spss的数据分析报告[1]要点.pdf

《spss的数据分析报告[1]要点.pdf》由会员分享，可在线阅读，更多相关《spss的数据分析报告[1]要点.pdf（17页珍藏版）》请在三一文库上搜索。

1、1 SPSS 数据分析报告 学生姓名 ： 李婷 学号： 0904100223 专业： 统 计 学 班级： 统计 0902 指导教师 ： 朱钰 完成日期 ：2011 年 12 月 17 日 2 目录 一数据简介 . 错误！未定义书签。 二数据分析 . 3 三描述性分析 5 四.探索性分析 6 1.交叉分析 . 6 2.茎叶图 7 3 p-p 图分析 11 五.证实性分析 12 1.相关分析 . 12 2.回归分析 . 13 3.参数检验 . 15 （1）单样本 T 检验. 16 （2）独立样本 T 检验 . 错误！未定义书签。 3 关于某地区 361 个人旅游情况统计分析报告 一、数据介绍： 此

2、数据来源于 http:/www.amstat.org/publications/jse/jse_data_archive.htm 本次分析的数据为某地区361 个人旅游情况状况统计表， 其中共包含七变量， 分 别是：年龄，为三类变量；性别，为二类变量（0 代表女， 1 代表男） ；收入，为 一类变量；旅游花费，为一类变量；通道，为二类变量（0 代表没走通道， 1 代 表走通道）；旅游的积极性，为三类变量（0 代表积极性差， 1 代表积极性一般， 2 代表积极性比较好， 3 代表积极性好4 代表积极性非常好）；额外收入 ,一类变 量。通过运用spss 统计软件，对变量进行频数分析、描述性统计、方

3、差分析、 相关分析、。 。 。以了解该地区上述方面的综合状况，并分析个变量的分布特点及 相互间的关系。 二、频数分析： 基本的统计分析往往从频数分析开始。通过频数分地区359 个人旅游基本状 况的统计数据表， 在性别、旅游的积极性不同的状况下的频数分析，从而了解该 地区的男女职工数量、不同积极性况的基本分布。 Statistics 性别 N Valid 359 Missing 0 首先，对该地区的男女性别分布进行频数分析，结果如下 性别 Frequency Percent Valid Percent Cumulative Percent Valid 女198 55.2 55.2 55.2 男1

4、61 44.8 44.8 100.0 Total 359 100.0 100.0 表说明，在该地区被调查的 359个人中，有 198名女性，161名男性，男女比例分 别为44.8% 和55.2% ，该公司职工男女数量差距不大，女性略多于男性。 4 其次对原有数据中的旅游的积极性进行频数分析，结果如下表： 旅游积极性 Frequency Percent Valid Percent Cumulative Percent Valid 差171 47.6 47.6 47.6 一般79 22.0 22.0 69.6 比较好79 22.0 22.0 91.6 好24 6.7 6.7 98.3 非常好6 1

5、.7 1.7 100.0 Total 359 100.0 100.0 其次对原有数据中的是否进通道进行频数分析，结果如下表： 5 Statistics 通道 N Valid 359 Missing 0 通道 Frequency Percent Valid Percent Cumulative Percent Valid 没走通道293 81.6 81.6 81.6 通道66 18.4 18.4 100.0 Total 359 100.0 100.0 表说明，在该地区被调查的359个人中，有没走通道的占81.6%，占绝大多数。 上表及其直方图说明， 被调查的 359个人中，对与旅游积极性差的组频

6、数最高的， 为171 人数的 47.6%，其次为积极性一般和比较好的，占比例都为22.0%，积性 为好的和非常好的比例比较低， 分别为 24人和6人，占总体的比例为 6.7%和1.7%。 三、 描述统计分析。 再通过简单的频数统计分析了解了职工在性别和受教育水平上的总体分布状况 后，我们还需要对数据中的其他变量特征有更为精确的认识，这就需要通过计算 基本描述统计的方法来实现。 下面就对各个变量进行描述统计分析，得到它们的 均值、标准差、片度峰度等数据，以进一步把我数据的集中趋势和离散趋势。 描述统计量 N 极小值极大值均值标准差方差偏度峰度 统计量统计量统计量统计量统计量统计量统计量 标准 误

