sp實(shí)驗(yàn)報(bào)告范文

1、sp實(shí)驗(yàn)報(bào)告范文 統(tǒng)計(jì)實(shí)習(xí)p實(shí)驗(yàn)報(bào)告 姓名: 成功 學(xué)號(hào): 2151199 班級(jí): 會(huì)計(jì)二班 實(shí)驗(yàn)報(bào)告二 實(shí)驗(yàn)工程: : 描述性統(tǒng)計(jì)分析 實(shí)驗(yàn)?zāi)康? : 1、掌握數(shù)據(jù)集中趨勢(shì)與離中趨勢(shì)得分析方法; 、熟練掌握各個(gè)分析過(guò)程得根本步驟以及彼此之間得聯(lián)系與區(qū)別、實(shí)驗(yàn)內(nèi)容及步驟 一、數(shù)據(jù)輸入 案例:對(duì) 6 名男生與名女生得肺活量得統(tǒng)計(jì),數(shù)據(jù)如下: 1.翻開(kāi) spss 軟件,進(jìn)行數(shù)據(jù)輸入:通過(guò)翻開(kāi)數(shù)據(jù)得方式對(duì) xs 得數(shù)據(jù)進(jìn)行輸入 其變量視圖為: 二、探索分析 進(jìn)行探索分析得出如下輸出結(jié)果: 瀏覽 由上表可以瞧出,6 例均為有效值,沒(méi)有記錄缺失值得情況。 由上表可以瞧出,男女之間肺活量得差異,男生明顯優(yōu)

2、于女生,范圍更廣,偏度大。 男 男 stem-andlea plt frequency stem laf 、00 1 . 34 2.00 1 . 2、00 2 、 02 stm widh: 1000 eah la: as(s) 女 女 stemnd-laf plot frquency stem lef 2。00 1 。 3、0 1 . 568 1。0 2 、 0 tem idth: 00 eac leaf: 1 cae(s) 三、頻率分析 進(jìn)行頻率分析得出如下輸出結(jié)果: 由上圖可知,分析變量名:肺活量。可見(jiàn)樣本量 n 為例,缺失值 0 例, 150以下得 3,1500-00 男生3%女生,20

3、00 以上女生 1。7,男生3%。 四、描述分析 進(jìn)行描述分析得出如下輸出結(jié)果: 由上圖可知,分析變量名:工資,可見(jiàn)樣本量為6例,極小值為男132女121,極大值為男2200女277,說(shuō)明1人中肺活量最少得為女生就是12,最多得為男生有2200,均值為11。50/11、33,。標(biāo)準(zhǔn)差為27.75/325。08,離散程度不算大。 五、交叉分析 實(shí)驗(yàn)報(bào)告三 實(shí)驗(yàn)工程: : 均值比擬 實(shí)驗(yàn)?zāi)康? : 。學(xué)習(xí)利用 sss 進(jìn)行單樣本、兩獨(dú)立樣本以及成對(duì)樣本得均值檢驗(yàn)。 實(shí)驗(yàn)內(nèi)容及步驟 （一） 描述統(tǒng)計(jì) 案例:某醫(yī)療機(jī)構(gòu)為研究某種減肥藥得療效,對(duì) 1位肥胖者進(jìn)行為期半年得觀察測(cè)試,測(cè)試指標(biāo)為使用該藥之前

4、與之后得體重、編號(hào) 1 3 4 5 服藥前 198 237 3 179 9 服藥后 92 2 226 17 214 編號(hào) 6 7 8 9 10 服藥前 6 222 167 33 服藥后 161 210 161 13 26 編號(hào) 1 12 13 1 15 服藥前 79 服藥后 173 5 143 20 2 輸入 spss 建立數(shù)據(jù)、 由上圖可知,結(jié)果輸出均值、樣本量與標(biāo)準(zhǔn)差、因?yàn)檫x擇了分組變量,所以三項(xiàng)指標(biāo)均給出分組及合計(jì)值,可見(jiàn)以這種方式列出統(tǒng)計(jì)量可以非常直觀得進(jìn)行各組間得比擬、 由上表可知,在顯著性水平為 0.05 時(shí),服藥前后得概率 p 值為小于 0.05,拒絕零假設(shè),說(shuō)明服藥前后得體重有

