《市场调研》SPSS上机实验报告

上机报告课程名称：市场调研实验项目：数据处理与分析学生姓名：陈定学号：200993250127班级：市场营销0901班专业：市场营销指导教师：戴双凤2011年4实验一SPSS数据库建立与管理

一、实验目的了解SPSS的基本结构；掌握SPSS数据库建立和管理方法二、实验平台基于Windows的SPSS软件三、实验内容和要求实验内容：1、在SPSS中定义变量：变量名、变量类型、标签、缺失值、变量列格式、变量测度方式2、在SPSS中建立数据库：数据录入3、SPSS数据库的数据编辑：定位、插入、粘贴、复制、删除、转换4、SPSS数据库管理实验要求：1、掌握SPSS库建立方法2、掌握SPSS数据编辑方法3、掌握SPSS数据库管理方法4、在报告中输出数据库四、实验步骤和结果（空间不够可加页）1、变量名：是变量参与分析的唯一标志，定义变量结构时首先应给出每个变量的变量名。如果不指定变量名，则系统默认变量名以“VAR”开头，后面跟5个数字，如VAR00001.

变量类型：Numeric（标准数值型变量）、Comma(带逗点的数值型变量)Dot（圆点数值型变量）、Scientificnotal（科学计数法）Dollar(带美元符号的数值型变量)、Date（日期型变量）Customcurrency(自定义变量)、String（字符型变量）标签：是对变量名和变量值的进一步解释和说明，可分为变量名标签和和变量值标签。变量名标签是对变量名含义的进一步补充说明。变量名标签的定义方法：在SPSS主窗口左下角单击“VariableView”，使窗口切换至变量视窗，然后在相应变量名所在的行中直接在Label列添加变量名标签的内容。变量值标签是对数值型变量各个取值的含义给予进一步解释和说明的信息，对于数据文件中用数值型变量表示非数值型变量时尤其有用。定义变量值标签：在“VariableView”视区双击“Values”列中相应变量的位置，显示对话框如下，在“Value”文本框中键入变量值，“Label”文本框中输入变量值所代表的含义，即变量值标签。缺失值：在实际工作中，因各种原因会出现数值缺失现象，为此，SPSS提供缺失值处理技术。在VariableView视区，双击Missing列中相应变量的单元格，显示如上（右）对话框。NoMissingvalues不指定缺失值Discretemissingvalues对数值型或字符型变量，用户指定缺失值为1—3个特定的离散值，例如，第一格输入“0”Rangeplusoneoptionaldiscretemissingvalues表示对数值型变量，用户缺失值定义在一个连续的闭区间和一个区间以外的离散值，该窗口下的“low”和“high”文本框中分别键入连续区间的邹游端点，在“Discretevaule”文本框中键入区间以外的一个确定值。变量列格式：表示数据视图显示数据的列宽，系统默认8个字符。变量测度方式：定量变量（Scale）、等级变量（Ordinal）、定性变量（Nominal）2、数据录入：变量定义完后，在编辑区选择栏里单击“DataView”卡片，编辑显示区显示为数据编辑。在编辑区中，把与变量名相对应的数据输入到单元格。数据录入方式：按单元格录入数据：选定单元格，单击鼠标左键，键入数据按变量录入数据：选定单元格|键入数据|Enter按统计数据的记录（Cases）录入数据：选定单元格|键入数据|Tab输入带有变量值标签的数据：Edit|Valuelabels3、定位：1、Edit|Gotocase2、选定所在列|Edit|Find插入：1、选定任意单元格|Edit|Insertvariable或Insertcases2、选定变量名|单击鼠标右键，在显示的下拉菜单中选择“Insertvariables”命令。3、选定个案序号|单击鼠标右键，在显示的下拉菜单中选择“Insertcases”命令。粘帖：选定个案序号或变量名|单击鼠标右键|选择“cut”命令|选定目标单元|单击鼠标右键|选择“paste”命令。或“Edit”|“cut”|“Edit”|“paste”复制：选定个案序号或变量名|单击鼠标右键|选择“copy”命令|选定目标单元|单击鼠标右键|选择“paste”命令。或“Edit”|“copy”|“Edit”|“paste”删除：将光标移动到当前数据源所在区域，单击鼠标右键，在弹出的菜单选项中选择“Clear”命令。或“Edit”|“clear”转换：执行“Data”|“Transpose”命令，在“Transpose”对话框左边的变量列表框中选择需要转换发的变量，单击“OK”按钮后，弹出提示窗口，单击“OK”按钮，继续操作；单击“Cancel”按钮，重新选择变量。在Transpose”对话框中，还有一个“NameVariable”变量选择栏。如果选择此栏，只需在对话框的左边变量列表中选择一个变量名，将其移动到“NameVariable”中，单击“OK”按钮后，弹出提示窗口，单击“OK”按钮。4、排序:执行“Data”|“SortCases”命令|选择排序变量|选定排序方式|单击“OK”按钮。如果是多重排序，还要依次指定第二、第三排序变量及相应的排序规则方法是选择“Sortby”列表框中的变量，然后选择排序方式；否则，本步可略去。Ascending:升序排列Descending:降序排列拆分：执行“Data”|“SplitFile”命令|选择文件拆分方式|单击“OK”按钮Analyzeallcases,donotcreategroups:表示分析所有个案，不进行拆分。是默认选项。CompareGroups:比较分组。选择该项，表示将分组统计结果输出在同一张表格中，以便进行不同组之间的比较。OrganizeoutputbyGroups:输出结果按组分开组织。选择此项，表示将分组统计结果输出在不同的表格中。Sortthefilebygroupingvariables:按分层变量值将记录由小到大升序排列，然后再拆分文件。Fileisalreadysorted:不排序，文件已经分类排序的选择此项。合并：个案合并：执行“Data”|“MergeFiles”|“AddCases”命令，若要合并的另一个数据已经打开，则可选“Anopendataset”，并在其下的数据集列表框中选择要合并的数据文件名；否则，选“AnexternalSPSSdatafile”操作如下：单击“Browse”|选定文件|单击“OPEN”|单击“continue”|在“UnpairedVariables”列表框中选择变量，单击右向箭头，将其移动至“VariableinNewWorkingData”|单击“OK”按钮。UnpairedVariables：未匹配变量VariableinNewWorkingData：新工作数据文件的变量变量合并：执行“Data”|“MergeFiles”|“AddVariables”命令|单击“Browse”|选定文件|单击“OPEN”|单击“continue”|在“AddVariablesfrommerge”对话框中，进行相关设置|单击“OK”按钮。