管理统计学-基于SPSS软件应用信息管理试验报告

1、实验报告2013-2014学年第2学期科目名称：管理统计学-基于SPSS软件应用指导老师：谢卓班级:信息管理1201班学号:20姓名:何婷成绩:湖南工业大学财经学院实验一【实验名称】：数据的整理和显示【实验时间】：201年4月4日【实验目的】：1. 熟练数据整理方法2. 了解数据整理后展示方式【实验内容及要求】：用SPSS软件对某航空公司38名职员性别和工资情况的调查数据进行频 次模块分析等。【实验过程及结果】：（1）将数据文件按in come和gen der排名次。（2）对gender和salary进行频次模块分析。统计量gendsalaerryN 有3838效缺00失gender有效累积百

2、分百分百分频率比比比有 F1334.234.234.2效M2565.865.8100.0合38100.100.0计0salary频率百分比有效百分比累积 百分 比有$16,912.62.62.6效50$21,112.62.65.350$21,412.62.67.950$21,712.62.610.550$21,925.35.315.800$24,025.35.321.100$26,212.62.623.750$27,312.62.626.300$27,712.62.628.950$27,912.62.631.600$28,312.62.634.250$29,112.62.636.800$30,

3、312.62.639.500$31,012.62.642.150$31,212.62.644.700$31,325.35.350.050$32,112.62.652.600$32,512.62.655.350$35,112.62.657.900$36,012.62.660.500$36,112.62.663.250$38,812.62.665.850$40,212.62.668.400$40,812.62.671.100$42,012.62.673.700$42,312.62.676.300$45,012.62.678.900$46,012.62.681.600$57,012.62.684.2

4、00$60,312.62.686.875$81,212.62.689.550$92,012.62.692.100$103,12.62.694.7750$110,12.62.697.4625$135,12.62.6100.0000合计38100.100.00(3)画出salary/100 (取整后)茎叶图【结果分析、体会和收获】：通过本次的学习，对 SPSS有了初步的了解、对一些数据的导入、变量的 设置以及简单的数据分析等基本操作已经熟练掌握；但还有很多不足，对 于一些复杂的分析不能完全理解。不过我会慢慢的学习，是自己可以理解 的透彻，并熟练的掌握。实验二【实验名称】：某年全国31个省、市、自治

5、区的 GDP数据分析大学生月平均生活费支出的调查数据【实验时间】：【实验目的】：求数据平均值、中位数、标准差、峰度、偏度、排序和 检验置信区间【实验内容及要求】：1、求出GDP的平均值、人均 GDP的平均值、中 位数、标准差、峰度、偏度、前五位及后五位的省份，并作出茎叶图、 检验人均GDP的95%的置信区间，根据得到的特征值对该年中国GDP 和人均GDP情况作出简要分析陈述。2、根据95%的置信水平估计：全校本科学生平均月生活费支出的置 信区间。得到求的均值为3547.09682、人均GDP勺平均值 定义新变量人均GDP 计算变量：人均GDP=GD值/人口3、求人均GDP勺平均值、中位数、标准

6、差、峰度和偏度在分析-描述统计-描述里面 在选项里面选中均值、标准差、峰度和偏度，点继续、确定所以中位数为0.64824、求出人均GDP前五位及后五位的省份即对所有省份人均GDP进行排序点击确定，得到前五位的省份是后五位的省份是5、并作出茎叶图、检验人均 GDP的 95%勺置信区间在分析-描述统计-探索里面在统计量里人居GDP的茎叶图6根据得到的特征值对该年中国 GDF和人均GDP情况作出简要分析陈述。GDP的值的高低并不决定人均GDP的高低，因为人均GDP等于GDPS除以人数，GDP受 人均GDF和人数共同作用。所以一个地区的 GDP值很高 也不能说明该地的人均 GDP 很高。、大学生日常生

7、活费支出及生活费来源状况1根据95%的置信水平估计：全校本科学生平均月生活费支出的置信区间。在分析-描述统计-探索里面，得到【结果分析、体会和收获】：通过本次学习，在SPSS软件中认识到了求均值、中位数、平均数等一系列的应用，通 过两次操作，更加深层了解SPSS软件。实验三一、实验目的与要求1. 熟练掌握T检验的SPS操作2. 学会利用T检验方法解决身边的实际问题二、实验原理1. 假设检验的基本原理三、实验演示内容与步骤1. 某项分析希望通过随机调查收集到的 26家保险公司人员构成的数据（见数据文件： 保险公司人员工程情况.sav ），对保险公司从业人员受高等教育的程度和年轻化的程度 进行推断

