spss實驗報告冊

1、 spss統(tǒng)計軟件應用實驗報告冊20 13 20 14 學年 第 一 學期班 級： 學 號： 姓 名： 實驗教師： 實驗學時： 實驗組號： 目錄實驗一 spss的數(shù)據(jù)管理1實驗二 描述性統(tǒng)計分析13實驗三 均值檢驗21實驗四 相關(guān)分析27實驗五 方差分析34實驗六 繪制統(tǒng)計圖40實驗七 因子分析44實驗八 聚類分析48實驗九 判別分析58實驗十 回歸分析67實驗十一 非參數(shù)檢驗75實驗一 spss的數(shù)據(jù)管理1、 實驗目的1.熟悉spss的菜單和窗口界面，熟悉spss各種參數(shù)的設(shè)置；2.掌握spss的數(shù)據(jù)管理功能。二、實驗內(nèi)容及步驟： 1、定義spss數(shù)據(jù)結(jié)構(gòu)。下表是某大學的一個問卷調(diào)查，要求將

2、問卷調(diào)查結(jié)果表示成spss可識別的數(shù)據(jù)文件，利用spss軟件進行分析和處理。練習：創(chuàng)建數(shù)據(jù)文件的結(jié)構(gòu)，即數(shù)據(jù)文件的變量和定義變量的屬性。表1 大學教師基本情況調(diào)查表問題備選答案1姓名2 性別3年齡4學歷5 工作年月6職稱7本年度教學工作量（課時）4（1）?？疲?）本科（3）碩士（4）博士（5）博士后6 （1）助教（2）講師（3）副教授（4）教授7 （1）0120 （2）120240 （3）240320 (4)320480 (5) 480以上8 本年度公開發(fā)表論文數(shù)9 本年度您的科研經(jīng)費總額（萬元）10.您認為學校對科研人員每年的科研成果要求是否合理（1）合理 （2）不合理 （3）無所謂11 您

3、最常用的全文期刊數(shù)據(jù)庫的名稱（多選，限選2個）（1）cnki （2）萬方 （3）springerlink （4）ebsco12 您對學?？蒲泄芾聿块T的工作是否滿意（1）非常滿意 （2）滿意 （3）一般 （4）不滿意實驗步驟：（1）打開定義變量的界面啟動spss，進入主界面，單擊圖6-2所示的屏幕左下角的“variable view”選項卡，打開定義變量的表格。（2）輸入變量名，符合變量的命名規(guī)則在“name”列的第一個單元格輸入第一個變量名，如 “xm”。（3）確定變量類型，單擊“type”列的第一個單元格，如圖6-3所示，spss的默認變量類型為數(shù)值型。單擊數(shù)值型變量后的“”，彈出如圖6-4

4、所示的對話框，用戶可以從該對話框中選擇其他的變量類型。（4）設(shè)置字段值（5）依次按要求輸入完畢即可。結(jié)果如下：2 、高校提前錄取名單的確定 某高校今年對部分考生采取單獨出題、提前錄取的招生模式?，F(xiàn)有20名來自國內(nèi)不同省市的考生報考該校，7個錄取名額。見數(shù)據(jù)文件compute.sav. 該校制定了如下錄取原則：（1）文化課成績由數(shù)學、語文、英語和綜合四門成績組成。文化課成績制定最低錄取分數(shù)線：400分。（2）個人檔案中若有“不良記錄”，不予錄取。（3）對西部考生和少數(shù)民族考生，給予加分優(yōu)惠。少數(shù)民族考生加20分，西部考生加10分。（4）對參加過省以上競賽并取得三等獎以上名次的考生，每項加10分。

5、（5）文化課成績和加分總和構(gòu)成綜合分，錄取綜合排名為前7名的學生。實驗步驟：（1）打開數(shù)據(jù)文件compute.sav.（2）計算文化課成績，選transform菜單的compute命令項，在target variable指定一個變量（文化課成績），在numeric expression框中鍵入運算公式（數(shù)學+語文+英語+綜合），然后單擊ok.（3）選data菜單的select cases命令項，彈出select cases對話框，選中if condition is satisfied，單擊if按鈕，彈出select cases:if對話框，輸入條件文化課成績大于等于400，單擊continue

6、 ,在彈出的select cases對話框中，unselected cases are選擇deleted,然后單擊ok.（4）重復第三步，條件是“不良記錄=0”（5）少數(shù)民族考生加分，選transform菜單的compute命令項，在target variable指定一個變量（少數(shù)民族加分），在numeric expression框中鍵入運算公式（民族1）*20，然后單擊ok.（6）西部考生加分，步驟類似與5， （7）獎項加分（8）求綜合成績（9）按照升序排序，選擇“datasort cases”命令，彈出“sort cases”對話框，把“綜合成績”變量選入“sort by”中，并在sort

