6 391.8 444.5 503 506.9 585.3 量/亿客公里
年份1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 定期航班旅客周转
625.4 640.9 704.2 810.4 941.3 1105.2 1285.7 1605.8 1830.7 2017.3 量/亿客公里
年份1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 定期航班旅客周转
2131.3 2155.9 1453 2606 2621 2620 2882 3110 3640 4080 量/亿客公里
年份1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 定期航班旅客周转
3930 3950 4100 4460 4720 5279 5800 6470 6743 6948 量/亿客公里
年份1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 定期航班旅客周转
7314 7183 7651.4 7759 8199.8 8491.6 9214.8 9655.7 9847 10448.7 量/亿客公里
年份2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 定期航班旅客周转
11109.5 10444.8 10218.4 10389.6 11643.7 12446.9 12753.8 13120.5 12790 12570 量/亿客公里
年份2010 2011 2012 2013
定期航班旅客周转
12998.7 13105.4 13247.5 13525.2
量/亿客公里
解题思路：首先首先绘制和观察彩电出口量的序列图，通过图形观察和检验寻找规律，然后通过指数平滑模型—简单、HOIT线性趋势、Brown线性趋势三个模型进行分析预测，比较选择最佳模型预测2016年亿客公里数。
统计结果：
美国亿客公里时间序列图如下：
该序列图为平稳序列则可以直接进行建模分析。
（1）简单指数平滑模型
型號說明
模型類型
模型 ID 亿客公里模型_1 簡單
模型統計資料
模型
預測變數數
目
模型適合度統計資料
Ljung-Box Q(18)
離群值數
目
平穩 R 平
方
RMSE
統計資料 DF
顯著性
亿客公里-模型_1
-.417
367.918
12.511
17
.046
指數平滑化模型參數
模型
估計 SE T 顯著性
亿客公里-模型_1
自然對數
Alpha （水準）
1.000
.122
8.175
.000
預測
模型
2014 2015 2016 亿客公里-模型_1
預測
13638.21
13752.16
13867.06
UCL 17502.48 19474.79 21137.62
LCL 10451.72 9393.22 8654.28 針對每一個模型，預測是在所要求的估計期間範圍內的前次非遺漏開
始，並在其所有預測值的非遺漏值可用的前次期間，或是在所要求的預
測期間的結束日期結束，取較早的時間。
（2）HOIT线性趋势指数平滑模型
型號說明
模型類型
模型 ID 亿客公里模型_1 Holt
模型統計資料
模型預測變數數
目
模型適合度統計資料Ljung-Box Q(18)
離群值數
目平穩 R 平
方RMSE 統計資料DF 顯著性
亿客公里-模型
_1
0 .610 417.990 15.336 16 .050
指數平滑化模型參數
模型估計SE T 顯著性
亿客公里-模型_1 自然對數Alpha（水準）.694 .118 5.893 .000
Gamma（趨勢）.117 .062 1.895 .063
預測
模型2014 2015 2016
亿客公里-模型_1 預測13940.78 14300.63 14680.08
UCL 17038.10 18400.81 19860.96
LCL 11286.08 10926.81 10585.12 針對每一個模型，預測是在所要求的估計期間範圍內的前次非遺漏開
始，並在其所有預測值的非遺漏值可用的前次期間，或是在所要求的預
測期間的結束日期結束，取較早的時間。
（3）Brown线性趋势指数平滑模型
型號說明
模型類型
模型 ID 亿客公里模型_1 Brown
模型統計資料
模型預測變數數
目
模型適合度統計資料Ljung-Box Q(18)
離群值數
目平穩 R 平
方RMSE 統計資料DF 顯著性
亿客公里-模型
_1
0 .548 402.232 13.265 17 .047 0
指數平滑化模型參數
模型估計SE T 顯著性
亿客公里-模型_1 自然對數Alpha 值 (水準與趨
勢)
.540 .053 10.109 .000
預測
模型2014 2015 2016
亿客公里-模型_1 預測13775.93 14077.67 14456.70
UCL 17291.57 19575.76 22517.84
LCL 10825.41 9827.23 8779.99
針對每一個模型，預測是在所要求的估計期間範圍內的前次非遺漏開
始，並在其所有預測值的非遺漏值可用的前次期間，或是在所要求的預
測期間的結束日期結束，取較早的時間。
结果分析：
在三个模型预测分析当中，简单指数模型均方根误差为367.918，HOIT线性趋势指数平滑模型均方根误差为417.990，Brown线性趋势指数平滑模型均方根误差为402.232，其中简单指数模型均方根误差最小。三个模型残差自相关函数
和偏自相关函数图中，简单指数模型均方根完全落在置信区间，HOIT和Brown 线性趋势指数平滑模型大部分落在置信区间。
