最新的SPSS21使用教程哦

-PAGE.z.SPSS工具简介最新统计要与大量的数据打交道，涉及繁杂的计算和图 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 绘制。现代的数据 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 工作如果离开统计软件几乎是无常开展。在准确理解和掌握了各种统计方法原理之后，再来掌握几种统计分析软件的实际操作，是十分必要的。常见的统计软件有SAS，SPSS，MINITAB，E*CEL等。这些统计软件的功能和作用小异，各自有所侧重。其中的SAS和SPSS是目前在大型企业、各类院校以及科研机构中较为流行的两种统计软件。特别是SPSS，其界面友好、功能强大、易学、易用，包含了几乎全部尖端的统计分析方法，具备完善的数据定义、操作管理和开放的数据接口以及灵活而美观的统计图表制作。SPSS在各类院校以及科研机构中更为流行。SPSS〔StatisticalProductandServiceSolutions,意为统计产品与效劳解决 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 〕。自20世纪60年代SPSS诞生以来，为适应各种操作系统平台的要求经历了屡次版本更新，各种版本的SPSSforWindows小异，在本试验课程中我们选择PASWStatistics20.0作为统计分析应用试验活动的工具。SPSS的运行模式SPSS主要有三种运行模式：批处理模式这种模式把已编写好的程序〔语句程序〕存为一个文件，提交给[开场]菜单上[SPSSforWindows]→[ProductionModeFacility]程序运行。完全窗口菜单运行模式这种模式通过选择窗口菜单和对话框完成各种操作。用户无须学会编程，简单易用。程序运行模式这种模式是在语句〔Synta*〕窗口中直接运行编写好的程序或者在脚本〔script〕窗口中运行脚本程序的一种运行方式。这种模式要求掌握SPSS的语句或脚本语言。本试验指导手册为初学者提供入门试验教程，采用“完全窗口菜单运行模式〞。SPSS的启动在windows[开场]→[程序]→[PASW]，在它的次级菜单中单击“SPSS12.0forWindows〞即可启动SPSS软件，进入SPSSforWindows对话框，如图1.1，图1.2所示。图1.1SPSS启动图1.1PASWStatistics启动对话框SPSS软件的退出SPSS软件的退出方法与其他Windows应用程序一样，有两种常用的退出方法：按File→E*ist的顺序使用菜单命令退出程序。直接单击SPSS窗口右上角的“关闭〞按钮，答复系统提出的是否存盘的问题之后即可平安退出程序。SPSS的主要窗口介绍SPSS软件运行过程中会出现多个界面，各个界面用处不同。其中，最主要的界面有三个：数据编辑窗口、结果输出窗口和语句窗口。数据编辑窗口启动SPSS后看到的第一个窗口便是数据编辑窗口，如图1.3所示。在数据编辑窗口中可以进展数据的录入、编辑以及变量属性的定义和编辑，是SPSS的根本界面。主要由以下几局部构成：标题栏、菜单栏、工具栏、编辑栏、变量名栏、观测序号、窗口切换标签、状态栏。菜单栏工具栏编辑栏观测序号变量名栏窗口切换标签状态栏标题栏图1.3数据浏览界面标题栏：显示数据编辑的数据文件名。菜单栏：通过对这些菜单的选择，用户可以进展几乎所有的SPSS操作。关于菜单的详细的操作步骤将在后续实验容中分别介绍。为了方便用户操作，SPSS软件把菜单项中常用的命令放到了工具栏里。当鼠标停留在*个工具栏按钮上时，会自动跳出一个文本框，提示当前按钮的功能。另外，如果用户对系统预设的工具栏设置不满意，也可以用[视图]→[工具栏]→[设定]命令对工具栏按钮进展定义。编辑栏：可以输入数据，以使它显示在容区指定的方格里。变量名栏：列出了数据文件中所包含变量的变量名观测序号：列出了数据文件中的所有观测值。观测的个数通常与样本容量的大小一致。窗口切换标签：用于“数据视图〞和“变量视图〞的切换。即数据浏览窗口与变量浏览窗口。数据浏览窗口用于样本数据的查看、录入和修改。变量浏览窗口用于变量属性定义的输入和修改。状态栏：用于说明显示SPSS当前的运行状态。SPSS被翻开时，将会显示“PASWStatisticsProcessor〞的提示信息。结果输出窗口在SPSS多数统计分析结果都将以表和图的形式在结果观察窗口中显示。窗口右边局部显示统计分析结果，左边是导航窗口，用来显示输出结果的目录，可以通过单击目录来展开右边窗口中的统计分析结果。当用户对数据进展*项统计分析，结果输出窗口将被自动调出。当然，用户也可以通过双击后缀名为.spo的SPSS输出结果文件来翻开该窗口。-.z.试验1数据文件管理一、试验目的与要求通过本试验工程，使学生理解并掌握SPSS软件包有关数据文件创立和整理的根本操作，学习如何将收集到的数据输入计算机，建成一个正确的SPSS数据文件，并掌握如何对原始数据文件进展整理，包括数据查询，数据修改、删除，数据的排序等等。二、试验原理SPSS数据文件是一种构造性数据文件，由数据的构造和数据的容两局部构成，也可以说由变量和观测两局部构成。一个典型的SPSS数据文件如表2.1所示。观测变量数据内容表2.1SPSS数据文件构造性别年龄…三145…四223………………………王五245…SPSS变量的属性SPSS中的变量共有10个属性，分别是变量名〔Name〕、变量类型〔Type〕、长度〔Width〕、小数点位置〔Decimals〕、变量名标签〔Label〕、变量名值标签〔Value〕、缺失值〔Missing〕、数据列的显示宽度〔Columns〕、对其方式〔Align〕和度量尺度〔Measure〕。