spass统计实习报告最终版

1、实习报告实验一：统计描述例题的SPSS运行结果：统计量数学成绩N有效18缺失0均值均值的标准误统计量数学成绩N有效18缺失0中值统计量数学成绩N有效18缺失0众数89统计量数学成绩N有效18缺失0全距76描述统计量N均值标准差方差数学成绩18有效的 N （列表状态）18统计量数学成绩N有效18缺失0百分位数255075统计量数学成绩N有效18缺失0百分位数102030405060708090100数学成绩频率百分比有效百分比累积百分比有效231501541562591671701781792881894992合计18统计量数学分数N有效18缺失0峰度.488峰度的标准误统计量数学分数N有效18

2、缺失0偏度偏度的标准误.536实验二：均值比较和T检验例题的SPSS运行结果：案例处理摘要案例已包含已排除总计N百分比N百分比N百分比数学成绩 * 性别11100.0%0.0%11100.0%报告数学成绩性别均值N标准差方差男7女4总计11ANOVA 表a平方和df均方F显著性数学成绩 * 性别组间（组合）1.036组内9总计10a. 分组变量 性别 是字符串，因此无法计算线性检验。相关性度量EtaEta 方数学成绩 * 性别.634.402单个样本统计量N均值标准差均值的标准误数学成绩11单个样本检验检验值 = 70 差分的 95% 置信区间tdfSig.(双侧)均值差值下限上限数学成绩.5

3、6610.584组统计量分组N均值标准差均值的标准误数学成绩0976.8919独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值数学成绩假设方差相等.571.461.82216.423假设方差不相等.822.424独立样本检验均值方程的 t 检验差分的 95% 置信区间标准误差值下限上限数学成绩假设方差相等假设方差不相等成对样本统计量均值N标准差均值的标准误对 1数学118数学218成对样本相关系数N相关系数Sig.对 1数学1 & 数学218.761成对样本检验成对差分差分的 95% 置信区间均值标准差均值的标准误下限上限对 1数学1 -

4、数学2成对样本检验tdfSig.(双侧)对 1数学1 - 数学217.046实验三：相关分析二元定距变量的相关分析二元定序变量的相关分析描述性统计量均值标准差N数学18化学18相关性数学化学数学Pearson 相关性1.742*显著性（双侧）.000N1818化学Pearson 相关性.742*1显著性（双侧）.000N1818*. 在 .01 水平（双侧）上显著相关。练习题：某工厂生产多种产品，分别对其进行两标准评分，评分结果如下表，现在要研究这两个标准之间是否具有相关性。产品的标准1和标准2评分产品名标准1标准2产品1产品2产品3产品46产品5产品6产品7产品8产品9产品10产品11产品1

5、2产品13产品14产品15产品16结果和讨论：SPSS的运行结果如下：附注创建的输出09-六月-2010 13时54分07秒注释输入活动的数据集数据集0过滤器权重拆分文件工作数据文件中的 N 行16缺失值处理缺失定义用户定义的缺失值以缺失对待。使用的案例每对变量的统计都基于具有该对变量有效数据的所有案例。语法CORRELATIONS /VARIABLES=标准1 标准2 /PRINT=TWOTAIL NOSIG /STATISTICS DESCRIPTIVES /MISSING=PAIRWISE.资源处理器时间已用时间描述性统计量均值标准差N标准116标准216相关性标准1标准2标准1Pear

6、son 相关性1.278显著性（双侧）.297N1616标准2Pearson 相关性.2781显著性（双侧）.297N1616从以上结果可以得出第一个表格所有人（n=16）的标准1（）、标准1的标准差（）、标准2（）和标准2的标准差（）。从第二个表格中可以看出，标准1和标准2的相关系数为0. 278。散点图偏相关分析例题的SPSS运行结果：相关系数作文1作文2Kendall 的 tau_b作文1相关系数.745*Sig.（双侧）.000N1818作文2相关系数.745*Sig.（双侧）.000.N1818Spearman 的 rho作文1相关系数.874*Sig.（双侧）.000N1818作文

