spss实习报告
第1篇：统计学SPSS软件实操实习报告
实习报告
本学期专业开设了统计学课程，通过一学期的学习我们对统计学应用领域及
其类型基本概念有了基本了解，掌握了数据的收集、展示、分析的技术。但这都
是些书本上的理论知识，是纸上谈兵。
然而通过一学期统计学的学习，由最初对
统计学的枯燥乏味的认识，逐渐得到转变，平时学习中的积累，在此次实习中得到了实际应用。统计学作为应用数学的一个分支，主要通过利用概率论建立数学模型，收集所观察系统的数据，进行量化的分析、总结，并进而进行推断和预测，为相关决策提供依据和参考。统计方法适用于所有学科领域的通用数据分析方法，只要有数据的地方就会用到统计方法。此次实习我们根据消费者对食品安全的了解情况做了问卷式调查。如果是以我们以前的知识和技术水平，仅会用Excel表格对数据做粗略的统计，多份问卷的数据统计工作需要大量的时间，大量的人力，还有可能出现误差，导致统计结果极不准确，又不能直观反应问卷信息，然而学习了统计学数据分析之后，通过SPSS软件就可以很容易的对事先录入的数据进行分析统计，不但操作简单易学，而且我们可以对数据中无效数据进行排除，对数据结果的个数及比例等进行直观的比较。我们既在实践中提高了动手操作的能力和把理论应用到实践中去的思想，又通过试验加深了我们对课本上理论的认识和掌握。对于此次的统计学实习，自我感觉还是有很多收获的。首先，我们选择了不同地区、不同年龄、不同职业的群体做了广泛的调查，真正到人群中调查，对食品安全等情况有了更深刻的认识，更真实的反应。其次，从获得的调查问卷数据统计中，也让我认识到了目前食品安全问题依旧严峻，值得大家关注。第三，更重要的是，我们学会用统计学知识整理分析数据，使得理论知识在实际工作中得到应用，理论与实际相结合，是我们学习的重中之重。此次实习中也有很多的问题，需要在以后的实习中多加注意。例如，调查问卷的设计并不完善，要求不明确，问题的针对性，相关性有待提高。从班级汇总的数据来看，调查人群的年龄较集中，下次应注意选择代表性的人群，平均分配每类人群的调查数。还有就是对于数据的后期分析较浅显，可以增加集体分析讨大学生暑期实习报告&调查报告专题实习证明金融专业法律专业土木工程专业机电专业论的环节，对各种结果的原因作分析，寻找一些解决方案等，这样可以增强调查的目的性。通过实习不仅复习了课本知识，通过与实践相结合，对理论知识也有了更深入的了解，学会了对理论的实践应用，增强了我的动手操作的能力和理论与实践相结合的思想。在与小组成员的合作中我学会了以与队友合作的技能、处理和队友之间因工作产生的意见不合的能力。而这些都是在学习理论知识中学不到的，这将对个人以后走上工作岗位都是很有用的技能，这些技能会终身受用。
第2篇：SPSS实验报告1
实 验 报 告
课程名称
数据分析
实验名称
均值比较与方差分析
系别 电子信息科学学院 专业班级 信息管理15级专升本
指导教师
学号
姓名
实验日期 2015年11月18日实验成绩
一、实验目的1． 掌握均值比较和方差分析的原理、过程和应用
2． 掌握两独立样本和两配对样本的t检验的过程和结果解释 3． 掌握单因素方差分析的分析过程和结果解释 4． 掌握多因素方差分析的分析过程和结果解释
二、实验环境
1． 硬件环境：微机
2． 软件环境： Windows，SPSS Statistics 22
三、实验内容
1．数据文件GSS2004_Mod.sav中记录了男性或女性每周上网浏览网页的时间（变量www.xiexiebang.compare Means(均值比较与检验)：能否用样本均值估计总体均值？两个变量均值接近的样本是否来自均值相同的总体？换句话说，两组样本某变量均值不同，其差异是否具有统计意义？能否说明总体差异？这是各种研究工作中经常提出的问题。这就要进行均值比较。
以下是进行均值比较及检验的过程：
MEANS过程：不同水平下（不同组）的描述统计量，如男女的平均工资，各工种的平均工资。目的在于比较。术语：水平数（指分类变量的值数，如sex变量有2个值，称为有两个水平）、单元Cell（指因变量按分类变量值所分的组）、水平组合T test 过程：对样本进行T检验的过程
单一样本的T检验：检验单个变量的均值是否与给定的常数之间存在差异。
独立样本的T检验：检验两组不相关的样本是否来自具有相同均值的总体（均值是否相同，如男女的平均收入是否相同，是否有显著性差异）
配对T检验：检验两组相关的样本是否来自具有相同均值的总体(前后比较，如训练效果，治疗效果)one-Way ANOVA：一元(单因素)方差分析，用于检验几个（三个或三个以上）独立的组，是否来自均值相同的总体。
