SPSS上機實驗報告講解

1、實驗名稱：頻數(shù)分布 實驗?zāi)康暮鸵螅豪L制頻數(shù)分布表、頻數(shù)分布直方圖并分析集中趨勢指標、差異性指標和分布形狀指標實驗內(nèi)容：繪制頻數(shù)分布表和頻數(shù)分布直方圖并分析實驗記錄、問題處理：繪制頻數(shù)分布表銷售額頻率百分比有效百分比累積百分比有效79.0013.33.33.380.0013.33.36.782.0013.33.310.085.0026.76.716.789.0013.33.320.093.0013.33.323.395.0013.33.326.796.0026.76.733.397.0026.76.740.099.0026.76.746.7105.0026.76.753.3106.0013.3

2、3.356.7109.0013.33.360.0110.0013.33.363.3112.0026.76.770.0113.0013.33.373.3114.0013.33.376.7115.0013.33.380.0124.0013.33.383.3129.0026.76.790.0130.0026.76.796.7190.0013.33.3100.0合計30100.0100.0頻數(shù)分布直方圖集中趨勢指標、差異性指標和分布形狀指標統(tǒng)計量銷售額N有效30缺失0均值106.8333均值的標準誤3.97755中值105.0000眾數(shù)85.00a標準差21.78592方差474.626偏度1.915

3、偏度的標準誤.427峰度6.297峰度的標準誤.833全距111.00極小值79.00極大值190.00和3205.00a. 存在多個眾數(shù)。顯示最小值實驗結(jié)果分析：從統(tǒng)計量表可以看出有效樣本數(shù)有30個，沒有缺失值。平均銷售額是106.8333，標準差為21.78592。從頻數(shù)分布表可以看出樣本值、頻數(shù)占總數(shù)的百分比、累計百分比。從帶正態(tài)曲線的直方圖可以看出銷售額集中在110實驗名稱：列聯(lián)表 成績：實驗?zāi)康暮鸵螅豪L制頻數(shù)表、相對頻數(shù)表并進行顯著性檢驗和關(guān)系強度分析實驗內(nèi)容：繪制頻數(shù)表、相對頻數(shù)表并分析實驗記錄、問題處理：滿意度* 性別 交叉制表性別合計男性女性滿意度不滿意計數(shù)19827滿意度

4、中的 %70.4%29.6%100.0%性別 中的 %35.2%17.4%27.0%總數(shù)的 %19.0%8.0%27.0%一般計數(shù)232144滿意度 中的 %52.3%47.7%100.0%性別 中的 %42.6%45.7%44.0%總數(shù)的 %23.0%21.0%44.0%滿意計數(shù)121729滿意度 中的 %41.4%58.6%100.0%性別 中的 %22.2%37.0%29.0%總數(shù)的 %12.0%17.0%29.0%合計計數(shù)5446100滿意度 中的 %54.0%46.0%100.0%性別 中的 %100.0%100.0%100.0%總數(shù)的 %54.0%46.0%100.0%卡方檢驗值d

5、f漸進 Sig. (雙側(cè))Pearson 卡方4.825a2.090似然比4.9312.085線性和線性組合4.6501.031有效案例中的 N100a. 0 單元格(0.0%) 的期望計數(shù)少于 5。最小期望計數(shù)為 12.42。對稱度量值近似值 Sig.按標量標定.220.090Cramer 的 V.220.090有效案例中的 N100a. 不假定零假設(shè)。b. 使用漸進標準誤差假定零假設(shè)。實驗結(jié)果分析：從卡方檢驗看出sig>0.05,不顯著。所以男生女生對滿意與否評價沒有差異實驗名稱：方差分析 成績：實驗?zāi)康暮鸵螅簡我蜃臃讲罘治觥⒍嘁蜃臃讲詈蛥f(xié)方差分析實驗內(nèi)容：進行單因子方差分析并輸出

6、方差分析表、顯著性檢驗及解釋結(jié)果、多因子方差和協(xié)方差分析并輸出方差分析表和協(xié)方差分析表、顯著性檢驗及解釋結(jié)果。實驗記錄、問題處理：單因子方差分析分析比較均值，單因素鍵入銷售額為因變量，鍵入促銷力度為因子兩兩比較打鉤L檢驗，選項方差齊性檢驗打鉤得：ANOVA銷售額平方和df均方F顯著性組間7250.66722329.576170.891.000組內(nèi)13.50071.929總數(shù)7264.16729多因子方差分析分析一般線性模型，單變量鍵入店內(nèi)促銷和贈券狀態(tài)為固定因子，銷售額為因變量兩兩比較打鉤L檢驗，選項方差齊性檢驗打鉤，得：主體間效應(yīng)的檢驗因變量:銷售額源III 型平方和df均方FSig.校正模