7、 order中選擇“descending（升序）”選項，將綜合成績按升序排列，如圖6-15所示，單擊“ok”按鈕。 實驗結(jié)果： 選取綜合成績升序排列后的前七名即可，如圖所示;錄取的分別是艾甫爾513分、孫悅婷495分、張國欣471分、郭東陽462分、楊樂451分、高超438分、易仲勃434分。實驗分析： 本實驗，主要是按照要求一步一步來設(shè)置條件，最后邊計算有點難，就是算加分，首先要解決不留空的，不然最后沒法求和。根據(jù)結(jié)果選出符合要求的即可。三、實驗小結(jié)：實驗中遇到的問題及解決辦法、心得體會等等. 本實驗，第一小題，主要考察我們創(chuàng)建數(shù)據(jù)文件的結(jié)構(gòu)，即數(shù)據(jù)文件的變量和定義變量的屬性。老師上課時給我

8、們演示很到位，在老師的詳細講解下，我熟悉了spss軟件界面，以及一些主要組成部分，但是里面的一些具體參數(shù)還不太清楚，不過常用主要屬性都掌握了，沒有太大問題。 第二小題，問題就相當大了，先是選擇不小于400分的，經(jīng)常排除不了，后來在同學的幫助之下，克服了。后來是加分部分比較難，最開始先符合一個加一個，但是后來發(fā)現(xiàn)不對，經(jīng)過反復嘗試，把需要加分的先列出來，最后匯總，但是沒加分的，我沒有計算，導致最后求和時，不能加，因為有的是空字符，而不是數(shù)字0，后來又經(jīng)改進，把沒有加分的同學，在相對加分位置是0表示，最后才完滿完成實驗。 我覺得學習還是認真聽講好，老師演示，我們聽了看了記了，做起來就相對簡單了。如

9、果自己搞的話，也會做出來，但是要嘗試很多次，浪費大量的時間，所以，學計算機軟件，還是不能狂妄自大，需要虛心求教。實驗二 描述性統(tǒng)計分析一、 實驗目的 1.利用spss進行描述性統(tǒng)計分析。要求掌握頻數(shù)分析（frequencies過程）、描述性分析（descriptives過程）、交叉列聯(lián)表分析(crosstabs過程)二、 實驗內(nèi)容及步驟 1.數(shù)據(jù)文件descriptives.sav，是從某校選取的3個班級共16名學生的體檢列表，要求以班級為單位列表計算年齡，體重和身高的統(tǒng)計量，包括極差，最小最大值，均值，標準差和方差。給出操作步驟和分析結(jié)果。實驗步驟：（1）文件descriptives.sav

10、，（2）單擊分析比較均值，在彈出的對話框中，選擇班級到自變量列表，選擇年齡、身高、體重到因變量列表。 （3）單擊選項按鈕，在彈出的對話框中，選擇極差，最小最大值，均值，標準差和方差，單擊繼續(xù)按鈕，然后按確定。實驗結(jié)果：實驗分析： 1班年齡的最大值為15，最小值為13，平均值為14.2，方差和標準差分別為0.700和0.837，年齡的極差為2歲；體重的最大值為50kg，最小值為38kg，平均值為44.6kg，方差和標準差分別為24.8和4.98，體重的極差為12kg；身高的最大值為160cm，最小值為149cm，平均值為154cm，方差和標準差分別為20.5和4.53，身高的極差為11cm。 2

11、班年齡的最大值為17，最小值為16，平均值為16.4，方差和標準差分別為0.300和0.548，年齡的極差為1歲；體重的最大值為65kg，最小值為50kg，平均值為58kg，方差和標準差分別為32.50和5.70，體重的極差為15kg；身高的最大值為175cm，最小值為160cm，平均值為167cm，方差和標準差分別為32.50和5.70，身高的極差為15cm。 3班年齡的最大值為18，最小值為16，平均值為17.33，方差和標準差分別為0.667和0.816，年齡的極差為2歲；體重的最大值為70kg，最小值為55kg，平均值為62.83kg，方差和標準差分別為34.167和5.845，體重的