(3)、ANOVA Models(方差分析)：方差分析是检验多组样本均值间的差异是否具有统计意义的一种方法。例如：医学界研究几种药物对某种疾病的疗效；农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响;不同饲料对牲畜体重增长的效果等，都可以使用方差分析方法去解决
(4)、Correlate(相关分析)：它是研究变量间密切程度的一种常用统计方法，常用的相关分析有以下几种：
1、线性相关分析：研究两个变量间线性关系的程度。用相关系数r来描述。
2、偏相关分析：它描述的是当控制了一个或几个另外的变量的影响条件下两个变量间的相关性，如控制年龄和工作经验的影响，估计工资收入与受教育水平之间的相关关系
3、相似性测度：两个或若干个变量、两个或两组观测量之间的关系有时也可以用相似性或不相似性来描述。相似性测度用大值表示很相似，而不相似性用距离或不相似性来描述，大值表示相差甚远
(5)、Regreion(回归分析)：功能：寻求有关联（相关）的变量之间的关系在回归过程中包括：Liner：线性回归;Curve Estimation：曲线估计;Binary Logistic：二分变量逻辑回归;Multinomial Logistic：多分变量逻辑回归;Ordinal 序回归;Probit：概率单位回归;Nonlinear：非线性回归;Weight Estimation：加权估计;2-Stage Least squares：二段最小平方法;Optimal Scaling 最优编码回归;其中最常用的为前面三个。
(6)、Nonparametric Tests(非参数检验)：是指在总体不服从正态分布且分布情况不明时，用来检验数据资料是否来自同一个总体假设的一类检验方法。由于这些方法一般不涉及总体参数故得名。
非参数检验的过程有以下几个： 1。Chi-Square test 卡方检验 2。Binomial test 二项分布检验 3。Runs test 游程检验
4。1-Sample Kolmogorov-Smirnov test 一个样本柯尔莫哥洛夫-斯米诺夫检验 5。2 independent Samples Test 两个独立样本检验 6。K independent Samples Test K个独立样本检验 7。2 related Samples Test 两个相关样本检验 8。K related Samples Test 两个相关样本检验(7)、Data Reduction(因子分析)(8)、Claify(聚类与判别)等等
以上就是数值统计分析Analyze菜单下几项用于分析的数值统计分析方法的简介，在我们的变量定义以及数据录入完成后，我们就可以根据我们的需要在以上几种分析方法中选择若干种对我们的问卷数据进行统计分析，来得到我们想要的结果。
第四步：结果保存
我们的SPSS软件会把我们统计分析的多有结果保存在一个窗口中即结果输出窗口(output)，由于SPSS软件支持复制和粘贴功能，这样我们就可以把我们想要的结果复制﹑粘贴到我们的报告中，当然我们也可以在菜单中执行file->save来保存我们的结果，一般情况下，我们建议保存我们的数据，结果可不保存。因为只要有了数据，如果我们想要结果的，我们可以随时利用数据得到结果。
总结：
以上便是SPSS处理问卷的四个步骤，四个步骤结束后，我们需要SPSS软件做的工作基本上也就结束了，接下来的任务就是写我们的统计报告了。值得一提的是。SPSS是一款在社会统计学应用非常广泛的统计类软件，学好它将对我们以后的工作学习产生很大的意义和作用。
第5篇：SPSS调查报告(3500字)
湖南大学
sp工程实训报告
题 目：关于湖南大学本科生暑假规划的调查
学院名称： 金融与统计学院 专业班级： 统计二班 学生姓名： 宿骐、王美超、吕芳婷、学号：2011190320
3、2011190
3213、2011190
3218、指导老师：
目 录：
第一部分——sp分析原理及引言 第二部分——调查方案的设计 第三部分——调查结果及分析
第四部分——对本次调查的结论及相关建议 第一部分——sp分析原理及引言
此次调查是针对湖南大学本科生的暑期规划问题，调查问卷共设计15个题目，分别从被调查者给各种活动安排的时间、目的及其满意程度等方面进行数据资料的收集。
我班同学组成了调查小组，对在校生的暑期规划情况进行了调查。由于调查对象范围比较大，本小组主要采用的是抽样调查的方法，共收回有效问卷100份。从性别、年级方面对被调查者个人信息进行汇总。
