spss统计软件实习报告.doc

.
常用统计软件实习报告
姓名：***** 学号：********** 班级：统计****
练习1：
(1) 步骤 (1)打开“数据1.sav”,以“销售额”为综述变量，“部门”和“职务”为分组变量。
(2)单击菜单Analyze→Reports→OLAP Cubes，打开OLAP Cubes对话框，从左侧的变量列表框中选择“销售额”，移入Summary Variables方框中；选择“部门”和“职务”，移入Grouping Variable方框中。
(3) 单击Statistics按钮，弹出OLAP Cubes：Statistics对话框中，从Cell Statistics统计量列表中，移出系统默认的Sum、 Percent of Total Sum和Percent of Total N这三个默认的统计量，从Statistics框中，选择Median移入Cell Statistics列表框中。
（4）为了在表中对比分析部门和职务对销售额造成的差异，对输出的表格进行转置，双击刚生成的表格，将它激活； 在弹出的PivotingTrays1对话框，将分组变量“职务”和“部门”从Layer托盘拖动到下方的Row托盘上， 单击PivotingTrays1对话框中的关闭按钮。单击OK按钮，输出个案综述分析结果

由表可以得出：部门和职位决定了销售额的高低.在同一部门当中,职务越高，销售额金额越高；不同部门进行比较可以发现，各个部门的销售额从大到小依次为财务部门，电脑服务部门，研发部门，其他部门。
（2） 步骤(1)打开“数据1.sav”,以“销售额”为综述变量，“部门”和“职务”为分组变量。
(2)单击Analyze→Reports→Case Summaries，打开个案综述分析对话框。从左侧的变量列表框中选择“销售额”，移入Summary Variables方框中；选择“部门”和“职务”，移入Grouping Variable方框中。由于输出的分组综述表，并不需要显示个案列表，因此不要选择左下角的Display cases复选框。
(3) 单击Statstics按钮。在统计量对话框中，从左侧的统计量列表框中选择Mean、Median和Standard Deviation移入右侧的Cell Statistics方框中，其中Number of Cases是默认的统计量。单击Continue按钮，回到个案综述对话框。单击OK按钮，输出个案综述分析结果

由表可以得出：研发部门的销售额是由减少到上升的变化趋势；电脑服务部门销售额是由上升到减少的变化趋势；财务部门的销售额由减少到增加再到减少的趋势；其他部门呈现 由增加到减少趋势，说明职务和部门对销售金额的影响并不是独立的。
（3）步骤 打开“数据1.sav”,单击Analyze→Compare Means→Means，打开Means(均值分析)对话框。把变量“销售额”移入Dependent List (因变量列表框)中，“部门”为Independent List的第一层变量，“公司规模”为Independent List的第二层变量单击OK按钮，输出分析结果。

由表可以得出：各个部门的销售额从大到小依次为财务部门，电脑服务部门，研发部门，其他部门。
公司规模对销售金额也有明显的影响，规模越大，销售额越高
练习2：
（1）步骤
打开“数据1.sav”单击Analyze→Descriptive Statistics→Frequencies，弹出Frequencies对话框，将变量“部门“移入Variable方框中取消右下方的“Display frequency tables”选项。单击Statisitcs按钮，弹出Statisitcs对话框。勾选Central Tendency栏中的Mean、Median、Mode这三个集中趋势统计量；勾选Dispersion栏中的Std Deviation、Range这两个离散趋势统计量；勾选Distribution栏中的Skewness和Kurtosis。单击Continue按钮，返回到频数分析对话框单击Charts按钮，在Chart对话框中，单击Chart type中的Histograms(直方图)，并且勾选其下方的With normal curve(带有正态曲线的直方图)，单击Continue按钮，返回到频数分析对话框。单击OK按钮，输出分析结果。

