SPSS上机实验报告四

SPSS上机实验报告
一、实验内容
1.数据合并：
（1）纵向拼接（添加个案）：合并数据a.sav和b.sav
（2）横向合并（添加变量）：合并数据a.sav和c.sav
2.对数据CCSS_Sample.sav作下列操作：
（1）频率分析：对S0城市，S4学历分别做分析；
（2）交叉列表：月份对城市做交叉分析；观察值；计算（行、列）百分百；
（3）对多选题C0贷款情况进行分析：多响应频率分析；
3.对数据Employee data.sav，分析员工的性别、受教育程度、少数名族、职位类别的分布情况，并尝试分析这些属性之间的关系以及这些属性和工资之间的关系.
二、实验步骤
1.合并数据
（1）纵向拼接：打开spss软件，在菜单中打开a.sav文件，选择菜单：[数据]→[合并文件]→[添加个案],在弹出的窗口中将选择外部spss数据文件并在浏览中选择b.sav，点击继续，在弹出的窗口中将“非成对变量”中的所有变量添加到“新的活动数据集中的变量”，勾选“将个案表现为变量”，点击确定。

结果如图：
（2）横向合并：打开a.sav,选择菜单：[数据]→[合并文件]→[添加变量]，在弹出的窗口中选择外部数据文c.sav,在弹出的窗口中勾选“按照排序文件中的关键变量匹配个案”，将“已排除变量”中的id添加到“关键变量”中，点击确定。

结果如图：
2.（1）频率分析：在spss中打开CCSS_Sample.sav，选择菜单：[分析]→[描述统计]→[频率]，在弹出的窗口中双击左边框中的S0城市，S4学历加入到右边变量框中，如图：
点击确定。

结果如图：
分析：在北京，上海，广州工作的人数基本相同；大专毕业的人最多，其次是高中/中学毕业生和本科毕业生，硕士及以上学历的人非常少，仅占5%。

（2）交叉列表：打开CCSS_Sample.sav数据，选择菜单：[分析]→[描述统计]→[交叉表]，在弹出的窗口中从左边框中将月份添加到行中，将城市添加到列中，如图：
单击[单元格]，勾选百分比中的行和列，如图：
单击[继续]，再单击[确定]。

结果如图：
分析：2007年2008年在北上广的人数基本相同，而且都比较多，到2009年，在北京的人相对较少了，而在上海和广州的人相对多了，但是在三个大城市的总人数却在减少，证明大
家开始往外地发展了，可能是工作岗位趋于饱和。

(3)多响应频率分析:打开CCSS_Sample.sav，选择菜单：[分析]→[多重响应]→[定义多重响应集]，在弹出的窗口中将c0的三个多选项添加到“集合中的变量中”，将变量编码为二分法，计数值为1，在名称栏中输入c01,并单击添加，如图：
单击关闭之后再选择菜单：[分析]→[多重响应]→[频率]，将多重响应集中的$c01添加到表格中，在缺失值中勾选在二分集内按照列表顺序排除个案，如图：
单击确定之后结果如图：
分析：大部分人的家庭目前还有房贷支出，有车贷的人相对较少，中国买房的人居多，车还是属于奢侈品。

3.（1）打开enployee date.sav，选择菜单：[转换]→[虫子呢编码为相同变量]，在弹出的窗口中将左边框中的教育水平添加到右边框中，如图：
单击旧值和新值，如图，设置好范围
单击继续，确定。

结果如图
将受教育程度分好组之后，选择菜单:[分析]→[描述]→[频率]，在弹出的窗口中将教育水平，性别，少数民族，职业类别加入到变量框中，如图
点击确定，结果如图
分析：受教育水平随学历的增高呈现递减的趋势，大部分人受教育水平都不高，拥有高学历的人较少。

男女性别比列约为4:5，男多女少，但也差不了多少。

少数民族和汉族的比例约为2:8。

大部分人是职员，部分人是经历，极少数人是保管员。

（2）选择菜单：[分析]→[描述统计]→[交叉表]，在弹出的窗口中将性别，教育水平添加为行，职业类别，少数民族情况添加为列，如图
单击单元格，勾选观察值，如图
单击继续，确定，结果如图
分析：职员有男有女，但是女生多于男生，保管员全是男的，而经历大部分是男的。

是否是少数民族基本与性别无关。

受教育水平越高当经理的机会越大，不同职位对受教育水平的要求不同，职位越高，受教育水平越高。

少数民族绝大部分人受教育水平较低。

(3)选择菜单：[分析]→[描述统计]→[探索]，将当前薪金添加为因变量列表，将教育水平，少数民族，性别，雇佣类别添加到因子列表，勾选两者都，如图
单击确定，结果如图
分析：男性的工资普遍高于女性工资，教育水平越高的人工资越高，经历的工资普遍高于其他职业，保管员的工资相差不大，比较集中，少数民族的工资低于非少数民族，但也相差不大。