第二部分——调查方案的设计
一、调查方案
1、调查目的了解学校本科生暑假的时间安排情况，如旅游、兼职、学习、休息等，并通过调查不同性别、年级的同学们的满意程度，帮助学校和家长熟悉湖大学生暑期生活，以及为同学们的暑期生活规划做出参考。
2、调查对象
全校在校本科生。
3、调查方法
我们采取了抽样和随机抽样相结合的方法，分别选择了在统计二班进行整群调查，以及在各学院和年级进行随机抽样。4.调查方式
全体调查人员亲自到南北校区教学楼发放问卷并收集，网上制作问卷并征集答卷。5.调查表
具体调查项目及调查表详见附录。6.调查时间
5月25日—6月25日完成数据收集工作 7.调查人员
全体调查小组成员，共5位。8.调查项目预算
共200份调查表，打印每张0.2元，共40元。
二、调查问卷
关于湖南大学本科生暑假规划的调查问卷
大家好，为了解同学们的暑期安排情况，我们小组研究的课题是湖大本科生的暑期规划。请帮忙填写以下问卷，谢谢！
年级_____ 性别_____ 院系_________________
1、您对自己的暑期生活是否有具体的计划安排？ a、有，且很具体 b、有，但只是方向 c、没有，顺其自然
2、您暑期打算做什么？
a、旅游 b、兼职 c、学习d、休息
3、如果旅游，您的目的是？ a、丰富阅历，增长社会经验 b、培养和提高与人交流能力
c、调剂心情以更好地投入生活学习中 d、不打算旅游
4、如果旅游，您将去往？
a、湖南省 b、外省 c、国外d、不打算旅游
5、如果旅游，您向往的主题类型是？ a、自然风光b、海滨度假 c、繁华都市
d、民俗古镇e、其他_________________
6、如果旅游，您打算花费大约多长时间？ a、1周 b、半个月 c、1个月
d、1个半月 e、2个月 f、不打算旅游
7、如果兼职，您的目的是？ a、体验生活，增加社会经验 b、锻炼自己为人处事的能力
c、增加收入，为自己和父母减轻负担 d、不打算兼职
8、如果兼职，您希望做哪些工作？ a、家教 b、餐厅服务员
c、促销员 d、与专业相关的工作 e、其他________________ f、不打算兼职
9、如果兼职，您打算花费大约多长时间？ a、半个月 b、1个月 c、1个半月 d、2个月e、不打算兼职
10、如果学习，您主要打算学习或复习什么？ a、英语培训或复习b、电脑培训或复习
c、驾校培训 d、自己感兴趣的___________________ e、不打算学习
11、如果学习，您打算花费大约多长时间？ a、半个月 b、1个月 c、1个半月 d、2个月e、不打算兼职
12、如果休息，您的目的是？ a、放松心情，调养身体 b、陪伴家人和朋友 c、在家休闲，省钱省力 d、不打算长时期休息
13、如果休息，您愿意怎样安排时间给学习？ a、每天1-2小时b、每星期1-2天
c、每月1-2星期d、不打算花时间学习e、其他_____________________
14、如果休息，您打算怎样安排时间给睡眠？ a、每天6-8小时 b、每天8-10小时
c、每天10-12小时 d、每天12小时以上
15、您对自己的暑期生活安排满意吗？ a、非常满意 b、基本满意 c、不太满意 d、不满意
谢谢配合！祝大家暑期愉快！
由此表数据可知：打算旅游的与打算做兼职的同学人数相差不多，分别占百分比24%、27%；而将假期时间主要花费在学习上的学生最多，达到了35%；与此相反，打算长时期在家休息的人数最少，只有14%。考虑到大学生暑假旅游与兼职的动机，主要即丰富阅历、增加社会经验，以及锻炼自己为人处世的能力等，学生们的选择情有可原。然而，由学习与休息的人数反差可见，作为新时代大学生，同学们依然坚持学习是自己的第一要务，此点值得欣慰。由以下关于学习内容的数据又得知，大学生的学习不再局限于课本知识，来源也趋于丰富多样化，说明大学的确是汲取知识的黄金阶段，因此，也希望同学们都能珍惜青春，抓住机遇，在大学打造出一个多功能的优秀的自己。从上面的暑期打算调查中，我们可以看到，选择旅游的同学所占的比例占总比例的很大部分。可见，同学们对旅游是比较重视的。那么，同学们又会选择去哪儿旅游呢？如表3，我们可以清晰的看到，选择外省旅游的比例高达67%，次之的是选择在湖南省游玩，有极少部分选择出国游玩，部分同学则不会出去游玩。从下面饼状图可以一目了然，选择外省的比例独占鳌头。总的来说，暑假中绝大多数同学都会选择外出旅游，而旅游的同学中又有绝大多数同学选择外省旅游。这也不难理解。一方面，同学们在长沙呆了这么久，作为地区优势，早就把湖南省可以玩的地方统统玩遍了；另一方面，就算湖南省还没有玩遍，呆在长沙的时间还很长，可以留着以后玩，趁着这个长假好好感受异区文化，体味别样风情。在外省旅游也会增长更多在课本上学不到的东西，拓展自己的见闻，丰富自己的知识面，体会不一样的文化风情，也不失为一种明智的选择。饼状图如下：
