南邮课程设计I-SPSS
课程设计I 报告
班 级: 姓 名: 指导教师:
职 称: 成 绩:
管理学院
2015 年 11 月 1 日
南京邮电大学
课程设计I 指导教师成绩评定表
一、SPSS 的安装和使用 SPSS 安装过程略
SPSS 主要窗口包括:数据编辑窗口、结果输出窗口、变量编辑窗口、语法编辑窗口、脚本编写窗口、脚本编写窗口、图表编辑窗口
数据编辑窗口是用户进行数据处理与分析的主要窗口界面,用户可在此窗口进行数据输入、观察、编辑和统计分析等操作。
结果输出窗口用于输出统计分析的结果或绘制的相关图表。
变量编辑窗口可以对变量的名称、类型、宽度、小数位、变量标签、变量值标签、缺失值、列的宽度、对齐方式、度量标准以及角色进行设置。
语法编辑窗口,用户可以在语法编辑器窗口输入或修改SPSS 命令,或单击任何分析对话框上的“粘贴”按钮,将使用对话框设置的各种命令或选项粘贴到语法编辑器窗口。
脚本编写窗口,用户可以在此窗口编写SPSS 内嵌的Sax Basic语言以形成自动化处理数据的程序。
图表编辑窗口可以对生成的图表进行编辑。
二、数据文件的处理
定义变量:点开变量视图设置变量名称及其属性。
录入和编辑数据
录入数据的方式有两种,一是新建数据,二是导入数据。 1、打开【文件】→【新建】→【数据】如图① 2、打开【文件】→【打开】→【数据】如图②、③
① ②
③ ④
然后可在④图中的数据视图增添,删除,修改数据。
计算新变量,输入所有人语数英的平均成绩。 打开【转换】→【计算变量】
筛选变量(个案选择) 选择工资大于2000的人
打开【数据】→【选择个案】
数据文件的拆分。打开【数据】→【拆分文件】
数据文件的合并
首先选择合并变量,打开要合并的数据后,需对两表的关键变量进行排序后才能合并。 打开【数据】→【合并文件】→【添加变量】
数据文件的存储与读取
存储:打开【文件】→【保存】
读取:打开【文件】→【打开】→【数据】然后选取要打开的数据即可。 三、统计图形 条形图
打开【图形】→【图表构建程序】
首先需确定数据中有名义度量(尺度度量不能放在x 轴) 把左上方的变量依次拖入右边图表的x 轴,y 轴。
其他图表如饼图、线形图、直方图、散点图方法类似。 如下图
饼图 线形图
直方图 散点图
四、基本统计分析
频数统计及总体均值与总体方差的估计、总体均值的置信区间的计算 打开【分析】→【描述统计】→【频率】,把要用的变量放到右边,点击【统计量】把要输出的数据勾选。如下图
描述性统计及总体均值与总体方差的估计、总体均值的置信区间的计算 打开【分析】→【描述统计】→【频率】,把要用的变量放到右边,点击【选项】把要输出
的数据勾选。如下图
结果如下
五、回归分析
一元线性回归分析
例题:分析不同地区的甲状腺肿的患病率高低与本地水质的碘含量的关系。
首先,在做回归分析之前,可以先用散点图初步观察两变量有无相关趋势。如下图
从左图可以看出,二者有一定的相关关 系,接下来就可以做进一步的回归分析,找出它们二者间的关联。
打开【分析】→【回归】→【线性】
把“碘含量”拖入自变量,把“患病率”拖入因变量,统计量选择模拟拟合度和描述性。
结果如下:
① ②
③ ④
从图①得出所有变量都已纳入模型中;图②得出相关系数R 为0.971,所以R^2即相关系数很大,说明模型拟合效果很好;图③为对模型进行方差分析的结果,反映其具有统计学意义; 图④给出了回归方程的各项参数,a=17.484,b=4.459,即回归方程为y=17.484+4.459x,认为碘含量对患病率是存在影响的。
多元线性回归分析
例题:采取措施的速度与保险公司的规模及其类型之间的关系分析。 散点图分析略
打开【分析】→【回归】→【线性】 把“公司类型”、“公司规模”拖入自变量,把“所需时间”拖入因变量,统计量选择模拟拟合度和描述性。
结果如下:
① ②
③ ④