5、顯著性變化 （二） 單樣本 t t 檢驗(yàn) 進(jìn)行單樣本 t 檢驗(yàn)分析得出如下輸出結(jié)果: 由上表可以知,單個(gè)樣本統(tǒng)計(jì)量分析表,得根本情況描述,有樣本量、均值、標(biāo)準(zhǔn)差與標(biāo)準(zhǔn)誤,單樣本 t 檢驗(yàn)表,第一行注明了用于比擬得總體均值為 14,從左到右依次為 t 值(t)、自由度(d)、p 值(sig、2tle)、兩均值得差值(men diffeene)、差值得 95可信區(qū)間、由上表可知:t34.215,p=。00、05。因此可以認(rèn)為肺氣腫得總體均值不等于 0、 （三） 雙樣本 t t 檢驗(yàn) 案例:研究某撫慰劑對(duì)肥胖病人治療作用,用 2名患者分組配對(duì),測(cè)得體重 如下表,要求測(cè)定該撫慰劑對(duì)人得體重作用就是否比

6、藥物好。 進(jìn)行雙樣本 t 檢驗(yàn)得出如下輸出結(jié)果: t 檢驗(yàn) 成對(duì)樣本統(tǒng)計(jì)量 均值 n 標(biāo)準(zhǔn)差 均值得標(biāo)準(zhǔn)誤 對(duì) 1 安 慰 劑組 121.8 11、419 3、61 藥物組 11.0 10 0.185 3。221 由上圖可知,對(duì)變量各自得統(tǒng)計(jì)描述,此處只有 1 對(duì),故只有對(duì)。 成對(duì)樣本相關(guān)系數(shù) n 相關(guān)系數(shù) ig、對(duì) 1 撫慰劑組 & 藥物組 0 、02 、05 此處進(jìn)行配對(duì)變量間得相關(guān)性分析 成對(duì)樣本檢驗(yàn) 成對(duì)差分 t df sig、(雙側(cè)) 均值 標(biāo)準(zhǔn)差 均值得標(biāo)準(zhǔn)誤 差分 9 置信區(qū)間 下限 上限 對(duì) 撫慰劑組藥物組 10、000 6.96 、18 5、067 14、9 4、58

7、6 9 .001 配對(duì) t 檢驗(yàn)表,給出最終得檢驗(yàn)結(jié)果,由上表可見(jiàn) p0。001,故可認(rèn)為撫慰劑組與藥物組對(duì)肥胖病人得體重有差異影響 實(shí)驗(yàn)報(bào)告四 實(shí)驗(yàn)工程: : 相關(guān)分析 實(shí)驗(yàn)?zāi)康? : 1.學(xué)習(xí)利用 sps進(jìn)行相關(guān)分析、偏相關(guān)分析、距離分析、線性回歸分析與曲線回歸、實(shí)驗(yàn)內(nèi)容及步驟 （一） 兩變量得相關(guān)分析 案例:某醫(yī)療機(jī)構(gòu)為研究某種減肥藥得療效,對(duì) 1位肥胖者進(jìn)行為期半年得觀察測(cè)試,測(cè)試指標(biāo)為使用該藥之前與之后得體重。 編號(hào) 1 2 4 5 服藥前 19 237 3 79 219 服藥后 192 225 22 172 24 編號(hào) 6 7 8 10 服藥前 169 22 16 19 33 服藥