综合上述分析，分别观察三个模型的简单指数模型你和效果图，可知简单指数模型你和效果最佳，2016年亿客公里预测值为13867.06。
数据分析spss作业
数据分析方法及软件应用 （作业） 题目：4、8、13、16题 指导教师： 学院：交通运输学院 姓名： 学号：
4、在某化工生产中为了提高收率，选了三种不同浓度，四种不同温度做试验。在同一浓度与温度组合下各做两次试验，其收率数据如下面计算表所列。试在α=0.05显著性水平下分析 (1)给出SPSS数据集的格式(列举前3个样本即可)； (2)分析浓度对收率有无显著影响； (3)分析浓度、温度以及它们间的交互作用对收率有无显著影响。 解答：（1）分别定义分组变量浓度、温度、收率，在变量视图与数据视图中输入表格数据，具体如下图。 (2)思路：本问是研究一个控制变量即浓度的不同水平是否对观测变量收率产生了显著影响，因而应用单因素方差分析。假设：浓度对收率无显著影响。 步骤：【分析-比较均值-单因素】，将收率选入到因变量列表中，将浓度选入到因子框中，确定。 输出： 變異數分析 收率 平方和df 平均值平方 F 顯著性 群組之間39.083 2 19.542 5.074 .016 在群組內80.875 21 3.851 總計119.958 23 显著性水平α为0.05，由于概率p值小于显著性水平α，则应拒绝原假设，认为浓度对收率有显著影响。
（3）思路：本问首先是研究两个控制变量浓度及温度的不同水平对观测变量收率的独立影响，然后分析两个这控制变量的交互作用能否对收率产生显著影响，因而应该采用多因素方差分析。假设，H01：浓度对收率无显著影响；H02：温度对收率无显著影响；H03：浓度与温度的交互作用对收率无显著影响。 步骤：【分析-一般线性模型-单变量】，把收率制定到因变量中，把浓度与温度制定到固定因子框中，确定。 输出： 主旨間效果檢定 因變數: 收率 來源第 III 類平方 和df 平均值平方 F 顯著性 修正的模型70.458a11 6.405 1.553 .230 截距2667.042 1 2667.042 646.556 .000 浓度39.083 2 19.542 4.737 .030 温度13.792 3 4.597 1.114 .382 浓度 * 温度17.583 6 2.931 .710 .648 錯誤49.500 12 4.125 總計2787.000 24 校正後總數119.958 23 a. R 平方 = .587（調整的 R 平方 = .209） 第一列是对观测变量总变差分解的说明；第二列是观测变量变差分解的结果；第三列是自由度；第四列是均方；第五列是Ｆ检验统计量的观测值；第六列是检验统计量的概率ｐ值。可以看到观测变量收率的总变差为119.958，由浓度不同引起的变差是39.083，由温度不同引起的变差为13.792，由浓度和温度的交互作用引起的变差为17.583，由随机因素引起的变差为49.500。浓度，温度和浓度*温度的概率p值分别为0.030,0.382和0.648。 浓度：显著性<0.05说明拒绝原假设（浓度对收率无显著影响），证明浓度对收率有显著影响；温度：显著性＞0.05说明不拒绝原假设（温度对收率无显著影响），证明温度对收率无显著影响；浓度与温度: 显著性＞0.05说明不拒绝原假设（浓度与温度的交互作用对收率无显著影响），证明温浓度与温度的交互作用对收率无显著影响。 8、以高校科研研究数据为例：以课题总数X5为被解释变量，解释变量为投入人年数X2、投入科研事业费X4、专著数X6、获奖数X8；建立多元线性回归模型，
spss统计分析报告期末考精彩试题
《统计分析软件》试（题）卷 班级xxx班xxx 学号xxx 说明：1.本试卷分析结果写在每个题目下面（即所留空白处）； 2.考试时间为100分钟； 3.每个试题20分。 一、（20分）已经给出某个班的学生基本情况及其学习成绩的两个SPSS数据文件，学生成绩一.sav；学生成绩二.sav。要求： （1)将所给的两个SPSS数据文件“学生成绩一.sav”与“学生成绩二.sav”合并，并保存为“成绩.sav.” （2）对所建立的数据文件“成绩.sav”进行以下处理： 1）按照性别求出男、女数学成绩的各种统计量(包括平均成绩、标准差等)。 2）计算每个学生的总成绩、并按照总成绩的大小进行排序 3）把数学成绩分成优、良、中三个等级，规则为优(X≥85)，良(75≤X≤84),中(X≤74)，并对优良中的人数进行统计。
分析： （2） 描述统计量 性别N 极小值极大值均值标准差 男数学 4 77.00 85.00 82.2500 3.77492 有效的N （列表状态） 4 女数学16 67.00 90.00 78.5000 7.09930 有效的N （列表状态）16
注：成绩优良表示栏位sxcj 优为1 良为2 中为3 由表统计得，成绩为优的同学有4人，占总人数的20%；良的同学有12人，占总人数的60%；中的同学有4人，占总人数的40%。 二、（20分）为了解笔记本电脑的市场情况，针对笔记本电脑的3种品牌，进行了满意度调查，随机访问了30位消费者，让他们选出自己满意的品牌，调查结果见下表，其中变量“职业”的取值中，1表示文秘人员，2表示管理人员，3表示工程师，4表示其他人；3个品牌变量的取值中，1表示选择，0表示未选数据见Excel 数据文件“调查.exe”。根据所给数据完成以下问题 （1）将所给数据的Excel文件导入到SPSS中，要求SPSS数据文件写出数据结构（包括变量名，变量类型，变量值标签等）命，并保存为：“调查. Sav”。 （2）试利用多选项分析，利用频数分析来分析消费者对不同品牌电脑的满意度状况；分析不同职业消费者对笔记本品牌满意度状况。
spss数据分析总结.