7、 统计 量标准误 收入359 7.426 6250.000 1032.930 21 762.5239 42 581442.762 1.790 .129 6.86 9 .257 6 旅游花费359 21 1006 116.41 130.716 17086.704 3.145 .129 13.4 01 .257 有效的 N （列表状态） 359 如表所示， 以起始工资为例读取分析结果，359个人中收入最小值为 7.426￥，最 大值为 6250.00000￥，平均 1032.9302￥，标准差为 762.5239￥ 偏度系数和峰度系数分别为1.790和6.869。 其他数据依此读取，则该表表明该地

8、区旅游花费的详细分布状况。 四 、探索性数据分析 （1）、交叉分析 通过频数分析能够掌握单个变量的数据分布情况，但是在实际分析中， 不仅要了 解单个变量的分布特征， 还要分析多个变量不同取值下的分布，掌握多个变量的 联合分布特征，进而分析变量之间的相互影响和关系。就本数据而言，。现以现 性别与旅游积极性的列联表分析为例，读取数据（下面数据分析表为截取的一部 分）： Count Case Processing Summary Cases Valid Missing Total N Percent N Percent N Percent 性别 * 旅游积极性359 100.0% 0 .0% 359

9、 100.0% 性别 * 旅游积极性 Crosstabulation Count 旅游积极性 Total 差一般比较好好非常好 性别女96 47 41 12 2 198 7 男75 32 38 12 4 161 Total 171 79 79 24 6 359 上联表及 Bar Chart 涉及两个变量，即性别与积极性的二维交叉，反映了在不同 的性别对于旅游积极性分布情况。上表中，性别成为行向量，积极性列向量。 （2） 、茎叶图 性别 Case Processing Summary 性别 Cases Valid Missing Total N Percent N Percent N Perce

10、nt 收入女198 100.0% 0 .0% 198 100.0% 男161 100.0% 0 .0% 161 100.0% Descriptives 8 性别Statistic Std. Error 收入女Mean 1005.28562 49.514796 95% Confidence Interval for Mean Lower Bound 907.63853 Upper Bound 1102.93272 5% Trimmed Mean 957.92011 Median 937.50000 Variance 485439.577 Std. Deviation 696.734940 Min

11、imum 7.426 Maximum 3125.000 Range 3117.574 Interquartile Range 937.563 Skewness .896 .173 Kurtosis .310 .344 男Mean 1066.92791 65.993219 95% Confidence Interval for Mean Lower Bound 936.59779 Upper Bound 1197.25802 5% Trimmed Mean 986.95497 Median 937.50000 Variance 701171.907 Std. Deviation 837.3600

12、82 Minimum 58.630 Maximum 6250.000 Range 6191.370 Interquartile Range 718.750 Skewness 2.370 .191 Kurtosis 10.166 .380 收入 Stem-and-Leaf Plots 收入 Stem-and-Leaf Plot for 性别= 女 Frequency Stem & Leaf 9 18.00 0 . 001111111111111111 26.00 0 . 22222222222223333333333333 17.00 0 . 44444444444555555 33.00 0

13、. 666666666666666666666777777777777 22.00 0 . 8889999999999999999999 13.00 1 . 0000000001111 18.00 1 . 222222222222222223 18.00 1 . 444455555555555555 4.00 1 . 7777 5.00 1 . 88888 14.00 2 . 00000111111111 .00 2 . 4.00 2 . 5555 1.00 2 . 6 2.00 2 . 88 3.00 Extremes (=3000) Stem width: 1000.000 Each le

14、af: 1 case(s) 收入 Stem-and-Leaf Plot for 性别= 男 Frequency Stem & Leaf 15.00 0 . 001111111111111 17.00 0 . 22222233333333333 13.00 0 . 4444445555555 26.00 0 . 66666666666667777777777777 19.00 0 . 8888899999999999999 13.00 1 . 0000000000011 19.00 1 . 2222222222222222223 13.00 1 . 4444555555555 2.00 1 .