ExcludedVariables:排除的变量，其列表框内显示新合并的数据文件珠不包含的变量，包括外部数据文件中和工作数据文件重命名的变量列表。变量名旁标有（*）符号的变量表示当前工作数据文件中的变量，带有（+）符号的表示外部数据文件的变量。NewActiveDataset:新工作数据文件的变量，其列表框中显示合并文件的所有变量名。如果要将“ExcludedVariables”列表中的同名变量引入合并的数据文件，可以选择变量，然后单击“Rename”按钮，对变量重命名，然后再选择此变量，单击右向箭头，将其移动到“NewActiveDataset”列表框。如果两个数据文件的个案不匹配，或者排列顺序不一致，则必须先选定关键变量，然后按照关键变量相同的排序方式重新对两个数据文件进行排序。在对话框中需要选择如下项目：Matchcasesonkeyvariablesinsortedfiles（排序文件中关键变量的匹配个案）：选择此项，表示按照已排序文件的关键变量匹配个案。选择该项，可同时激活3个单选项：Bothfilesprovidecases对两个文件的全部个案进行合并。Non-activedatasetiskeyedtable非活动数据集是关键表。选择此项，将外部数据文件的变量值与活动数据集中对应变量的值相等的个案合并到活动数据集中。Activedatasetiskeyedtable活动数据集是关键表。选择此项，与上面相反。Indicatecasesourceasvariable选择此项，则在合并的数据文件中增加一个变量名为“source01”重复个案的识别：1、执行“Data”|“IdentifyDuplicateCases”命令，打开“IdentifyDuplicateCases”对话框。2、在其对话框左边变量列表框中选定变量名，单击右向箭头按钮，将其移至“Definematchingcasesby。如果几个个案的变量值和“Definematchingcasesby”窗口选择的变量相同，则这些个案视为重复个案。若要搜寻100%匹配个案，只需将所有变量移至“Definematchingcasesby”列表框即可。3、Sortwithinmatchinggroupsby（匹配个案的排序）：在“Sortwithinmatchinggroupsby”列表框中，要求从变量列表框中选择变量移动到此框。用户可以通过指定变量作为匹配个案的排列顺序的依据。在该列表框选择个案时，“Sort”选项组被激活，要求在此选择排列方式：Ascending:升序排列Descending:降序排列4、“VariablestoCreate”(创建新变量)：在“VariablestoCreate”中设置首选个案的选项，在“Indicatorofprimarycases（指定首选个案）”中要求指定首选个案，选中该项后，下列选择框被激活：Lastcaseineachgroupisprimary：选择该项，表示每组中最后一个个案为首选个案。Firstcaseineachgroupisprimary：选择该项，表示每组中第一个个案为首选个案。Filterbyindicatorvalues：选择该项，表示在数据编辑窗口中，会对所有的重复数据在个案的序号出做出标记。此项应慎重选择，因为数据在录入过程中可能因为录入数据产生错误，从而错判为重复数据。“VariablestoCreate”选项组的另一选项“Sequentialcountofmatchingcasesineachgroup”（各组匹配个案连续计数），。选择此项，表示对每一组的匹配个案进行连续计数。5、单击“OK”按钮，执行个案重复识别过程。重复个案识别后的数据编辑窗口（部分数据）IndicatorofeachlastmatchingcaseasPrimaryFrequencyPercentValidPercentCumulativePercentValidPrimaryCase75100.0100.0100.0匹配个案的频数分析表搜索后，原数据文件个案序列重新排列，重复个案排在最前，并增加一个默认变量名为PrimaryLast（First）的数值型变量，变量值取1（表示首选个案或重复个案，其变量值标签为PrimaryCase）和0（表示匹配个案，其变量值标签为DuplicateCase）。分类汇总：1、执行“Data”|“Aggregate”命令，打开“AggregateData”对话框。2、选择分类变量：将对话框左边的变量列表框的一个或多个变量作为分类变量，单击右向箭头，移动至“BreakVariables”列表框中。3、选择汇总变量：将对话框左边的变量列表框的一个或多个变量作为分类变量，单击右向箭头，移动至“AggregateVariables”中，移动到“AggregateVariables”列表框中的汇总变量将自动改名。如“性别”在其中显示为“性别-mean=MEAN[性别]”.4、添加变量标签:选完汇总变量后，单击“Name&Label”按钮，出现“AggregateData：VariableName&Label”对话框，重新命名汇总数据文件中的相应变量或添加变量标签。重命名后，单击“Continue”按钮返回。Name:定义汇总变量的变量名Label:定义汇总变量的变量标签5、汇总函数的选择和计算：单击“Function”按钮，出现“AggregateData：AggregateFunction”对话框，指定对汇总变量选择计算的统计量，系统默认“Mean（均值）”，即计算变量的平均值。选择完毕后，单击“Continue”按钮返回。6、选择汇总结果保存方式：汇总结果可以通过添加变量直接保存在活动数据文件中，也可创建新的汇总数据文件。在“Save”下有3个单选项，选择其一：Addaggregatevariablestoactivedataset:默认选项，利用汇总函数计算得到的新变量添加到当前活动数据集。分类变量中具有相同变量值的每一个个案显示相同的相应汇总变量值。Createanewdatasetcontainingonlytheaggregatedvariables:在数据编辑窗口中创建一个新的汇总数据集。数据集中包括分类变量和所有的通过汇总函数定义的汇总变量。活动数据集不发生变化。用户可以选择定义新的数据集名，在“Datafile”栏中输入数据集名即可。Writeanewdatafilecontainingonlytheaggregatedvariables:将汇总数据文件保存到一个默认文件名为aggr.sav的外部数据文件中。7、大数据量数据文件的排序选择：在“OptionsforveryLargeDataset”下有两选项：Fileisalreadysortedonbreakvariables:分类变量已经排序。Sortfilebeforeaggregating:汇总之前进行排序操作。对于大数据量文件可以选择该项。除非遇到内存空间或机器性能问题，一般不选此项。8、单击“OK”按钮汇总之后的部分数据数据汇总的命令语句：DATASET