8、后 16 210 1 193 2 編號(hào) 11 1 13 14 5 服藥前 7 服藥后 7 54 13 06 49 進(jìn)行相關(guān)雙變量分析得出如下輸出結(jié)果: 相關(guān)性 相關(guān)系數(shù)系數(shù)表。變量間兩兩得相關(guān)系數(shù)就是用方陣得形式給出得、每一行與每一列得兩個(gè)變量對(duì)應(yīng)得格子中就就是這兩個(gè)變量相關(guān)分析結(jié)果結(jié)果,共分為三列,分別就是相關(guān)系數(shù)、p 值與樣本數(shù)。由于這里只分析了兩個(gè)變量,因此給出得就是2 得方陣。由上表可見(jiàn),服藥前與服藥后自身得相關(guān)系數(shù)均為 1(of curse),而治療前與治療后得相關(guān)系數(shù)為 0、91 ,p0。01 （二） 偏相關(guān)分析 偏相關(guān) 有某河流得一年月平均流量觀測(cè)數(shù)據(jù)與該河流所在地區(qū)當(dāng)年得月平均

9、雨量與月平均溫度觀測(cè)數(shù)據(jù),如表所示、試分析溫度與河水流量之間得相關(guān)關(guān)系。 觀測(cè)數(shù)據(jù)表 月份 月平均流量 月平均雨量 月平均氣溫 1 、50 0.0 。8 2 0、30 0。10 -11.00 0.40 0。40 2、0 4 1、4 0.0 6.90 5 。30 2、0 10、60 6 4.70 2、0 1、9 7 5。0 2、50 15。4 8 4、7 3、0 13、50 9 0、90 .3 10、00 1 0。0 1.80 2、70 11 0、50 0、0 -。8 12 0、30 0、2 -6、00 由上表可見(jiàn)控制月平均雨量之后,“月平均流量”與“月平均氣溫”得相關(guān)系數(shù)為 0。36,p=0、

10、27,p>.05,因此“月平均流量”與“月平均氣溫"不存在顯著相關(guān)性。 。 （三） 距離分析 案例:植物在不同得溫度下得生長(zhǎng)狀況不同,以下就是三個(gè)溫度下得植物生長(zhǎng) 編號(hào) 1度 2度 0 度 1 12、36 2、4 12、18 2 12、14 12. 12、2 3 12.1 12、28 12。5 4 12。3 1。25 12、21 2、12 12。22 12. 6 12.28 12、4 12。5 2。24 、3 12。2 12、41 1。3 2。4 近似值 （四） 線性回歸分析 有某河流得一年月平均流量觀測(cè)數(shù)據(jù)與該河流所在地區(qū)當(dāng)年得月平均雨量與月平均溫度觀測(cè)數(shù)據(jù),如表所示。試分析

11、關(guān)系。 觀測(cè)數(shù)據(jù)表 月份 月平均流量 月平均雨量 月平均氣溫 1 0。50 。0 8、 2 。 0、0 11。00 3 0、4 。0 -2、40 4 、 0。0 6。9 3。0 、7 10、60 6 、70 2. 3.9 5.90 2。0 15.40 8 4。70 3、00 13。0 9 0、90 。30 10。00 10 0.60 。80 。0 11 、50 0。60 -4、8 12 。30 0。 6.00 進(jìn)行線性回歸分析得出如下輸出結(jié)果: 回歸 輸入/移去得變量 模型 輸入得變量 移去得變量 方法 1 月平均流量 a 、輸入 a、已輸入所有請(qǐng)求得變量、b、因變量: 月平均雨量 由表可知,

12、就是第一個(gè)問(wèn)題得分析結(jié)果。這里得表格就是擬合過(guò)程中變量進(jìn)入退出模型得情況記錄,由于只引入了一個(gè)自變量,所以只出現(xiàn)了一個(gè)模型 1(在多元回歸中就會(huì)依次出現(xiàn)多個(gè)回歸模型),該模型中身高為進(jìn)入得變量,沒(méi)有移出得變量, 這里得表格就是擬合過(guò)程中變量進(jìn)入退出模型得情況記錄,由于只引入了一個(gè)自變量,所以只出現(xiàn)了一個(gè)模型(在多元回歸中就會(huì)依次出現(xiàn)多個(gè)回歸模型),該模型中身高為進(jìn)入得變量,沒(méi)有移出得變量。 模型匯總 模型 r 方 調(diào)整 r 方 標(biāo)準(zhǔn) 估計(jì)得誤差 1 。85 、32 .705 、6117 a.預(yù)測(cè)變量: (常量), 月平均流量。 擬合模型得情況簡(jiǎn)報(bào),顯示在模型中相關(guān)系數(shù)r為0.855,而決定系數(shù)