12、極差為15kg；身高的最大值為180cm，最小值為160cm，平均值為169cm，方差和標準差分別為64.0和8.0，身高的極差為20cm。2、某醫(yī)生用國產(chǎn)呋喃硝胺治療十二指腸潰瘍，以甲氰咪胍作對照組，問兩種方法治療效果有無差別處 理愈 合未愈合合計呋喃硝胺54862甲氰咪胍442064合 計9828126（提示：由于此處給出的直接是頻數(shù)表，因此在建立數(shù)據(jù)集時可以直接輸入三個變量行變量、列變量和指示每個格子中頻數(shù)的變量，然后用weight cases對話框指定頻數(shù)變量，最后調(diào)用crosstabs過程進行x2檢驗。假設(shè)三個變量分別名為r、c和w，則數(shù)據(jù)集結(jié)構(gòu)和命令如下）：rcw1.001.005

13、4.001.002.0044.002.001.008.002.002.0020.00實驗步驟：（1）將上邊給出的頻數(shù)表轉(zhuǎn)化為spss數(shù)據(jù)文件，定義三個變量yp、yh、jg，如下表：（2）輸入數(shù)據(jù)：（3）選中菜單“dataweight cases”，在彈出的對話框中選中“weight cases by”，選中jg進入“frequency variable”。（4）選中菜單“analyze-descriptive- crosstabs”,將“yh”變量選入“rows:”行變量框中，將“yp”變量選入 “columns”列變量框中。選中display clustered bar charts。（5）

14、單擊“cell display”鈕，勾選observed、expected、rom、column、total、unstandardized、round cell counts。（6）單擊“continue”輸出實驗結(jié)果。實驗結(jié)果：實驗分析： 1.通過上表的檢驗結(jié)果可知，在62個樣本中，呋喃硝胺治愈了54人，未治愈8人；在64個樣本中，甲氰咪胍治愈了44人，未治愈20人。 2.在卡方檢驗的結(jié)果中，pearson卡方檢驗的值為6.133，連續(xù)校正值為5.118，似然比為6.304；fisher的精確雙側(cè)檢驗值為0.18，單側(cè)檢驗值為0.011；線性和線性組合值為6.084，雙側(cè)檢驗值為0.014，

15、有效案例中的n為126。 3.continuitycorrection和pearson卡方值處分別標注有a和b，表格下方為相應的注解：a.只為2*2表計算。b.0%個格子的期望頻數(shù)小于5，最小的期望頻數(shù)為13.78。因此，這里無須校正，直接采用第一行的檢驗結(jié)果，即x2=6.133，三、實驗小結(jié)： 1.通過本次實驗，使我較好地掌握了利用spss進行描述性統(tǒng)計分析的方法，學會了頻數(shù)分析（frequencies過程）、描述性分析（descriptives過程）、交叉列聯(lián)表分析(crosstabs過程)。 2. 頻數(shù)分布分析主要通過頻數(shù)分布表、條形圖和直方圖，以及集中趨勢和離散趨勢的各種統(tǒng)計量來描述數(shù)

16、據(jù)的分布特征。 3. descriptives過程可對變量進行描述性統(tǒng)計分析，計算并列出一系列相應的統(tǒng)計指標，其功能和頻數(shù)分析過程類似，主要以計算數(shù)值型單變量的統(tǒng)計量為主。實驗三 均值檢驗一、 實驗目的1.學習利用spss進行單樣本、兩獨立樣本以及成對樣本的均值檢驗。二、 實驗內(nèi)容及步驟 1、一個生產(chǎn)高性能汽車的公司生產(chǎn)直徑為322mm的圓盤制動閘。公司的質(zhì)量控制部門隨機抽取不同機器生產(chǎn)的制動閘進行檢驗。共4臺機器，每臺機器抽取16支產(chǎn)品。見數(shù)據(jù)文件ttest1.sav，要求檢驗每個機器生產(chǎn)的產(chǎn)品均值和322在90%的置信水平下是否有顯著差異。實驗步驟： 1.打開數(shù)據(jù)文件ttest1.sav，

17、選擇菜單“datasplit file”，選擇“compare groups”鈕，選擇“機器編號”進入“groups based on”，選擇“sort the file by grouping variables”鈕，單擊“ok”。 2.選擇菜單“analyzecompare meansone-sample t test”。彈出“one-sample t test”對話框。在對話框左側(cè)的變量列表中選擇變量“制動閘直徑”進入“test variable(s)” 框；在“test value” 編輯框中輸入產(chǎn)品均值322. 3.單擊“options”鈕，設(shè)定“confidence interva