DECLARE

职业选择1.AGGREGATE

/OUTFILE='职业选择1'

/PRESORTED

/BREAK=职业规划

/职业选择1_mean=MEAN(职业选择1)

/职业选择2_mean=MEAN(职业选择2).实验二实验目的了解SPSS图表制作方法；运用SPSS制作常用统计图表。二、实验准备了解主要图形。两个或多个组某指标大小的比较，条图（barchart）、线图（linechart）、面积图（areachart）；表示部分与整体之间的比例关系，饼图（piechart）；两个或多个变量间有无相关关系，散点图（scatterchart）；显示样本数据的分布与离散状况，箱式图（boxplot）、直方图（histogram）；显示数据是否与某个概率分布的统计图形一致，P-P概率图（probabilityplots）、Q-Q图。此外，还有交互式统计图、统计地图。三、实验内容1、根据数据统计需要，生成一定形式的报表2、根据数据统计需要，生成一定形式的统计图形，并对其进行编辑（如条形图、饼形图、直方图、线形图、箱线图、散点图等）根据数据统计需要，生成交互图（InteractiveGraph），并对其进行编辑；输出生成图表（如HTML、MicrosoftWord和MicrosoftExcel等形式）四、实验要求1、掌握主要统计图形的制作方法2、掌握主要统计表格的制作方法3、在实验报告中输出制作的主要图形和表格五、实验步骤和结果1、“Graphs”|“ChairBuilder”|“OK”，直接拖动图形元素至画布区域。如以下两个：2、BarChart(条形图):用条带的长短或高低来表现数据大小的图形，包括简单条形图、复合条形图和堆栈条形图。执行“Graphs”|“LegacyDialogs”|“Bar”命令，打开“BarCharts”对话框，如图：选择条形图图式：Simple(简单条形图)：用等宽且有间隔的宽带条表示各类统计数据的大小。Clustered(复合条形图)：它适用于对两个交叉分类的描述。图中的条形以组的形式分类的，每个组的位置是其中一个变量的取值，在该位置上紧密排列的若干个条以不同的颜色标记的另一个变量的取值，条的长度是要描述的统计量的值。组与组之间隔开相等的距离。Stacked(堆栈条形图):它适用于对两个交叉分类的描述。每个条的位置是其中一个变量的一个取值。条的长度是要描述的统计量的值，但是按另一个变量各类别所占的比例，用不同的颜色堆叠而成，条与条之间隔开相等的距离。选择统计量的描述方式：在“BarCharts”对话框的“DatainchartAre”选项组中选择条形图的统计量描述方式，系统提供3种模式：Summariesforgroupsofcases:个案分组模式，它据分组变量对所有个案进行分组，在根据分组后的个案数据创建条形图。Summariesofseparatevariables:变量分组模式，它表示以变量为单位创建条形图。Valuesofindividualcases:个案模式，它表示为分组变量中的每一个个案生成一个条形图。设置完毕后，单击“Define”按钮，进入具体条形图的对话框中继续选择和设置。简单条形图:1、执行“Graphs”|“LegacyDialogs”|“Bar”命令，在打开“BarCharts”对话框中选择“Simple”图式，在“DatainchartAre”选择“Summariesforgroupsofcases(个案分组模式)”后，单击“Define”按钮。2、在出现的“DefineSimpleBar:Summariesforgroupsofcases”对话框中进行相关设置。从左侧的列表框中选择变量移动至“CategoryAxis”文本框，再在“BarRespresent(条的表示)”选项组中选取需要的的统计量，然后单击“Titles”按钮。在打开“Titles”的对话框中“Title”的“Line”里键入标题（如果有的话，在“Subtitle”键入副标题），在“Footnote（脚注）”下的“Line”里键入对图形的注释和说明。键入完后，单击“Continue”按钮。3、单击“Option”按钮，打开“Option”对话框，如图MissingValues(缺失值)包含两个选项组：Excludecaseslistwise:默认选项。选择此项，将剔除含有缺失值的个案的全部数据，即对应于該个案的各变量的数据都被删除。Excludecasesvariablebyvariable:选择次项，表示在对应的变量中剔除缺失值，但不剔除缺失值所在个案对应的其它变量的有效值。只有在“BarRepresent”选项组中有多个变量的情形下，“MissingValues”选项组才被激活。如果需要将缺失值作为单独的一个条带显示在条形图中，可以选择“Displaygroupsdefinedbymissingvalues(显示由缺失值定义的分组)”选项；如果用户不需要在输出的图形中显示缺失值的情况，可以取消该选项。如果需要在图中显示个案的标签值，可以选择“Displaychartwithcaselabels”选项。该选项只适用于散点图，其它情形不可用。单击“OK”按钮。从图可知，在被访者中持第二种态度的最多。命令语句:GRAPH

/BAR(SIMPLE)=PCT

BY

态度

/TITLE='大学生就业调查的就业态度'