spss数据分析总结 2018-01-15 下面就是小编为您收集整理的spss数据分析总结的相关文章，希望可以帮到您，如果你觉得不错的话可以分享给更多小伙伴哦！ 篇一：spss数据分析总结 实验一 SPSS基本操作 一、实验目的 1．熟悉SPSS的菜单和窗口界面，熟悉SPSS各种参数的设置； 2．掌握SPSS的数据管理功能。二、实验内容及步骤 （一）数据的输入和保存 1. SPSS界面 当打开SPSS后，展现在我们面前的界面如下： 请注意窗口顶部显示为“SPSS for Windows Data Editor”，表明现在所看到的是SPSS的数据管理窗口。这是一个典型的Windows软件界面，有菜单栏、工具栏。该界面和EXCEL极为相似，很多操作也与EXCEL类似，同学们可以自己试试。 2.定义变量 选择菜单Data==>Define Variable。系统弹出定义变量对话框如下： 对话框最上方为变量名，现在显示为“VAR00001”，这是系统的默认变量名；往下是变量情况描述，可以看到系统默认该变量为数值型，长度为8，有两位小数位，尚无缺失值，显示对齐方式为右对齐；第三部分为四个设置更改按钮，分别可以设定变量类型、标签、缺失值和列显示格式；第四部分实际上是用来定义变量属于数值变量、有序分类变量还是无序分类变量，现在系统默认新变量为数值变量；最下方则依次是确定、取消和帮助按钮。 假如有两组数据如下： GROUP 1: 0.84 1.05 1.20 1.20 1.39 1.53 1.67 1.80 1.87 2.07 2.11 GROUP 2: 0.54 0.64 0.64 0.75 0.76 0.81 1.16 1.20 1.34 1.35 1.48 1.56 1.87 先来建立分组变量GROUP。请将变量名改为GROUP，然后单击OK按钮。现在SPSS的数据管理窗口如下所示：
SPSS统计基础 数据分析
《SPSS统计基础》课程数据分析报告 （2016— 2017学年度第二学期） 题目：关于381名大学生学习适应情况的分析报告 班级：14小教2班 学号： 姓名： 2017年6月
381名大学生学习适应性调查数据分析报告 姓名：学号：班级： 一、数据分析目的及内容 （一）数据分析的目的 通过对师范学院学生学习适应现状及其影响因素的调查研究，了解我院学生对自己所学专业在适应学习动机、适应教学模式、使用学习能力、适应学习态度、适应环境因素、适应总分六个维度的基本情况。本文拟在以往研究的基础上对大学生学习适应状况进行调查,并探讨影响大学生学习适应的因素，从而让大学生能更快更好地适应大学生活。 （二）数据分析的内容 1. 381名大学生在适应学习动机、适应教学模式、使用学习能力、适应学习态度、适应 环境因素五个维度的得分及适应总分. 2.对年级、专业、生源地变量的容量等数据分布指标的描述，了解数据分布的全貌。 3.对适应学习动机、适应教学模式、使用学习能力、适应学习态度、适应环境因素五个 维度的极大值、极小值、均值和标准差的统计。 4.学习适应各因子之间的相关分析。 5.学习适应五因子及适应总分的相关性分析。 二、数据库介绍 （一）数据来源： 1被试分布：总容量为381、年级（大一156人、大二136人、大三89人）、专业（小学教育140人、学前教育本科113人、学前教育专科128人）、生源地（城镇145人、农村236人）等方面的人数分布； 2、调查工具：《大学生学习适应量表》由冯廷勇等人编制，共29 个题目，量表采 用Likert5 点计分法，即完全不符合计 1 分，比较不符合计 2 分，不确定计 3 分，较符合计4 分，完全符合计 5 分。各维度和总量表分数越高，表明适应状况越好。总分低于58分，表明学习适应状态较差需要做较大调整；总分在59到87分之间，表明学习适应状态中等，需要做适当的调整；总分在88到116分之间，表明学习适应状态良好；总分在117到145分之间，表明学习适应状态良好。量表的效度为0.85，信度为0.87。该量表由五个维度构成： （1）学习动机（8题）：1、6、7、8、9、13、17、23 （2）教学模式（7题）：2、3、10、14、18、22、24 （3）学习能力（6题）：4、11、15、21、25、26 （4）学习态度（4题）：5、12、20、27 （5）环境因素（4题）：16、19、28、29 （二）变量介绍： 1、本次问卷调查有三个变量； 2、变量名称为：专业，年级，生源地； 3、变量名称的取值为：专业：1=“小学教育”，2=“学前教育本科”，3=“学前教育专 科”；年级：1=“大一”，2=“大二”，3=“大三”，4=“大四”；生源地：1=“城镇”，2=“农村”。 三、数据统计与分析
spss统计分析期末考试题
《统计分析软件》试（题）卷 班级 xxx班姓名 xxx 学号 xxx 说明：1.本试卷分析结果写在每个题目下面（即所留空白处）； 2.考试时间为100分钟； 3.每个试题20分。 一、（20分）已经给出某个班的学生基本情况及其学习成绩的两个SPSS数据文件，学生成绩一.sav；学生成绩二.sav。要求： （1)将所给的两个SPSS数据文件“学生成绩一.sav”与“学生成绩二.sav”合并，并保存为“成绩.sav.” （2）对所建立的数据文件“成绩.sav”进行以下处理： 1）按照性别求出男、女数学成绩的各种统计量(包括平均成绩、标准差等)。 2）计算每个学生的总成绩、并按照总成绩的大小进行排序 3）把数学成绩分成优、良、中三个等级，规则为优(X≥85)，良(75≤X ≤84),中(X≤74)，并对优良中的人数进行统计。
分析： 描述统计量 性别N极小值极大值均值标准差 男数学477.0085.0082.2500 3.77492有效的 N （列表状态）4 女数学1667.0090.0078.50007.09930有效的 N （列表状态）16
注：成绩优良表示栏位sxcj 优为1 良为2 中为3 由表统计得，成绩为优的同学有4人，占总人数的20%；良的同学有12人，占总人数的60%；中的同学有4人，占总人数的40%。 二、（20分）为了解笔记本电脑的市场情况，针对笔记本电脑的3种品牌，进行了满意度调查，随机访问了30位消费者，让他们选出自己满意的品牌，调查结果见下表，其中变量“职业”的取值中，1表示文秘人员，2表示管理人员，3表示工程师，4表示其他人；3个品牌变量的取值中，1表示选择，0表示未选数据见Excel数据文件“调查.exe”。根据所给数据完成以下问题 （1）将所给数据的Excel文件导入到SPSS中，要求SPSS数据文件写出数据结构（包括变量名，变量类型，变量值标签等）命，并保存为：“调查. Sav”。 （2）试利用多选项分析，利用频数分析来分析消费者对不同品牌电脑的满意度状况；分析不同职业消费者对笔记本品牌满意度状况。 分析：