定义一个变量至少要定义它的两个属性，即变量名和变量类型，其他属性可以暂时采用系统默认值，待以后分析过程中如果有需要再对其进展设置。在spss数据编辑窗口中单击“变量视窗〞标签，进入变量视窗界面〔如图2.1所示〕即可对变量的各个属性进展设置。图2.1变量视窗三、试验容与步骤1．创立一个数据文件数据文件的创立分成三个步骤：〔1〕选择菜单【文件】→【新建】→【数据】新建一个数据文件，进入数据编辑窗口。窗口顶部标题为“PASWStatistics数据编辑器〞。〔2〕单击左下角【变量视窗】标签进入变量视图界面，根据试验的设计定义每个变量类型。〔3〕变量定义完成以后，单击【数据视窗】标签进入数据视窗界面，将每个具体的变量值录入数据库单元格。2．读取外部数据当前版本的SPSS可以很容易地读取E*cel数据，步骤如下：〔1〕按【文件】→【翻开】→【数据】的顺序使用菜单命令调出翻开数据对话框，在文件类型下拉列表中选择数据文件,如图2.2所示。图2.2OpenFile对话框〔2〕选择要翻开的E*cel文件，单击“翻开〞按钮，调出翻开E*cel数据源对话框，如图2.3所示。对话框中各选项的意义如下：工作表下拉列表：选择被读取数据所在的E*cel工作表。围输入框：用于限制被读取数据在E*cel工作表中的位置。图2.3OpenE*celDataSource对话框3．数据编辑在SPSS中，对数据进展根本编辑操作的功能集中在Edit和Data菜单中。4．SPSS数据的保存SPSS数据录入并编辑整理完成以后应及时保存，以防数据丧失。保存数据文件可以通过【文件】→【保存】或者【文件】→【另存为】菜单方式来执行。在数据保存对话框〔如图2.5所示〕中根据不同要求进展SPSS数据保存。图2.5SPSS数据的保存5.数据整理在SPSS中，数据整理的功能主要集中在【数据】和【转换】两个主菜单下。〔1〕数据排序〔SortCase〕对数据按照*一个或多个变量的大小排序将有利于对数据的总体浏览，根本操作说明如下：选择菜单【数据】→【排列个案】，翻开对话框，如图2.7所示。〔2〕抽样〔SelectCase〕在统计分析中，有时不需要对所有的观测进展分析，而可能只对*些特定的对象有兴趣。利用SPSS的SelectCase命令可以实现这种样本筛选的功能。以SPSS安装配套数据文件Growthstudy.sav为例，选择年龄大于10的观测，根本操作说明图2.7排列个案对话框如下：翻开数据文件Growthstudy.sav，选择【数据】→【选择个案】命令，翻开对话框，如图2.8图2.8选择个案对话框指定抽样的方式：【全部个案】不进展筛选；【如果条件满足】按指定条件进展筛选。本例设置：产品数量>150，如图2.9所示；图2.9选择个案对话框设置完成以后，点击continue，进入下一步。确定未被选择的观测的处理方法，这里选择默认选项【过滤掉未选定的个案】。单击ok进展筛选，结果如图2.10图2.10选择个案的结果〔3〕增加个案的数据合并〔【合并文件】→【添加个案】〕将新数据文件中的观测合并到原数据文件中，在SPSS中实现数据文件纵向合并的方法如下：选择菜单【数据】→【合并文件】→【添加个案】，如图2.11，选择需要追加的数据文件，单击翻开按钮，弹出AddCases对话框，如图2.12。图2.11选择个体数据来源的文件图2.12选择变量〔4〕增加变量的数据合并〔【合并文件】→【添加变量】〕增加变量时指把两个或多个数据文件实现横向对接。例如将不同课程的成绩文件进展合并，收集来的数据被放置在一个新的数据文件中。在SPSS中实现数据文件横向合并的方法如下：选择菜单【数据】→【合并文件】→【添加变量】,选择合并的数据文件，单击“翻开〞，弹出添加变量，如图2.12所示。图2.12单击Ok执行合并命令。这样，两个数据文件将按观测的顺序一对一地横向合并。〔5〕数据拆分〔SplitFile〕在进展统计分析时，经常要对文件中的观测进展分组，然后按组分别进展分析。例如要求按性别不同分组。在SPSS中具体操作如下：选择菜单【数据】→【分割文件】，翻开对话框，如图2.13所示。图2.13分割文件对话框选择拆分数据后，输出结果的排列方式，该对话框提供了3种方式：对全部观测进展分析，不进展拆分；在输出结果种将各组的分析结果放在一起进展比较；按组排列输出结果，即单独显示每一分组的分析结果。选择分组变量选择数据的排序方式单击ok按钮，执行操作〔6〕计算新变量在对数据文件中的数据进展统计分析的过程中，为了更有效地处理数据和反映事务的本质，有时需要对数据文件中的变量加工产生新的变量。比方经常需要把几个变量加总或取加权平均数，SPSS过【计算】菜单命令来产生这样的新变量，其步骤如下：选择菜单【转换】→【计算变量】，翻开对话框，如图2.14所示。图2.14puteVariable对话框在目标变量输入框中输入生成的新变量的变量名。单击输入框下面类型与标签按钮，在跳出的对话框中可以对新变量的类型和标签进展设置。在数字表达式输入框中输入新变量的计算表达式。例如“年龄>20〞。单击【如果】按钮，弹出子对话框，如图2.15所示。包含所有个体：对所有的观测进展计算；如果个案满足条件则包括：仅对满足条件的观测进展计算。单击Ok按钮，执行命令，则可以在数据文件中看到一个新生成的变量。图2.15如果…子对话框四、备择试验*航空公司38名职员性别和工资情况的调查数据，如表2.3所示，试在SPSS中进展如下操作：〔1〕将数据输入到SPSS的数据编辑窗口中，将gender定义为字符型变量，将salary定义为数值型变量，并保存数据文件，命名为“试验1-1.sav〞。