/FOOTNOTE='根据城南学院市营09级学生的调查数据绘制'.对图形编辑：双击图形，出现“Properties”对话框，根据需要进行相关设置。如想改变图形颜色点击所需颜色，改变类型点击“Patter”下拉列表符。如想改变图形上的文字说明，直接点击所要改写的文字或改变文字颜色，键入所需文字或单击所要颜色。在点击时会弹出图5对话框。图1图2图3图4图5线图：执行“Graphs”|“LegacyDialogs”|“Line”命令，在打开“LineCharts”对话框中选择“Simple”图式，在“DatainchartAre”选择“Summariesforgroupsofcases”后，单击“Define”按钮。在出现的“DefineSimpleLine:Summariesforgroupsofcases”对话框中，进行相关设置。从左侧的列表框中选择变量，单击右向箭头，移动至“CategoryAxis”文本框中。在“LineRespresent”选项组中选取计算折线长度的折线表示。如选择“Otherstatistic”(其他统计量)，并将变量“态度”移动到“Variable”文本框中，系统将自动计算该变量的平均值。如果单击“ChangeStatistic(改变统计)按钮，将出现“Statistic”对话框，可在其中进行相关设置，完毕后，单击“Continue”按钮。单击“Titles”按钮。在打开“Titles”的对话框中“Title”的“Line”里键入标题（如果有的话，在“Subtitle”键入副标题），在“Footnote（脚注）”下的“Line”里键入对图形的注释和说明。键入完后，单击“Continue”按钮。单击“OK”按钮。从图可知，就业态度在被访者中的变化。GRAPH

/LINE(SIMPLE)=MEAN(态度)

BY

姓名

/TITLE='大学生就业调查的就业态度简单折线图'

/FOOTNOTE='据城南学院09级市营学生的调查数据绘制'.对图形的编辑：请看简单条形图。面积图：执行“Graphs”|“LegacyDialogs”|“Area”命令，在打开“AreaCharts”对话框中选择“Simple”图式，在“DatainchartAre”选择“Summariesforgroupsofcases”后，单击“Define”按钮。其余步骤请看图。从图可知，在各种态度的选择上，前两者居多。GRAPH

/LINE(AREA)=PCT

BY

态度

/TITLE='大学生就业调查的就业态度简单面积图'

/FOOTNOTE='据城南学院09级市营学生的调查数据绘制'.饼图：执行“Graphs”|“LegacyDialogs”|“Pie”命令，在打开“PieCharts”对话框中的“DatainchartAre”下，选择“Summariesforgroupsofcases”后，单击“Define”按钮，进入“DefinePie：Summariesforgroupsofcases”对话框。将分类变量“态度”移动到“DefineSlicesby”文本框中，再单击“Titles”按钮，进行相关定义，完后单击“Continue”按钮。最后单击“OK”按钮。从图可看出，被访者中的就业态度各自所占比例。对其编辑:双击图形，出现如下对话框，在其中进行相关设置。命令语句：GRAPH

/PIE=PCT

BY

态度

/TITLE='大学生就业调查的就业态度饼图'

/FOOTNOTE='据城南学院09级市营学生的调查数据绘制'.直方图：执行“Graphs”|“LegacyDialogs”|“Histogram”命令，在打开“Histogram”对话框。将变量“工作要求”移动到“Variable”文本框中，并选中“Displaynormalcurve”（显示正态分布曲线）复选框。再单击“Titles”按钮，进行相关定义，完后，单击“Continue”按钮。最后单击“OK”按钮。从图可知，城南学院市营09级学生的工作要求第四种要求居多，曲线不呈正态分布。命令语句：GRAPH

/HISTOGRAM(NORMAL)=工作要求

/TITLE='大学生就业调查的就业工作要求直方图'

/FOOTNOTE='据城南学院市营09级学生的调查数据绘制'.箱线图：执行“Graphs”|“LegacyDialogs”|“Boxplot”命令，在打开“Boxplot”对话框中选择“Simple”和“DatainchartAre”下的“Summariesforgroupsofcases”后，单击“Define”按钮，进入“Define：Summariesforgroupsofcases”对话框。将分类变量“态度”移动到“CategoryAxis”文本框，将变量“职业定位”移动到“Variable”文本框。再单击“OK”按钮。命令语句：EXAMINE

VARIABLES=职业定位

BY

态度

/PLOT=BOXPLOT

/STATISTICS=NONE

/NOTOTAL.散点图：首先调入数据文件，操作如下：选择“Data”|“SelectCases”命令，在“SelectCases”对话框的“Select”中选择“Ifconditionsatisfied”，然后单击“If”按钮进入“SelectCases：If”子对话框，在文本框中输入“年龄=3”，单击“Continue”按钮返回，再单击“OK”按钮。执行“Graphs”|“LegacyDialogs”|“Scatter/Dot”命令，显示“Scatter/Dot”对话框。在对话框中选中“Simple”单击“Define”按钮，进入“SimpleScatterplot”对话框。将变量“体重”移动到“YAxis”文本框，作为Y轴变量；将变量“身高”移动到“XAxis”文本框，作为X轴变量。单击“Titles”按钮，进行相关定义，完后，单击“Continue”按钮。最后单击“OK”按钮。从图可以看出身高和体重的变化规律，呈近似正相关的变化趋势。命令语句：GRAPH

/SCATTERPLOT(BIVAR)=X1

WITH

X2

/MISSING=LISTWISE

/TITLE='3周岁儿童的身高和体重简单散点图'.交互式条形图：1、Graphs”|“LegacyDialogs”|“Interactive”|“Bar”命令，出现对话框。右击变量列表框中的区域，在弹出的对话框中进行选择变量类型。再单击选项卡右上角的坐标轴按钮,选择3-DCoordinate.2、量列表框选择变量，将其拖到横轴、纵轴和竖轴的相应文本框。在“Legend”选项组的“Color”文本框中输入变量名“工作要求”。在“BarRepresent”的下拉列表框中选中“Modes”，确定条带长度的统计函数。3、“BarChartOption”标签，打开其选项卡。在“BarBaseline”选项组中选择“Automatic”,在“BarLabels”选项组中选择“Court”。4、击“ErrorBar”标签，打开其选项卡。选中“DisplayErrorBar”复选框，激活其相应的选项组，在其中进行相应设置。5、“Titles”标签，在“ChartTitle”键入标题。6、“Option”标签，在其中进行相关设置。7、“OK”按钮。IGRAPH