SPSS调查报告 - 期末作业
---------------------------------------------装--------------------------------- --------- 订 -----------------------------------------线---------------------------------------- 班级 姓名 学号 - 广 东 财 经 大 学 答 题 纸（格式二） 课程 数据处理技术与SPSS 20 15 －20 16 学年第 1 学期 成绩 评阅人 评语： ＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝ （题目）关于本部学生对收费代课现象支持度的调查报告 （正文） 一、调查背景 如今，大学生逃课现象屡见不鲜，随之衍生了“收费代课”的现象。据了解，在全国近百所高校中，存在“收费代课”现象的高校居然有一半之多。当“收费代课”现象衍变成了一种行业，成为有领导、有组织、有规模、有纪律的机构，不仅仅应当引起社会的关注，更应引起校方对教育方式的深刻反思。“有偿代课”作为一种不正常的校园现象，有其存在的社会土壤，其原因有多方面，值得让人对当前大学教育深思。在“收费代课”现象蔚然成风之时，我们学校的学生们也加入了这支大队伍。对于这样的一种收费代课的行为，同学们褒贬不一，每个人都有自己的看法。然而，这种行为经常在我们的身边发生着，无疑应该引起我们的关注，并引发我们的深思，形成一定的判别能力与认知能力。
二、调查目的 我们希望通过本次调查了解广东财经大学本部学生选择收费代课的原因，以及对本专业学习、实习实践的认知程度，是否支持放弃学习去实习或者做自己的事情，是否支持收费代课。同时，我们也希望通过这份调查报告揭露出的一些情况，一方面，帮助学生更好地权衡学习与实习的利弊，更加理性地对待收费代课的行为，做出对自己正确合适的选择；另一方面，引起学校对这种收费代课现象的重视，给学校提一些建议，希望学校采取一些措施改善这种不良校风。 三、调查方法 从可行性角度出发，本次调查采用非概率随机抽样的街头拦截法，集中对象为本部大三大四的同学，以自愿形式对本部同学分发调查问卷，总共发出80份问卷，回收80份，有效问卷80份。收集问卷之后，利用spss软件进行数据整理与分析，最后把结论整理成调查报告。调查报告中采用的数据分析方法主要有：频数分析、多选项分析、交叉列联表行列变量间关系的分析、单因素方差分析等。 四、描述统计 1、对样本性别作频数分析 从上表可以看出，这次填写问卷的女生较多，占了样本的66.3%，这与我们学校男女比例不均衡有很大的关系，样本的男女比例不相等，也可以较好地接近学校的实际情况，有利于我们得到更为准确的结论。 2、对样本年级作频数分析 从上表可知，参加问卷调查的大三大四学生比例明显比较高，这与一开始我们预期相符，样本中大三大四学生所占比例较多，有利于我们得到更为有针对性的结论。
spss期末作业
吉林财经大学 《SPSS统计软件分析》作业（2010——2011学年第一学期） 学院信息学院 专业班级电子商务0806班 学生姓名王瑞霞 学号1403080616
1、对未分组资料频数分析 从中国统计局中获得从11月21日至30日国内50个城市主要食品平均价格变动情况，以该数据为例为例，进行频数分析。 首先输入数据： 选择Analyze中Descriptive Statistics——Frequencies，打开Frequencies对话框；将需处理的变量键入变量框中
单击Statistics…按钮统计量子对话框12指标，选中所需要计算的指标： 单击Charts …按钮,选择需绘制的统计图： 单击OK按钮开始运行，运行结果为：
从上图中可以看出数据中缺失值为0，花生油的平均价格104.84是最高的，而巴氏牛奶的平均价格1.81最低，全部食品平均价格的平均数为16.5327，标准差为22.4668，各种食品的平均价格差距较大。
条形图、饼形图以及直方图是用不同的图形表示方法来说明数据的指标，其实质是一样的，从图中可以看出平均价格在0—22元之间的食品是最多的，20—40元之间的食品数次之，接下来是40—60元之间的食品，不存在平均价格在60—100之间的食品。 2、以食品平均价格为依据对数据进行分组并对分组后的数据进行频数分析： Transform —Recode—Into same V ariables ，将要分组的变量放入Numeric 栏中，单击Old and new V alues分组：
分组结果如下图所示： 回到数据编辑窗，定义变量的V alue labels ： 再对食品平均价格进行频数分析，分析结果如下截图所示
spss 期末题库
课程名称:《SPSS分析方法与应用》 课程号: 2007422 一、单项选择题(共112小题） 1、试题编号：1000110,答案：RetEncryption(D)。 SPSS的安装类型有（） A. 典型安装 B.压缩安装 C.用户自定义安装 D.以上都是 2、试题编号：1000310,答案：RetEncryption(D)。 数据编辑窗口的主要功能有（） A.定义SPSS数据的结构 B.录入编辑和管理待分析的数据 C.结果输出 和B 3、试题编号：1000410,答案：RetEncryption(A)。 （）文件格式是SPSS独有的，一般无法通过Word，Excel等其他软件打开。 4、试题编号：1000510,答案：RetEncryption(D)。 （）是SPSS为用户提供的基本运行方式。 A.完全窗口菜单方式 B.程序运行方式 C.混合运行方式 D.以上都是 5、试题编号：1000810,答案：RetEncryption(D)。 （）是SPSS中有可用的基本数据类型 A.数值型 B.字符型 C.日期型 D.以上都是 6、试题编号：1000910,答案：RetEncryption(D)。 spss数据文件的扩展名是( ) A..htm B..xls C..dat D..sav 7、试题编号：1001010,答案：RetEncryption(B)。 数据编辑窗口中的一行称为一个（） A.变量 B.个案 C.属性 D.元组 8、试题编号：1001110,答案：RetEncryption(C)。