13、2為.732,校正得決定系數(shù)為 0.0,說(shuō)明模型得擬合度較高。 avab 模型 平方與 df 均方 f i。 回歸 1.08 1。20 7、83 .00 殘差 。71 10 。374 總計(jì) .49 11 a。 預(yù)測(cè)變量: (常量), 月平均流量。 b.因變量: 月平均雨量 這就是所用模型得檢驗(yàn)結(jié)果,可以瞧到這就就是一個(gè)標(biāo)準(zhǔn)得方差分析表！從上表可見(jiàn)所用得回歸模型f值為7。283,p值為0,因此用得這個(gè)回歸模型就是有統(tǒng)計(jì)學(xué)意義得,可以繼續(xù)瞧下面系數(shù)分別檢驗(yàn)得結(jié)果。由于這里所用得回歸模型只有一個(gè)自變量,因此模型得檢驗(yàn)就等價(jià)與系數(shù)得檢驗(yàn),在多元回歸中這兩者就是不同得。 系數(shù) a 模型 非標(biāo)準(zhǔn)化系數(shù) 標(biāo)

14、準(zhǔn)系數(shù) t ig.b 標(biāo)準(zhǔn) 誤差 試用版 1 (常量) .87 。24 、5 .14 月平均流量 .462 。08 .855 。2 .00 系數(shù) a 模型 非標(biāo)準(zhǔn)化系數(shù) 標(biāo)準(zhǔn)系數(shù) t ig.b 標(biāo)準(zhǔn) 誤差 試用版 1 (常量) .87 。24 、5 .14 月平均流量 .462 。08 .855 。2 .00 .因變量: 月平均雨量 包括常數(shù)項(xiàng)在內(nèi)得所有系數(shù)得檢驗(yàn)結(jié)果。用得就是 t 檢驗(yàn),同時(shí)還會(huì)給出標(biāo)化/未標(biāo)化系數(shù)、可見(jiàn)常數(shù)項(xiàng)與身高都就是有統(tǒng)計(jì)學(xué)意義得 殘差統(tǒng)計(jì)量 a 極小值 極大值 均值 標(biāo)準(zhǔn) 偏差 n 預(yù)測(cè)值 。526 3。13 。2 。9633 12 殘差 .67 1。1358 。00

15、00 .583 2 標(biāo)準(zhǔn) 預(yù)測(cè)值 、795 。8 、0 1、000 2 標(biāo)準(zhǔn) 殘差 .3 1.87 .000 .953 2 a。 因變量: 月平均雨量 圖表 （五） 曲線回歸分析 某地 196年調(diào)查得兒童年齡(歲)與體重得資料試擬合對(duì)數(shù)曲線。 年齡(歲) 體重 2 6 7 8 65 6 0 70 7 77 進(jìn)行曲線回歸分析得出如下輸出結(jié)果: 實(shí)驗(yàn)報(bào)告五 實(shí)驗(yàn)工程: : 聚類分析與判別分析 實(shí)驗(yàn)?zāi)康? : 、學(xué)習(xí)利用 spss 進(jìn)行聚類分析與判別分析。 實(shí)驗(yàn)內(nèi)容及步驟 （一） 系統(tǒng)聚類法 為確定老年婦女進(jìn)行體育鍛煉還就是增加營(yíng)養(yǎng)會(huì)減緩骨骼損傷,一名研究者用光子吸收法測(cè)量了骨骼中無(wú)機(jī)物含量,對(duì)三根