18、l”為90%。 4.單擊“continue”輸出實驗結(jié)果。實驗結(jié)果：實驗分析： 在90%的置信水平下，可知14號制動閘直徑的均值分別為321.9985、322.0143、321.9983、321.9954，第1號和第3號機器的雙尾數(shù)概率大于0.05，第2號和第4號機器的雙尾數(shù)概率小于0.05，說明第1號和第3號機器生產(chǎn)的制動閘直徑均值與322有顯著差異，第2號和第4號機器生產(chǎn)的產(chǎn)品均值與322無顯著差異。2、在體育課上記錄14名學生乒乓球得分的數(shù)據(jù)，男女各7名。數(shù)據(jù)如下：男：82.00 80.00 85.00 85.00 78.00 87.00 82.00女：75.00 76.00 80.00

19、 77.00 80.00 77.00 73.00比較在置信度為95%的情況下男女生得分是否有顯著差別。實驗步驟：（1）定義變量名：gender為性別，df為得分，輸入原始數(shù)據(jù)。（2）選擇菜單“analyzecompare meansindependent-samples t test”項，彈出“independent- samples t test”對話框。從對話框左側(cè)的變量列表中選擇“df”進入“test variable(s)”框，選擇變量“gender”，進入“grouping variable”框，點擊“define groups”鈕彈出“define groups”定義框，在gend

20、er1中輸入1，在gender 2中輸入2。（3） 單擊“ok”,輸出實驗結(jié)果。試驗結(jié)果：實驗分析： 1.由組統(tǒng)計量可以看出，男、女生乒乓球得分的平均值分別為82.7143和76.8571，標準差分別為3.14718和2.54484，均值誤差分別為1.18952和0.96186。 2.對獨立樣本檢驗的結(jié)分析：首先進行方差齊性檢驗，0h=21=22,由f=0.622，相應的伴隨概率為sig.=0.445，大于顯著性水平0.05，不能拒絕方差相等的假設(shè)，可以認為男、女生乒乓球得分的方差無顯著差異。 3.然后就是方差相等時t檢驗的結(jié)果，0h:1-2=0，由t=3.829，相應的伴隨概率為sig.=0

21、.002，小于顯著性水平0.05，拒絕t檢驗的原假設(shè)，可以認為在置信度為95%的情況下，男、女生乒乓球得分有顯著差別。3、 某醫(yī)療結(jié)構(gòu)針對具有家族心臟病史的病人研發(fā)了一種新藥。為了檢驗這種新藥的療效是否顯著，對16位病人進行為期半年的觀察測試，測試指標為使用該藥之前和之后的體重以及甘油三酯的水平的變化。見數(shù)據(jù)文件ptest.sav.實驗步驟：（1）打開數(shù)據(jù)文件ptest.sav.，選擇菜單“analyzecompare meanspaired-samples t test”項，彈出“paired - samples t test”對話框。從對話框左側(cè)的變量列表中選擇變量tg0tg1、wgtow

22、gt1進入variables框。 （2） 單擊“ok”，輸出實驗結(jié)果。實驗結(jié)果：實驗分析： 1.由實驗結(jié)果可以看出，服藥前和服藥后甘油三酯水平分的平均值分別為138.44和124.38，誤差均值為7.260和7.353，服藥前后體重的平均值分別為198.38和190.31，誤差均值為8.368和8.377。 2.服藥前后甘油三酯水平平均變量的相關(guān)系數(shù)為-0.286，相應的p知大于0.05，不顯著，呈負相關(guān)。服藥前后體重平均變量的相關(guān)系數(shù)為0.996，相應的p知小于0.05，很顯著，相關(guān)程度較高。 3.由配對樣本t檢驗結(jié)果表可以看出，服藥前后甘油三酯水平差值序列的平均值為14.063，計算出的t

23、值為1.200，相應的伴隨概率p(sig.)=0.249,大于顯著性水平0.05，接受t檢驗的原假設(shè)，也就是服藥前后甘油三酯水平?jīng)]有明顯變化。服藥前后體重差值序列的平均值為8.063，計算出的t值為11.175，相應的伴隨概率p(sig.)=0.000,小于顯著性水平0.05，不接受t檢驗的原假設(shè)，也就是服藥前后體重有了明顯的變化。三、實驗小結(jié)： 1.學習利用spss進行單樣本、兩獨立樣本以及成對樣本的均值檢驗。 2.在分析問題前要判斷是單樣本t測驗還是雙樣本t測驗，在第一遍的實驗過程中由于我沒有分清楚這個問題導致了實驗結(jié)果錯誤。實驗四 相關(guān)分析一、 實驗目的1.學習利用spss進行相關(guān)分析、