〔2〕插入一个变量ine，定义为数值型变量。〔3〕将数据文件按性别分组〔4〕查找工资大于40000美元的职工〔5〕当工资大于40000美元时，职工的奖金是工资的20％；当工资小于40000美元时，职工的奖金是工资的10%，假设实际收入＝工资＋奖金，计算所有职工的实际收入，并添加到ine变量中。表2.3*航空公司38名职员情况的调查数据表IdGenderSalaryIdGenderSalary1M$5700020F$262502M$4020021F$388503F$2145022M$217504F$2190023F$240005M$4500024F$169506M$3210025F$211507M$3600026M$310508F$2190027M$603759F$2790028M$3255010F$2400029M$13500011F$3030030M$3120012M$2835031M$3615013M$2775032M$11062514F$3510033M$4200015M$2730034M$9200016M$4080035M$8125017M$4600036F$3135018M$10375037M$2910019M$4230038M$31350-PAGE.z.试验2描述统计一、试验目的与要求统计分析的目的在于研究总体特征。但是，由于各种各样的原因，我们能够得到的往往只能是从总体中随机抽取的一局部观察对象，他们构成了样本，只有通过对样本的研究，我们才能对总体的实际情况作出可能的推断。因此描述性统计分析是统计分析的第一步，做好这一步是进展正确统计推断的先决条件。通过描述性统计分析可以大致了解数据的分布类型和特点、数据分布的集中趋势和离散程度，或对数据进展初步的探索性分析〔包括检查数据是否有错误，对数据分布特征和规律进展初步观察〕。本本试验旨在于：引到学生利用正确的统计方法对数据进展适当的整理和显示，描述并探索出数据在的数量规律性，掌握统计思想，培养学生学习统计学的兴趣，为继续学习推断统计方法及应用各种统计方法解决实际问题打下必要而坚实的根底。二、试验原理描述统计是统计分析的根底，它包括数据的收集、整理、显示，对数据中有用信息的提取和分析，通常用一些描述统计量来进展分析。集中趋势的特征值：算术平均数、调和平均数、几何平均数、众数、中位数等。其中均数适用于正态分布和对称分布资料，中位数适用于所有分布类型的资料。离散趋势的特征值：全距、距、平均差、方差、标准差、标准误、离散系数等。其中标准差、方差适用于正态分布资料，标准误实际上反映了样本均数的波动程度。分布特征值：偏态系数、峰度系数、他们反映了数据偏离正态分布的程度。三、试验容与步骤下面给出的一个例题是来自SPSS软件自带的数据文件“Employee.data〞，该文件包含*公司员工的工资、工龄、职业等变量，我们将利用此例题给出相关的描述统计说明，本例中，我们将以员工的当前工资为例，计算该公司员工当前工资的一些描述统计量，如均值、频数、方差等描述统计量的计算。1．频数分析〔Frequencies〕频数分析多适用于离散变量，其功能是描述离散变量的分布特征。根本统计分析往往从频数分析开场。通过频数分析能够了解变量取值的状况，对把握数据的分布特征是非常有用的。比方，在*项调查中，想要知道被调查者的性别分布状况。频数分析的第一个根本任务是编制频数分布表。SPSS中的频数分布表包括的容有：〔1〕频数〔Frequency〕即变量值落在*个区间中的次数。〔2〕百分比〔Percent〕即各频数占总样本数的百分比。〔3〕有效百分比〔ValidPercent〕即各频数占有效样本数的百分比。这里有效样本数＝总样本－缺失样本数。〔4〕累计百分比〔CumulativePercent〕即各百分比逐级累加起来的结果。最终取值为百分之百。频数分析的第二个根本任务是绘制统计图。统计图是一种最为直接的数据刻画方式，能够非常清晰直观地展示变量的取值状况。频数分析中常用的统计图包括：条形图，饼图，直方图等。频数分析的应用步骤在SPSS中的频数分析的实现步骤如下：选择菜单“【文件】—>【翻开】—>【数据】〞在对话框中找到需要分析的数据文件“SPSS/Employeedata〞，然后选择“翻开〞。选择菜单“【分析】—>【描述统计】—>【频率】〞。如图2.1所示询问是否输出频数分布表图2.1Frequencies对话框确定所要分析的变量，例如年龄在变量选择确定之后，在同一窗口上，点击“Statistics〞按钮，翻开统计量对话框，如以下列图2.2所示，选择统计输出选项。图2.2统计量子对话框图2.3Charts子对话框结果输出与分析点击Frequencies对话框中的“OK〞按钮，即得到下面的结果。表2.4描述性统计量StatisticsGenderNValid474Missing0表2.4中给出了总样本量〔N〕，其中变量Gender的有效个数〔Valid〕为474个、缺失值〔missing〕为0。表2.5Gender频数分布表FrequencyPercentValidPercentCumulativePercentValidFemale21645.645.645.6Male25854.454.4100.0Total474100.0100.0表2.5中，Frequency是频数，Percent是按总样本量为分母计算的百分比，ValidPercent是以有效样本量为分母计算的百分比，CumulativePercent是累计百分比。图2.5变量Gender的条形图，图2.6变量Gender的饼图。图2.5变量gender的条形图图2.6变量gender的饼图2．