南邮课程设计I-SPSS
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
课程设计I报告班级:
姓名:
指导教师:
职称:
成绩:
管理学院
2015 年11 月 1 日
南京邮电大学
课程设计I指导教师成绩评定表
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Sax Basic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
①②
③④
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。如下图
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。如下图
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。如下图
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:
①②
③④
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,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=,b=,即回归方程为y=+,认为碘含量对患病率是存在影响的。
多元线性回归分析
例题: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
打开【分析】→【回归】→【线性】
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。
结果如下:
①②
③④
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,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=,b=,c=即回归方程为y=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
例题: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。
结果如下:
①
②
③④
图①所示为Levene方差齐性检验的结果,本例Levene统计量为。显着性P值一>,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=, P值=<,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显着性P值小于,其它的则大于
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
例题: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
结果如下:
①②
③④
图①所示为主效应模型检验,结果可见校正模型统计量F= ,P= ,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=和P=,均小于。
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=,其他均有差异,P<。