8、。该分析的两个原假设为：（1） 保险公司具有高等教育水平的员工比例的平均值不低于0.8，即H）：卩=0.8（2） 年青人比例的平均值与0.5无显著差异，即H0：卩=0.5设 a = 0.052分析某班级学生的高考数学成绩是否存在性别上的差异。数据如表所示：某班级学生的高考数学成绩性别数学成绩男（n= 18）85 89 75 58 86 80 78 76 84 89 99 95 82 87 60 8575 80女（n= 12）92 96 86 83 78 87 70 65 70 65 70 78 72 563为了研究某种减肥茶是否具有明显的减肥效果，某减肥茶生产厂商对35名肥胖志愿者进行了减肥跟

9、踪调研（见数据文件：减肥茶.sav ）。首先将其喝茶前的体重记录下 来，三个月后再依次将这35名志愿者喝茶后的体重记录下来。通过这两组样本数据对 比分析，推断减肥茶是否具有明显的减肥作用。4.对数据文件“ CH6考试及格问题.sav ”中，20题，30题，40题的情况进行二项分 布的参数检验，并解释结果（设a = 0.05）实验四【实验名称】：spss非参数检验【实验时间】：2014年4月25日【实验目的】：3.验证spss非参数检验【实验内容及要求】：用SPSS软件检验两个独立，两个相关样本分布是否相同；一组样本的总体分布是否与猜想的分布相同。【实验过程及结果】：1. 收集一批周岁儿童身高的

10、样本数据（ 见儿童身高.SAV）,利用样本数据推断周岁儿童总体身高是否与正态分布有显著差异。（K-S检验）显著性概率p=0.344>0.01，表明样本与正态分布没有显著差异2. 为检验某种新的训练方法是否有助于提高跳远运动员的成绩（ 见训练 成绩.SAV），收集到10名跳远运动员在使用新训练方法前后的跳远最好成 绩。这样得到了两个配对样本，在对总体分布不作任何假设的条件下，推 断新方法训练前后是否存在显著差异。检验统计量训练后成绩-训练前成绩Z-1.599 a渐近显著性（双侧）.110a. 基于负秩。b. Wilcoxon带符号秩检验两个方法的p值都大于0.05，所以没有显著差异3. 从

11、甲乙两种不同工艺生产出来的产品中随机选取若干个观测数据（见产品使用寿命.SAV），分析两种工艺产品的使用寿命是否存在显著差异？两个显著性概率p不都大于0.05，所以存在显著差异实验五1、某企业在制定某商品的广告策略时，对不同广告形式在不同地区的广 告效果（销售额）进行了评估，（见数据文件：广告城市与销售额.SAV） 试以商品销售额为观测变量，广告形式和地区为控制变量，利用单因素方 差分析分别对广告形式、地区对销售额的影响进行分析。读入数据后：（1）点击分析，比较均值，单因素分析；（2）得出结果：ANOVA销售额平方和df均方F显著性组间5866.08331955.36113.483.000组内

12、20303.222140145.023总数26169.306143有以上结果可知：广告形式对于销售额是存在影响的。（4） 选择左框中的变量“销售额”，用箭头送入右边的因变量列表中, 选择左框中的变量“广告形式”，用箭头送入右边的因子列表中；（5）得出结论:ANOVA销售额平方和df均方F显著性组间9265.30617545.0184.062.000组内16904.000126134.159总数26169.306143地区对于销售额也是有影响的。对上题进行双因素分析（包括无重复和有重复）无重复双因素分析：操作如下：（1）点击分析，一般线性模型，单变量；（2）将销售额移入因变量，广告形式移入固定因

13、子，地区移入随机因子；（3）点击模型，弹出窗口后点击设定来自定义，选择类型为交互，将广告形式、地区 移入右边；（4）得出结果：主体间效应的检验因变量：销售额源III 型平方和df均方FSig.截距假设642936.6941642936.6941179.661.000误差9265.30617545.018a广告形式假设5866.08331955.36121.789.000误差11037.91712389.739 b地区假设9265.30617545.0186.073.000误差11037.91712389.739 ba. MS（地区）b. MS（错误）3、某补习机构为研究一个班 3组不同性别的同

14、学（分别接受了 3种不同的 教学方法）在数学成绩上是否有显著差异，需要研究不同教学方法和不同性别对数学成绩的影响。数据如表所示。表三组不同性别学生的数学成绩人名数学组别性别Hxh990MaleYaju880FemaleYu990MaleShizg890MaleHah940FemaleS900MaleWatet792MaleJess562FemaleWish892Male2-newl992Male2-new2702Female2-new3892Male2-new4551Female2-n ew5501Male2-new6671Female2-n ew7671Male2-new8561Female