描述统计〔Descriptives〕描述统计主要对定距型或定比型数据的分布特征作具体分析。SPSS的【描述】命令专门用于计算各种描述统计性统计量。本节利用*年国上市公司的财务数据来介绍描述统计量在SPSS中的计算方法。具体操作步骤如下：选择菜单【分析】→【描述统计】→【描述】，如图2.7所示图2.7描述对话框将待分析的变量移入Variables列表框，例如将每股收益率、净资产收益率、资产负债率等2个变量进展描述性统计，以观察上市公司股权集中度情况和负债比率的上下。Savestandardizedvaluesasvariables，对所选择的每个变量进展标准化处理，产生相应的Z分值，作为新变量保存在数据窗口中。其变量名为相应变量名前加前缀z。标准化计算公式：单击【选项】按钮，如图2.8所示，选择需要计算的描述统计量。各描述统计量同Frequencies命令中的Statistics子对话框局部一样，这里不再重复。图2.8选项子对话框在主对话框中单击ok执行操作。结果输出与分析在结果输出窗口中给出了所选变量的相应描述统计，如表2.6所示。从表中可以看到，我国上市公司前两大股东持股比例之比平均高达102.9，说明“一股独大〞的现象比较严重；前五大股东持股比例之和平均为51.8%，资产负债率平均为46.78%。另外，从偏态和峰度指标看出，前两大股东持股比例之比的分布呈现比较明显的右偏，而且比较尖峭。为了验证这一结论，可以利用Frequencies命令画出变量z的直方图，如图2.9表2.6描述统计量表DescriptiveStatisticsNMeanStd.SkewnessKurtosisStatisticStatisticStatisticStatisticStd.ErrorStatisticStd.Error前两大股东持股比例之比315102.865199.1997464.168.13722.404.274前五大股东持股比例的平方和315.51836.1496003.602.137-.318.274资产负债率315.4677.16773-.165.137-.414.274ValidN(listwise)315图2.9变量Z的直方图3．探索分析〔E*plore〕调用此过程可对变量进展更为深入详尽的描述性统计分析，故称之为探索分析。它在一般描述性统计指标的根底上，增加有关数据其他特征的文字与图形描述，显得更加细致与全面，对数据分析更进一步。探索分析一般通过数据文件在分组与不分组的情况下获得常用统计量和图形。一般以图形方式输出，直观帮助研究者确定奇异值、影响点、还可以进展假设检验，以及确定研究者要使用的*种统计方式是否适宜。在翻开的数据文件上，选择如下命令：选择菜单“【分析】—>【描述统计】—>【探索】〞，翻开对话框。因变量列表；待分析的变量名称，例如将每股收益率作为研究变量。因子列表：从源变量框中选择一个或多个变量进入因子列表，分组变量可以将数据按照该观察值进展分组分析。标准个案：在源变量表中指定一个变量作为观察值的标识变量。在输出栏中，选择两者都，表示输出图形及描述统计量。选择【统计量】按钮，选择想要计算的描述统计量。如下列图对所要计算的变量的频数分布及其统计量值作图翻开“Plots对话框〞，出现如以下列图。结果的输出与说明〔1〕CaseProcessingSummary表在CaseProcessingSummary表中可以看出female有216个个体，Male258个个体，均无缺失值。〔2〕Descriptives表DescriptivesGenderStatisticStd.ErrorCurrentSalaryFemaleMean$26,031.92$514.25895%ConfidenceIntervalforMeanLowerBound$25,018.29UpperBound$27,045.555%TrimmedMean$25,248.30Median$24,300.00Variance57123688.268Std.Deviation$7,558.021Minimum$15,750Ma*imum$58,125Range$42,375InterquartileRange$7,013Skewness1.863.166Kurtosis4.641.330MaleMean$41,441.78$1,213.96895%ConfidenceIntervalforMeanLowerBound$39,051.19UpperBound$43,832.375%TrimmedMean$39,445.87Median$32,850.00Variance380219336.303Std.Deviation$19,499.214Minimum$19,650Ma*imum$135,000Range$115,350InterquartileRange$22,675Skewness1.639.152Kurtosis2.780.302〔3〕职位员工薪水直方图显示〔4〕茎叶图描述茎叶图自左向右可以分为3大局部：频数〔Frequency〕、茎〔Stem〕和叶〔Leaf〕。茎表示数值的整数局部，叶表示数值的小数局部。每行的茎和每个叶组成的数字相加再乘以茎宽〔StemWidth〕，即茎叶所表示的实际数值的近似值。