16、骨頭主側(cè)與非主側(cè)記錄了測(cè)量值,結(jié)果見(jiàn)教材表。 : 受試者編號(hào) 主側(cè)橈骨 橈骨 主側(cè)肱骨 肱骨 主側(cè)尺骨 尺骨 1 1、13 1、5 、13 2.38 .87 0、8 2 0.842 .59 。873 、74 0.590 0。74 3 0.95 0。83 1。87 1.89 0、67 0。713 4 0、57 .4 1。39 1.7 .706 .7 0.75 0、80 1。74 1。15 0。59 0。4 6 0、87 。779 。509 1、47 、2 0、7 0。933 0、880 1。69 。65 0、737 0。803 8 0.799 0、85 1。740 1。777 、6 0。682

17、、45 .86 。81 1、759 0。53 0、77 10 0、1 、906 1。954 2。009 0.2 0.5 輸入 spss 建立數(shù)據(jù)。 進(jìn)行系統(tǒng)聚類分析得出如下輸出結(jié)果: 聚類 快捷聚類 研究?jī)和L(zhǎng)發(fā)育得分期,調(diào)查名 1 月至 7 歲兒童得身高()、體重(kg)、胸圍(cm)與資料。求出月平均增長(zhǎng)率(), 判別分析 對(duì)某企業(yè),搜集了名員工xx年第1季度得數(shù)據(jù)資料。構(gòu)建1個(gè)×6維得矩陣 職工代號(hào) 工作產(chǎn)量 工作質(zhì)量 工作出勤 工砟損耗 工作態(tài)度 工作能力 1 9.8 9。6 8、37 8。63 9、86 9。74 2 8、9 8、3 、38 9。7 9、 9。7 7。46

18、 。73 6、 5。9 8.83 8、6 4 6.0 8、25 、4 5、92 .33 8。29 6。1 8、36 .7 7。 8、38 8。14 6 7、69 .5 6.4 7。45 8。19 8.1 .46 8、93 、 7、06 8。58 。6 8 、6 。28 6。75 8。03 8、6 8、22 9 7、6 8.2 7、5 7。63 。79 7.6 10 7。16 8、62 5、7 7。1 。9 。18 1、“分析分類判別分析",把“分類”選入“分組變量”,定義范圍:最小值(1),最大值(),把 x1、x2、x、x、x5 與 x6 輸入“自變量框",選擇“使用逐步

19、式方法”; 、“統(tǒng)計(jì)量”中選擇“均值”、“單變量 anova”、“fisher”、“未標(biāo)準(zhǔn)化”、“組內(nèi)相關(guān)" 3、“方法”默認(rèn)設(shè)置; 、“分類”中選擇“根據(jù)組大小計(jì)算"、“摘要表”、“不考慮該個(gè)案時(shí)得分類”、“在組內(nèi)"、“合并圖、分組、區(qū)域圖”; 、“保存”中選擇“預(yù)測(cè)組成員"、“判別得分”; 6、點(diǎn)擊確定、 得到以下各表與圖。 特征值 函數(shù) 特征值 方差得 % 累積 % 正那么相關(guān)性 1 10a 00.0 0。0 、707 a、分析中使用了前 個(gè)典型判別式函數(shù)。 wiks 得 lambd 函數(shù)檢驗(yàn) wiks 得 lamda 卡方 df si、1 .49

20、9 3、471 6 。748 函數(shù) 1 工作質(zhì)量 。270 工作產(chǎn)量 。831 工作出勤 。46 工砟損耗 1。415 工作態(tài)度 1.879 工作能力 。61 結(jié)構(gòu)矩陣 函數(shù) 1 工砟損耗 、541 工作出勤 。55 工作態(tài)度 、175 工作產(chǎn)量 、0 工作能力 、06 工作質(zhì)量 -.05 判別變量與標(biāo)準(zhǔn)化典型判別式函數(shù)之間得會(huì)聚組間相關(guān)性 按函數(shù)內(nèi)相關(guān)性得絕對(duì)大小排序得變量。 典型判別式函數(shù)系數(shù) 函數(shù) 1 工作質(zhì)量 .51 工作產(chǎn)量 -。80 工作出勤 。312 工砟損耗 1.48 工作態(tài)度 2。798 工作能力 -2.8 (常量) -。17 非標(biāo)準(zhǔn)化系數(shù) 組質(zhì)心處得函數(shù) 職工代號(hào) 函數(shù) 1