24、偏相關(guān)分析、距離分析。二、實驗內(nèi)容及實驗步驟 1.打開數(shù)據(jù)文件correlate1.sav, 要求分析汽車價格和汽車的燃油效率之間是否存在線性關(guān)系。實驗步驟：（1）打開數(shù)據(jù)文件correlate1.sav, 選擇菜單“analyzecorrelatebivariate” ，彈出“bivariate correlation”對話框。在對話框左側(cè)的變量列表中選price in thousands、fuel efficiency使之進入“variables”框；再在“correlation coefficients” 框中選擇pearson相關(guān)系數(shù)（r）；在“test of significance

25、”框中選相關(guān)系數(shù)的 “two-tailed”（雙側(cè)）檢驗。選中復選框“flag significant correlations”設(shè)置是否突出顯示顯著相關(guān)。（2）單擊“options”按鈕，彈出“bivariate correlation: options”對話框，選擇“means and standard deviations”和“cross-product deviations and covariances”項，輸出price in thousands、fuel efficiency的均數(shù)與標準差以及price in thousands、fuel efficiency交叉乘積的標準差與協(xié)

26、方差。實驗結(jié)果：實驗分析： 1.由描述性統(tǒng)計量分析結(jié)果可知，汽車價格的均值為27.339075，標準差14.351653，燃油效率的均值為23.84，標準差為4.283。 2.通過相關(guān)性分析可知，汽車價格和汽車的燃油效率的相關(guān)系數(shù)為-0.429，相關(guān)性不顯著，表明汽車燃油效率提高度對汽車價格影響不大。2、打開數(shù)據(jù)文件pcorrelation.sav，對身高、體重和肺活量進行變量距離分析。選相似性測度。進行結(jié)果解釋。實驗步驟：（1）打開數(shù)據(jù)文件pcorrelation.sav，擇菜單“analyzecorrelatepartial” ，彈出“partial correlations”對話框。在對

27、話框左側(cè)的變量列表中選變量“身高”、“肺活量” 進入variables框，選擇要控制的變量“體重”進入“controlling for”框中，以在控制體重的影響下對變量身高與肺活量進行偏相關(guān)分析；在“test of significance”框中選雙側(cè)檢驗。（2）單擊“options”按鈕，彈出“partial correlations: options”對話框。在“statistics”復選框組中選擇要輸出的統(tǒng)計量。（3） 單擊“ok”按鈕，得到輸出結(jié)果。實驗結(jié)果:實驗分析：通過相似性矩陣分析可以看出，身高和體重值向量間的相關(guān)性為0.735，相關(guān)程度較高；身高和肺活量值向量間的相關(guān)性為0.5

28、81，中度相關(guān)；肺活量和體重值向量間的相關(guān)性為0.611，相關(guān)性比較顯著。3、打開數(shù)據(jù)文件distance.sav, 文件是利用三種不同的儀器對飛機的10只葉片的半徑分別進行了測量。要求對10只葉片進行距離分析。用euclidean distance。進行結(jié)果解釋。實驗步驟：（1）打開數(shù)據(jù)文件distance.sav（2）選擇菜單“analyzecorrelatedistance” ，彈出“distance”對話框。在對話框左側(cè)的變量列表中選變量第一次測量、第二次測量、第三次測量，進入“variables” 框。在“compute distances”框中選擇“between variable

29、s”，作變量之間的距離相關(guān)分析。在“measure”欄中選擇“similarities”。（3）單擊“measure” 按鈕，系統(tǒng)彈出“distance: similarity measure”對話框，選擇“pearson correlation” 為測量距離。（4） 單擊continue,然后單擊“ok”按鈕，得到輸出結(jié)果。實驗結(jié)果：實驗分析： 通過不相似性矩陣分析可以看出，第一次測量和第二次測量euclidean距離為0.750，表明這兩次測量結(jié)果一致，飛機葉片的半徑差別較??；第一次測量和第三次測量euclidean距離為0.774，這兩次測量結(jié)果也趨于一致，飛機葉片的半徑差別較??；第二次

30、測量和第三次測量的euclidean距離為1.209，這兩次測量結(jié)果不一致，飛機葉片的半徑差別較大。三、 實驗小結(jié)： 1.通過對這一實驗的學習，我學會了利用spss進行相關(guān)分析、偏相關(guān)分析、距離分析。 2.距離相關(guān)分析是對觀測量之間或變量之間相似或不相似的程度的一種測量。距離相關(guān)分析可用于同一變量內(nèi)部各個取值間，以考察其相互接近程度；也可用于變量間，以考察預測值對實際值的擬合優(yōu)度。實驗五 方差分析一、實驗目的1、熟練使用spss進行單因素、雙因素方差分析二、實驗內(nèi)容及實驗步驟1、五個地區(qū)每天發(fā)生交通事故的次數(shù)如下：東部北部中部南部西部151210141317101491214131379111