由表可以得出：销售人员经常联系的客户所在部门是电脑服务部门，其次是研发部门和财务部门。
（2）

由图可以得出：饼状图中直观的展现出各种职务的人员的销售金额，最大的是高级管理人员；普通雇员还有低级管理人员在图中所占比例大小基本相等；最小的是公司老总。
(3) 步骤：打开“数据1.sav”。利用Descriptive对变量“销售额”进行分析。单击Analyze→Descriptive Statistics→ Descriptives，弹出Descriptives对话框。从左侧的变量列表框中选择“销售额”，移入Variable方框中
单击Options按钮，选择Mean取消离散趋势统计量中默认的Minimum和Maximum，只保留 Std Deviation，单击Continue按钮，返回到描述性分析对话框。单击OK按钮，输出结果

由表可以得出：输出结果中的统计量表显示变量“销售额”的样本容量n=70，其中有效数据70个，没有缺失数据(missing＝0)。，标准差std deviation为103.93940偏度skewness为5.325，峰度kurtosis为34.292 ,虽然偏度为正值，有点右偏趋势，峰度为正值，峰值稍低于正态分布的峰值，但是这两个分布形态趋势统计量都趋近于0，而且没有大于它们对应标准差的2倍，说明变量“销售额”可能还是接近正态分布的。
练习3：
（1）步骤：打开“数据2.sav”，单击Analyze→Descriptive Statistics→Explore，弹出探索性分析对话框。从左侧变量列表框中选择“月消费金额”，移入到Dependent List方框中。单击Statistics按钮，在统计量对话框中，勾选Outliers（离群值）和Percentiles（分位数），单击Continue按钮，返回到探索性分析对话框。单击Plots按钮，在图形对话框中，勾选Descriptive栏中的Histogram；勾选Normality plots with test，输出正态检验统计量及其相应的图形。单击Continue按钮，返回到探索性分析对话框，单击OK按钮，输出分析结果。

由图表可得：本例中sig都小于常用的显著性水平0.05，就拒绝变量服从正态分布的假设，因此变量“月消费金额”明显不服从正态分布。
直方图显示变量“月消费金额”的众数集中在左侧，有一个比较长的向右的尾巴，变量服从右偏分布。
（2）步骤：单击常用工具栏中的Dialog Recall按钮，在弹出的对话框中选择Explore，回到探索性分析对话框中，从左侧变量列表框中选择“客户是否流失”，将它移入Factor List方框中，单击OK按钮，输出结果中分别显示客户是否流失yes和客户是否流失no的探索性分析结果。

有图表分析可得：正态检验表(test of normality)显示，客户流失yes和no的K-S统计量和S-W统计量说对应的显著性水平对小于0.01.一次在1%显著性水平下，拒绝正态分布的假设
直方图显示变量“客户流失yes”和“客户流失no”的众数集中在左侧，有一个比较长的向右的尾巴，变量“月消费金额”服从右偏分布。

练习4：步骤：打开“数据3.sav”， 单击Analyze→Compare Means→Independent Samples t test，弹出独立样本均值检验对话框。将变量“激励效果”移入到test variable方框中。将变量“激励方法”移入Grouping variable方框中，单击Define Group按钮，弹出定义组对话框，在Group1和Group 2后的文本框中分别输入0和1。双击该检验表，在SPSS Viewer窗口中，单击Pivot→Pivoting Trays，弹出Pivoting Trays对话框。将下方Rows托盘中的Assumptions图标拖动到Layer托盘中，关闭Pivoting Trays对话框。从Layer右侧的下拉列表框中选择Equal Variance assumed，得到方差齐次条件下的两个独立样本均值检验结果。

由表分析可得：统计量表同样显示两组变量的样本容量、均值、标准差和抽样平均误差，A法的业绩增长率为17.1043%，高于B法的业绩增长率。两组样本的标准差相差不大。

由表分析可得：在本例中， Levene统计量为0.121，对应的显著性水平Sig.=0.734，大于常用的显著性水平0.05，接受这两组变量方差相等的假设，使用托盘转置的方法，只显示方差相等时t检验的结果。