变量的起名规则一般：变量名的字符个数不多于（） A. 6 B. 7 C. 8 D. 9 9、试题编号：1001210,答案：RetEncryption(A)。 统计学依据数据的计量尺度将数据划分为三大类，它不包括（） A. 定值型数据 B.定距型数据 C.定序型数据 D.定类型数据 10、试题编号：1001310,答案：RetEncryption(A)。 在横向合并数据文件时，两个数据文件都必须事先按关键变量值（） A.升序排序 B.降序排序 C.不排序 D.可升可降 11、试题编号：1001810,答案：RetEncryption(A)。 SPSS算术表达式中，字符型（）应该用引号引起来。 A 常量 B变量 C算术运算符 D函数 12、试题编号：1001910,答案：RetEncryption(A)。 复合条件表达式又称逻辑表达式，在逻辑运算中，下列（）运算最优先。 B AND C OR D都不是 13、试题编号：1002010,答案：RetEncryption(A)。 数据选取的方法中，（）是按符合条件的数据进行选取。 A 按指定条件选取 B 随即选取 C选取某一区域内样本 D过滤变量选取 14、试题编号：1002110,答案：RetEncryption(B)。 通过（）可以达到将数据编辑窗口中的技术数据还原为原始数据的目的。 A 数据转置 B 加权处理 C 数据才分 D以上都是 15、试题编号：1002210,答案：RetEncryption(A)。 SPSS的（）就是将数据编辑窗口中数据的行列互换 A 数据转置 B 加权处理 C 数据才分 D以上不都是 16、试题编号：1002310,答案：RetEncryption(B)。 SPSS软件是20世纪60年代末，由（）大学的三位研究生最早研制开发的。 A、哈佛大学 B、斯坦福大学 C、波士顿大学 D、剑桥大学 17、试题编号：1002710,答案：RetEncryption(D)。 SPSS中进行参数检验应选择（）主窗口菜单。 A、视图 B、编辑 C、文件 D、分析 18、试题编号：1002810,答案：RetEncryption(A)。 SPSS中进行输出结果的保存应选择（）主窗口菜单。 A、视图 B、编辑 C、文件 D、分析 19、试题编号：1002910,答案：RetEncryption(C)。 SPSS中进行数据的排序应选择（）主窗口菜单。 A、视图 B、编辑 C、数据 D、分析
spss的数据分析案例
s p s s的数据分析案例 Modified by JACK on the afternoon of December 26, 2020
关于某公司474名职工综合状况的统计分析报告一、数据介绍： 本次分析的数据为某公司474名职工状况统计表，其中共包含十一变量，分别是：id（职工编号），gender(性别)，bdate(出生日期)，edcu（受教育水平程度），jobcat（职务等级），salbegin （起始工资），salary（现工资），jobtime(本单位工作经历<月>)，prevexp(以前工作经历<月>)，minority(民族类型)，age(年龄)。通过运用spss统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析、以了解该公司职工上述方面的综合状况，并分析个变量的分布特点及相互间的关系。 二、数据分析 1、频数分析。基本的统计分析往往从频数分析开始。通过频数分 析能够了解变量的取值状况，对把握数据的分布特征非常有用。 此次分析利用了某公司474名职工基本状况的统计数据表，在gender(性别)、edcu（受教育水平程度）、不同的状况下的频数分析，从而了解该公司职工的男女职工数量、受教育状况的基本分布。 Statistics 首先，对该公司的男女性别分布进行频数分析，结果如下：
上表说明，在该公司的474名职工中，有216名女性，258名男性，男女比例分别为%和%，该公司职工男女数量差距不大，男性略多于女性。 其次对原有数据中的受教育程度进行频数分析，结果如下表： Educational Level (years)
16 59 17 11 18 9 19 27 20 2 .4 .4 21 1 .2 .2 Tot al 474 上 表及其直方图说明，被调查的474名职工中，受过12年教育的职工是该组频数最高的，为190人，占总人数的%，其次为15年，共有116人，占中人数的%。且接受过高于20年的教育的人数只有1人，比例很低。 2、 描述统计分析。再通过简单的频数统计分析了解了职工在性别和受教育水平上的总体分布状况后，我们还需要对数据中的其他变量特征有更为精确的认识，这就需要通过计算基本描述统计的方法来实现。下面就对各个变量进行描述统计分析，得到它们的
spss期末大数据分析报告
SPSS在教育研究中的应用某大学学生对本校的满意度调查 学院：教育学院 专业：课程与教学论 学号：201411000156 姓名：李平 2014年12月13日
目录 一、研究问题的提出 (3) 二、研究内容与方法 (3) (一) 研究内容 (3) (二) 研究方法 (3) 三、调查对象及人数 (4) 四、问卷分析 (5) （一）回收情况 (5) （二）信度分析 (5) 五、数据统计与分析 (6) （一）数据输入 (6) （二）数据分析 (7) 1.描述统计 (7) （1）多选题描述统计 (7) （2）单选题描述统计 (9) 2.推断统计 (12) （1）独立样本T检验 (12) （2）单一样本T检验 (15) （3）单因素方差分析 (17) （4） X2检验 (21) 3.相关分析 (22) （1）变量间相关分析 (22) （2）维度间相关分析 (23) 六、结论 (27) 七、附录 (28)
