spss对数据进行相关性分析实验报告

管理统计实验报告

实验一

一.实验目的

掌握用spss软件对数据进行相关性分析，熟悉其操作过程，并能分析其结果。

二.实验原理

相关性分析是考察两个变量之间线性关系的一种统计分析方法。更精确地说，当一个变量发生变化时，另一个变量如何变化，此时就需要通过计算相关系数来做深入的定量考察。P值是针对原假设H0：假设两变量无线性相关而言的。一般假设检验的显著性水平为0.05，你只需要拿p值和0.05进行比较：如果p 值小于0.05，就拒绝原假设H0，说明两变量有线性相关的关系，他们无线性相关的可能性小于0.05；如果大于0.05，则一般认为无线性相关关系，至于相关的程度则要看相关系数R值，r越大，说明越相关。越小，则相关程度越低。而偏相关分析是指当两个变量同时与第三个变量相关时，将第三个变量的影响剔除，只分析另外两个变量之间相关程度的过程，其检验过程与相关分析相似。

三、实验内容

掌握使用spss软件对数据进行相关性分析，从变量之间的相关关系，寻求与人均食品支出密切相关的因素。

(1)检验人均食品支出与粮价和人均收入之间的相关关系。

a.打开spss软件，输入“回归人均食品支出”数据。

b.在spssd的菜单栏中选择点击Analyze correlate Bivariate，弹出一个对话窗口。

C.在对话窗口中点击ok,系统输出结果，如下表。

从表中可以看出，人均食品支出与人均收入之间的相关系数为0.921，t检验的显著性概率为0.000<0.01，拒绝零假设，表明两个变量之间显著相关。人均食品支出与粮食平均单价之间的相关系数为0.730，t检验的显著性概率为

0.000<0.01，拒绝零假设，表明两个变量之间也显著相关。

(2)研究人均食品支出与人均收入之间的偏相关关系。

读入数据后：

A.点击Analyze correlate partial,系统弹出一个对话窗口。

B.点击OK，系统输出结果，如下表。

从表中可以看出，人均食品支出与人均收入的偏相关系数为0.8665，显著性概率p=0.000<0.01，说明在剔除了粮食单价的影响后，人均食品支出与人均收入依然有显著性关系，并且0.8665<0.921，说明它们之间的显著性关系稍有减弱。

通过相关关系与偏相关关系的比较可以得知：在粮价的影响下，人均收入对人均食品支出的影响更大。

三、实验总结

1、熟悉了用spss软件对数据进行相关性分析，熟悉其操作过程。

2、通过spss软件输出的数据结果并能够分析其相互之间的关系，并且解决实际问题。

3、充分理解了相关性分析的应用原理。

实验二

一、实验目的

掌握用spss软件对数据进行分析，用K-S检验单一样本是否来自某一特定分布，熟悉其操作过程，并能分析其结果。

二、实验原理

K-S检验方法能够利用样本数据推断样本来自的总体是否服从某一理论分布，是一种拟合优度的检验方法，适用于探索连续型随机变量的分布。单样本K-S检验的原假设是：样本来自得总体与指定的理论分布无显著差异，SPSS 的理论分布主要包括正态分布、均匀分布、指数分布和泊松分布等。它的假设检验问题：H0:样本所来自的总体分布服从某特定分布

H1:样本所来自的总体分布不服从某特定分布

k-s检验是一种非常实用的检验数据分布的方法，应该熟练掌握。

二.实验内容

用k-s检验“回归人均食品支出”数据中的人均收入服从什么分布，并且了

解k-s检验的操作过程和原理。

A.打开spss软件，输入“回归人均食品支出”数据。

B.点击nonparametric tests 1-sample k-s,系统弹出一个对话窗口。

C.点击OK，系统输出结果，如下表。

在上面有四个检验，Test1是检验这组数据是否服从标准正态分布，从表中可看出T检验的显著性概率为0.140>0.05,接受零假设，即这组数据服从标准正态分布。Test2是检验这组数据是否服从均匀分布，从表中可看出T检验的显著性概率为0.000<0.05,拒绝零假设，即这组数据不服从均匀分布。Test3是检验这组数据是否服从指数分布，从表中可看出T检验的显著性概率为0.000<0.05,拒绝零假设，即这组数据不服从指数分布。Test4是检验这组数据是否服从泊松分布，从表中可看出T检验的显著性概率为0.000<0.05,拒绝零假设，即这组数据不服从泊松分布。

三、实验总结

k-s检验方法是以样本数据的累计频数分布与特定理论分布比较，若两者间的差距很小，则推论该样本取自某特定分布族。