4——
既然上面分析的大部分同学都会出去旅游，那么，他们一般会选择游玩写什么地方呢？是繁华都市还是民俗古镇？是自然风光还是浪漫海滨？
不妨来看看表4。从表中所显示的比例我们可以看出，同学们的选择都倾向于自然风光和民俗古镇。从图4中更可以直观的看到。从中可以得出，同学们都倾向于比较优雅的环境去游玩而不是那些喧嚣繁华的都市。在城市生活中压抑太久，同学们为自己找了一个清新脱俗又生机盎然的旅游环境是势在必行的。一方面，同学们可以在大自然的怀抱中无拘无束的敞开自己的胸怀，放松自己的心情，感受大自然的魅力；另一方面，美丽的自然风光加上清新优雅的民俗古镇，伴着景美、人美、情美，畅玩我们这美丽的暑假，不失为一种别样的暑假选择。当然，也有少部分同学选择了阳光灿烂的海滨。
总的来说，清净、优雅、宁静、自然还是同学们旅游的主体倾向。
10——
从这次调查我们可以得出看出：
一、大部分学生都有令自己基本满意的暑期计划安排，但都只是方向而不够具体、明确；二：部分学生没有能按预期中的安排去度过暑假，主要原因是缺少自制力；
三、多数学生有着充分利用暑假的意识，懂得在学习之余，做一些兴趣之内的事，或是体验生活从而丰富阅历，但缺少一个正确的引导。因此，我们小组有以下建议： 1：在放暑假之前，老师可以根据自己的经验给学生提出建议，正确的引导学生； 2：老师可以适当布置少量暑期综合实践作业，如暑期实践论文、暑期生活总结等； 3：很多学生在暑期愿意从事一些兼职，但大学生应该在确保安全的前提下根据自己的实际情况去选择，适合大学生短期兼职的是家教和销售；
4：尽量让自己的暑期过的的充实，若无兼职、旅游、学习等计划，还可以帮家里做些家务活，就近选择一些公益组织参与志愿者活动。
第6篇：SPSS学习报告总结心得
应用统计分析学习报告
本科的时候有概率统计和数理分析的基础，但是从来没有接触过应用统计分析的东西，SPSS也只是听说过，从来没有学过。一直以为这一块儿会比较难，这学期最初学的时候，因为没有认真看老师给的英文教材，课下也没有认真搜集相关资料，所以学起来有些吃力，总感觉听起来一头雾水。老师说最后的考核是通过提交学习报告，然后我从图书馆里借了些教材查了些资料，发现很多问题都弄清楚了。结合软件和书上的例子，实战一下，发现SPSS的功能相当强大。最后总结出这篇报告，以巩固所学。
SPSS，全称是Statistical Product and Service Solutions，即“统计产品与服务解决方案”软件，是IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，也是世界上公认的三大数据分析软件之一。SPSS具有统计分析功能强大、操作界面友好、与其他软件交互性好等特点，被广泛应用于经济管理、医疗卫生、自然科学等各个领域。具体到管理方面，SPSS也是一个进行数据分析和预测的强大工具。这门课中也会用到AMOS软件。
关于SPSS的书，很多都是首先介绍软件的。这个软件易于安装，我装的是19.0的，虽然20.0有一些改变和优化，但是主体都是一样的，而且都是可视化界面，用起来很方面且容易上手。所以，我学习的重点是卡方检验和T检验、方差分析、相关分析、回归分析、因子分析、结构方程模型等方法的适用范围、应用价值、计算方式、结果的解释和表述。
首先是T检验这一部分。由于参数检验的基础不牢固，这部分也是最初开始接触应用统计的东西，学起来很多东西拿不准，比如说原假设默认的是什么。结果出来后依然分不清楚是接受原假设还是拒绝原假设。不过现在弄懂了。这部分很有用的是T检验。T检验应用于当样本数较小时，且样本取自正态总体同时做两样本均数比较时，还要求两样本的总体方差相等时，已知一个总体均数u，可得到一个样本均数及该样本标准差，样本来自正态或近似正态总体。T检验分为单样本T检验、独立样本T检验、配对样本T检验。其中，单样本T 检验是样本均数与总体均数的比较的T检验，用于推断样本所代表的未知总体均数μ与已知的总体均数uo有无差别；独立样本T检验主要用于检验两个样本是否来自具有相同均值的总体，即比较两个样本的均值是否相同，要求两个样本是相互独立的；配对样本T检验中，要正确理解“配对”的含义，主要用于检验两个有联系的正态总体的均值是否有显著差异，跟独立检验的区别就是样本是否是配对样本。这几个方法用软件操作起来都是相对简单的，关键是分清楚什么时候用这个什么时候用那个。