31、71510140141281000079試以=0.01的顯著水平檢驗各地區(qū)平均每天交通事故次數(shù)是否相等。實驗步驟：（1）定義變量：地區(qū)為dq，每天發(fā)生交通事故的次數(shù)為cs，dq按1=東部、2=北部、3=中部、4=南部、5=西部輸入。（2）選擇菜單“analyzecompare means one-way anova”，彈出對話框，把cs移至dependent list，把dq移至factor。（3）單擊“post hoc”鈕，在彈出的對話框中選中l(wèi)sd，把significance level的值改為0.01，單擊“continue”按鈕，回到“one-way anova”對話框。（5）單擊“o

32、ptions”鈕，在對話框中選中statisticss下的“descriptive”和“homogeneity of variance test”以及missing values下的“exclude cases analysis by analysis”。（6） 單擊“continue”輸出實驗結(jié)果。實驗結(jié)果：實驗分析：上表中，第1欄是方差來源，包括組間變差“between groups”；組內(nèi)變差“within groups”和總變差“total”。第2欄是離差平方和“sum of squares”，組間離差平方和19.8，組內(nèi)離差平方和為670.5，總離差平方和為111.600，是組間離差

33、平方和與組內(nèi)離差平方和相加之 和。第3欄是自由度df，組間自由度為4，組內(nèi)自由度為25；總自由度為29。第4欄是均方“mean square”，是第2欄與第3欄之比；組間均方為4.950，組內(nèi)均方為26.820。第5欄是f值9.125（組間均方與組內(nèi)均方之比）。第6欄：f 值對應的概率值，針對假設(shè)h0：組間均值無顯著性差異.從顯著性慨率看，p0.01，說明各組的方差在a=0.05水平上沒有顯著性差異，即方差具有齊次性。三 實驗小結(jié)： 本次實驗主要是學習方差分析，主要是把觀測的總變異的平方和自由度分解為不同變，異來源的平方和以及自由度，把系統(tǒng)誤差和其他隨機性誤差進行對比，來判斷各組樣本之間是否存

34、在顯著性差異，然后分析因素是否對總體存在顯著性影響。這次實驗我感覺收獲最大的是學會了lsd方法，主要是使用t檢驗對組均值之間的所有成對比較，這種方法的敏感度比較高。但是在多因素方差分析中碰到了困難，在因素的“兩兩比較”中，要成對比較確定哪些均值存在差值，包含假定方差和未假定方差齊性這里時，發(fā)現(xiàn)自己還沒有完全理解，于是我又把課件和實驗上的例題好好的看了一遍，在同學的指導下完成了本次實驗。所以不懂得地方只要我們努力去學，再通過同學之間的相互學習，交流，就可以使自己得到進步。實驗六 繪制統(tǒng)計圖一、 實驗目的1、學會利用spss繪制各種統(tǒng)計圖形二、實驗內(nèi)容及步驟直條圖實驗內(nèi)容：研究血壓狀態(tài)與冠心病各臨

35、床型發(fā)生情況的關(guān)系，分析資料如下所示，試繪制統(tǒng)計圖。血壓狀態(tài)年齡標化發(fā)生率（1/10萬）冠狀動脈機能不全猝死心絞痛心肌梗塞正常臨界異常8.9010.6319.8412.0018.0530.5534.7146.1873.0644.0067.24116.82實驗步驟：（1）建立數(shù)據(jù)文件，定義變量名：年齡標化發(fā)生率為rate，冠心病臨床型為disease，血壓狀態(tài)為bp。rate按原數(shù)據(jù)輸入，disease按冠狀動脈機能不全=1、猝死=2、心絞痛=3、心肌梗塞=4輸入，bp按正常=1、臨界=2、異常=3輸入。（2）選擇菜單“graphsbar”過程，彈出“bar chart”定義選項框。在定義選項框

36、的上方選擇復式直條圖“clustered”。（3）單擊“define”鈕，彈出“define clustered bar: summaries for groups of cases”對話框，在左側(cè)的變量列表中選擇變量rate，使之進入“bars represent”欄的“other summary function”選項的“variable”框，選擇變量disease，使之進入“category axis”框，并選擇變量bp進入“define clusters by”框。（4）單擊“titles”鈕，彈出“titles”對話框，在“title”欄內(nèi)輸入“血壓狀態(tài)與冠心病各臨床型年齡標化發(fā)生率

