SPSS实验报告文档参考模板

表5.24所示，分别在显著性水平0.05和0.01下检验两品种产量是否有显著性差异。（数据来源：M.R.斯皮格尔，《统计学（第3版）》，科学出版社；参见数据文件：data5-23.sav。）表5.24两种小麦的产量数据小麦115.915.316.414.915.31614.615.314.516.616小麦216.416.817.116.9181618.117.215.41．解决问题的原理：独立样本非参数检验2.实验步骤第1步打开数据菜单选择：“文件→打开→数据”，将“data5-23.sav”导入。第2步分析由于是两种小麦，可以认为是两组独立样本，但行使里程数不知道服从何种分布，可以用两独立样本的费参数检验进行分析。第3步进行独立样本的非参数检验设置（1）选择“分析→非参数检验→独立样本”，打开“非参数检验：两个或更多独立样本”对话框，设置如下：显著性水平=0.05显著性水平=0.01所以当显著性水平=0.05时，用二样本时拒绝原假设。当显著性水平=0.01时，不拒绝原假设。题目五为研究长跑运动对增强普通高校学生心脏功能的效果，对某校15名男生进行测试，经过5个月的长跑锻炼后看其晨脉是否减少。锻炼前后的晨脉数据如表5.25所示。表5.25长跑锻炼前后晨脉变化表锻炼前707656636356586065657566565970锻炼后485460644855544551485648645054试问锻炼前后的晨脉在显著性水平0.05下有无显著性差异。（数据来源：卢纹岱，《SPSSforWindows统计分析（第3版）》，电子工业出版社；参见数据文件：data5-24.sav。）1.解决问题的原理：相关样本的非参数检验。2.实验步骤第1步打开数据菜单选择：“文件→打开→数据”，将“data5-24.sav”导入。第2步进行相关样本的非参数检验设置（1）通过“分析-非参数检验-相关样本”，打开“非参数检验”对话框3.实验结果及分析显著性水平=0.05时，拒绝原假设。即长跑锻炼前后晨麦无显著性差异。三、实验心得及体会通过本章的学习以及实例分析的操作，学会了如何用T检验解决两样本间均值比较的问题，可以解决例如两类物品是否存在区别的问题。对数据的分析有了进一步的认识和技能的掌握有了很大的提高。相关分析一、实验目的进一步了解掌握SPSS专业统计分析软件，能更好地使用其进行数据统计分析。2.利用分析多个性质不同的SPSS变量，从而分析总体的多个特征，并分析这些特征的联系。相关分析是比较简单的多元分析，使用多元分析方法，能快速发现总体特征之间的关系，并检验这些特征的显著性。以此广泛用于生物学、经济学等各个领域。二、实验内容题目一K.K.Smith在烟草杂交繁殖的花上收集到如表7.21所示的数据，要求对以上3组数据两两之间进行相关分析，以0.05的显著性水平检验相关系数的显著性。（数据来源：苏金明，《统计软件SPSS系列应用实践篇》，电子工业出版社；参见数据文件：data7-9.sav。）表7.21K.K.Smith所调查的长度资料花瓣长494432423253363937454148453940343735花枝长272412221329142016212225231820152013花萼长1916121710191514152114222215141515161.解决问题的原理：两变量相关分析2..实验步骤第1步打开数据菜单选择：“文件→打开→数据”，将“data7-9.sav”导入。第2步两变量的相关性分析（1）选择菜单“分析→相关→双变量”，打开如图所示的对话框，将变量移入“变量”框中；“相关系数”选择Pearson；在“显著性检验”中选择“双侧检验”3.实验结果及分析DescriptiveStatisticsMeanStd.DeviationN花枝长19.675.02918DescriptiveStatisticsMeanStd.DeviationN花枝长19.675.02918花萼长16.173.29418花萼长16.173.29418花瓣长40.445.97318Correlations花枝长花萼长花瓣长花枝长PearsonCorrelation1.678**.955**Sig.(2-tailed).002.000SumofSquaresandCross-products430.000191.000487.667Covariance25.29411.23528.686N181818花萼长PearsonCorrelation.678**1.797**Sig.(2-tailed).002.000SumofSquaresandCross-products191.000184.500266.667Covariance11.23510.85315.686N181818花瓣长PearsonCorrelation.955**.797**1Sig.(2-tailed).000.000SumofSquaresandCross-products487.667266.667606.444Covariance28.68615.68635.673N181818**.Correlationissignificantatthe0.01level(2-tailed).上面的第一个表列出了描述性统计量均值、标准差和统计量个案数。第二个表是相关分析的主要结果，可以看出：花瓣长与花萼长相关系数0.8>0.797>0.5,显著相关；花瓣长与花枝长相关系数0.955>0.58，高度相关；花枝长与花萼长相关系数0.8>0.678>0.5，显著相关。题目二试确定1962～1988年安徽省国民收入与城乡居民储蓄存款余额两个变量间的线性相关性，数据如表7.22所示。（数据来源：《数据统计与管理》1990年第5期，中国商场统计研究会主办；参见数据文件：data7-10.sav。）