CurrentSalaryStem-and-LeafPlotforgender=FemaleFrequencyStem&Leaf2.001.5516.001.7777714.001.99931.002.11135.002.338.002.555522.002.7777717.002.7.003.00011118.003.222333338.003.444445555.003.667772.003.8811.00E*tremes(>=40800)Stemwidth:10000Eachleaf:1case(s)〔5〕箱图图中灰色区域的方箱为箱图的主体，上中下3条线分别表示变量值的第75、50、25百分位数，因此变量的50%观察值落在这一区域中。方箱中的中心粗线为中位数。箱图中的触须线是中间的纵向直线，上端截至线为变量的最大值，下端截至线为变量的最小值。四、备择试验完成以下试验容，并按试验〔1〕所附试验 报告 软件系统测试报告下载sgs报告如何下载关于路面塌陷情况报告535n,sgs报告怎么下载竣工报告下载 的格式撰写报告。1.表2.7为*班级16位学生的身高数据，对其进展频数分析，并对实验报告作出说明。表2.7*班16位学生的身高数据**性别身高〔cm〕**性别身高〔cm〕1M1709M1502F17310M1573F16911F1774M15512M1605F17413F1696F17814M1547M15615F1728F17116F1802.测量18台电脑笔记重量，见表2.8，对其进展描述统计量分析，并对试验结果作出说明。表2.818台笔记本电脑重量表序号123456789重量1.751.921.591.851.831.681.891.701.79序号101112131415161718重量1.661.801.832.051.911.761.881.831.79试验3：统计推断一、试验目的与要求1.熟悉点估计概念与操作方法2.熟悉区间估计的概念与操作方法3.熟练掌握T检验的SPSS操作4.学会利用T检验方法解决身边的实际问题二、试验原理1.参数估计的根本原理2.假设检验的根本原理三、试验演示容与步骤1.单个总体均值的区间估计例题：为研究在黄金时段中,即每晚8:30-9:00,电视广告所占时间的多少。美国广告协会抽样调查了20个最正确电视时段中广告所占的时间〔单位：分钟〕。请给出每晚8:30开场的半小时广告所占时间区间估计，给定的置信度为95％。操作程序：翻开SPSS，建立数据文件：“电视节目市场调查.sav〞。这里，研究变量为：time，即每天看电视的时间。选择区间估计选项，方法如下：选择菜单【分析】—>【描述统计】—>【探索】〞，翻开图3.1E*plore对话框。从源变量清单中将“time〞变量移入DependentList框中。图3.1E*plore对话框单击上图右方的“统计量〞按钮翻开“探索：统计量〞对话框。在设置均值的置信水平，如键入95％，完成后单击“继续〞按钮回到主窗口。图3.2探索统计量设置窗口返回主窗口点击ok运行操作。计算结果简单说明：表3.1描述统计量DescriptivesStatisticStd.ErrortimeMean6.5350.1348095%ConfidenceIntervalforMeanLowerBound6.2529UpperBound6.81715%TrimmedMean6.5167Median6.4500Variance.363Std.Deviation.60287Minimum5.60Ma*imum7.80Range2.20InterquartileRange.95Skewness.295.512Kurtosis-.612.992如上表显示。从上表“95％ConfidenceIntervalforMean〞中可以得出，每晚8:30开场的半小时广告所占时间区间估计〔置信度为95％〕为：(6.2529，6.8171)，其中lowerBound表示置信区间的下限，UpperBound表示置信区间的上限。点估计是：6.5350。2．两个总体均值之差的区间估计例题：TheWallStreetJournal〔1994,7〕声称在制造业中，参加工会的妇女比未参加工会的妇女的报酬要多2.5美元。想通过统计方法，对这个观点是否正确给出检验。假设抽取了7位女性工会会员与8位非工会会员女性报酬数据。要求对制造业中参加工会会员的女性报酬与未参加工会的女性报酬平均工资之差进展区间估计，预设的置信度为95％。翻开SPSS，按如以下列图示格式输入原始数据，建立数据文件：“工会会员工资差异.spss〞。这里，“会员〞表示是否为工会会员的变量，y表示是工会会员，n表示非工会会员，“报酬〞表示女性员工报酬变量，单位：千美元。计算两总体均值之差的区间估计，采用“独立样本T检验〞方法。选择菜单“【分析】→【比较均值】→独立样本T检验〞，翻开对话框。变量选择〔1〕从源变量清单中将“报酬〞变量移入检验变量框中。表示要求该变量的均值的区间估计。〔2〕从源变量清单中将“group〞变量移入分组变量框中。表示总体的分类变量。图3.3独立样本T检验对话框定义分组单击定义组按钮，翻开DefineGroups对话框。在Group1中输入1，在Group2中输入2〔1表示非工会会员,2表示工会会员〕。完成后单击“继续〞按钮回到主窗口。图3.4definegroups设置窗口计算结果单击上图中“OK〞按钮，输出结果如以下列图所示。〔1〕GroupStatistics〔分组统计量〕表分别给出不同总体下的样本容量、均值、标准差和平均标准误。从该表中可以看出，参加工会的妇女平均报酬为19.925，不参加工会的妇女平均报酬为20.1429。表3.2分组统计量GroupStatistics会员NMeanStd.DeviationStd.ErrorMean报酬1.00819.9250.46522.164482.00720.1429.52236.19743〔2〕IndependentSampleTest〔独立样本T检验〕表Levene’sTestforEqualityofVariance，为方差检验，在Equalvariancesassumed〔原假设：方差相等〕下，F=0.623，因为其P-值大于显著性水平，即：Sig.