/VIEWNAME='Bar

Chart'

/X1=VAR(职业规划)

TYPE=SCALE

/Y=VAR(态度)

TYPE=SCALE

/X2=VAR(性别)

TYPE=CATEGORICAL

/COLOR=VAR(工作要求)

TYPE=SCALE

/COORDINATE=THREE

/EFFECT=NONE

/TITLE='不同职业规划被访者的态度条形图'

/YLENGTH=5.2

/X1LENGTH=6.5

/CHARTLOOK='NONE'

/CATORDER

VAR(性别)

(ASCENDING

VALUES

OMITEMPTY)

/BAR(MODE)

KEY=ON

LABEL

INSIDE

N

SHAPE=RECTANGLE

BARBASE=SQUARE

BASELINE=AUTO.实验三：描述性统计分析一、实验目的巩固所学描述性统计知识；运用SPSS开展描述性统计。二、实验准备了解DescriptiveStatistics包含的分析功能：1、Frequencies：主要用于统计指定变量各变量值的频次（Frequency）、百分比（Percent）等。2、Descriptives：主要用于计算指定变量的均值（Mean）、标准差（Std.Deviation）等。3、Crosstabs：主要用于两个或两个以上变量的交叉分类。三、实验内容1、指定变量各变量值的频次、百分比计算与分析。2、指定变量的均值、标准差等计算与分析。3、交叉表的生成、计算与分析。四、实验要求1、掌握变量值的频次、百分比的计算与分析方法。2、掌握均值、标准差的计算与分析方法。3、掌握交叉表的生成、计算与分析方法。4、运用上述方法，在实验报告中输出给定数据的计算与分析结果。五、实验步骤及结果：1、百分比计算与分析：1、选择“Analyze”|“DescritiveStatistic”|“Frequencies”命令。打开““Frequencies”对话框。从左侧的变量列表框中选择“要分析的变量名，将其移动到“Variables”列表框，并选中“Displayfrequencytables”默认已选。2、单击“Statistic”按钮，在打开的对话框中进行设置。设置完后，单击“Continue”。3、单击“Chart”按钮，在打开的对话框中的“ChartType”选择“Barcharts”，在“ChartValues”中选择“percentages”，默认已选。选完后，单击“Continue”。4、单击“Format”按钮，在打开的对话框中进行设置。设置完后，单击“Continue”。5、单击“OK”按钮。从表中可以看出，众数为18.00，标准均值误差为4.69042，偏度为-0.557，偏度标准误差为0.687。四位数分别为：25%分位数9.5000、50%分位数15.000、75%分位数18.000百分比分布形态：偏度为-0.557<0,表示负偏，即向右偏，平缓。频数计算与分析：1、选择“Analyze”|“DescritiveStatistic”|“Frequencies”命令。打开““Frequencies”对话框。从左侧的变量列表框中选择“要分析的变量名，将其移动到“Variables”列表框，取消“Displayfrequencytables”。2、单击“Statistic”按钮，在打开的对话框中进行设置。设置完后，单击“Continue”。3、单击“Chart”按钮，在打开的对话框中的“ChartType”选择“Histograms”，并选择下面的“Withnormalcurve”。选完后，单击“Continue”。4、单击“Format”按钮，在打开的对话框中进行设置。设置完后，单击“Continue”。5、单击“OK”按钮。从表中可以看出，早稻温度的单变量频数分析分布的统计量，其中均值为14.0000，标准均值误差为1.48324，中位数为15.0000，众数为18.00，标准差为4.69042，方差为22.0000，偏度为-0.557，偏度标准误差为0.687。峰度为-0.933，峰度的标准误差为1.334，极差为14.00，最小值为6.00，最大值为20.00.总和为140.00。四位数分别为：25%分位数9.5000、50%分位数15.000、75%分位数18.000频数分布形态：偏度为-0.557<0,表示负偏，即曲线向右偏。峰度为-0.933<0,数值较小，曲线较平缓。均值、标准差计算与分析：1、选择“Analyze”|“DescriptiveStatistic”|“Descriptives”命令，出现下面的对话框。将对话框变量列表中选择要分析的变量名，单击右向箭头，将其移动到“Variables”列表框中。在对话框下有一个“Savestandardizedvaluesasvariables”选项，若选择，则表示为每个选择变量的取值计算Z标准得分。2、单击“Options”按钮，在出现的对话框中进行相关设置。完后，单击“Continue”。在“Descriptives:Options”对话框中可选统计量。Mean均值Sum求和Dispersion选项组中给出描述离散程度的统计量：Std.deviation标准差，默认选项Variance方差Range极数Minimum最小值，默认选项Maximum最大值，默认选项SE.mean均值标准误差其余的请看图。3、单击“OK”按钮。DescriptiveStatisticsNMinimumMaximumMeanStd.Deviation身高1087.691.289.1301.2641体重1011.016.013.4401.6635体表面积105.296.415.7365.40344ValidN(listwise)10从表可知，随着平均身高的增长，体重和体表面积的平均值都在明显增加，相应的标准差也有增大的趋势。交叉表的生成、计算与分析：1、单击Analyze——DescriptiveStatistic——Crosstabs,打开Crosstabs对话框，在左侧的源变量框中选择变量移入右侧的Row框中和Column框中。2、打开Statistics对话框，进行表的输出的内容和形式的相关设置。完后，单击“Continue”。3、打开CellDisplay对话框，在该框中选择在交叉表中输出的统计量。完后，单击“Continue”。4、打开TableFormat对话框,决定各行的排列顺序。完后，单击“Continue”。5、单击OK按钮。