7、型162.667a532.53333.655.000截距1104.13311104.1331142.207.000店內(nèi)促銷106.067253.03354.862.000贈券狀態(tài)53.333153.33355.172.000店內(nèi)促銷 * 贈券狀態(tài)3.26721.6331.690.206誤差23.20024.967總計1290.00030校正的總計185.86729a. R 方 = .875（調(diào)整 R 方 = .849）協(xié)方差分析分析一般線性模型，單變量鍵入店內(nèi)促銷和贈券狀態(tài)為固定因子，銷售額為因變量，鍵入客源排序為協(xié)變量兩兩比較打鉤L檢驗，選項方差齊性檢驗打鉤，得：主體間效應(yīng)的檢驗因變量:銷售

8、額源III 型平方和df均方FSig.校正模型163.505a627.25128.028.000截距103.3461103.346106.294.000客源排序.8381.838.862.363店內(nèi)促銷106.067253.03354.546.000贈券狀態(tài)53.333153.33354.855.000店內(nèi)促銷 * 贈券狀態(tài)3.26721.6331.680.208誤差22.36223.972總計1290.00030校正的總計185.86729a. R 方 = .880（調(diào)整 R 方 = .848）實驗結(jié)果分析：單因子：組間顯著性為0.000，小于0.05，顯著影響。多因子：店內(nèi)促銷和贈券狀態(tài)顯

9、著性分別都為0.000，小于0.05，顯著影響。但是店內(nèi)促銷和贈券狀態(tài)交互作用的顯著性為0.206，大于0.05，不顯著。協(xié)方差：經(jīng)協(xié)變量客源排序的顯著性為0.363，對銷售額影響不顯著。店內(nèi)促銷的顯著性為0.000，小于0.05，對銷售額影響顯著。贈券狀態(tài)的顯著性為0.000，小于0.05，對銷售額影響顯著。店內(nèi)促銷和贈券狀態(tài)的交互作用顯著性為0.208，大于0.05，對銷售額影響不顯著實驗名稱：相關(guān)分析 成績：實驗?zāi)康暮鸵螅河嬎鉖earson相關(guān)系數(shù)和簡單相關(guān)系數(shù)并分析實驗內(nèi)容：計算Pearson相關(guān)系數(shù)和簡單相關(guān)系數(shù)并分析實驗記錄、問題處理：分析相關(guān)，雙變量添加收、家庭人口、受教育程度

10、、汽車保有量默認pearson分析確定，得：相關(guān)性收入家庭人口家長受教育年數(shù)汽車保有量收入Pearson 相關(guān)性1-.008.327*.208*顯著性（雙側(cè)）.936.001.038N100100100100家庭人口Pearson 相關(guān)性-.0081.122.576*顯著性（雙側(cè)）.936.226.000N100100100100家長受教育年數(shù)Pearson 相關(guān)性.327*.1221.207*顯著性（雙側(cè)）.001.226.039N100100100100汽車保有量Pearson 相關(guān)性.208*.576*.207*1顯著性（雙側(cè)）.038.000.039N100100100100*. 在

11、.01 水平（雙側(cè)）上顯著相關(guān)。*. 在 0.05 水平（雙側(cè)）上顯著相關(guān)。實驗結(jié)果分析：1、收入對受教育年數(shù)，相關(guān)系數(shù)為0.327，顯著性為0.001，小于0.01，所以收入和受教育年為正向相關(guān)，且相關(guān)性很強。2、收入對汽車保有量，相關(guān)系數(shù)為0.208，顯著性為0.038，小于0.05，所以收入對汽車保有量為正向相關(guān)。3、家庭人口對汽車保有量，相關(guān)系數(shù)為0.576，顯著性為0.000，小于0.01，所以收入對汽車保有量為正向相關(guān)，且相關(guān)性很強。4、受教育年數(shù)對收入，相關(guān)系數(shù)為0.327，顯著性為0.001，小于0.01，所以受教育年數(shù)對收入為正想相關(guān)，且相關(guān)性很強。實驗名稱：回歸分析 成績：