=0.444>0.05，说明不能拒绝方差相等的原假设，承受两个总体方差是相等的假设。因此参加工会会员的女性报酬与未参加工会的女性报酬平均工资之差95％的区间估计为[0.76842,0.33271]。T-testforEqualityofMeans为检验总体均值是否相等的t检验，由于在本例中，其P-值大于显著性水平，即：Sig.=0.408>0.05，因此不应该拒绝原假设，也就是说参加工会的妇女跟未参加工会的妇女的报酬没有显著差异。本次抽样推断结论不支持TheWallStreetJournal〔1994,7〕提出的“参加工会的妇女比未参加工会的妇女的报酬要多2.5美元〞观点，即参加工会的妇女不比未参加工会的妇女的报酬多。表3.3独立样本T检验结果IndependentSamplesTestLevene'sTestforEqualityofVariancest-testforEqualityofMeansFSig.tdfSig.(2-tailed)MeanDifferenceStd.ErrorDifference95%ConfidenceIntervaloftheDifferenceLowerUpper报酬Equalvariancesassumed.623.444-.85513.408-.21786.25485-.76842.33271Equalvariancesnotassumed-.84812.187.413-.21786.25697-.77679.341083．单个总体均值的假设检验〔单样本T检验〕例子：*种品牌的沐浴肥皂制造程序的设计规格中要求每批平均生产120块肥皂，高于或低于该数量均被认为是不合理的，在由10批产品所组成的一个样本中，每批肥皂的产量数据见下表，在0.05的显著水平下，检验该样本结果能否说明制造过程运行良好.判断检验类型该例属于“大样本、总体标准差σ未知。假设形式为：H0：μ＝μ0，H1:μ≠μ0软件实现程序翻开数据文件，然后选择菜单“【分析】→【比较均值】→单样本T检验〞，翻开One-SampleTTest对话框。从源变量清单中将“产品数量〞向右移入“TestVariables〞框中。图3.5one-sampleTtest窗口在“TestValue〞框里输入一个指定值〔即假设检验值，本例中假设为120〕，T检验过程将对每个检验变量分别检验它们的平均值与这个指定数值相等的假设。“One-SampleTTest〞窗口中“OK〞按钮，输出结果如下表所示。〔1〕“One-SampleStatistics〞〔单个样本的统计量〕表分别给出样本的容量、均值、标准差和平均标准误。去去去-.z.试验4：方差分析一、试验目标与要求1．帮助学生深入了解方差及方差分析的根本概念，掌握方差分析的根本思想和原理2．掌握方差分析的过程。3．增强学生的实践能力，使学生能够利用SPSS统计软件，熟练进展单因素方差分析、两因素方差分析等操作，激发学生的学习兴趣，增强自我学习和研究的能力。二、试验原理在现实的生产和经营管理过程中，影响产品质量、数量或销量的因素往往很多。例如，农作物的产量受作物的品种、施肥的多少及种类等的影响；*种商品的销量受商品价格、质量、广告等的影响。为此引入方差分析的方法。方差分析也是一种假设检验，它是对全部样本观测值的变动进展分解，将*种控制因素下各组样本观测值之间可能存在的由该因素导致的系统性误差与随即误差加以比较，据以推断各组样本之间是否存在显著差异。假设存在显著差异，则说明该因素对各总体的影响是显著的。方差分析有3个根本的概念：观测变量、因素和水平。观测变量是进展方差分析所研究的对象；因素是影响观测变量变化的客观或人为条件；因素的不同类别或不通取值则称为因素的不同水平。在上面的例子中，农作物的产量和商品的销量就是观测变量，作物的品种、施肥种类、商品价格、广告等就是因素。在方差分析中，因素常常是*一个或多个离散型的分类变量。根据观测变量的个数，可将方差分析分为单变量方差分析和多变量方差分析；根据因素个数，可分为单因素方差分析和多因素方差分析。在SPSS中，有One－wayANOVA(单变量－单因素方差分析)、GLMUnivariate〔单变量多因素方差分析〕；GLMMultivariate〔多变量多因素方差分析〕，不同的方差分析方法适用于不同的实际情况。本节仅练习最为常用的单因素单变量方差分析。三、试验演示容与步骤单因素方差分析也称一维方差分析，对两组以上的均值加以比较。检验由单一因素影响的一个分析变量由因素各水平分组的均值之间的差异是否有统计意义。并可以进展两两组间均值的比较，称作组间均值的多重比较。主要采用One-wayANOVA过程。采用One-wayANOVA过程要求：因变量属于正态分布总体，假设因变量的分布明显是非正态，应该用非参数分析过程。假设对被观测对象的试验不是随机分组的，而是进展的重复测量形成几个彼此不独立的变量，应该用RepeatedMeasure菜单项，进展重复测量方差分析，条件满足时，还可以进展趋势分析。假设*汽车经销商为了研究东部、西部和中部地区市场上汽车的销量是否存在显著差异，在每个地区随机抽取几个城市进展调查统计，调查数据放置于数据文件“汽车销量调查.sav〞中。在SPSS中试验该检验的步骤如下：步骤1：选择菜单【分析】→【比较均值】→【单因素方差分析】，依次将观测变量销量移入因变量列表框，将因素变量地区移入因子列表框。