CaseProcessingSummaryCasesValidMissingTotalNPercentNPercentNPercent身高*体重10100.0%0.0%10100.0%探索分析过程概述：表中给出参与分析的个案数、缺失值以及其它分组信息。实验四：多重应答问题分析一、实验目的了解SPSS中多重应答问题的分析方法；运用SPSS进行多重应答问题的统计分析二、实验准备了解SPSS的多重应答问题分析功能模块；了解多重应答问题数据库建立方法。三、实验内容1、建立多重应答问题数据库；2、运用多重应答问题分析模块进行频率统计；3、运用多重应答问题分析模块进行交叉表分析四、实验要求1、掌握多重应答问题分析方法2、将分析结果输出到实验报告中五、实验步骤及结果：（一）、建立多重应答问题数据库：1、选择““Analyze”|“MultipleResponse”|“DefineSets”命令，打开“DefineMultipleResponseSets”对话框。2、将“SetDefinition”（数据集定义）列表中的变量“态度”和“职业规划”移动到“Variablesin”列表框。3、在“VariablesAreCodedAs”(变量编码方式)下选择“DichotomieCounted”(二分法)，默认已选，并在“CountedValue”(计数值)文本框设定数值。4、在“Name”（数据集名称）选择变量集名称。5、单击“Add”按钮，将设定好的多重反应数据集添加到“MultiResponeSet”(多重反应数据集)列表中。6、单击“OK”按钮。（二）多重反应频数分析：1、选择““Analyze”|“MultipleResponse”|“Frequencies”命令，打开“DefineMultipleResponseFrequencies”对话框。2、将变量集“$态度”从“MultiResponeSets”移动到“Tablesfor”列表框，并选中“MissingRespone”下面两个选项。3、单击“OK”按钮。CaseSummaryCasesValidMissingTotalNPercentNPercentNPercent$态度a1114.7%6485.3%75100.0%a.Dichotomygrouptabulatedatvalue1.多重反应分析的个案概述表：给出参与分析的个案数和缺失值的信息。$态度FrequenciesResponsesPercentofCasesNPercent$态度a态度866.7%72.7%职业规划433.3%36.4%Total12100.0%109.1%a.Dichotomygrouptabulatedatvalue1.多重反应频数分析表：不同职业规划的态度有12种，其中职业规划的有4种，态度8种，表明职业规划对大学生就业态度的影响不大。多重反应联表分析：1、选择““Analyze”|“MultipleResponse”|“Crosstabs”命令，打开“DefineMultipleResponseCrosstabs”对话框（图1）。2、将变量集“$态度”从“MultiResponeSets”移动到“Column(s)”列表框，并选择行变量“性别”，将其移动到“Row(s)”列表框。再单击“DefineRanges”按钮，在弹出的对话框（图2）中进行定义。3、单击“Option”按钮，弹出如下（图3）对话框，在其内进行相关设置。4、单击“OK”按钮。123多重反应联表分析结果：从表中可知，不同性别的被访者持不同的就业态度和职业规划，其中女的比男的居多。但男女在就业态度和职业规划上所持的观点基本一致。实验5：相关分析一、实验目的巩固所学相关分析的知识；运用相关分析方法分析数据。二、实验准备1、数据准备2、了解SPSS中相关分析的模块及功能：Analyze→Correlate→Bivariate：两变量之间的线性相关分析Analyze→Correlate→Partial：变量间的偏相关分析3、三种相关系数：Pearson：积距相关系数，参数相关，定距变量；Kendall：等级相关系数，分类变量；Spearman：非参数相关（秩相关）三、实验内容1、作所分析数据的散点图，评估运用相关分析的可能性。如果可以，进行下一步；2、输入数据，计算Pearson和Spearman相关系数；3、解释计算结果。四、实验要求1、掌握相关分析的基本步骤；2、将计算结果及其解释输出到实验报告中。五、实验步骤及结果：（一）双变量相关分析：1、选择““Analyze”|“Correlate”|“Bivarite”命令，出现下面对话框。选择变量将其移动到“Variables”列表框。在“CorrelationCoefficients”下选择“Pearson”（简单相关系数）,默认已选。在“TestofSignificance”下选择“Two-tailed”，并选中“Flagsignificantcorrelations”。2、单击“Option”按钮，出现对话框，在其中进行相关设置。完后，单击“Continue”。3、单击“OK”按钮。描述统计量：本表给出三个参与分析变量的均值、标准差和非缺失值的例数。本表中包括叉积离差矩阵、协方差矩阵、Pearson检验统计量的概率p值。从表中可知，3个变量的Pearson相关系数为0.986，大于零，呈正相关，表示温度高的产量和降雨量有减少的趋势。表中的p值为0.000，小于0.10，表示早稻产量将会丰收。绘制双变量的散点图：执行“Graphs”|“LegacyDialogs”|“Scatter/Dot”命令，显示“Scatter/Dot”对话框。在对话框中选中“3-DScatter”单击“Define”按钮，进入“3-DScatterplot”对话框。将变量“产量”移动到“YAxis”文本框，作为Y轴变量；将变量“降雨量”移动到“XAxis”文本框，作为X轴变量;将变量“温度”移动到Z轴，单击“OK”按钮。从图可知，温度与降雨量之间存在必然的联系，一般降雨量随温度的增加而增加，呈现正相关的发布趋势；而温度与产量之间还需做进一步分析。进一步分析：1、选择““Analyze”|“Correlate”|“Bivarite”命令，在主对话框中将变量“数学”和“化学”从变量列表框移动到“Variables”列表框。在“BivariteCorrelations”下,选择“Kendall’stau-b”和“Spearman”（等级相关系数）选项。2、单击“Option”按钮，出现对话框，在其中进行相关设置。完后，单击“Continue”。3、单击“OK”按钮。命令语句：NONPAR