12、實驗?zāi)康暮鸵螅赫莆蘸唵位貧w模型和多元回歸分析的SPSS操作方法實驗內(nèi)容：檢驗簡單回歸模型、繪制散點圖、輸出回歸結(jié)果并分析、殘差分析；檢驗多元回歸分析模型、輸出回歸結(jié)果并分析及殘差分析。實驗記錄、問題處理：（一）簡單回歸得出模型匯總模型RR 方調(diào)整 R 方標準 估計的誤差1.754a.569.5541.691a. 預(yù)測變量: (常量), 促銷水平。Anovaa模型平方和df均方FSig.1回歸105.8001105.80036.999.000b殘差80.067282.860總計185.86729a. 因變量: 月均銷售額b. 預(yù)測變量: (常量), 促銷水平。系數(shù)a模型非標準化系數(shù)標準系數(shù)tS

13、ig.B標準 誤差試用版1(常量)10.667.81713.059.000促銷水平-2.300.378-.754-6.083.000a. 因變量: 月均銷售額實驗結(jié)果分析：R方為0.554，擬合優(yōu)度一般。P值sig顯著表達式：銷售額=10.667-2.3*促銷水平（二）多元線性回歸得：模型匯總模型RR 方調(diào)整 R 方標準 估計的誤差1.754a.569.5541.6912.925b.856.846.995a. 預(yù)測變量: (常量), 店內(nèi)促銷。b. 預(yù)測變量: (常量), 店內(nèi)促銷, 贈券狀態(tài)。Anovaa模型平方和df均方FSig.1回歸105.8001105.80036.999.000b殘

14、差80.067282.860總計185.867292回歸159.133279.56780.360.000c殘差26.73327.990總計185.86729a. 因變量: 銷售額b. 預(yù)測變量: (常量), 店內(nèi)促銷。c. 預(yù)測變量: (常量), 店內(nèi)促銷, 贈券狀態(tài)。系數(shù)a模型非標準化系數(shù)標準系數(shù)tSig.B標準 誤差試用版1(常量)10.667.81713.059.000店內(nèi)促銷-2.300.378-.754-6.083.0002(常量)14.667.72720.183.000店內(nèi)促銷-2.300.222-.754-10.337.000贈券狀態(tài)-2.667.363-.536-7.339.0

15、00a. 因變量: 銷售額實驗結(jié)果分析：R方在第二次擬合達到0.856，說明模型的擬合的情況非常好方差分析表顯示P值sig<0.05，說明模型非常顯著。表達式：銷售額=14.667-2.3*店內(nèi)促銷-2.667*贈券狀態(tài)實驗名稱：Logistic回歸 成績：實驗?zāi)康暮鸵螅赫莆誏ogistic回歸分析的SPSS操作方法實驗內(nèi)容：估計和檢驗Logistic回歸系數(shù)并解釋結(jié)果。實驗記錄、問題處理： 得出：分類表a已觀測已預(yù)測品牌忠誠百分比校正01步驟 1品牌忠誠012380.0131280.0總計百分比80.0a. 切割值為 .500方程中的變量BS.E,WalsdfSig.Exp (B)步

16、驟 1a品牌態(tài)度1.274.4797.0751.0083.575產(chǎn)品態(tài)度.186.322.3351.5631.205購物態(tài)度.590.4911.4421.2301.804常量-8.6423.3466.6721.010.000a. 在步驟 1 中輸入的變量: 品牌態(tài)度, 產(chǎn)品態(tài)度, 購物態(tài)度.實驗結(jié)果分析：結(jié)果顯示：品牌忠誠=1.274*品牌態(tài)度+0.186*產(chǎn)品態(tài)度+0.590*購物態(tài)度-8.462其中品牌態(tài)度的sig小于0.05,所以品牌態(tài)度與品牌購買正向變化顯著。但是因為產(chǎn)品態(tài)度和購物態(tài)度的sig大于0.05，所以這兩個變量與品牌購買的正向變化不顯著實驗名稱：因子分析 成績：實驗?zāi)康暮鸵?/p>

17、：掌握因子分析的SPSS操作方法實驗內(nèi)容：KMO和Barlett氏檢驗；輸出碎石圖及旋轉(zhuǎn)前后的因子矩陣；各因子的特征值和解釋的方差比例；解釋因子并命名；計算因子得分。實驗記錄、問題處理：步驟處理：分析降維因子分析將度量變量鍵入變量框，選取描述，勾選KMO與bartlett球形度檢驗選取抽取，勾選碎石圖選取旋轉(zhuǎn)，勾選載荷圖選取得分，勾選保存變量和因子得分系數(shù)矩陣KMO 和 Bartlett 的檢驗取樣足夠度的 Kaiser-Meyer-Olkin 度量。.589Bartlett 的球形度檢驗近似卡方101.749df15Sig.000如圖所示：解釋的總方差成份初始特征值提取平方和載入合計方差的