图4.1One-WayANOVA对话框单击两两比较按钮，如图4.2，该对话框用于进展多重比较检验，即各因素水平下观测变量均值的两两比较。方差分析的原假设是各个因素水平下的观测变量均值都相等，备择假设是各均值不完全相等。假设一次方差分析的结果是拒绝原假设，我们只能判断各观测变量均值不完全相等，却不能得出各均值完全不相等的结论。各因素水平下观测变量均值的更为细致的比较就需要用多重比较检验。图4.2两两比较对话框假定方差齐性选项栏中给出了在观测变量满足不同因素水平下的方差齐性条件下的多种检验方法。这里选择最常用的LSD检验法；未假定方差齐性选项栏中给出了在观测变量不满足方差齐性条件下的多种检验方法。这里选择Tamhane’sT2检验法；Significancelevel输入框中用于输入多重比较检验的显示性水平，默认为5％。单击选项按钮，弹出options子对话框，如下列图。在对话框中选中描述性复选框，输出不同因素水平下观测变量的描述统计量；选择方差同质性检验复选框，输出方差齐性检验结果；选中均值图复选框，输出不同因素水平下观测变量的均值直线图。在主对话框中点击ok按钮，可以得到单因素分析的结果。试验结果分析：表4.1给出了不同地区汽车销量的根本描述统计量以及95%的置信区间。图4.3选项子对话框表4.1各个地区汽车销量描述统计量Descriptives销量NMeanStd.DeviationStd.Error95%ConfidenceIntervalforMeanMinimumMa*imumLowerBoundUpperBound西10157.9022.2787.045141.96173.84120194中9176.4419.7176.572161.29191.60135198东7196.1430.92711.689167.54224.75145224Total26174.6227.8455.461163.37185.86120224表4.2给出了Levene方差齐性检验结果。从表中可以看到，Levene统计量对应的p值大于0.05,所以得到不同地区汽车销量满足方差齐性的结论。Levene统计量对应的p值大于0.05，所以得到不同地区汽车销量满足方差齐性的结论。表4.2各地区汽车销量方差齐性检验表TestofHomogeneityofVariancesLeveneStatisticdf1df2Sig.1.262223.302表4.3是单因素方差分析，输出的方差分析表解释如下：总离差SST＝19384.154，组间平方和SSR＝6068.174，组平方和或残差平方和SSE＝13315.979，相应的自由度分别为25，2，23；组间均方差MSR＝3034.087，组均方差578.956，F＝5.241，由于p＝0.013<0.05说明在α＝0.05显著性水平下，F检验是显著的。即认为各个地区的汽车销量并不完全一样。表4.3单因素方差分析结果ANOVA销量SumofSquaresdfMeanSquareFSig.BetweenGroups6068.17423034.0875.241.013WithinGroups13315.97923578.956Total19384.15425表4.4多重比较检验结果MultipleparisonsDependentVariable:销量(I)地区(J)地区MeanDifference(I-J)Std.ErrorSig.95%ConfidenceIntervalLowerBoundUpperBoundLSD西中-18.54411.055.107-41.414.33东-38.243(*)11.858.004-62.77-13.71中西18.54411.055.107-4.3341.41东-19.69812.126.118-44.785.39东西38.243(*)11.858.00413.7162.77中19.69812.126.118-5.3944.78Tamhane西中-18.5449.635.199-44.056.96东-38.24313.648.054-77.10.61中西18.5449.635.199-6.9644.05东-19.69813.410.436-58.3118.91东西38.24313.648.054-.6177.10中19.69813.410.436-18.9158.31*Themeandifferenceissignificantatthe.05level.如前所述，拒绝单因素方差分析原假设并不能得出各地区汽车销量均值完全不等的结论。各地区销量均值的两两比较要看表4.4所示的多重比较检验结果。表中上半局部为LSD检验结果，下半局部为Tamhane检验结果。由于方差满足齐性，所以这里应该看LSD检验结果。表中的Meandifference列给出了不同地区汽车销量的平均值之差。其中后面带“﹡〞号的表示销量有显著差异，没有带“﹡〞号的表示没有显著差异。可以看出，东部和西部汽车销量存在显著差异，而中部与东部、中部与西部汽车销量并没有什么显著差异。这一结论也可以从表中Sig列给出的p值大小得到印证。四、备择试验1.用SPSS进展单因素方差分析。*个年级有三个小班，他们进展了一次数据考试，现从各班随机地抽取了一些学生， 记录 混凝土 养护记录下载土方回填监理旁站记录免费下载集备记录下载集备记录下载集备记录下载 其成绩如表。原始数据文件保存为“数学考试成绩.sav〞。试在显著性水平0.05下检验各班级的平均分数有无显著差异。数学考试成绩表ⅠⅡⅢ7366887768418960783179598245487856684393916291538036517671797377859671157879748087757687568597892.