37、的關(guān)系”，單擊“continue”按鈕返回“define clustered chart: summaries for groups of cases對話框。（5）單擊“ok“按鈕，得到輸出結(jié)果。試驗結(jié)果：實驗分析：通過上圖可以看出血壓與人們的健康息息相關(guān)，當血壓正常時發(fā)生機能不全、猝死、心絞痛、心肌梗塞的概率分別是8.9、12、34.71、44。當血壓處于臨界時發(fā)生機能不全、猝死、心絞痛、心肌梗塞的概率分別是10.63、18.05、46.18、67.24。當血壓正常時發(fā)生機能不全、猝死、心絞痛、心肌梗塞的概率分別是19.84、30.55、73.06、116.82。由條形圖可知血壓異常時各種疾

38、病的發(fā)生率越高，其中發(fā)生率最高的時心肌梗塞，最低的是機能不全。三 、實驗小結(jié)：通過這個實驗的學習我學會了利用spss繪制直條圖，直條圖是用線條的長短或高低來表現(xiàn)性質(zhì)相近的間斷性資料的特征，適用于描繪分類變量的取值大小及比例。實驗七 因子分析一、 實驗目的1.學習利用spss進行因子分析。二、實驗內(nèi)容及步驟實驗內(nèi)容：1.下表資料為25名健康人的7項生化檢驗結(jié)果，7項生化檢驗指標依次命名為x1至x7，請對該資料進行因子分析。x1x2x3x4x5x6x73.768.596.227.579.035.513.278.749.649.738.597.124.695.511.665.909.848.394.

39、947.239.469.554.948.219.413.664.996.147.287.083.980.627.009.491.332.985.493.011.341.615.769.274.924.382.307.315.354.523.086.440.541.344.527.072.591.300.443.311.031.001.173.682.171.271.571.551.512.541.031.771.044.254.502.425.115.2810.029.8412.6611.766.923.3611.6813.579.879.179.725.985.812.808.8413.60

40、10.056.687.7912.0011.748.079.1012.509.777.502.171.794.545.337.633.5313.139.877.852.642.764.571.785.409.023.966.494.3911.582.771.793.752.4513.7410.162.732.106.227.308.844.7618.5211.069.913.433.555.382.097.5012.675.249.065.3716.183.512.104.663.104.782.131.090.821.282.408.391.122.353.702.621.192.013.43

41、3.721.971.751.432.812.272.421.051.291.720.91實驗步驟：（1）建立數(shù)據(jù)文件，定義變量名：分別為x1、x2、x3、x4、x5、x6、x7，按順序輸入相應數(shù)值，建立數(shù)據(jù)文件。（2）選擇菜單“analyzedata reductionfactor” ，彈出“factor analysis”對話框。在對話框左側(cè)的變量列表中選變量x1至x7，進入“variables”框，如圖1。（3）單擊“descriptives”按鈕，彈出“factor analysis: descriptives”對話框，在“statistics”中選“univariate descrip

42、tives”項，輸出各變量的均數(shù)與標準差，“在correlation matrix”欄內(nèi)選“coefficients”，計算相關(guān)系數(shù)矩陣，并選“kmo and bartletts test of sphericity”項，對相關(guān)系數(shù)矩陣進行統(tǒng)計學檢驗，如圖2。 圖1 圖2（4）單擊“extraction”按鈕，彈出“factor analysis: extraction”對話框，選用“principal components”方法提取因子，如圖3。圖3（5）單擊“rotation”按鈕，彈出“factor analysis: rotation”對話框，在“method”欄中選擇“varimax

43、”進行因子正交旋轉(zhuǎn)，如圖4。 （6）單擊“scores”按鈕，彈出“factor analysis: scores”對話框，選擇“regression”項估計因子得分系數(shù)，如圖5。（7）單擊“ok”鈕，即可輸出結(jié)果。實驗結(jié)果： 圖4 圖5實驗分析： 1.由描述統(tǒng)計分析得結(jié)果可知x1、x2、x3、x4、x5、x6、x7的均值分別為7.1000,4.7732,2.3488,9.1524,5.4584,7.1672,2.3460，標準差分別為2.3238,2.4178,1.6656,3.0141,3.2734,4.5582,1.6109。 2.從原始變量的相關(guān)系數(shù)矩陣可以看出，這七個變量中許多變量之

44、間存在高度相關(guān)，能夠從中提取公因子，故進行因子分析是合適的。 3.本例中 kmo檢驗的值為0.321，bartlett球度檢驗統(tǒng)計量的觀測值為326.285，相應的伴隨概率為0.000，小于顯著性水平0.05，因此拒絕 bartlett球度檢驗的零假設(shè)，認為相關(guān)系數(shù)矩陣與單位矩陣又顯著差異。，濟源右邊臉適合進行因子分析。 4.通過公共因子碎石圖可以看出，前 4個因子的特征變化非常明顯，到底 4四個特征更以后，特征根變化趨于明顯，因此提取 4個公因子是合適的，可以概括絕大部分信息。 5.由公因子方差分析可以看出，4個公因子變量共同解釋了原始變量x1、x2、x3、x4、x5、x6、x7方差的97.