从图①得出所有变量都已纳入模型中;图②得出相关系数R 为0.946,所以R^2即相关系数很大,说明模型拟合效果很好;图③为对模型进行方差分析的结果,反映其具有统计学意义;
图④给出了回归方程的各项参数,a=33.874,b=-0.102,c=8.055即回归方程为y=33.874-0.102x1+8.055x2,认为公司规模、公司类型对索赔的反应所需时间是存在影响的。 六、方差分析 单因素方差分析
例题:比较三个不同的电池生产企业生产电池的寿命。 打开【分析】→【比较均值】→【单因素ANOV A 】 在【两两比较】中选择“LSD ”、“S-N-K ”; 在【选项】中选择“描述性”、“方差同质性检验”、
“均值图”。
把“电池”拖入因变量列表,把“企业”拖入因子。
结果如下:
① ②
③ ④
图①所示为Levene 方差齐性检验的结果,本例Levene 统计量为0.390。显著性P 值一0.680>0.05,故3组数据方差无差异。 图②所示为单因素方差分析的结果,并且进行了趋势检验,结果显示不同企业间方差分析统计量F=38.771, P值=0.000
图④为S-N-K 法比较结果,电池寿命数据被分为两组,企业2一组,企业1和企业3为一组,说明企业2与企业1、企业3生产的电池寿命有差异,企业1与企业3无差异。与LSD 法结果一致。
无重复实验的双因素方差分析
例题:某研究机构研究了3种动物饲料对4种品系小鼠体重增加的影响。 打开【分析】→【一般线性模型】→【单变量】 在各个选项中做出对应设置如下图
结果如下:
①
②
③ ④ 图①所示为主效应模型检验,结果可见校正模型统计量F=6.772 ,P=0.000 ,说明模型有统计学意义。因素a 和因素b 均有统计学意义,P=0.000和P=0.037,均小于0.05。
图②所示为不同饲料类型两两比较结果,从Sig 值(即P 值) 可见,饲料B 与饲料C 间没有差异(P=0.117),其他均有差异,P
图③所示为不同品系两两比较结果,从Sig 值(即P 值) 可见,每个品系间均无差异 P>0.05。 图④所示为不同品系小鼠喂养不同饲料的体重增重的均值图,可见A 饲料较好,B 和C 饲料差异不大。
重复实验的双因素方差分析
例题:某研究者欲了解一套新的锻炼方法的减肥效果。该研究者在某小学随机抽取12名肥胖学生,随机分成两组,第一组每天下午按新的锻炼方法锻炼,第二组不参与新的锻炼方法锻炼,并于实验开始的第1. 2. 3个月分别测量学生体重减重情况。
打开【分析】→【一般线性模型】→【重复度量】
(1)打开【重复度量定义因子】,单击“被试内
因子名称”中的Factor 1,修改为weight 。
(2)“级别数”框中输入重复测量次数“3”,单
击“添加”按钮。
(3)单击左下角的“定义”按钮,将3次测量变
量One, Two和Three 。按照框中测量的顺序,
逐个放入右侧框中。如若顺序出现差异单击
“群体内部变量”左侧的上下箭头来调整顺
序,注意顺序一定不能出错。将因素变量group
放入“因子列表”框。
结果如下: ① ② ③ ④ 图①所示为多变量检验结果,其中采用了4种检验方法计算了T 检验值、F 值、假设df 值和误差df 值,表中可见不同测试时间的weight 有统计学差异,P=0.000,而测试时间与组别间无统计学差异,P=0.55。然而是否以此结果为准的依据是球形性检验,若不符合球形性,才以此结果为准或者以一元方差分析中校正结果为准。
图②所示为球形性检验结果,可见Mauchly W=0.983 , P=0.926,符合球形性,结果以一元方差结果为准。如果P
图③所示为方差分析结果。因为本例符合球形性,因此,以第一条“采用的球形度”结果,可见不同时间测量的体重有统计学差异,F=129.068, P=0.000;并且测试时间与组别交互作用检验F=4.386, P=0.026
图④显示,组别间方差分析结果无统计学差异,F=0.397, P=0.543,即两组处理因素对体重减重影响没有差异。
11