7、2相关系数.874*Sig.（双侧）.000.N1818*. 在置信度（双测）为 0.01 时，相关性是显著的。练习题：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？工程项目两次的得分情况项目名分值1分值2项目1项目2项目3项目48300项目5项目6项目7项目8项目9项目10项目11项目12项目13项目14项目15结果和讨论：SPSS的运行结果如下：附注创建的输出09-六月-2010 13时59分40秒注释输入活动的数据集数据集0过滤器权重拆分文件工作数据文件中的 N 行15缺失值处理缺失的定义用户

8、定义的缺失值将作为丢失对待。使用的案例每对变量的统计量是根据变量对中具有有效值的所有案例计算的。语法NONPAR CORR /VARIABLES=分值1 分值2 /PRINT=BOTH TWOTAIL NOSIG /MISSING=PAIRWISE.资源处理器时间已用时间允许的案例数目174762 案例aa. 以工作空间内存的可用性为基础相关系数分值1分值2Kendall 的 tau_b分值1相关系数.598*Sig.（双侧）.002N1515分值2相关系数.598*Sig.（双侧）.002.N1515Spearman 的 rho分值1相关系数.768*Sig.（双侧）.001N1515分值2

9、相关系数.768*Sig.（双侧）.001.N1515*. 在置信度（双测）为 0.01 时，相关性是显著的。从结果中可以看出，专家对工程的两次评分的Spearman和Kendalls tua-b等级相关系数分别为0. 598和0. 768。在这个数据的旁边有两个星号，表示用户指定的显著性水平为0.01时，统计检验的相伴概率小于等于0.01，即两次评分显著相关，且为正相关。距离相关分析例题的SPSS运行结果：相关性控制变量产量降雨量温度-无-a产量相关性.981.986显著性（双侧）.000.000df088降雨量相关性.981.957显著性（双侧）.000.000df808温度相关性.986

10、.957显著性（双侧）.000.000.df880温度产量相关性.780显著性（双侧）.013df07降雨量相关性.780显著性（双侧）.013.df70a. 单元格包含零阶 (Pearson) 相关。练习题某农业实验场通过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。现求单位虫害值对产量的偏相关。小麦产量与单位虫害值和温度之间的关系产量单位虫害值温度结果和讨论：SPSS的运行结果如下附注创建的输出09-六月-2010 14时04分49秒注释输入活动的数据集数据集0过滤器权重拆分文件工作数据文件中的 N 行10缺失值处理缺失定义用户定义的缺失值作为缺失数据对待。使用的案例统计是基于

11、对所有列出的变量都具有非缺失数据的案例进行的。语法PARTIAL CORR /VARIABLES=产量 单位虫害值 BY 温度 /SIGNIFICANCE=TWOTAIL /STATISTICS=CORR /MISSING=LISTWISE.资源处理器时间已用时间相关性控制变量产量单位虫害值温度-无-a产量相关性.954.988显著性（双侧）.000.000df088单位虫害值相关性.954.951显著性（双侧）.000.000df808温度相关性.988.951显著性（双侧）.000.000.df880温度产量相关性.304显著性（双侧）.427df07单位虫害值相关性.304显著性（双侧）

12、.427.df70a. 单元格包含零阶 (Pearson) 相关。从结果中可以看到，上半部分是变量两两之间的Partial简单相关系数，以“产量”和“单位虫害值”为例，它们之间的Partial简单相关系数为0. 954。下半部分是偏相关分析的输出结果，其中，对每个变量都有三行输出结果：第一行为偏相关系数、第二行为统计检验的自由度，第三行为检验统计量的相伴概率。从中可知，在剔除“温度”变量的影响条件下，“产量”与“单位虫害值”二变量的影响条件下，“产量”与“单位虫害值”二变量的偏相关系数为0. 304，自由度为7，相伴概率为0. 427。5距离相关分析例题的SPSS运行结果：案例处理摘要案例有效

13、缺失合计N百分比N百分比N百分比6100.0%0.0%6100.0%近似矩阵 值向量间的相关性 第一次第二次第三次第一次第二次第三次这是一个相似性矩阵近似矩阵 Euclidean 距离 第一次第二次第三次第一次.000.010.010第二次.010.000.010第三次.010.010.000这是一个不相似性矩阵近似矩阵 值向量间的相关性 1231.999.9992.9991.0003.999这是一个相似性矩阵近似矩阵 Euclidean 距离 1231.0002.0003.000这是一个不相似性矩阵练习题：1、对6个人进行3次体能测试，测得结果如下表所示。问测试结果是否一致。3次测试情况12