45、7%,77.3%，85.9%，98.0%，98.3%，97.6%，83.4%，4個因子很好地解釋了 7個原始變量，因為每個原始變量的共同度都在77%以上。 6.第一個主成分解釋了 7個原始變量信息的48.503%，第二個主成分解釋了7個原始變量信息的40.090%，前兩個主成分集中了原始 7個變量信息88.593%，說明兩個主成分提供了原始變量的足夠信息，主成分分析的效果比較好。三、實驗小結(jié)：實驗中遇到的問題及解決辦法、心得體會等等. 1.通過這次因子分析實驗，使我學會了 spss因子分析的方法。 2. 主成分析和因子分析都依賴于原始變量，變量之間越相關(guān)，因子模型的分析效果就越好。在因子分析之

46、前需要通過變量之間的相關(guān)性分析來判斷進行因子分析是否合適。 3.主成分析和因子分析的出發(fā)點是一致的，其目的都是為了降低變量的維數(shù)，在有關(guān)信息損失最小的情況下，將多個變量指標化為較少的幾個指標。 4. 主成分析中每個主成分對應的系數(shù)是唯一的，而因子分析中因子是不固定的，因子載荷的不唯一性有利于對公因子進行有效的解釋。實驗八：聚類分析一、實驗目的：1.運用聚類分析方法分析數(shù)據(jù)二、實驗內(nèi)容及步驟 1、29名兒童的血紅蛋白（g/100ml）與微量元素（g/100ml）測定結(jié)果如下表。由于微量元素的測定成本高、耗時長，故希望通過聚類分析（即r型指標聚類）篩選代表性指標，以便更經(jīng)濟快捷地評價兒童的營養(yǎng)狀態(tài)

47、。編號n0.鈣x1鎂x2鐵x3錳x4銅x5血紅蛋白x6123456789101112131415161718192021222324252627282954.8972.4953.8164.7458.8043.6754.8986.1260.3554.0461.2360.1769.6972.2855.1370.0863.0548.7552.2852.2149.7161.0253.6850.2265.3456.3966.1273.8947.3130.8642.6152.8639.1837.6726.1830.8643.7938.2034.2337.3533.6740.0140.1233.0236.8

48、135.0730.5327.1436.1825.4329.2728.7929.1729.9929.2931.9332.9428.55448.70467.30425.61469.80456.55395.78448.70440.13394.40405.60446.00383.20416.70430.80445.80409.80384.10342.90326.29388.54331.10258.94292.80292.60312.80283.00344.20312.50294.70 0.012 0.008 0.004 0.005 0.012 0.001 0.012 0.017 0.001 0.008

49、 0.022 0.001 0.012 0.000 0.012 0.012 0.000 0.018 0.004 0.024 0.012 0.016 0.048 0.006 0.006 0.016 0.000 0.064 0.0051.0101.6401.2201.2201.0100.5941.0101.7701.1401.3001.3800.9141.3501.2000.9181.1900.8530.9240.8171.0200.8971.1901.3201.0401.0301.3500.6891.1500.83813.5013.0013.7514.0014.2512.7512.5012.251

50、2.0011.7511.5011.2511.0010.7510.5010.2510.00 9.75 9.50 9.25 9.00 8.75 8.50 8.25 8.00 7.80 7.50 7.25 7.00實驗步驟：.（1）確定數(shù)據(jù)類型(variable view)（2）輸入數(shù)據(jù)（data view）并確定分析方法（3）通過分析（analyze），描述統(tǒng)計，打開描述分析（descriptive） 操作界面。用箭頭按鈕從左邊列表框中選擇想要分析的變量名移動到右邊，準備分析。（4）按上圖表示選擇完畢后要將標準化后變量值保存，單擊“確定”，得到第一次分析結(jié)果如下：（5）通過分析（ analyze） 中的分類（classify） 進行類別分析，選擇系統(tǒng)聚類（hierarchicalcluster），彈出系統(tǒng)聚類分析對話框。 （6）在系統(tǒng)聚類分析（hierarchical cluster analysis） 中選擇zx1、zx2、zx3、zx4、zx5、zx6 進入變量(variable(s)中（7）在分群（cluster） 中選擇個案（cases），在輸出（display）中選擇統(tǒng)計量（statistics） 和圖（ plots），輸出分析統(tǒng)計量和分析圖形。點擊統(tǒng)