一、研究问题的提出 学生的学校生活和成长密切相关。我们通过对他们的大学生活满意度的调查结果向有关部门提出建议，并希望能引起学校对这一系列问题的关注，最终希望大学生对其大学的满意度有所提升，大学生是一个庞大的群体，特别是近几年，随着高校的扩招，我国越来越多人能够上大学。上大学是很多人的梦想，他们都憧憬着大学校园的生活，然而当他们进了大学后才发现大学生活并非所想的美好，取而代之的却是对校园生活的不满，大学生是十分宝贵的人才资源，他们对校园生活的体验和感受，与他们的更好的学习。 二、研究内容与方法 (一)研究内容 了解学生对于学校的师资水平、环境、日常管理等各方面的满意度。 (二)研究方法 1.问卷编制 本研究采用自编问卷，问卷共由两部分组成：基本情况部分包括被调查者的性别、年级等，问卷主体部分包括师资水平、学校环境、日常管理三大维度，细分为12个三级指标（见表2-1），问卷采用五点制计分法，即“非常满意”、“满意”、“一般”、“不满意”、“非常不满意”，分别赋值5分、4分、3分、2分、1分。 表2-1 某大学学生对本校的满意度测评指标体系 一 级指标 二级指标（潜在变量）三级指标（观测变量） 对自己师资水平对教师教学方法、对教师工作态 度、对教师人品修养、对师资配备 学校的意学校环境对学习环境、对就餐环境、对居住 环境、对校园绿化环境 满度指数日常管理对专业课时安排、对收费标准、对 奖、助学金制度、对学校治安
SPSS期末大作业-完整版
第1题：基本统计分析1 分析：本题要求随机选取80%的样本，因而需要选用随机抽样的方法，在此选择随机抽样中的近似抽样方法进行抽样。其基本操作步骤如下：数据→选择个案→随机个案样本→大约（A）80 所有个案的%。 1、基本思路： （1）由于存款金额为定距型变量，直接采用频数分析不利于对其分布形态的把握，因而采用数据分组，先对数据进行分组再编制频数分布表。此处分为少于500元，500~2000元，2000~3500元，3500~5000元，5000元以上五组。分组后进行频数分析并绘制带正态曲线的直方图。 （2）进行数据拆分，并分别计算不同年龄段储户的一次存取款金额的四分位数，并通过四分位数比较其分布上的差异。 操作步骤： （1）数据分组：【转换→重新编码为不同变量】，然后选择存取款金额到【数字变量→输出变量（V）】框中。在【名称（N）】中输入“存取款金额1”，单击【更改（H）】按钮；单击【旧值和新值】按钮进行分组区间定义。 存取款金额1 频率百分比有效百分比累积百分比 有效1.00 82 34.6 34.6 34.6 2.00 76 32.1 32.1 66.7 3.00 10 4.2 4.2 70.9 4.00 22 9.3 9.3 80.2 5.00 47 19.8 19.8 100.0 合计237 100.0 100.0 （2）【分析→描述统计→频率】；选择“存款金额分组”变量到【变量（V）】框中；单击【图标（C）】按钮，选择【直方图】和【在直方图上显示正态曲线】；选中【显示频率表格】，确定。
（3）【数据→拆分文件】，选择“年龄”变量到【分组方式】框中，选中【比较组】和【按分组变量排序文件】，确定；【分析→描述统计→频率】，选择“存款金额”到【变量】框中，单击【统计量】按钮，选择【四分位数】→继续→确定。 统计量 存(取)款金额 20岁以下 N 有效 1 缺失 0 百分位数 25 50.00 50 50.00 75 50.00 20~35岁 N 有效 131 缺失 0 百分位数 25 500.00 50 1000.00 75 5000.00 35~50岁 N 有效 73 缺失 0 百分位数 25 500.00 50 1000.00 75 4500.00 50岁以上 N 有效 32 缺失 0 百分位数 25 525.00 50 1000.00 75 2000.00 结果及结果描述： 频数分布表表明，有一半以上的人的一次存取款金额少于2000元，且有34.6%的人的存取款金额少于500元，19.8%的人的存取款金额多于5000元，下图为相应的带正态曲线的直方图。
SPSS期末考试整理
●一。变量的赋值 1.乘方（**），例如二的三次方：2**3 2.不同规则的赋值：转换→计算变量（如果），每一个规则的赋值都要重新进行此步骤（但注意每一遍的变量名都不变，并且他都会问你要不要替换成新的变量，你选是就行了） 3.不同规则的赋值：（1）转换→重新编码为不同变量：输入变量，输出变量，要点击“变化量”才可保存输出变量→新值和旧值：值（直接选取取值）、范围（最大到最小的范围，包含端点值），点击“添加”成功保存新值和旧值→所有不同取值规则都完成后点击继续、确定，则在变量视图多出一个新变量（2）若不想包含端点值，可以采取小数的方式变换，eg. 899.9（小数位比该变量属性的小数位多一位就行了） （3）这种要先把BMI按照男女分开，然后再分组的，可以在对话框中点击“如果”选项进行设置，并且要分别对男女进行上述操作（一共做两遍）。 二。离散化 1可视离散化：转换→可视分箱，分割点：所以想生成几组，就定义几个分割点；填写第一个分割点的时候就必须填写最小值；一定要选中上端点排除。 三。排序 1.转换→自动重新编码：不分组，从头到尾排序 2.转换→个案排秩（1）多层次数据：基于A变量对B变量进行排序。（例如，基于职称对收入进行排序，就是不同职称各自组内排工资的高低）（2）设置秩1；绑定值 四。时间序列：转换→变动值 五。查找与计数：转换→对个案内的值计数（查找“基本工资800-900女职工”，生成新变量，满足这个条件的标为1，不符合这个标准的标为0，男职工标为缺失。范围：包含上限下限） ●六。数据→个案排序：把变量顺序完全按照你想要的标准排序，所有的变量顺序都会改变 七。拆分文件：要分男女进行数据统计：数据→拆分文件→比较组/按组输出，分组依据。不分男女进行数据统计：数据→拆分文件→分析所有个案 八。选择个案（例如只选择三年级的变量进行分析）：数据→选择个案→如果条件满足：如果；随机个案样本；基于时间或个案范围；使用过滤变量（例如要把身高为缺失值和值为0的剔除）→输出：过滤（不符合条件的数据会画上“/”，原始数据并未删除）；将选定个案复制到新数据集（形成一个新的SPSS数据文件，原始数据并未删除）；删除未选定的个案（删除原始数据，不建议使用）→之后在分析的时候就只会分析三年级的变量。不想只分析三年及，记得重新做这一步。 九。加权个案：数据→加权个案（例。100分的有5人）。不想加权了，记得重新做这一步。 十。分类汇总（1）例如算不同年级的人的身高的均值、方差…（只能计算函数）（2）数据→汇总，分界变量（分类标准变量），变量摘要（计算变量），函数：选择计算变量函数，变量名称与标签：定义新生成变量的名称与标签 ●十一。长宽数据的转换 1.长数据变宽数据：索引变量消失变成score的尾缀 （1）数据→重组（重构）→个案重组为变量，标识变量，索引变量，电脑会自动帮你选出是xx xx要重构（不同疗程值不同的变量）。选完上述这些之后就一直点下一步&完成&立即重构&确定即可 （2）注意：当有多个变量需要重构时要自己决定“新变量组的顺序”。（A1A2B1B2;A1B1A2B2） 2.