14、3456第一次858781888984第二次919288909187第三次898785899088结果和讨论：SPSS的运行结果如下附注创建的输出09-六月-2010 14时17分48秒注释输入活动的数据集数据集0过滤器权重拆分文件工作数据文件中的 N 行6缺失值处理对缺失的定义用户定义的缺失值以缺失对待。使用的案例统计量基于对所使用任何变量都不含缺失值的案例。语法PROXIMITIES 第一次 第二次 第三次 /VIEW=VARIABLE /MEASURE=CORRELATION /STANDARDIZE= NONE.资源处理器时间已用时间工作区字节112案例处理摘要案例有效缺失合计N百分比

15、N百分比N百分比6100.0%0.0%6100.0%近似矩阵 值向量间的相关性 第一次第二次第三次第一次.688.798第二次.688.403第三次.798.403这是一个相似性矩阵第一个表格是个案概述，表明6个个案数据全部都有效。第二个表格列出了变量之间的相似性分析结果。从表格中可以看出，第一次测试和第三次测试的结果较为一致，但一致不是很明显；第一次测试和第二次测试的结果最不一致；第二次测试和第三次测试的结果也不太一致。案例处理摘要案例有效缺失合计N百分比N百分比N百分比6100.0%0.0%6100.0%近似矩阵 Euclidean 距离 第一次第二次第三次第一次.000第二次.000第三

16、次.000这是一个不相似性矩阵第一个表格是个案概述。第二个表格列出了变量之间的不相似性分析结果。2、对3个集装箱进行测量，分别对3个集装箱的高、宽、长、最大总重进行测量，试就这几个测量而言，分析3个集装箱的相似性，数据如下表所示。3个集装箱情况高/mm宽/mm长/mm最大总重/kg第一个243824301219130480第二个243024331219530477第三个243424391218830485结果和讨论：SPSS的运行结果如下附注创建的输出09-六月-2010 14时21分22秒注释输入活动的数据集数据集0过滤器权重拆分文件工作数据文件中的 N 行3缺失值处理对缺失的定义用户定义的

17、缺失值以缺失对待。使用的案例统计量基于对所使用任何变量都不含缺失值的案例。语法PROXIMITIES 高 宽 长 最大总重 /VIEW=CASE /MEASURE=CORRELATION /STANDARDIZE= NONE.资源处理器时间已用时间工作区字节216案例处理摘要案例有效缺失合计N百分比N百分比N百分比3100.0%0.0%3100.0%近似矩阵 值向量间的相关性 123123这是一个相似性矩阵研究问题3中的第一个表格是个案概述，表明3个个案数据全部都有效。第二个表格列出了3个个案之间的相似性分析结果。从表格中可以看出，3个个案的相似性非常高，都为为1 附注创建的输出09-六月-2

18、010 14时20分46秒注释输入活动的数据集数据集0过滤器权重拆分文件工作数据文件中的 N 行3缺失值处理对缺失的定义用户定义的缺失值以缺失对待。使用的案例统计量基于对所使用任何变量都不含缺失值的案例。语法PROXIMITIES 高 宽 长 最大总重 /VIEW=CASE /MEASURE=EUCLID /STANDARDIZE= NONE.资源处理器时间已用时间工作区字节192案例处理摘要案例有效缺失合计N百分比N百分比N百分比3100.0%0.0%3100.0%近似矩阵 Euclidean 距离 1231.0002.0003.000这是一个不相似性矩阵第一个表格是个案分析概述，表明3个个

19、案数据全部都有效。第二个表格列出了3个个案之间的不相似性分析结果。从表格中可以看出，第一个和第二个之间的欧氏距离为；第一个和第三个之间的欧氏距离为；第二个和第三个之间的欧氏距离为，可见第二个和第三个最相近。实验四：回归分析一元线性回归例题的SPSS运行结果：输入移去的变量b模型输入的变量移去的变量方法1拉伸倍数a.输入a. 已输入所有请求的变量。b. 因变量: 强度模型汇总模型RR 方调整 R 方标准 估计的误差1.986a.972.969.4118a. 预测变量: (常量), 拉伸倍数。Anovab模型平方和df均方FSig.1回归1.000a残差10.170总计11a. 预测变量: (常量