*学校给3组学生以3种不同方式辅导学习，一个学期后，学生独立思考水平提高的成绩如表所示。学生独立思考水平提高的成绩方式137424243414245464140方式249484848474546474849方式333333532313534323233问：该数据中的因变量是什么.因素又是什么.如何建立数据文件.对该数据进展方差分析，检验3种方式的影响是否存在显著差异.试验5：相关分析与回归分析一、试验目标与要求本试验工程的目的是学习并使用SPSS软件进展相关分析和回归分析，具体包括：皮尔逊pearson简单相关系数的计算与分析学会在SPSS上实现一元及多元回归模型的计算与检验。学会回归模型的散点图与样本方程图形。学会对所计算结果进展统计分析说明。要求试验前，了解回归分析的如下容。参数α、β的估计回归模型的检验方法：回归系数β的显著性检验〔t－检验〕；回归方程显著性检验〔F－检验〕。二、试验原理1．相关分析的统计学原理相关分析使用*个指标来说明现象之间相互依存关系的密切程度。用来测度简单线性相关关系的系数是Pearson简单相关系数。2．回归分析的统计学原理相关关系不等于因果关系，要明确因果关系必须借助于回归分析。回归分析是研究两个变量或多个变量之间因果关系的统计方法。其根本思想是，在相关分析的根底上，对具有相关关系的两个或多个变量之间数量变化的一般关系进展测定，确立一个适宜的数据模型，以便从一个量推断另一个未知量。回归分析的主要任务就是根据样本数据估计参数，建立回归模型，对参数和模型进展检验和判断，并进展预测等。线性回归数学模型如下：在模型中，回归系数是未知的，可以在已有样本的根底上，使用最小二乘法对回归系数进展估计，得到如下的样本回归函数：回归模型中的参数估计出来之后，还必须对其进展检验。如果通过检验发现模型有缺陷，则必须回到模型的设定阶段或参数估计阶段，重新选择被解释变量和解释变量及其函数形式，或者对数据进展加工整理之后再次估计参数。回归模型的检验包括一级检验和二级检验。一级检验又叫统计学检验，它是利用统计学的抽样理论来检验样本回归方程的可靠性，具体又可以分为拟和优度评价和显著性检验；二级检验又称为经济计量学检验，它是对线性回归模型的假定条件能否得到满足进展检验，具体包括序列相关检验、异方差检验等。三、试验演示容与步骤1．连续变量简单相关系数的计算与分析在上市公司财务分析中，常常利用资产收益率、净资产收益率、每股净收益和托宾Q值4个指标来衡量公司经营绩效。本试验利用SPSS对这4个指标的相关性进展检验。操作步骤与过程：翻开数据文件“上市公司财务数据(连续变量相关分析).sav〞,依次选择“【分析】→【相关】→【双变量】〞翻开对话框如图，将待分析的4个指标移入右边的变量列表框。其他均可选择默认项，单击ok提交系统运行。图5.1BivariateCorrelations对话框结果分析：表给出了Pearson简单相关系数，相关检验t统计量对应的p值。相关系数右上角有两个星号表示相关系数在0.01的显著性水平下显著。从表中可以看出，每股收益、净资产收益率和总资产收益率3个指标之间的相关系数都在0.8以上，对应的p值都接近0，表示3个指标具有较强的正相关关系，而托宾Q值与其他3个变量之间的相关性较弱。表5.1Pearson简单相关分析Correlations每股收益率净资产收益率资产收益率托宾Q值每股收益率PearsonCorrelation1.877(**).824(**)-.073Sig.(2-tailed)..000.000.199N315315315315净资产收益率PearsonCorrelation.877(**)1.808(**)-.001Sig.(2-tailed).000..000.983N315315315315资产收益率PearsonCorrelation.824(**).808(**)1.011Sig.(2-tailed).000.000..849N315315315315托宾Q值PearsonCorrelation-.073-.001.0111Sig.(2-tailed).199.983.849.N315315315315**Correlationissignificantatthe0.01level(2-tailed).2．一元线性回归分析实例分析：家庭住房支出与年收入的回归模型在这个例子里，考虑家庭年收入对住房支出的影响，建立的模型如下：其中，yi是住房支出，*i是年收入线性回归分析的根本步骤及结果分析：〔1〕绘制散点图翻开数据文件，选择【图形】-【旧对话框】-【散点/点状】，如图5.2所示。图5.2散点图对话框选择简单分布，单击定义，翻开子对话框，选择*变量和Y变量，如图5.3所示。单击ok提交系统运行，结果见图5.4所示。图5.3SimpleScatterplot子对话框从图上可直观地看出住房支出与年收入之间存在线性相关关系。图5.4散点图〔2〕简单相关分析选择【分析】—>【相关】—>【双变量】,翻开对话框，将变量“住房支出〞与“年收入〞移入variables列表框，点击ok运行，结果如表5.2所示。表5.2住房支出与年收入相关系数表Correlations住房支出〔千美元〕年收入〔千美元〕住房支出〔千美元〕PearsonCorrelation1.966(**)Sig.(2-tailed)..000N2020年收入〔千美元〕PearsonCorrelation.966(**)1Sig.(2-tailed).000.N2020**Correlationissignificantatthe0.01level(2-tailed).从表中可得到两变量之间的