21、 -、71 2 1。097 在組均值處評(píng)估得非標(biāo)準(zhǔn)化典型判別式函數(shù) 分類統(tǒng)計(jì)量 分類處理摘要 已處理得 1 已排除得 缺失或越界組代碼 0 至少一個(gè)缺失判別變量 用于輸出中 1 職工代號(hào) 1 2 工作質(zhì)量 21、29 .360 工作產(chǎn)量 58、9 60。41 工作出勤 4、83 -1。373 工砟損耗 、73 6、02 工作態(tài)度 123、97 29、094 工作能力 63。24 -68。407 (常量) 4.493 60。61 fier 得線性判別式函數(shù) 單獨(dú)組圖表 分類結(jié)果 b,c 職工代號(hào) 預(yù)測(cè)組成員 合計(jì) 1 2 初始 計(jì)數(shù) 1 5 6 2 1 3 4 1 83、3 1、7 100、0

22、25.0 7、 100、0 交叉驗(yàn)證 計(jì)數(shù) 1 2 4 2 4 0 4 % 3.3 66、 100。0 2 00。0 、 100. 分類結(jié)果 b,c 職工代號(hào) 預(yù)測(cè)組成員 合計(jì) 1 2 初始 計(jì)數(shù) 1 5 6 2 1 3 4 1 83、3 1、7 100、0 25.0 7、 100、0 交叉驗(yàn)證 計(jì)數(shù) 1 2 4 2 4 0 4 % 3.3 66、 100。0 2 00。0 、 100. a、僅對(duì)分析中得案例進(jìn)行交叉驗(yàn)證。 在交叉驗(yàn)證中,每個(gè)案例都就是按照從該案例以外得所有其她案例派生得函數(shù)來(lái)分類得。 b.已對(duì)初始分組案例中得 80。0 個(gè)進(jìn)行了正確分類。 c、已對(duì)交叉驗(yàn)證分組案例中得 20.

23、0% 個(gè)進(jìn)行了正確分類。 實(shí)驗(yàn)報(bào)告六 實(shí)驗(yàn)工程: : 因子分析與主成分分析 實(shí)驗(yàn)?zāi)康? : 1、學(xué)習(xí)利用 ss 進(jìn)行因子分析與主成分分析。 實(shí)驗(yàn)內(nèi)容及步驟 （一） 因子分析 下表資料為 1名健康人得 7 項(xiàng)生化檢驗(yàn)結(jié)果,6 項(xiàng)生化檢驗(yàn)指標(biāo)依次命名為1 至 x6,請(qǐng)對(duì)該資料進(jìn)行因子分析。 因子分析 、翻開(kāi)導(dǎo)入 excl數(shù)據(jù) 2、選擇菜單“分析降維因子分析” ,彈出“因子分析”對(duì)話框。在對(duì)話框左側(cè)得變量列表中選除地區(qū)外得變量,進(jìn)入“變量”框, 、單擊“描述"按鈕,彈出“因子 分析: 描述”對(duì)話框,在“統(tǒng)計(jì)量”中選“單變量 描述”項(xiàng),輸出各變量得均數(shù)與標(biāo)準(zhǔn)差,“相關(guān)矩陣”欄內(nèi)選“系數(shù)&qu

24、ot;,計(jì)算相關(guān)系數(shù)矩陣,并選“m 與 batts 球形度檢驗(yàn)”項(xiàng),對(duì)相關(guān)系數(shù)矩陣進(jìn)行統(tǒng)計(jì)學(xué)檢驗(yàn), 對(duì)以上資料進(jìn)行因子分析:分析-降維因子分析,確定操作得出 描述統(tǒng)計(jì)量 均值 標(biāo)準(zhǔn)差 分析 n x1 6.023 1、848 1 2 7、980 。7340 15 x3 3。990 1、01195 1 x4 5、500 1.369 5 x5 。7 .77780 1 x6 8.247 、6855 15 相關(guān)矩陣 x 2 x x4 x5 x6 相關(guān) x1 1。000 。66 .78 .55 。104 、019 x 。96 1.00 .47 .02 .233 、1 x3 .782 .747 1。00 .