宽数据变长数据：score的尾缀消失变成索引变量 （1）数据→重组（重构）→变量重组为个案，个案组标识：使用选定变量，固定变量（手动选择，电脑不会自动帮你选出了），要转置的变量即值不固定的要重构的变量（手动选择，电脑不会自动帮你选出了）。选完上述这些之后就一直点击下一步&完成&立即重构数据&确定就行了 （2）当有多个变量需要重构时，这块的操作要特别注意：○1首先在“变量组数目”中选择“多个”○2然后在“选择变量”里要对于不同的“目标变量”分别定义“要转置的变量”（在本题中，即对于kidid目标变量定义一遍要转置的变量；对于age目标变量在定义一遍要转置的变量。其中，这两个要转置的变量必须是完全不同的）。但只需要定义一次“个案组标识”&“固定变量”（固定变量是相对于kidid & age都固定的那些变量；而不是说在对kidid进行转置的时候，age就是固定变量了；因此，固定变量只用定义一次且固定变量可以为空）。并且，你要特别注意，“个案组标识”里选择的变量& n个“要转置的变量”里选择的变量&“固定变量”里选择的变量都必须是完全不相同的。
spss统计分析期末考试题
《统计分析软件》试（题）卷 班级xxx班姓名xxx 学号xxx 题号一二三四五六总成绩成绩 说明：1.本试卷分析结果写在每个题目下面（即所留空白处）； 2.考试时间为100分钟； 3.每个试题20分。 一、（20分）已经给出某个班的学生基本情况及其学习成绩的两个SPSS数据文件，学生成绩一.sav；学生成绩二.sav。要求： （1)将所给的两个SPSS数据文件“学生成绩一.sav”与“学生成绩二.sav”合并，并保存为“成绩.sav.” （2）对所建立的数据文件“成绩.sav”进行以下处理： 1）按照性别求出男、女数学成绩的各种统计量(包括平均成绩、标准差等)。 2）计算每个学生的总成绩、并按照总成绩的大小进行排序 3）把数学成绩分成优、良、中三个等级，规则为优(X≥85)，良(75≤X ≤84),中(X≤74)，并对优良中的人数进行统计。
分析： （2） 描述统计量 性别N 极小值极大值均值标准差 男数学 4 77.00 85.00 82.2500 3.77492 有效的N （列表状态） 4 女数学16 67.00 90.00 78.5000 7.09930 有效的N （列表状态）16
注：成绩优良表示栏位sxcj 优为1 良为2 中为3 由表统计得，成绩为优的同学有4人，占总人数的20%；良的同学有12人，占总人数的60%；中的同学有4人，占总人数的40%。 二、（20分）为了解笔记本电脑的市场情况，针对笔记本电脑的3种品牌，进行了满意度调查，随机访问了30位消费者，让他们选出自己满意的品牌，调查结果见下表，其中变量“职业”的取值中，1表示文秘人员，2表示管理人员，3表示工程师，4表示其他人；3个品牌变量的取值中，1表示选择，0表示未选数据见Excel数据文件“调查.exe”。根据所给数据完成以下问题 （1）将所给数据的Excel文件导入到SPSS中，要求SPSS数据文件写出数据结构（包括变量名，变量类型，变量值标签等）命，并保存为：“调查. Sav”。 （2）试利用多选项分析，利用频数分析来分析消费者对不同品牌电脑的满意度状况；分析不同职业消费者对笔记本品牌满意度状况。 分析：
统计分析与SPSS应用_期末作业
统计分析与SPSS的应用 摘要：为对统计分析与spss应用分析所学知识进行巩固和检验，特运用所学知识进行简单的统计分析应用，下文以某校学生学期成绩进行模拟分析。 一：原始数据：10级市场营销2班成绩 分析一：综测成绩四分位数 上表表明：综测成绩的最小值为68.61分，最大值为89.15分。其中25%的学生综测成绩为74.4100分，50%的学生综测成绩为80.3740分，75%的学生综测成绩为85.2200分。四分位数差从侧面证实了学生综测成绩呈一定左偏分布。
分析二：综测成绩直方图 上图表明：该班学生的综测成绩均分为80.07分，标准差为5.62。从图中可以看出，综测成绩呈左偏性分布，在85分左右的学生人数最多，70分左右的学生人数最少。 分析三：综测成绩的基本统计量分析 上表表明：综测成绩的极差为20.55分，意味着数据相对较分散。另外，综测成绩的最小值和最大值分别为68.61分和89.15分，平均分为80.0734分，标准差为5.61963。从偏度系数可以看出，系数小于0，偏度标准误差为0.421，因而该班综测成绩呈左偏分布，。从峰度系数可以看出，峰度值小于0，峰度标准误差为0.821，因而数据的分布比标准正态分布更加平缓，称
为平峰分布。 分析四：各科成绩的统计量分析比较 各科成绩统计量结果分析表 由上表可知：宏观经济学的全距最大，而生产与运作管理的全距最小，表明宏观经济学的成绩离散程度最高，而生产与运作管理的成绩离散程度最低；同时，对于标准差而言，也是宏观经济学的标准差最大而生产与运作管理的标准差最小。各科成绩平均分最高的为体育成绩，平均分最低的为英语成绩。各科成绩中只有人力资源管理的成绩是呈右偏分布，其他各科成绩均呈左偏分布。另外，各科成绩中，只有宏观经济学的成绩呈尖峰分布，其他各科呈平峰分布。
spss的数据分析报告范例
关于某地区361个人旅游情况统计分析报告 一、数据介绍： 本次分析的数据为某地区361个人旅游情况状况统计表，其中共包含七变量，分别是：年龄，为三类变量；性别，为二类变量（0代表女，1代表男）；收入，为一类变量；旅游花费，为一类变量；通道，为二类变量（0代表没走通道，1代表走通道）；旅游的积极性，为三类变量（0代表积极性差，1代表积极性一般，2代表积极性比较好，3代表积极性好 4代表积极性非常好）；额外收入,一类变量。通过运用spss统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析，以了解该地区上述方面的综合状况，并分析个变量的分布特点及相互间的关系。 二、数据分析 1、频数分析。基本的统计分析往往从频数分析开始。通过频数分地区359个人旅游基本 状况的统计数据表，在性别、旅游的积极性不同的状况下的频数分析，从而了解该地区的男女职工数量、不同积极性情况的基本分布。 统计量 积极性性别 N 有效359 359 缺失0 0 首先，对该地区的男女性别分布进行频数分析，结果如下