然后是方差分析。方差分析就是将索要处理的观测值作为一个整体，按照变异的不同来源把观测值总变异的平方和以及自由度分解为两个或多个部分，获得不同变异来源的均值与误差均方，通过比较不同变异来源的均方与误差均方，判断各样本所属总体方差是否相等。方差分析主要包括单因素方差分析、多因素方差分析和协方差分析等。这一部分在学习的过程中出现一些问题，就是用SPSS来操作的时候分不清观测变量和控制变量，如果反了的话会导致结果的不准确。其次，对Bonferroni、Tukey、Scheffe等方法的使用目的不清楚，现在基本掌握了多重比较方法选择：一般如果存在明确的对照组，要进行的是验证性研究，即计划好的某两个或几个组间（和对照组）的比较。宜用Bonferroni(LSD)法；若需要进行多个均数间的两两比较，且各组个案数相等，适宜用Tukey法；其他情况宜用Scheffe法。最后，对方差齐性检验、多重比较检验、趋势检验理解不够透彻，在方差检验中，Post Hoc键有LSD的选项：当方差分析F检验否定了原假设，即认为至少有两个总体的均值存在显著性差异时，须进一步确定是哪两个或哪几个均值显著地不同，则需要进行多重比较来检验。LSD即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验。
相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。相关分析研究现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。主要有双变量相关分析、偏相关、距离相关几个方法。双变量相关分析是相关分析中最常使用的分析过程，主要用于分析两个变量之间的线性相关分析，可以根据不同的数据类型和条件，选用Pearson积差相关、Spearman等级相关和Kendall的tau-b等级相关。当数据文件包括多个变量时，直接对两个变量进行相关分析往往不能真实反映二者之间的关系，此时就需要用到偏相关分析，从中剔除其他变量的线性影响。距离相关分析是对观测变量之间差异度或相似程度进行的测量，其中距离需要弄清楚，距离分析是对观测量之间相似或不相似程度的一种测度，是计算一对观测量之间的广义距离。这些相似性或距离测度可以用于其他分析过程，例如因子分析、聚类分析或多维定标分析，有助于分析复杂的数据集。
接着是回归分析。相关分析研究的是现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。而回归分析则要分析现象之间相关的具体形式，确定其因果关系，并用数学模型来表现其具体关系。比如说，从相关分析中我们可以得知“质量”和“用户满意度”变量密切相关，但是这两个变量之间到底是哪个变量受哪个变量的影响，影响程度如何，则需要通过回归分析方法来确定。回归分析的目的在于了解两个或多个变量间是否相关、相关方向与强度，并建立数学模型以便观察特定变量来预测研究者感兴趣的变量。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。应用回归分析时应首先确定变量之间是否存在相关关系，如果变量之间不存在相关关系，对这些变量应用回归预测法就会得出错误的结果。正确应用回归分析预测时应注意：①用定性分析判断现象之间的依存关系；②避免回归预测的任意外推；③应用合适的数据资料；
接下来是因子分析。因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。因子分析的主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的，但又无法直接测量到的隐性变量。从显性的变量中得到因子的方法有两类。一类是探索性因子分析，另一类是验证性因子分析。探索性因子分析不事先假定因子与测度项之间的关系，而让数据“自己说话”。而验证性因子分析假定因子与测度项的关系是部分知道的，即哪个测度项对应于哪个因子，虽然我们尚且不知道具体的系数。这一部分不能用SPSS来操作，要用AMOS，用起来也很方便。