25、12 .214 。04 4 .05 、08 、25 1.000 。 、23 x5 、4 .3 、214 .50 、00 。73 。19 .1 -、024 。233 。75 1.00 ig。(單側(cè)) x1 .00 、00 。423 .356 。473 2 、000 。001 。4 .22 、287 3 。00 。001 .32 、22 .67 、42 、41 。3 .297 。202 x5 。56 。20 、 .29 、01 x6 .473 .87 。47 。0 .0 kmo 與 bart e e t 得檢驗(yàn) 取樣足夠度得 aisemeyr-olkin 度量。 。6 batlett 得球形度檢驗(yàn)

26、 近似卡方 64.05 df 15 sig、。000 公因子方差 初始 提取 1 1。000 。950 x2 1、000 。930 x3 1、000 。801 x 。00 。989 x5 1、00 。98 x6 1。000 。93 提取方法:主成份分析。 解釋得總方差 成份 初始特征值 提取平方與載入 旋轉(zhuǎn)平方與載入 合計(jì) 方差得 累積 % 合計(jì) 方差得 % 累積 合計(jì) 方差得 累積 % 2.768 46。127 4、2 2。7 46、27 46。127 2。67 44.34 44。634 2 .683 28、050 4.177 .68 28。050 74。77 1.766 9、32 74、0

27、66 3 1、084 1.074 92。251 1。084 18。074 92。251 1、091 18、16 92。251 4 、60 5。95 98.24 .0 1、401 9.647 6 、021 .353 10。00 提取方法:主成份分析、成份矩陣a a 成份 2 3 x .95 、27 -.02 x2 。954 、131 -、57 x3 .868 .218 、030 4 、17 .059 .987 5 .389 。39 -、272 x .263 、91 、78 提取方法 :主成份。 a。 已提取了 3 個(gè)成份。 旋轉(zhuǎn)成份矩陣a a 成份 1 2 3 x1 。975 、00 .16 x

28、 。53 、46 -。012 x .89 .032 、66 x4 .04 。2 、993 x5 .145 、93 .05 x6 -、013 .937 、241 提取方法 :主成份、 旋轉(zhuǎn)法 :具有 kaiser 標(biāo)準(zhǔn)化得正交旋轉(zhuǎn)法、a.旋轉(zhuǎn)在 4 次迭代后收斂、 成份轉(zhuǎn)換矩陣 成份 1 2 3 1 。8 、21 、04 2 -。28 。57 、03 3 、03 .066 .997 提取方法 :主成份。 旋轉(zhuǎn)法 :具有 kaiser 標(biāo)準(zhǔn)化得正交旋轉(zhuǎn)法。 實(shí) 驗(yàn) 報(bào) 告 課程名稱 數(shù)據(jù)分析 實(shí)驗(yàn)名稱 均值比擬與方差分析 系別 電子信息科學(xué)學(xué)院 專業(yè)班級(jí) 信息管理15級(jí)專升本 指導(dǎo)教師 學(xué)號(hào) 姓名

29、 實(shí)驗(yàn)日期 xx年11月18日實(shí)驗(yàn)成績(jī) 一、實(shí)驗(yàn)?zāi)康?1 掌握均值比擬和方差分析的原理、過(guò)程和應(yīng)用 2 掌握兩獨(dú)立樣本和兩配對(duì)樣本的t檢驗(yàn)的過(guò)程和結(jié)果解釋 3 掌握單因素方差分析的分析過(guò)程和結(jié)果解釋 4 掌握多因素方差分析的分析過(guò)程和結(jié)果解釋 二、實(shí)驗(yàn)環(huán)境 1 硬件環(huán)境：微機(jī) 2 軟件環(huán)境： windows，spss statistics 22 三、實(shí)驗(yàn)內(nèi)容 1數(shù)據(jù)文件gssxxmod.sav中記錄了男性或女性每周上網(wǎng)瀏覽網(wǎng)頁(yè)的時(shí)間（變量hr，單位小時(shí)）。用兩獨(dú)立樣本t檢驗(yàn)方法分析男性和女性在上網(wǎng)時(shí)間上是否不同。 （1）原假設(shè) 男性和女性的上網(wǎng)時(shí)間沒(méi)有顯著差異。 （2）參數(shù)設(shè)置 檢驗(yàn)變量： h