18、%累積 %合計方差的 %累積 %12.56942.82142.8212.56942.82142.82122.27237.86880.6902.27237.86880.6903.4317.18887.8784.3455.74393.6215.3055.09198.7126.0771.288100.000提取方法：主成份分析。成份矩陣a成份12預(yù)防蛀牙.940.189牙齒亮澤-.241.814保護牙根.930.059口氣清新-.311.800不預(yù)防壞牙-.808-.386富有魅力-.112.884提取方法 :主成分分析法。a. 已提取了 2 個成份。旋轉(zhuǎn)成份矩陣a成份12預(yù)防蛀牙.957-.047

19、牙齒亮澤-.034.849保護牙根.916-.171口氣清新-.105.852不預(yù)防壞牙-.878-.176富有魅力.108.884提取方法 :主成分分析法。 旋轉(zhuǎn)法 :具有 Kaiser 標準化的正交旋轉(zhuǎn)法。a. 旋轉(zhuǎn)在 3 次迭代后收斂。成份得分系數(shù)矩陣成份12預(yù)防蛀牙.366.083牙齒亮澤-.094.358保護牙根.362.026口氣清新-.121.352不預(yù)防壞牙-.315-.170富有魅力-.044.389提取方法 :主成分分析法。 構(gòu)成得分。實驗結(jié)果分析：KMO值為0.589，sig值為0.000，適合作因子分析各因子的特征值和解釋的方差比例可以在“解釋的總方差”中看出，其中我們

20、可以知道，特征值2.569和2.272可以解釋方差比例分別是42.821%和37.868%。因為因子1在預(yù)防蛀牙、保護牙根有很大載荷，所以將其命名為保健因子。因子2在牙齒亮澤、口氣清新、富有魅力有很大載荷，所以將其命名為社交因子。計算因子得分，得保健因子=0.366*預(yù)防蛀牙-0.094*牙齒亮澤+0.362*保護牙齦-0.121*口氣清新-0.315*不預(yù)防壞牙-0.044*富有魅力社交因子=0.083*預(yù)防蛀牙+0.358*牙齒亮澤+0.026*保護牙根+0.352*口氣清新-0.170*不預(yù)防壞牙+0.389*富有魅力實驗名稱：聚類分析 成績：實驗?zāi)康暮鸵螅赫莆辗謱泳垲惡蚄-means

21、聚類的SPSS操作方法實驗內(nèi)容：進行分層聚類和K-means聚類分析并輸出結(jié)果。實驗記錄、問題處理：分層聚類：步驟處理：分析分類系統(tǒng)聚類將度量變量鍵入變量框，勾選統(tǒng)計量中的聚類成員中的方案范圍，并且設(shè)置為最小3最大5.勾選繪制中的樹狀圖打開保存選項卡，勾選聚類成員中的方案范圍，設(shè)置最小3最大5結(jié)果如圖所示：聚類表階群集組合系數(shù)首次出現(xiàn)階群集下一階群集 1群集 2群集 1群集 2114162.0000032672.000007310143.00001842133.000001455113.0000096383.000001576124.000201084104.33303119594.50050

22、1210165.0000713114197.2508017125207.3339014131178.25010015142510.75041218151311.300136161611514.000150191741820.20011018182438.611141719191248.29216180群集成員案例5 群集4 群集3 群集1111222231114333522261117111811192221033311222121111322214333154111633317111185431933320222* * * * * * * * * * * * * * * * * * * H

23、I E R A R C H I C A L C L U S T E R A N A L Y S I S * * * * * * * * * * * * * * * * * * * Dendrogram using Average Linkage (Between Groups) Rescaled Distance Cluster Combine C A S E 0 5 10 15 20 25 Label Num +-+-+-+-+-+ 14 -+ 16 -+-+ 10 -+ +-+ 4 -+ +-+ 19 -+ +-+ 18 -+ | 2 -+-+ +-+ 13 -+ | | | 5 -+-+ +-+ | 11 -+ +-+ | | 9 -+ +-+ | 20 -+ | 3 -+-+ | 8 -+ | | 6 -+-+ +-+ | 7 -+ | | | | 12 -+-+ | +-+ 1 -+ +-+ | 17 -+ | 15 -+K均值聚類：步驟處理：分析分類K聚類將變量鍵入變量框，勾選保存中的聚類成員勾選選項中的是統(tǒng)計量下的三個復(fù)選框如圖所示：初始聚類中心聚類12購物有趣71購物導(dǎo)致超支33購物與就歺結(jié)合72爭取最合算交易42對購物沒興趣16比較價格省錢44聚類成員案例號聚類距離1