15、77 6.00 1 . 888889 6.00 2 . 000111 12.00 Extremes (=2351) Stem width: 1000.000 Each leaf: 1 case(s) 10 结果分析如下 收入 女男 平均数1005.28562 1066.92791 均数的 95%可信区间（907.63853 ， 1102.93272 ）（936.59779 ， 1197.25802 ） 5%的调整均数957.92011 986.95497 中位数937.50000 937.50000 标准差696.734940 837.360082 标准差485439.577701171.90

16、7 最小值7.426 58.630 最大值3125.000 6250.000 极差3117.574 6191.370 四分位数间距937.563 718.750 偏度系数2.3702.370 峰度系数.31010.166 （3）p-p图分析 11 Age 12 结果分析 年龄在正态 p-p 图的散点近似成一条直线，无趋势正态p-p 图的散点均匀分 布在直线 y=0 的上下，故可认为本资料服从正态分布 五、证实性分析 1、相关分析 。相关分析是分析客观事物之间关系的数量分析法，明确客观事 之间有怎样的关系对理解和运用相关分析是极其重要的。 函数关系是指两事物之间的一种一一对应的关系，即当一个变量

17、X 取一定值时， 另一个变量函数Y 可以根据确定的函数取一定的值。另一种普遍存在的关系是 统计关系。统计关系是指两事物之间的一种非一一对应的关系，即当一个变量 X 取一定值时，另一个变量Y 无法根据确定的函数取一定的值。统计关系可分为 线性关系和非线性关系。 事物之间的函数关系比较容易分析和测度，而事物之间的统计关系却不像函 数关系那样直接， 但确实普遍存在， 并且有的关系强有的关系弱， 程度各有差异。 如何测度事物之间的统计关系的强弱是人们关注的问题。相关分析正是一种简单 易行的测度事物之间统计关系的有效工具。 13 Correlations 收入旅游花费额外收入 收入Pearson Cor

18、relation 1 .140 * .853 * Sig. (2-tailed) .008 .000 N 359 359 359 旅游花费Pearson Correlation .140 * 1 .183 * Sig. (2-tailed) .008 .000 N 359 359 359 额外收入Pearson Correlation .853 * .183 * 1 Sig. (2-tailed) .000 .000 N 359 359 359 *. Correlation is significant at the 0.01 level (2-tailed). 上表是对本次分析数据中，旅游花

19、费、收入、额外收入的相关分析，表中相关 系数旁边有两个星号（ * ）的，表示显著性水平为0.01 时，仍拒绝原假设。一 个星号（ *）表示显著性水平为0.05 是仍拒绝原假设。先以现旅游花费这一变量 与其他变量的相 关性为例分析，由上表可知，旅游花费与额外收入的相关性最大， 2、回归分析 有相关性分析可得收入，旅游花费呈线性相关，因此作回归分析 Variables Entered/Removed b Model Variables Entered Variables Removed Method 1 收入 a . Enter a. All requested variables entered

20、. b. Dependent Variable: 旅游花费 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .140 a .020 .017 129.604 a. Predictors: (Constant), 收入 b. Dependent Variable: 旅游花费 14 ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 120443.809 1 120443.809 7.170 .008 a Res

21、idual 5996596.239 357 16797.188 Total 6117040.048 358 a. Predictors: (Constant), 收入 b. Dependent Variable: 旅游花费 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 91.563 11.528 7.943 .000 收入.024 .009 .140 2.678 .008 a. Dependent Variable:

22、 旅游花费 Residuals Statistics a Minimum Maximum Mean Std. Deviation N Predicted Value 91.74 241.90 116.41 18.342 359 Std. Predicted Value -1.345 6.842 .000 1.000 359 Standard Error of Predicted Value 6.840 47.362 9.048 3.426 359 Adjusted Predicted Value 92.09 271.79 116.53 19.018 359 Residual -193.904

23、891.785 .000 129.423 359 Std. Residual -1.496 6.881 .000 .999 359 Stud. Residual -1.607 6.891 .000 1.002 359 Deleted Residual -223.789 894.316 -.117 130.229 359 Stud. Deleted Residual -1.611 7.390 .004 1.025 359 Mahal. Distance .000 46.811 .997 2.955 359 Cooks Distance .000 .199 .003 .015 359 Centered Leverage Value .000 .131 .003 .008 359 a. Dependent Variable: 旅游花费 Charts 15 由上图可知回归方程： y=91.563 + 0.024 (x1) , (P(Sig=0.000)005 旅游花费不成显著性差异，由图中可知旅行的旅游花费较高。