spss案例大數(shù)據(jù)分析報(bào)告

Spss期末作業(yè)關(guān)于我國城鎮(zhèn)居民消費(fèi)結(jié)構(gòu)及趨勢的數(shù)據(jù)分析本次分析采用的數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒一2011》,我選用的是其中的第十篇章一人民生活下的城鎮(zhèn)居民家庭基本情況的相關(guān)數(shù)據(jù)用以研究城鎮(zhèn)居民消費(fèi)結(jié)構(gòu)及其趨勢。（附數(shù)據(jù)部分截圖）W-5城鎮(zhèn)居民家庭基本情況ig^D]&952D00200920103566D422210殆帥56560?平均毎戶S.EAO〔人」3.50J.2331323928B:ire--；i：|■■_ -.1.961.G71.閱1491.4-5：^=--；l：lz:、：56.57S7.G9-53.&751.5651.7^1甲均毎一就業(yè)者圧加人數(shù)（包括謎11者本人）（人〕1.771.731.B61.941.93■1 全計(jì)：：?-：，■1516.21竝碼盟6295J11CB50sOS2W3X42工炎唯收入1H9.7033902144B0.5012392.1113707.6B225072￡22462415286S171361ri-'-4ii：：-15.605043384318452033換移4H：!-3284172S76144Z)78彌1.9it可刃1「16101G6279昭171746&I簟皿44土 ：=：1413.944102.34S147.3￡17248.301￡25fl.3a^'I：d' d'77.-127S.S^3S37.57>4鮑就122U.5513471.457 8ITT^J19TM2447^1430^1（A）下面是我對該數(shù)據(jù)做的相關(guān)分析。表一給出的是基本的描述性統(tǒng)計(jì)圖，表中顯示各個變量的全部觀測量的均值、標(biāo)準(zhǔn)差和觀測值總數(shù)N，表2給出的是相關(guān)系數(shù)矩陣表，其中顯示4個變量兩兩之間的pearson相關(guān)系數(shù)，以及關(guān)于相關(guān)關(guān)系等于零的假設(shè)的單側(cè)顯著性檢驗(yàn)概率。描述性統(tǒng)計(jì)量均值標(biāo)準(zhǔn)差N

食品2744.06601802.805845衣著775.8200555.676165居住694.1920565.482225家庭設(shè)備用品及服務(wù)488.2500343.940065表1描述性統(tǒng)計(jì)表相關(guān)性食品衣著居住家庭設(shè)備用品及服務(wù)食品Pearson相關(guān)性1.998**.991**.995**顯著性（單側(cè)）.000.001.000平方與叉積的和1.300E74000739.1974039135.8552468266.142協(xié)方差3250108.8921000184.7991009783.964617066.535N5555衣著Pearson相關(guān)性.998**1.985**.994**顯著性（單側(cè)）.000.001.000平方與叉積的和4000739.1971235103.9751238672.922760246.419協(xié)方差1000184.799308775.994309668.230190061.605N5555居住Pearson相關(guān)性.991**.985**1.996**顯著性（單側(cè)）.001.001.000平方與叉積的和4039135.8551238672.9221279080.565775005.410協(xié)方差1009783.964309668.230319770.141193751.352N5555家庭設(shè)備用品及服務(wù)Pearson相關(guān)性.995**.994**.996**1顯著性（單側(cè)）.000.000.000平方與叉積的和2468266.142760246.419775005.410473179.063協(xié)方差617066.535190061.605193751.352118294.766N5555