20、), 拉伸倍数。b. 因变量: 强度系数a模型非标准化系数标准系数B标准 误差试用版tSig.1(常量).166.278.595.565拉伸倍数.867.047.986.000a. 因变量: 强度练习题： 合金钢的强度y与钢材中碳的含量x有密切关系，为了冶炼出符合要求强度的钢，常常通过控制钢水中的碳含量来达到目的，因此需要了解y与x之间的关系，下面是10组不同的碳含量x（）对应的强度y（kg/m）数据。xy414342455356附注创建的输出09-六月-2010 14时35分28秒注释输入活动的数据集数据集0过滤器权重拆分文件工作数据文件中的 N 行10缺失值处理对缺失的定义用户定义的缺失值

21、作为缺失数据对待。使用的案例统计是在所使用的变量不带有缺失值的案例基础上进行的。语法REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT 强度Y /METHOD=ENTER 碳含量X.资源处理器时间已用时间所需内存1356 个字节残差图需要额外内存0 个字节输入移去的变量b模型输入的变量移去的变量方法1碳含量Xa.输入a. 已输入所有请求的变量。b. 因变量: 强度Y该表格输出的是被引入或从回归方程中被踢除的各变量。该部分结果说明

22、对编号为1的模型进行线性回归分析时所采用的方法是全部引入法：输入模型汇总模型RR 方调整 R 方标准 估计的误差1.950a.903.891a. 预测变量: (常量), 碳含量X。该表格输出的是常用统计量。从这部分结果看出相关系数R=0. 950,判定系数R=903，调整的判定系数,回归估计的标准误差W=。Anovab模型平方和df均方FSig.1回归1.000a残差8总计9a. 预测变量: (常量), 碳含量X。b. 因变量: 强度Y第三个表格是方差分析表。从这部分结果看出：统计量F；伴随概率P0.001。说明自变量x与因变量y之间确有线性回归关系。类外，平方和一栏中分别代表回归平方和（）、

23、残差平方和（27.488）以及总平方和（），Df为自由度。系数a模型非标准化系数标准系数B标准 误差试用版tSig.1(常量).000碳含量X.950.000a. 因变量: 强度Y第四个表格是回归系数分析。从表格中可以看出估计值及其检验结果，常数项为， 回归系数为，回归系数统计量，相伴概率值p0.001。多元线性回归分析例题的SPSS运行结果：描述性统计量均值标准 偏差N满意度36Z136Z236Z336Z436Z536Z636Z7.1866736Z836相关性满意度Z1Z2Z3Z4Z5Pearson 相关性满意度.413.118.326.427Z1.413.186.386.315.043Z2

24、.118.186.241.373Z3.326.386.217.200Z4.427.315.241.217.353Z5.043.373.200.353Z6.245.213.045.454.322.330Z7Z8.486.304.270.234Sig. （单侧）满意度.006.246.026.005.330Z1.006.139.010.031.402Z2.246.139.485.078.012Z3.026.010.485.102.121Z4.005.031.078.102.017Z5.330.402.012.121.017.Z6.075.106.397.003.028.025Z7.037.096.

25、230.495.000.352Z8.001.036.200.055.084.491N满意度363636363636Z1363636363636Z2363636363636Z3363636363636Z4363636363636Z5363636363636Z6363636363636Z7363636363636Z8363636363636相关性Z6Z7Z8Pearson 相关性满意度.245.486Z1.213.304Z2.045Z3.454.270Z4.322.234Z5.330Z6.172Z7Z8.172Sig. （单侧）满意度.075.037.001Z1.106.096.036Z2.397

26、.230.200Z3.003.495.055Z4.028.000.084Z5.025.352.491Z6.170.157Z7.170.421Z8.157.421.N满意度363636Z1363636Z2363636Z3363636Z4363636Z5363636Z6363636Z7363636Z8363636输入移去的变量模型输入的变量移去的变量方法1Z8, Z5, Z7, Z3, Z2, Z1, Z6, Z4a.输入a. 已输入所有请求的变量。模型汇总模型RR 方调整 R 方标准 估计的误差1.687a.472.316a. 预测变量: (常量), Z8, Z5, Z7, Z3, Z2, Z1