15、2-new9561Male试进行方差分析性别和教学方法是否对数学成绩影响显著，说明过程及理由。(4)得出结论:因变量：数学主体间效应的检验源iii型平方和df均方FSig.截距假设99641.101199641.101306.037.038误差321.132.986325.585a组别假设3290.33321645.16718.516.000误差1243.9271488.852 b性别假设319.7401319.7403.599.079误差1243.9271488.852 ba. 1.025 MS（性别）-.025 MS（ 错误）b. MS（错误）有结果可知：第六列表示的是 F统计量的显著性水

16、平。由此可知，性别对成绩的影响 是显著的，组别对成绩的影响是不显著的。实验六【实验名称】：普通相关分析【实验时间】：2013年5月20日【实验目的】：1.熟练掌握普通相关分析的SPSS®作2. 学会利用普通相关分析方法解决身边的实际问题【实验内容及要求】：1.某班级学生高等数学和统计学期末考试成绩如表所示， 现要研究该班学生的高等数学和统计学成绩之间是否具有相关性，根据数据散 点图及相关分析运算结果进行分析。2. 某专家先后对一个工程的多个项目加以评分，两次评分分别记为变量“分值1和“分值2”，如下表所示。问两次评分的等级相关有多大，是否达到显著水平 作出分析。3. 某农业实验场通过

17、试验取得小麦产量与单位虫害值和平均温度的数据，如下表所示。求单位虫害值对产量的偏相关（剔除温度变量的影响），作简要分析。【实验过程及结果】：一数据散点图及相关分析运算结果进行分析。相关性高等数学统计学高等数学Pearson相关性显著性（双侧）N118.775 *.00018统计学Pearson相关性.775 *1显著性（双侧）.000N1818*.在.01水平（双侧）上显著相关。t统计量的值的显著性概率p=0.000<0.05，相关系数是显著异于0的。二问两次评分的等级相关有多大，是否达到显著水平作出分析相关系数分值1分值2Spearman的rho分值1相关系数1.000.822 *Si

18、g.（双侧）.000N1515分值2相关系数.822 *1.000Sig.（双侧）.000N1515*.在置信度（双测）为0.01时，相关性是显著的分值1与分值2的相关系数高达0.822，在0.05的显著性水平与0有显著性差异，也就是 说，在0.05的显著性水平上，认为分值1与分值2是无相关的。三单位虫害值对产量的偏相关（剔除温度变量的影响），作简要分析相关性控制变量产量单位虫害值温度产量相关性1.000.304显著性（双侧）.427df07单位虫害值相关性.3041.000显著性（双侧）.427df70表中，偏相关系数为0.304，显著性概率p=0.427>0.05,说明剔除温度色影响

19、后，单位 害虫值对产量没有显著性关系。【结果分析、体会和收获】：通过本次试验熟练掌握了用spps对两个或多 个随机变量的线性相关关系，我们可以先通过散点图对关系进行简单判断， 然后再通过数据的具体分析作出进一步判断。实验七【实验名称】：用SPSS处理经典回归问题【实验时间】：2014年5月16日【实验目的】：学习如何运用SPSS处理经典回归问题【实验内容及要求】：用SPSS处理经典回归问题来 考察中国城镇居民2011年 人均可支配收入与消费支出之间的关系【实验过程及结果】：（1）画散点图（2）判断人均可支配收入与消费支出之间是否大致呈线性关系输入/移去的变量b模型输入的变量移去的变量方法1消费

20、支出Y3输入a. 已输入所有请求的变量。b. 因变量：可支配收入X模型汇总模型RR方调整R方标准估计的误差1.986 a.971.970413.04952a.预测变量：（常量）,消费支岀Y。Anovab模型平方和df均方FSig.1回1.675E811.675E8981.000 a归703残494768729170609.差.223904总1.724E830计a. 预测变量：（常量）,消费支岀Y。b. 因变量：可支配收入X系数a模型非标准化系数标准系数tSig.B标准误差试用版1（常256.270.4.948.351量）46934消费.717.023.98631.3.000支岀Y32a.因变量