相關(guān)性食品衣著居住家庭設(shè)備用品及服務(wù)食品Pearson相關(guān)性1.998**.991**.995**顯著性（單側(cè)）.000.001.000平方與叉積的和1.300E74000739.1974039135.8552468266.142協(xié)方差3250108.8921000184.7991009783.964617066.535N5555衣著Pearson相關(guān)性.998**1.985**.994**顯著性（單側(cè)）.000.001.000平方與叉積的和4000739.1971235103.9751238672.922760246.419協(xié)方差1000184.799308775.994309668.230190061.605N5555居住Pearson相關(guān)性.991**.985**1.996**顯著性（單側(cè)）.001.001.000平方與叉積的和4039135.8551238672.9221279080.565775005.410協(xié)方差1009783.964309668.230319770.141193751.352N5555家庭設(shè)備用品及服務(wù)Pearson相關(guān)性.995**.994**.996**1顯著性（單側(cè)）.000.000.000平方與叉積的和2468266.142760246.419775005.410473179.063協(xié)方差617066.535190061.605193751.352118294.766N5555**.在.01水平（單側(cè)）上顯著相關(guān)。表2相關(guān)系數(shù)矩陣從表2中可以看出家庭設(shè)備用品及服務(wù)與食品、衣著之間相關(guān)系數(shù)分別為0.995、0.994，反映家庭設(shè)備用品及服務(wù)與食品、衣著之間存在顯著的相關(guān)關(guān)系。說明食品與衣著對家庭設(shè)備用品及服務(wù)條件的好轉(zhuǎn)有顯著的作用，此外食品與衣著之間，食品與居住之間，居住與衣著之間的相關(guān)系數(shù)分別為0.998、0.991、0.985，這說明他們之間也存在著顯著的相關(guān)關(guān)系。在這里還要提一下相關(guān)系數(shù)旁邊的兩個星號的意思，它表示顯著性水平a為0.01時仍拒絕原假設(shè)，一個星號則表示顯著性水平a為0.05時可拒絕原假設(shè)。因此，兩個星號比一個星號拒絕原假設(shè)犯錯誤的可能性更小。下面是做的回歸分析表3給出了進(jìn)入模型和被剔除的變量的信息。從表中我們可以看出所有3個自變量都進(jìn)入模型，說明我們的解釋變量都是顯著并且是有解釋力的。表4給出了模型整體擬合效果的概述，模型的擬合優(yōu)度系數(shù)為1.000，反映了因變量于自變量之間具有高度顯著的線性關(guān)系。表里還顯示了R平方以及經(jīng)調(diào)整的R值估計(jì)標(biāo)準(zhǔn)誤差表5給出了方差分析表我們可以看到模型的設(shè)定檢驗(yàn)F統(tǒng)計(jì)量的值為411.727，顯著性水平的P值為0.036。表6給出了回歸系數(shù)表和變量顯著性檢驗(yàn)的T值。我們發(fā)現(xiàn)變量“食品”的T值太小，沒有達(dá)到顯著性水平，因此我們要將這個變量剔除。從這里我們也可以看出模型雖然通過了設(shè)定檢驗(yàn)，但很有可能不能通過變量的顯著性檢驗(yàn)。輸入/移去的變量模型輸入的變量移去的變量方法1居住，衣著，食品a輸入a.已輸入所有請求的變量。表3變量進(jìn)入/剔除信息表模型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差11.000a.999.99719.56464a.預(yù)測變量:（常量），居住，衣著，食品。表4模型概述表Anovab模型平方和df均方FSig.1 回歸472796.2883157598.763411.727.036a殘差382.7751382.775總計(jì)473179.0634預(yù)測變量:（常量），居住，衣著，食品。因變量：家庭設(shè)備用品及服務(wù)表5方差分析表系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常量）86.02242.9022.005.295食品-.160.133-.838-1.204.441衣著.674.3491.0901.934.304居住.458.141.7523.256.190a.因變量：家庭設(shè)備用品及服務(wù)表6回歸系數(shù)表

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)測值118.2242901.6300488.2500343.800925殘差-11.588167.57571.000009.782325標(biāo)準(zhǔn)預(yù)測值-1.0761.202.0001.0005標(biāo)準(zhǔn)殘差-.592.387.000.5005a.因變量：家庭設(shè)備用品及服務(wù)表7殘差統(tǒng)計(jì)表表7給出了殘差分析表，表中顯示了預(yù)測值、殘差、標(biāo)準(zhǔn)化預(yù)測值、標(biāo)準(zhǔn)化殘差的最小值、最大值、均值、標(biāo)準(zhǔn)偏差及樣本容量等數(shù)據(jù)。根據(jù)概率的3西格瑪原則，標(biāo)準(zhǔn)化殘差的絕對值最大為0.387,小于3，說明樣本數(shù)據(jù)中沒有奇異值。表8給出了模型的直方圖。由于我們在模型中始終假設(shè)殘差服從正態(tài)分布，因此我們可以從這圖中直觀地看出回歸后的實(shí)際殘差是否符合我們的假設(shè)。從回歸殘差的直方圖與附于圖上的正態(tài)分布曲線相比較，可以認(rèn)為殘差的分布不是明顯地服從正態(tài)分布。盡管這樣也不能盲目的否定殘差服從正態(tài)分布的假設(shè)，因?yàn)槲覀冇昧诉M(jìn)行分析的樣本太小，樣本容量僅為5。spss參數(shù)檢驗(yàn)分析(單樣本t檢驗(yàn))1?單樣本t檢驗(yàn)。在這里我選擇的是轉(zhuǎn)移性收入這個變量做的分析，推斷轉(zhuǎn)移性收入的平均值是否為2200元，下面是分析后輸出的結(jié)果。單個樣本統(tǒng)計(jì)量N均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤轉(zhuǎn)移性收入52420.46002221.14998993.32847表9轉(zhuǎn)移性收入的基本描述統(tǒng)計(jì)結(jié)果單個樣本檢驗(yàn)檢驗(yàn)值=2200tdfSig.(雙側(cè))均值差值差分的95%置信區(qū)間下限上限轉(zhuǎn)移性收入.2224.835220.46000-2537.46202978.3820表10轉(zhuǎn)移性收入單樣本t檢驗(yàn)結(jié)果由表9可知，五個年份的轉(zhuǎn)移性收入的平均值為2420.4600元，標(biāo)準(zhǔn)差為2221.14元，均值的標(biāo)準(zhǔn)誤差為993.32。從表10中可以看出，該問題應(yīng)采用雙尾檢驗(yàn)，因此比較a/2和p/2,也就是比較a和P。如果a給0.05，由于P大于a,因此不應(yīng)拒絕原假設(shè)，不能認(rèn)為轉(zhuǎn)移性收入的平均值與2200有顯著差異。比率分析