性别 频率百分比有效百分 比 累积百分 比 有效女198 男161 合计359 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%和%，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行频数分析，结果如下表： 积极性 频率百分比有效百分 比 累积百分 比 有效差171 一般79 比较 好 79 好24 非常 好 6 合计359 其次对原有数据中的积极性进行频数分析，结果如下表： 其次对原有数据中的是否进通道进行频数分析，结果如下表：
SPSS作业汇总
高级应用统计作业汇总
操作一： 某年级中随机抽取35名学生，现随机分成两组，A组有20名学生，B组有15学生具体资料见“学生基本资料”： 1．利用数据5，对35名学生的英语成绩进行描述统计：均值、众值、中位数、标准差、第1十分位数、第35百分位数，绘制直方图（带正态曲线） 这说明35名学生的英语平均成绩为73.71分，中位数（35名学生成绩由高到低排列中间位置同学的成绩）为76，全部学生中79分最多，标准差为11.116。第一个十分位数为58.40，第35百分位数为70.20。
2．利用数据5，对35名学生按性别分组，对英语成绩进行描述统计，绘制箱式图、茎叶图 由上表可知男、女同学英语成绩的平均分分别是74.80、72.90。男生中，中位数为78.00，最低分为49，最高分为88.女生中，中位数为74，最低分为45，最高分为89。下面是男女同学英语成绩的茎叶图和箱式图。
3． 对性别和专业进行交叉分组的频数分析 通过性别和专业的交叉分组可以看出，男生中，有4个会计专业的，7个工商管理专业的，4个经济学专业的。女生中，有8个会计专业的，4个工商管理专业的，8个经济学的。总计有12个会计专业的，11个工商管理专业的，12个经济学的。 4． 该35名学生的英语平均分与80分是否有显著差异（显著性水平0.05，假定成绩正态分布： 此问题为单样本t 检验，设原假设为80:0=μH ，由于α＝0.05>p ＝0.002，所以应该拒绝
原假设，即35名学生的英语平均分与80分存在显著差异。 5． 男生和女生的英语平均分有无显著差异（显著性水平0.05，利用参数检验： 该问题为独立样本t 检验模型，由F 统计量和其概率值来完成。 设原假设为0210=-=μμH 。首先，由于F 统计量观测值为0.409，其概率p ＝0.527>0.05＝α，所以男女生英语平均分的方差屋显著性差异。其次，由于方差无显著性差异，所以对其均值检验中只需要看假设方差相等那一行的t 值就行。由于t=0.624>0.05=α，所以应该接受原假设，即男女生英语平均分无显著性差异。 6． 不同专业的英语水平有无显著差异（显著性水平0.05，利用参数检验：单因素方差分析 此题进行单因素方差分析，由F 统计量和其概率值来完成。原始假设为0H ＝不同专业的英语水平均值无显著性差异。由于F 统计量观测值为1.946，而概率p ＝0.159>α＝0.05，所以接受原始假设，认为不同专业间英语水平无显著性差异。 下面为与常规线性方程单变量的比较： 由上表可以看出其概率p 值依然为0.159，所以与单因素方差分析结果一致。 操作三：非参数检验 1． 马在8个圆形跑道的起点标杆位置上获胜的记录如下，试检验起点标杆位置对赛马结果是否 有影响？（皮尔逊ka 方检验） 起点位置号 1 2 3 4 5 6 7 8 总数 获胜频数 29 19 18 25 17 10 15 11 144
spss练习作业具体步骤要点教程文件
一、调查问卷 二、用SPSS Statistics软件进行描述统计分析 1、某地区经济增长率的时间序列图形。 解：第一步：数据来源，如图1 图 1 某地区经济增长率xls截图 图2 Spss软件制作过程截图 第二步：将数据输入SPSS软件之中，如图2，制作某地区经济增长率的时间序列图形，如图3。 图3某地区1990—2012年经济增长率的时间序列图 第三步，从图中可以看出，某地区随时间的变化经济增长率变化趋势较大。 2、用SPSS Statistics进行描述统计分析 解：第一步，按照题目中的要求，随机选取了148个数据，如图4部分数据：
图4 Spss随机数据截图 第二步，根据要求，对上月工资进行描述统计分析，主要包括描述数据的集中趋势、离散程度（见表1），绘制直方图（见图5）。 表1 上月工资描述统计表（单位：元） 集中趋势离散趋势 均值2925 极小值1500 中值2900 极大值4800 众数2900 全距3300 和432900 标准差496.364 偏度0.165 峰度 1.238 数据总计148 图5 上月工资直方图
第三步，分析数据的统计分布状况。 首先，从集中趋势来，上个月平均工资2925元，其中众数和中数也都在2900元，这说明大部分工资水平在2900左右。 其次，从离散趋势来看，最高工资4800元，最低工资1500元，最高工资和最低工资相差3300元，标准差为496.364，相差较大。 最后，从直方图来看和评述统计表来看，工资在2900元以上的占多数。可以的该地区整体工资水平大于平均值的占多数，该地区工资水平相对较高。 峰度为1.238，偏度为0.165符合正态分布。 三、用SPSS Statistics 软件进行参数估计和假设检验及回归分析 1、计算总体中上月平均工资95%的置信区间（见表3）。 解：总体中上月平均工资分布未知，但是样本容量大于30，且已知标准误，所以通过SPSS 分析得出总体中上月平均工资95%的置信区间，见表3, 假设； H0：总体中上月平均工资95%的不在此在此区间 H1：总体中上月平均工资95%的在此区间 答，总体中上月平均工资095的置信区间为[2844.37，3005.63]，p=0.000<0.01,作出这样的推论正确的概率为0.95，错误的概率为0.05。 2、检验能否认为总体中上月平均工资等于2000元。 解：在本案例中，要检验样本中上月平均工资与总体中上月平均工资（为已知值：2000元）是否存在差异，即某一样本数据与某一确定均值进行比较。虽然不知道总体分布是否正态，但样本较大（N>30），可以运用单样本T 检验.通过SPSS 检验结果见（表4 、表5） 设; H o:2000=μ H 1:2000≠μ 其中，μ表示总体中上月平均工资 表4 单个样本统计量 表5 单个样本检验 t df Sig.(双侧) 均值差值 检验值 上月工资 22.671 147 0.000 925.000 2000 答:作出结论，均值差值为925，t=22.671,p=0.000<0.01，所以拒绝原假设，接受备择假设，即否认总体中上月的平均工资等于2000元。