21、：可支配收入X结果分析表1中显示的是拟合过程中变量输入/移去模型的情况记录，由于只引入了一个自变量， 所以只出现一个模型1,该模型中“消费支出丫”为进入的变量，没有移除的变量，具 体的输入/移去方法为输入。表2是模型拟合概述，列出了模型的R氏、调整R2及估计标准误。R2值越大所反映的两变量的共变量比率越高，模型与数据的拟合程度越好。本题所用数据拟合结果显 示：R（所考察的自变量和因变量之间的相关系数）=0.986，氏（拟合线性回归的决定系数）=0.971，经调整后的氏=0.970，标准误的估计=413.04952。表3方差分析表，列出了变异源、自由度、均方、F值及对F的显著性检验。本题中回归方

22、程显著性检验结果表明：回归平方和为1.675E8，残差平方和为 4964787.223，总平方和为 1.724E8，对应的F统计量的值为981.703，Sig=0.000<0.05,可以认为所建立的回归方程有效，所以CO与BOD之间成线性关系。表4回归系数表，列出了常数及非标准化回归系数的值及标准化的回归系数，同时对其 进行显著性检验。本题中非标准化的回归系数 B的估计值为 0.717，标准误为0.023，标准化的回归系数为0.986，回归系数显著性检验t统计量的值为0.948，对应显著性水平Sig.= 0.351<0.05，可以偏回归系数与0有显著性差异，被解释的变量和解释的变量

23、的线性关系是显著的，因此，本题回归分析得到的回归方程为： y=-0.492x-5.360。对方程的方差分析及对回归系数的显著性检验均发现，所建立的回 归方程显著。综上所述，人均可支配收入与消费支出之间大致呈线性关系3） 用最小二乘估计求回归方程f?0由公式（ x为人均可支配收入，y为消费支出）4）决定系数表2是模型拟合概述，列出了模型的R R、调整R2及估计标准误。R值越大所反映的两变量的共变量比率越高，模型与数据的拟合程度越好。本题所用数据拟 合结果显示：R（所考察的自变量和因变量之间的相关系数）=0.986，戌（拟合线性回归的决定系数）=0.9711）给出置信水平为95%勺预测区间。【实验

24、过程及结果】：描述性统计量标准均偏值差N满233.36意.036度003607Z565.361.703224820Z545.362.696117910Z597.363.742220428Z536.364.597275481Z535.365.392614016Z546.366.320055166Z1.136711868667Z1411368.3.75721849相关性度Z1Z2Z3Z4Z5Z6Z7Z8Pear 满1.4.1.3.4-.2-.4son 意001318262707453086相关度062性Z.41.1.3.3.0.2-.3113008686154313220403Z.1.11.-.2

25、.3.0-.-.21886000041734512140674Z.3.3-.1.2.2.4-.23268600001700540070602Z.4.3.2.21.3.3-.2427154117005322603406Z-.0.3.2.31.3-.-.50743730053003006006064Z.2.2.0.4.3.31.-.1645134554223000167204Z1.-.7302212006006160003237266404Z.4.3-.2.2-.1-.1.88604147034007203004440Sig.满.0.2.0.0.3.0.0.0（单意0646260530753701

26、侧）度Z.0.1.0.0.4.1.0.010639103102069636Z.2.1.4.0.0.3.2.224639857812973000Z.0.0.4.1.1.0.4.032610850221039555Z.0.0.0.1.0.0.0.040531780217280084Z.3.4.0.1.0.0.3.453002122117255291Z.0.1.3.0.0.0.1.167506970328257057Z.0.0.2.4.0.3.1.473796309500527021Z.0.0.2.0.0.4.1.480136005584915721N满363636363636363636意度Z36

27、36363636363636361Z3636363636363636362Z3636363636363636363Z3636363636363636364Z3636363636363636365Z3636363636363636366Z3636363636363636367Z3636363636363636368输入/移去的变量a模输移型入去的的变变方量量法Z4进（准则：F-t o-e nte r的概率<=.050,F-t o-r emo ve的概率>=.100）oa. 因变量：满意 度模型汇总模型RR方调 整R方标 准 估 计 的 误 差更改统计量R方 更 改F更改df1df2S

28、i g.F更 改1.4.2.22.9.210134.086361383136.403a5992.5.3.32.8.15.133.0834000143042029b61a.预测变量：（常量）,Z8描述性统计量均 值标准 偏 差N满233.36意.036度003607Z565.361.703224820Z545.362.696117910Z597.363.742220428Z536.364.597275481Z535.365.392614016Z546.366.320055166Z1.136711868667b.预测变量:（常量）,Z8, Z4 。Anovac模平型方均Si和 df 方 F亠1回归残差总计93.428302.57239