CORR

/VARIABLES=数学

化学

/PRINT=BOTH

TWOTAIL

NOSIG

/MISSING=PAIRWISE.进一步分析的结果：Correlations数学化学Kendall'stau_b数学CorrelationCoefficient1.000.391*Sig.(2-tailed)..029N1818化学CorrelationCoefficient.391*1.000Sig.(2-tailed).029.N1818Spearman'srho数学CorrelationCoefficient1.000.536*Sig.(2-tailed)..022N1818化学CorrelationCoefficient.536*1.000Sig.(2-tailed).022.N1818*.Correlationissignificantatthe0.05level(2-tailed).从表可知，Kendall’stau-b相关系数为0.391，概率P值为0.029，小于0.05；Spearman'srho相关系数为0.536，概率p值为0.022，小于0.005。由此可知，在显著性水平为0.005的条件下，两种分析方式等级相关系数有显著意义，两门课程成绩之间存在正相关关系。对于定序变量因为分布不明可使用Spearman'相关系数；对于完全等级的离散型变量必须使用Spearman'相关系数分析相关性。（二）偏相关分析：1、Analyze→Correlate→Partial，出现对话框。选择变量将其分别移动到“Variables”和“Controlling”列表框。2、选择检验类型，并选中“Displayactualsignificancelevel”，默认已选。3、单击“Option”按钮，进行相关设置。设完后，单击“Continue”。单击“OK”按钮。DescriptiveStatisticsMeanStd.DeviationN产量4.4400E2161.8778710降雨量92.900041.2726710温度14.00004.6904210描述统计量：本表给出三个参与分析变量的均值、标准差和非缺失值的例数。偏相关分析结果：产量与降雨量之间的pearson相关系数为0.981，概率值为0.000；温度与降雨量之间的相关系数为0.957，概率p值为0.000，都呈现出一定的相关性。从偏相关系数来看，当温度固定时，产量与降雨量的相关系数为0.780，概率p值为0.013，在显著性水平为5%的条件下，产量与降雨量有很强的相关性。因为温度与产量之间的相关系数接近1（0.986），概率p值为0.000，两者之间有很密切的关系。命令语句：PARTIAL

CORR

/VARIABLES=产量

降雨量

BY

温度

/SIGNIFICANCE=TWOTAIL

/STATISTICS=DESCRIPTIVES

CORR

/MISSING=LISTWISE.（三）距离分析：1、Analyze→Correlate→Distance,出现对话框。选择变量将其分别移动到“Variables”列表框;“ComputeDistance”（计算距离）选择“Betweenvariables”。2、在“Measure”下选择“Similarity”后，单击“Measures”按钮，出现子对话框，在其中进行相关设置后，单击“Continue”。最后，单击“OK”按钮。CaseProcessingSummaryCasesValidMissingTotalNPercentNPercentNPercent3100.0%0.0%3100.0%距离分析的个案处理摘要：给出距离分析的有效个案、缺失值信息及有效个案的百分比数。ProximityMatrixCorrelationbetweenVectorsofValues体重四肢总长头重体重1.000.9881.000四肢总长.9881.000.988头重1.000.9881.000Thisisasimilaritymatrix上表为距离分析的相似矩阵，也就是Pearson相关系数矩阵。从表可知，3个变量之间，体重和四肢总长、头重的Pearson相关系数一致，为0.988，体现出体重与四肢总长、头重之间具有紧密的关系。实验6：信度分析一、实验目的增强对信度含义的理解；掌握信度分析的方法。二、实验步骤信度分析在SPSS中的操作步骤：step1：Analyze-Scale-Reliabilitystep2：在变量清单中点选待分析的变量置入右边Items中，在Model模式中选择Alphastep3：按Statistics在里面点选Scaleifitemdeleted，按Continue-OK三、实验要求1、掌握信度分析步骤2、掌握信度分析中题项选取原则3、将分析结果输出到实验报告中。四、实验步骤及结果：1、选择“Analyze”→“Scale”→“ReliabilityAnalysis”命令，在弹出的对话框中选择评估项目，将其移动到“Items”。2、选择信度分析模型：在“Modle”下拉列表框中选择信度分析模型Alpha。3、单击“Statistic”（统计量）按钮，进入“ReliabilityAnalysis:Statistic”(信度分析：统计量)对话框，并在其中进行相关设置后，单击“Continue”。最后，单击“OK”按钮。CaseProcessingSummaryN%CasesValid94100.0Excludeda0.0Total94100.0a.Listwisedeletionbasedonallvariablesintheprocedure.个案摘要表：显示信度分析过程中参与分析的个案数量和缺失值数量。本表中共有94个个案参与信度分析，不含缺失值。ReliabilityStatisticsCronbach'sAlphaNofItems.7958信度分析的克朗巴哈a系数：它是度量信度分析的一种重要方法。表中给出了克朗巴哈a系数。由于信度系数为0.795，大于0.7，因此总体上该调查评估表的编制的内在信度还是可以的。Item-TotalStatisticsScaleMeanifItemDeletedScaleVarianceifItemDeletedCorrectedItem-TotalCorrelationCronbach'sAlphaifItemDeleted购书费用18.1014.109-.014.860服务态度满意度17.6811.230.658.749外文满意度17.3611.954.592.762价格满意度17.5011.694.587.760书店环境满意度17.3510.746.665.744书的包装满意度17.4911.242.592.757书的种类满意度17.3310.761.624.751书的质量满意度17.4911.672.526.768评估项目的基本描述统计量：表中所有项目的均值在17.50左右，即将来愿意继续购买书的人数占17.50左右。进一步分析：在主对话框中的“Modle”下拉列表中选择“Split-half”（拆半）。在“Descriptivesfor”选项组中选择“Scale”,“Inter-Item”选项组中清除“Correlations”选项，然后单击“OK”按钮。命令语句：RELIABILITY

/VARIABLES=费用

服务态度

整体感觉

价格满意度

书店环境

书的包装

书的种类

书的质量

/SCALE('ALL

VARIABLES')