由表分析可得：接下来可以观察到t检验统计量为1.637，自由度为12，t统计量对应的显著性水平Sig＝0.128，大于常用的显著性水平0.05，接受两组样本均值相等的假定，也就是说A法和B法的激励业绩增长效果不存在显著差别。
练习5：
（1） 步骤 打开“数据4.sav” 单击Graph →Legacy Dialogs →Scatter,弹出Scatter/Dot对话框，单击Simple Scatter按钮，选择简单散点图，再单击Define按钮，弹出Simple Scatterplot对话框。
在Simple Scatterplot对话框中，选择“进出口总额”作为因变量，移入Y Axis(纵坐标)方框下；选择“地区生产总值”作为自变量，移入X Axis(横坐标)方框下，单击OK按钮，生成简单散点图。双击刚创建好的散点图，在弹出的SPSS Chart Editor编辑器中，单击Element菜单中的Add Fit line at Total按钮，生成带有拟合直线的散点图。

从散点图中可以看出两个变量之间大体呈现线性趋势，接下来使用线性相关分析和建立线性回归模型是比较合适的。
（2）步骤：单击Analyze→Correlate→Bivariate，弹出双变量相关系数对话框，将两个变量移入Variable方框中，单击OK按钮，输出相关系数矩阵。

（3））单击Transform→compute,生成两个变量的对数变量lny和lnx，绘制lnx和lny散点图,步骤同上

相关系数表显示两个变量lnx和lny的相关系数为0.979，其对应的显著性水平Sig为0.000，小于显著性水平0.05，拒绝两个变量相关系数r=0的假设，变量“lnx”和“lny”线性相关显著。比较得知，lny和lnx的线性相关程度强于变量“进出口总额”和“地区生产总值”线性相关程度
（4）步骤 打开“数据4.sav” 单击Analyze→Regression→Linear，弹出线性回归对话框。变量“lny”是因变量，将它移入Dependent方框中，变量“lnx”是自变量，将它移入Independent方框中。单击Plots按钮，在Line Regression：Plots对话框中，从左侧的变量列表框中，选择ZRESID(标准化残差)为纵坐标变量，移入Y方框中，选择Dependent(因变量)为横坐标变量,移入X方框中，在Standardized Residual Plots(标准化残差图)栏中，选择Histogram和Normal probability plot，单击Continue按钮，回到线性回归对话框。单击Save按钮，弹出Linear Regression：save(保存变量)对话框，分别勾选Predicted Values栏和Residual栏中的Unstandardized复选框，因变量的未标准化预测值和残差将作为新变量保存到原文件中。单击Continue按钮，回到线性回归对话框。单击OK按钮，输出线性回归

由系数表知进出口总额对地区生产总值的的一元线性回归模型表达式为：

练习六
个人体会心得:
spss是我们专业接触的第一个统计软件,功能强大,虽然对它很多的输出结果还不会做出解释,但是随着学习的深入,这将使我们的一个好帮手,帮助我们完成很多的任务。
在SPSS学习中,对它的认识由浅入深，循序渐进,实践中遇到的各种问题逐个攻克,学习这种在日常工作中有价值的分析方法，使我们更能轻易应付日后的社会的信息工作;掌握这种高级的技能,对我们工作就业提供了竞争优势。
在做综合报告的时候，借着前面的讲解，后面的综述还是比较好做的，比较棘手的是输出结果的解释，有的时候是上网搜的，有的时候是看以前的习题，翻翻书，实在不行了只能问同学，其实大家都不太懂这个，才刚刚接触专业课程，还不能轻松的对输出结果进行解释，但是以后我们一定会掌握好这个软件的。
Spss的实习也是我们开始认识统计开始熟悉统计的过程，少部分东西在统计学原理上已经学过了，很多还没有学到，等学过之后我想我们就能很轻松地对结果进行解释了。

可编辑范本