27、, Z6, Z4。模型汇总模型更改统计量R 方更改F 更改df1df2Sig. F 更改1.472827.015Anovab模型平方和df均方FSig.1回归8.015a残差27总计35a. 预测变量: (常量), Z8, Z5, Z7, Z3, Z2, Z1, Z6, Z4。b. 因变量: 满意度系数a模型非标准化系数标准系数B 的 95.0% 置信区间B标准 误差试用版tSig.下限上限1(常量).324Z1.068.111.101.609.548.296Z2.107.091.189.249.292Z3.072.078.158.920.366.231Z4.122.099.254.228.3

28、26Z5.097.084.025Z6.046.091.084.505.617.232Z7.611Z8.104.045.361.029.011.196a. 因变量: 满意度系数a模型相关性共线性统计量零阶偏部分容差VIF1Z1.413.116.085.704Z2.118.221.165.758Z3.326.174.129.662Z4.427.231.172.460Z5.676Z6.245.097.071.699Z7.574Z8.486.405.322.794a. 因变量: 满意度系数相关a模型Z8Z5Z7Z3Z2Z11相关性Z8.058.213Z5.058.160Z7.112Z3.106Z2.2

29、13.106Z1.160.112Z6.077.082Z4.606协方差Z8.002.000.000.001Z5.000.009.000.002Z7.041Z3.000.000.006.001Z2.001.001.008Z1.002.041.012Z6.000.023.001.000Z4.200.000a. 因变量: 满意度系数相关a模型Z6Z41相关性Z8Z5Z7.077.606Z3Z2.082Z1Z6Z4协方差Z8.000Z5Z7.023.200Z3.000Z2.001Z1.000Z6.008.000Z4.000.010a. 因变量: 满意度共线性诊断a模型维数方差比例特征值条件索引(常量)

30、Z1Z2Z3Z411.00.00.00.00.002.357.00.00.00.00.003.037.00.00.00.00.054.014.00.00.19.29.015.010.00.18.04.04.006.007.02.01.28.36.287.006.00.01.19.18.228.004.00.52.28.12.229.002.97.27.02.02.22a. 因变量: 满意度共线性诊断a模型维数方差比例Z5Z6Z7Z811.00.00.00.002.00.00.00.803.00.00.30.014.03.12.01.075.33.15.01.016.11.06.10.027.1

31、0.60.04.028.42.01.08.009.00.05.47.05a. 因变量: 满意度练习题：某种水泥在凝固时放出的热量（单位：卡/克）Y与水泥中下列4中化学成分的百分比有关： X1： X2： X3： X4：现测得13组数据，如下图所示，要求建立热量与水泥化学成分之间的经验回归关系式。xi1xi2xi3xi4yi7266601291552115682011318477526331155922371176131224425418222147426140233411669121068812结果和讨论：附注创建的输出09-六月-2010 14时55分02秒注释输入活动的数据集数据集0过滤器权

32、重拆分文件工作数据文件中的 N 行13缺失值处理对缺失的定义用户定义的缺失值作为缺失数据对待。使用的案例统计是在所使用的变量不带有缺失值的案例基础上进行的。语法REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS CI(95) BCOV R ANOVA COLLIN TOL CHANGE ZPP /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT Y /METHOD=ENTER X1 X2 X3 X4.资源处理器时间已用时间

33、所需内存2292 个字节残差图需要额外内存0 个字节描述性统计量均值标准 偏差NY13X113X213X313X413该表格中输入了4个自变量和一个因变量的一般统计结果，包括平均值、方差和个案数N为13。相关性YX1X2X3X4Pearson 相关性Y.731.816X1.731.229X2.816.229X3.030X4.030Sig. （单侧）Y.002.000.030.000X1.002.226.000.209X2.000.226.325.000X3.030.000.325.462X4.000.209.000.462.NY1313131313X11313131313X21313131313X31313131313X41313131313该表格列出了各个变量之间的相关性，从该表格可以看出自变量X3和因变量Y之间的相关性很大。输入移去的变量模型输入的变量移去的变量方法1X4, X3, X1, X2a.输入a. 已输入所有请求的变量。该表格输出的是被引入或从回归方程中被踢除的各变量。该部分说明在对编号为1的模型进行分析时所采用的方法是全部引入法输入。因变量为Y。模型汇总模型RR 方调整 R 方标准 估计的误差1.991a.982.974a. 预测变量: (常量), X4, X3, X1, X2。该表格是常用的统计量。Anovab模型平方和df