最后一部分学习的是结构方程模型。结构方程模型是一种融合了因素分析和路径分析的多元统计技术。它的强势在于对多变量间交互关系的定量研究。在近三十年内，其大量应用于社会科学及行为科学的领域里，并在近几年开始逐渐应用于市场研究中。结构方程模型是对顾客满意度的研究采用的模型方法之一。其目的在于探索事物间的因果关系，并将这种关系用因果模型、路径图等形式加以表述。结构方程模型与传统的回归分析不同，结构方程分析能同时处理多个因变量，并可比较及评价不同的理论模型。与传统的探索性因子分析不同，在结构方程模型中，我们可以提出一个特定的因子结构，并检验它是否吻合数据。通过结构方程多组分析，我们可以了解不同组别内各变量的关系是否保持不变，各因子的均值是否有显著差异。
这门课要学习完了，整个学习的过程是充满曲折和挑战的，我见证了自己从一无所知到困惑迷茫再到略懂再到会用的过程。甚至学完之后有些问题还没有彻底搞清楚，自己接下来还会不断的探索的。SPSS是个很神奇的工具，结合AMOS和EXCEL更是如虎添翼，相信学习了SPSS在以后的论文和数据分析中很有用。这门课给我的感觉是看起来很难，但是实际学起来就好很多，因为当我结合具体实例和软件的时候，很多抽象的问题就豁然开朗了。但是想给老师一个建议，这门课需要很强的统计和概率论的基础，要不然就会很难听懂或者听得半懂。然后这门课的很多方法的相关资料都是用在医疗卫生、自然科学领域的，在管理中的应用的资料不怎么多。老师希望我们上课的时候结合在管理中的应用来学习，但是资料有限，希望老师在这个方面多给学生一些引导。
第7篇：SPSS实验报告二（版）
SPSS实验报告二
实验目的：掌握方差分析、相关分析和回归分析的基本操作；掌握其中相关的问题检验；读懂输出结果并进行合理分析。
第一题：利用外来工数据，使用多因素方差分析研究教育程度和月收入对家庭花费(V2_2c)，（1）说明两个因素的影响是否显著，有没有显著的交互作用；
（2）如果因素影响显著而交互作用不显著，建立非饱和模型，并利用多重比较比较（snk）各因素水平的高低；
第二题：应用waste.sav数据，研究固体垃圾排放量与宾馆、餐饮业用地、零售业用地、运输、批发企业用地、金属制造业用地、工业企业用地的关系。
（1）、通过散点图观察变量间的相关关系，并使用Enter建立模型，判断各自变量间是否存在多重共线性，写出回归方程，说明T检验和F检验的结果
（2）、利用Stepwise建立模型，通过计算D-W统计量和作出残差分布图、pp图等方法初步判断是否存在序列相关、异方差和正态性，保存模型的预测值。
第三题：完成P283，例题9-3，画出外出就餐和年份的散点图，利用复合函数，指数函数和三次函数进行拟合，选择最好的拟合模型，写出曲线方程，并对之后两年年的数据进行预测。
第8篇：SPSS实验分析报告四
SPSS实验分析报告四
一、地区*日期*销售量
（一）、提出假设
原假设H0=“不同地区对销售量的平均值没有产生显著影响。” H2=“不同日期对销售量的平均值没有产生显著影响。” H3=“不同的地区和日期对销售量没有产生了显著的交互作用。”
（二）、两独立样本t检验结果及分析
表
（一）
主旨間係數
地区
1 2 3 日期
1 2 3
數值標籤
地区一 地区二 地区三 周一至周三 周四至周五
周末
N 9 9 9 9 9 9
表
（一）表示各个控制变量的分组情况，包括三个不同的地区以及三个不同日期的数据。
表
（二）
销售额多因素方差分析结果
主体间效应的检验
因變數: 销售量
來源 第 III 類平方和 修正的模型 61851851.852
a
df 8
平均值平方 7731481.481
F 8.350
顯著性.000 截距 地区 日期 地区 * 日期 錯誤 總計 844481481.481 2296296.296 2740740.741 56814814.8***.667 923000000.000
1 2 2 4 18 27 26
844481481.481 1148148.148 1370370.370 14203703.704 925925.926
912.040 1.240 1.480 15.340
.000.313.254.000
校正後總數 78518518.519 a.R平方 =.788（調整的 R平方 =.693）
由表
（二）可知，第一列是对观测变量总变差分解的说明；第二列是对观测变量总变差分解的结果；第三列是自由度；第四列是方差；第五列是F检验统计量的观测值；第六列是检验统计量的概率P值。可以看到：观测变量的总变差SST为78518518.519，它被分解为四个部分，分别是：由 地区（x2）不同引起的变差（2296296.296），由日期（x3）不同引起的变差(2740740.741)，由地区和日期交互作用（x2*x3）引起的变差（5.681E7），由随机因素引起的变差（Error 1.667E7）。FX
1、FX
2、FX1*X2的概率P值分别为0.