表7.221962～1988年安徽省国民收入数据表年份19621963196419651966196719681969197019711972197319741975国民收入（亿元）34.6135.6739.5247.3254.1450.8649.6951.6165.0672.5777.7283.578287.44存款余额（亿元）0.590.710.8511.221.141.321.281.351.61.872.22.552.61年份1976197719781979198019811982198319841985198619871988国民收入（亿元）95.6397.23103.81116.29127.87150.29161.47180.2221.17271.81310.53357.86444.78存款余额（亿元）2.743.133.915.758.7612.1916.3620.9528.3238.4355.4375.289.831.解决问题的原理：两变量相关分析2..实验步骤第1步打开数据菜单选择：“文件→打开→数据”，将“data7-10.sav”导入第2步两变量的相关性分析 选择菜单“分析→相关→双变量”，打开如图所示的对话框，将变量移入“变量”框中；“相关系数”选择Pearson；在“显著性检验”中选择“双侧检验”。3.实验结果及分析从上表的上半部分可以看出，两变量的Kendall相关系数0.972>0,双尾检验的相伴概率明显小于0.05，应拒绝两变量不相关的原假设，说明两变量具有显著的正相关性。从上表的下半部分可以看出，两变量的Spearman相关系数为0.995>0，同时双尾检验的相伴概率显著性明显小于0.05,也说明两变量呈显著的正相关性。从表的脚注可看出双尾检测下两变量在0.01水平上具有显著的正相关性。故1962～1988年安徽省国民收入与城乡居民储蓄存款余额两个变量间具有显著的线性相关性。题目三某高校抽样10名短跑运动员，测出100米短跑的名次和跳高的名次如表7.23所示，问这两个名次是否在0.05的显著性水平下具有相关性。（数据来源：马庆国，《应用统计学：数据统计方法、数据获取与SPSS应用》，科学出版社；参见数据文件：data7-11.sav表7.2310名运动员的100米百米名次12345678910跳高名次431527108961.解决问题的原理：两变量相关分析2..实验步骤第1步打开数据菜单选择：“文件→打开→数据”，将“data7-11.sav”导入第2步进行两变量相关分析选择菜单“分析→相关→双变量”，打开如图所示的对话框，将变量移入“变量”框中；“相关系数”选择Pearson；在“显著性检验”中选择“双侧检验”3.实验结果及分析DescriptiveStatisticsMeanStd.DeviationN百米名次5.503.02810跳高名次5.503.02810Correlations百米名次跳高名次百米名次PearsonCorrelation1.697*Sig.(2-tailed).025SumofSquaresandCross-products82.50057.500Covariance9.1676.389N1010跳高名次PearsonCorrelation.697*1Sig.(2-tailed).025SumofSquaresandCross-products57.50082.500Covariance6.3899.167N1010*.Correlationissignificantatthe0.05level(2-tailed).可以看出100米短跑的名次和跳高的名次的相关系数为0.697，为0.25，明显大于0.05，故接受原假设，说明在0.05的显著性水平下具有相关性。题目四某公司太阳镜销售情况如表7.24所示，请分析销售量与平均价格、广告费用和日照时间之间的关系，并说明此题用偏相关分析是否有实际意义（显著性水平为0.05）。（数据来源：卢纹岱，《SPSSforWindows统计分析（第3版）》，电子工业出版社；参见数据文件：data7-12.sav。）表7.24某公司销售太阳镜的数据月份123456789101112销量759014818324226327831825620014080价格6.86.563.532.92.62.13.13.64.25.2广告费用2567222528302218102日照时间2.445.26.888.410.411.59.66.13.421.解决问题的原理：偏相关分析2..实验步骤第1步打开数据菜单选择：“文件→打开→数据”，将“data7-12.sav”导入。第2步偏相关性分析（1）控制广告费用和日照时间、月份，分析销售量与平均价格之间的关系，打开“分析→相关→偏相关”，设置如下：（2）控制平均价格和日照时间、月份，分析销售量与广告费用之间的关系，打开“分析→相关→偏相关”，设置如下：（3）控制平均价格和广告费用、月份，分析销售量与日照时间之间的关系，打开“分析→相关→偏相关”，设置如下：3.实验结果及分析控制广告费用和日照时间、月份后得到销售与价格的相关系数为-0.660，是负相关，也是显著相关。控制平均价格和日照时间、月份，销售量与广告费用的相关系数为0.683，正相关，显著相关。控制平均价格和广告费用、月份，分析销售量与日照时间的相关系数为0.775，正相关，显著相关。综上所述，即得：控制广告费用和日照时间、月份后得到销售与价格的相关系数为-0.660，是负相关，也是显著相关。控制平均价格和日照时间、月份，销售量与广告费用的相关系数为0.683，正相关，显著相关。控制平均价格和广告费用、月份，分析销售量与日照时间的相关系数为0.775，正相关，显著相关。然