ALL

/MODEL=SPLIT

/STATISTICS=SCALE.ScaleStatisticsMeanVarianceStd.DeviationNofItemsPart19.533.5631.8884Part210.515.9952.4484bBothParts20.0414.8153.8498a.Theitemsare:购书费用,服务态度满意度,外文满意度,价格满意度.b.Theitemsare:书店环境满意度,书的包装满意度,书的种类满意度,书的质量满意度.拆半信度分析的基本描述统计量：表中给出拆半后的统计量描述。第一组项目的均值为9.53，方差为3.563，标准差为1.888；第二组项目的均值为10.51，方差为5.995，标准差为2.448。ReliabilityStatisticsCronbach'sAlphaPart1Value.544NofItems4Part2Value.798NofItems4bTotalNofItems8CorrelationBetweenForms.569Spearman-BrownCoefficientEqualLength.725UnequalLength.725GuttmanSplit-HalfCoefficient.710a.Theitemsare:购书费用,服务态度满意度,外文满意度,价格满意度.b.Theitemsare:书店环境满意度,书的包装满意度,书的种类满意度,书的质量满意度.拆半信度分析的信度系数：CorrelationBetweenForms为两部分量表总分的相关系数，是0.569，相关度不高。而Spearman-BrownCoefficient系数为0.725是利用两部分的标准化a系数计算得到。GuttmanSplit-HalfCoefficient拆半系数是利用两组项目的Cronbach’a系数计算得到的，为0.710。实验7：因子分析一、实验目的理解因子分析的原理；掌握因子分析方法。二、实验步骤Analyze→DataReduction→Factor进入主对话框；把分析变量选入Variables，点击Descriptive，选中KMOandBartlett’sTestofsphericity；点Continue，返回；点击Extraction，在Method选择一个方法，默认方法为PrincipalComponens；接着，在Extract选项上选择因子提取方法，可以按照特征值的大小选因子，也可自定因子数目；点Continue，返回；点击Rotation，在该对话框中的Method选择一个旋转方法，通常选Varimax（方差最大化正交旋转）。在Display选Rotatedsolution（以输出和旋转有关的结果）和Loadingplot（以输出载荷图）。点Continue，返回；如果要计算因子得分就要点击Scores，再选择Saveasvariables（因子得分就会作为变量存在数据中的附加列上）和计算因子得分的方法（比如Regression）。点Continue，返回；点OK，开始因子分析。三、实验要求1、掌握因子分析步骤和方法；2、在报告中输出分析结果。四、实验步骤及结果：1、Analyze→DataReduction→Factor进入主对话框；2、把分析变量选入Variables，点击Descriptive，选中KMOandBartlett’sTestofsphericity、Coefficients、Significancelevels与Anti-image；点Continue，返回；3、点击Extraction，在Method选择一个方法，默认方法为PrincipalComponens；4、接着，在Extract选项上选择因子提取方法，可以按照特征值的大小选因子，也可自定因子数目；点Continue，返回；5、点击Rotation，在该对话框中的Method选择一个旋转方法，通常选Varimax（方差最大化正交旋转）。6、在Display选Rotatedsolution（以输出和旋转有关的结果）和Loadingplot（以输出载荷图）。点Continue，返回；7、如果要计算因子得分就要点击Scores，再选择Saveasvariables（因子得分就会作为变量存在数据中的附加列上）和计算因子得分的方法（比如Regression）。点Continue，返回；8、点OK，开始因子分析。CommunalitiesInitialExtraction合作性1.000.546分配1.000.547出发点1.000.336工作投入1.000.839发展机会1.000.880社会地位1.000.951权力距离1.000.809职位升迁1.000.702领导风格1.000.922ExtractionMethod:PrincipalComponentAnalysis.因子分析的共同度：上表为因子分析的共同度。表中第二列显示初始共同度，全部为1；第三列是提取特征的共同度，本表在指定特征根大于1的条件下的共同度，可以看到，“出发点”变量的共同度只有0.336.“合作性”、“分配”和“职位升迁”的共同度较低（低于80%），存在严重的信息丢失。因子分析的总方差解释：上表显示的是因子分析中的原有变量中总方差被解释的列表。该表有3部分：初始因子解的方差解释、提取因子解的方差解释和旋转因子解的方差解释。InitialEigenvalues部分描述了初始因子解的情况。第一个因子的特征根为4.227，解释9个原始变量总方差的46.967%；第二个因子的特征根为2.305，解释9个原始变量总方差的72.583%,累计方差贡献率为72.583%。也就是说，两个变量解释了所有9个项目的72.583%，且也只有这两个变量的特征值对于1。ExtractionSumsofSquaredLoadings和RotationSumsofSquaredLoadings这两个部分描述了因子提取后和旋转后的因子解。从表中可以看出，有两个因子被提取和旋转，其累计解释总方差百分比和初始解的前两个变量相同，但经旋转后的因子重新分配各个因子的解释原始变量的方差，使得因子的方差更接近，也易于解释。ComponentMatrixaComponent12合作性.494.550分配.658.338出发点.553-.174工作投入-.522.752发展机会.866-.361社会地位.746-.628权力距离.543.716职位升迁.838-.031领导风格.817.505Undefinederror#11401-Cannotopentextfile"D:\lang\en\spss.err":Nosuchfileordirectorya.2componentsextracted.旋转前的因子载荷矩阵：如果上表有空白处则表示相应载荷小于0.3。因子载荷矩阵中给出每一个变量在两个因子上的载荷。从表中可以看出，所有变量在第一个因子上的载荷相对高一点，即表示与第一个因子的相关程度相对较高一点，第一个因子解释了大部分变量的信息；第二个因子与原始变量的相关程度基本很小，对原始变量的解释不明显，没有旋转的因子很难解释。旋转后的因子载荷矩阵：如果上表有空白处则表示相应载荷小于0.3。因子载荷矩阵中给出每一个变量在两个因子上的载荷。从表中可看出，发展机会、社会地位等在第一个因子上的载荷较高，而合作性、权力距离、领导风格等在第二个因子上的载荷较高，所以，第一个因子主要解释了与发展机会、社会地位等有关的项目，第二个主要解释了与合作性、权力距离、领导风格等