313、0.2
54、0.000。如果显著性水平α为0.05，由于FX
1、FX2的概率P值大于显著性水平α，因此不应该拒绝原假设，可以认为不同的地区、日期下的销售量总体均值不存在显著差异，对销售量的效应同时为0，各自不同水平没有给销售量带来显著影响。同时，由于FX1*X2的概率P值小于显著性水平α，所以应该拒绝原假设，可以认为不同的地区和日期对销售量产生了显著的交互作用，在不同的地区，不同的日期会对销售额产生显著影响。
表
（三）
自訂假設檢定索引
1 對照係數（L' 矩陣）轉換係數（M 矩陣）對照結果（K 矩陣）
2 對照係數（L' 矩陣）轉換係數（M 矩陣）
地区 的偏差對照（省略種類 = 3）
恆等式矩陣 零矩陣
日期 的偏差對照（省略種類 = 3）
恆等式矩陣 對照結果（K 矩陣）零矩陣
表
（四）
不同地区下销售量的均值对比检验结果（K 矩陣）
地区 偏差對照
層次 1 對平均值
對比估計 假設值
差異（評估值假設值）
標準錯誤 顯著性
95% 差異的信賴區間
a.省略的種類 = 3
下限 上限 下限 上限
a因變數 销售量-259.259
0-259.259 261.891.335-809.473 290.954 407.407 0 407.407 261.891.137-142.806 957.621
表
（四）分别显示了三个不同地区销售量总体的均值检验结果，省略了地区三的检验结果，检验值是各水平下的总体均值。可以看出：地区一的销售量均值与检验值的差为259.259，标准误差为261.891，T检验统计量的概率P值为0.335，差值的95%置信区间的下限和上限分别为-809.473，290.954。分析结论为：地区一销售量的均值与检验值之间不存在显著差异。同理，地区二销售量的均值与检验值之间不存在显著差异。三个地区产生的影响没有显著差异。
表
（五）
地区对销售量影响的单因素方差分析结果
因變數: 销售量
來源 比對平方和 2296296.296
df 2 18
平均值平方 1148148.148 925925.926
F 1.240
顯著性.313 錯誤 16666666.667
表
（五）是地区对销售量影响的单因素方差分析结果。可以看到：不同地区可解释的变差为2296296.296，不可解释的变差为16666666.667，它们的方差分别为1148148.1
48、925925.926，F统计量的观测值为1.240，对应的概率P值为0.313。如果显著性水平α为0.05，由于概率P值大于显著性水平α，所以原假设成立，认为不同地区对销售量的平均值没有产生显著影响。
表
（六）
不同日期下销售量的均值对比检验结果（K 矩陣）
日期 偏差對照
層次 1 對平均值
對比估計 假設值
差異（評估值假設值）
標準錯誤 顯著性
95% 差異的信賴區間
下限
a
因變數 销售量-370.370
0-370.370 261.891.174-920.584 179.843 407.407 0 407.407 261.891.137-142.806
上限
a.省略的種類 = 3
957.621
表
（六）分别显示了三个不同日期下销售量总体的均值检验结果，省略了日期三的检验结果，检验值是各水平下的总体均值。可以看出：日期一的销售量均值与检验值的差为370.370，标准误差为370.370，T检验统计量的概率P值为0.174，差值的95%置信区间的下限和上限分别为-920.58
4、179.843。分析结论为：日期一销售量的均值与检验值之间不存在显著差异。同理，日期二销售量的均值与检验值之间不存在显著差异。三个不同日期产生的影响没有显著差异。
表
（七）
日期对销售量影响的单因素方差分析结果
因變數: 销售量
來源 比對 錯誤
平方和 2740740.741 16666666.667