30、ours per week 分組變量：gender （3）操作步驟及計(jì)算結(jié)果 操作步驟： 選擇菜單：【分析a】【比擬均值（m）】【獨(dú)立樣本t檢驗(yàn)（t）】； 如圖1-1 圖1-1 選擇檢驗(yàn)變量“ hours per week”到【檢驗(yàn)變量（t）】框中。 選擇總體標(biāo)識(shí)變量“gender”到【分組變量（g）】框中。 點(diǎn)擊按鈕定義兩總體的標(biāo)示值，如圖1-2。其中，【使用指定值（u）】表示分別輸入對(duì)應(yīng)兩 個(gè)不同總體的標(biāo)記值。 圖1-2 計(jì)算結(jié)果： （4）結(jié)果及其解釋 結(jié)果：男性和女性的上網(wǎng)時(shí)間存在顯著差異。 解釋：從獨(dú)立樣本鑒定的表中可以看出f檢驗(yàn)值為15.182，對(duì)應(yīng)的概率p值為0.000.05，所以

31、拒絕原假設(shè)。由于兩總體方差有顯著差異所以要看到“不采用相等變異數(shù)”這一列，其中t統(tǒng)計(jì)量的值為4.866，對(duì)應(yīng)的概率p值為0.00。如果顯著性水平為0.05，由于概率p值小于0.05，所以認(rèn)為量總體的均值有顯著差異。并且95%置信區(qū)間不夸零，也說(shuō)明了有顯著差異。 2數(shù)據(jù)文件gssxxmod.sav中記錄了受訪者父親和母親的受教育情況。試用兩配對(duì)樣本t檢驗(yàn)方法比擬父親的受教育情況（變量paeduc）和母親的受教育情況（變量maeduc）是否不同。 （1）原假設(shè) 父親的受教育情況和母親的受教育情況沒(méi)有顯著差異。 （2）參數(shù)設(shè)置 成對(duì)變量：paeduc， maeduc （3）操作步驟及計(jì)算結(jié)果 選擇菜

32、單： 【分析（a）】【比擬均值（m）】【配對(duì)樣本t檢驗(yàn)（p）】，如圖2-1 圖2-1 選擇paduc和maduc到【成對(duì)變量（v）】框中。 結(jié)果： 圖2-2 圖2-3 圖2-4 （4）結(jié)果及其解釋 結(jié)果：父親的受教育情況和母親的受教育與情況沒(méi)有顯著差異。 解釋：從圖2-2的平均值可以看出沒(méi)有較大的差異。圖2-3中對(duì)應(yīng)的概率p值為.000，如果顯著性水平為0.05，那么說(shuō)明父親和母親的受教育情況有明顯的線性變化，父親和母親的受教育情況相關(guān)性程度較強(qiáng)。從圖2-4中可以看出，父親與母親的受教育情況的平均差異，僅只有0.49； 95%置信區(qū)間的上下限一正一負(fù)，那么表示兩者接近無(wú)顯著差異；最后相對(duì)應(yīng)的概率p值0.494，如果顯著性水平為0.05，那么接受原假設(shè)，所以父親的受教育情況和母親的受教育與情況無(wú)顯著差異。 3一家關(guān)于mba報(bào)考、學(xué)習(xí)、就業(yè)指導(dǎo)的網(wǎng)站希望了解國(guó)內(nèi)mba畢業(yè)生的起薪是否與各自所學(xué)的專業(yè)相關(guān)。為此，他們?cè)谝?/p>