計(jì)數(shù)總數(shù)5排除的0總計(jì)5案例處理摘要表11案例處理摘要工資性收入/平均每人全部年收入的比率統(tǒng)計(jì)量均值.714平均數(shù)絕對值偏差.048離散系數(shù).068方差系數(shù)均值居中8.7%中值居中8.7%表12工資性收入的比率分析結(jié)果表11是案例處理摘要，表12顯示的是工資性收入的比率分析結(jié)果，從表12可以看出五個年份的工資性收入占平均每人全部年收入的比率的均值為0.714，也就是說，五個年份的城鎮(zhèn)居民平均每人全部年收入中的71.4%為工資性收入，由此可見工資性收入對城鎮(zhèn)居民生活狀況改善的重要性。因子分析

在這里先將分析后得到的結(jié)果展示如下：相關(guān)矩陣a食品衣著居住家庭設(shè)備用品及服務(wù)醫(yī)療保健相關(guān) 食品1.000.998.991.995.986衣著.9981.000.985.994.981居住.991.9851.000.996.996家庭設(shè)備用品及服務(wù).995.994.9961.000.990醫(yī)療保健.986.981.996.9901.000a.此矩陣不是正定矩陣。表13相關(guān)系數(shù)矩陣公因子方差初始提取食品1.000.995衣著1.000.991居住1.000.994家庭設(shè)備用品及服務(wù)1.000.997醫(yī)療保健1.000.988提取方法：主成份分析。表14公因子方差'解釋成份初始特征值提取平方和載入合計(jì)方差的%累積%合計(jì)方差的%累積%14.96599.30099.3004.96599.30099.3002.027.53899.8383.006.11899.956

4.002.044100.00053.718E-177.436E-16100.000提取方法：主成份分析。表15解釋的總方差表16因子的碎石圖表18成分得分系數(shù)矩成份矩陣a成份1家庭設(shè)備用品及服務(wù).999食品.997居住.997

衣著醫(yī)療保健.995.994提取方法：主成分分析法。衣著醫(yī)療保健.995.994提取方法：主成分分析法。a.已提取了1個成份。表17成分矩陣成份1食品.201衣著.200居住.201家庭設(shè)備用品及服務(wù).201醫(yī)療保健.200成份得分系數(shù)矩陣提取方法：主成分分析法。旋轉(zhuǎn)法：具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。構(gòu)成得分。表13是原有變量的相關(guān)系數(shù)矩陣?？梢钥闯觯捍蟛糠值南嚓P(guān)系數(shù)都較高，各變量呈較強(qiáng)的線性關(guān)系，能夠從中提取公共因子，適合進(jìn)行因子分析。表14是因子分析的初始解，顯示了所有變量的共同度數(shù)據(jù)。第一列是因子分析初始解下的變量共同度，它表明：對原有5個變量如果采用主成分分析方法提取所有特征根（5個），那么原有變量的所有方差都可被解釋，變量的共同度均為1（原有變量標(biāo)準(zhǔn)化后的方差為1）。事實(shí)上，因子個數(shù)小于原有變量的個數(shù)才是因子分析的目標(biāo)，所以不可能提取全部特征根；第二列是在按指定提取條件（這里為特征根大于1）提取特征根時的共同度。表15中：第一列是因子編號，以后三列組成一組，每組中數(shù)據(jù)項(xiàng)的含義依次是特征根值、方差貢獻(xiàn)率。表16是因子的碎石圖，橫坐標(biāo)為因子數(shù)目，縱坐標(biāo)為特征根?？梢钥吹剑旱谝粋€因子的特征根值很高，對解釋原有變量的貢獻(xiàn)最大；第二個以后的因子特征根值都較小，對解釋原有變量的貢獻(xiàn)很小，已經(jīng)成為可被忽略的“高山腳下的碎石”，因此提取一個因子是合適的。表17顯示的是因子成分矩陣，是因子分析的核心容。由表可以看出5個變量在第一個因子上的載荷都很高，意味著它們與第一個因子的相關(guān)程度高，第一個因子很重要。另外還可以看出：因子的實(shí)際含義比較模糊。表18是成分得分系數(shù)矩陣。我的分析到此結(jié)束，以下為原始數(shù)據(jù)處理時的截.-^J.'L■:tJ.H&l14111E31■GTE.[flE?M51匚卿3XH21IS.4C■wm33H.Z1UW.?D1：K211i]?irw2254?ZE1P135116MJD.4J4319J1303?334-14FIMSEEB19151D1E412KE?9JE171T4G5x-tfioMillani^■■RiHiKD盤跑9 hw-2