df 2 18
平均值平方 1370370.370 925925.926
F 1.480
顯著性.254
表
（七）是日期对销售量影响的单因素方差分析结果。可以看到：不同日期可解释的变差为2740740.741，不可解释的变差为16666666.667，它们的方差分别为1370370.370、925925.926，F统计量的观测值为1.480，对应的概率P值为0.254。如果显著性水平α为0.05，由于概率P值大于显著性水平α，所以原假设成立，认为不同日期对销售量的平均值没有产生显著影响。
图
（一）地区与销售量的交互作用图
图
（一）中，从地区一至地区三，不同的日期销售额的变化波动很大且规律不一，直接结论是：不同的日期和地区间存在明显的交互作用。
图
（二）日期与销售量的交互作用图
图
（二）中，在不同的日期，不同地区的销售额的变化规律都不一样，直接结论是：不同的地区和日期间存在明显的交互作用。
二、香烟消耗量*肺癌死亡率
（一）、提出假设
原假设H0=“香烟消耗量对肺癌死亡率没有产生显著影响。”
（二）、两独立样本t检验结果及分析
图
（三）香烟消耗量与肺癌死亡率的简单散点图
由图
（三）可知，香烟消耗量与肺癌死亡率存在一定的正相关关系。
表
（八）
香烟消耗量*肺癌死亡率相关关系分析
1930年人均香每百万男子中死
1930年人均香烟消耗量 皮爾森(Pearson)相關
烟消耗量
于肺癌的人数
.737
**
顯著性（雙尾）
N 每百万男子中死于肺癌的皮爾森(Pearson)相關
人数
顯著性（雙尾）
N **.相關性在 0.01 層上顯著（雙尾）。
11.737.010 11
**
.010 11 1 11 由表
（八）可知，香烟消耗量和肺癌死亡率的简单相关系数为0.737，说明两者之间存在正的强相关性，其相关系数检验的概率P值为0.010。因此，当显著性水平α为0.01时，P值小于显著性水平应拒绝相关系数检验的原假设。中相关系数上角的两个星号（**）表示显著性水平α位0.01时拒绝原假设。
三、销售额*销售价格*家庭收入
（一）、提出假设
原假设H0=“销售额对销售价格没有产生显著影响。” H2=“家庭收入对销售价格没有产生显著影响。”
（二）、两独立样本t检验结果及分析
图
（四）销售额与销售价格的简单散点图
由图
（四）可知，销售额与销售价格之间存在负相关关系。
图
（五）销售额与家庭收入的简单散点图
由图
（五）可知，销售额与家庭收入之间存在较强的正相关关系。
图
（六）销售价格和家庭收入的简单散点图
由图
（六）可知，销售价格与家庭收入之间存在弱的负相关关系。
表
（九）
销售额*销售价格相关系数计算结果
销售额 皮爾森(Pearson)相關 顯著性（雙尾）
N 销售价格 皮爾森(Pearson)相關 顯著性（雙尾）
N
销售额 1 10-.933**.000 10
销售价格-.933**.000 10 1 10 **.相關性在 0.01 層上顯著（雙尾）。
由表
（九）可知，销售额和销售价格的简单相关系数为-0.933，说明两者之间存在负的强相关性，其相关系数检验的概率P值为0。因此，当显著性水平α为0.01时，应拒绝相关系数检验的原假设，认为两总体不是零相关。
另外，表
（九）中相关系数上角的两个星号（**）表示显著性水平α为0.01时拒绝原假设。
表
（十）
销售价格和销售额的偏相关分析结果
控制變數
家庭收入 销售价格
相關 顯著性（雙尾）
df
销售额
相關 顯著性（雙尾）
df
销售价格 1.000.0-.728.026 7
销售额-.728.026 7 1.000.0
由表
（十）可知，在家庭收入作为控制变量的条件下，销售价格和销售额的偏相关系数为-0.728，呈较强的负相关，高于简单相关系数。
