spss統(tǒng)計軟件實習報告

常用記錄軟件實習匯報姓名：*****學號：**********班級：記錄****練習1：(1)環(huán)節(jié)(1)打開“數(shù)據(jù)1.sav”,以“銷售額”為綜述變量，“部門”和“職務”為分組變量。(2)單擊菜單Analyze→Reports→OLAPCubes，打開OLAPCubes對話框，從左側的變量列表框中選擇“銷售額”，移入SummaryVariables方框中；選擇“部門”和“職務”，移入GroupingVariable方框中。(3)單擊Statistics按鈕，彈出OLAPCubes：Statistics對話框中，從CellStatistics記錄量列表中，移出系統(tǒng)默認的Sum、PercentofTotalSum和PercentofTotalN這三個默認的記錄量，從Statistics框中，選擇Median移入CellStatistics列表框中。（4）為了在表中對比分析部門和職務對銷售額導致的差異，對輸出的表格進行轉置，雙擊剛生成的表格，將它激活；在彈出的PivotingTrays1對話框，將分組變量“職務”和“部門”從Layer托盤拖動到下方的Row托盤上，單擊PivotingTrays1對話框中的關閉按鈕。單擊OK按鈕，輸出個案綜述分析成果由表可以得出：部門和職位決定了銷售額的高下.在同一部門當中,職務越高，銷售額金額越高；不一樣部門進行比較可以發(fā)現(xiàn)，各個部門的銷售額從大到小依次為財務部門，電腦服務部門，研發(fā)部門，其他部門。環(huán)節(jié)(1)打開“數(shù)據(jù)1.sav”,以“銷售額”為綜述變量，“部門”和“職務”為分組變量。(2)單擊Analyze→Reports→CaseSummaries，打開個案綜述分析對話框。從左側的變量列表框中選擇“銷售額”，移入SummaryVariables方框中；選擇“部門”和“職務”，移入GroupingVariable方框中。由于輸出的分組綜述表，并不需要顯示個案列表，因此不要選擇左下角的Displaycases復選框。(3)單擊Statstics按鈕。在記錄量對話框中，從左側的記錄量列表框中選擇Mean、Median和StandardDeviation移入右側的CellStatistics方框中，其中NumberofCases是默認的記錄量。單擊Continue按鈕，回到個案綜述對話框。單擊OK按鈕，輸出個案綜述分析成果由表可以得出：研發(fā)部門的銷售額是由減少到上升的變化趨勢；電腦服務部門銷售額是由上升到減少的變化趨勢；財務部門的銷售額由減少到增長再到減少的趨勢；其他部門展現(xiàn)由增長到減少趨勢，闡明職務和部門對銷售金額的影響并不是獨立的。（3）環(huán)節(jié)打開“數(shù)據(jù)1.sav”,單擊Analyze→CompareMeans→Means，打開Means(均值分析)對話框。把變量“銷售額”移入DependentList(因變量列表框)中，“部門”為IndependentList的第一層變量，“企業(yè)規(guī)?！睘镮ndependentList的第二層變量單擊OK按鈕，輸出分析成果。由表可以得出：各個部門的銷售額從大到小依次為財務部門，電腦服務部門，研發(fā)部門，其他部門。企業(yè)規(guī)模對銷售金額也有明顯的影響，規(guī)模越大，銷售額越高練習2：（1）環(huán)節(jié)打開“數(shù)據(jù)1.sav”單擊Analyze→DescriptiveStatistics→Frequencies，彈出Frequencies對話框，將變量“部門“移入Variable方框中取消右下方的“Displayfrequencytables”選項。單擊Statisitcs按鈕，彈出Statisitcs對話框。勾選CentralTendency欄中的Mean、Median、Mode這三個集中趨勢記錄量；勾選Dispersion欄中的StdDeviation、Range這兩個離散趨勢記錄量；勾選Distribution欄中的Skewness和Kurtosis。單擊Continue按鈕，返回到頻數(shù)分析對話框單擊Charts按鈕，在Chart對話框中，單擊Charttype中的Histograms(直方圖)，并且勾選其下方的Withnormalcurve(帶有正態(tài)曲線的直方圖)，單擊Continue按鈕，返回到頻數(shù)分析對話框。單擊OK按鈕，輸出分析成果。由表可以得出：銷售人員常常聯(lián)絡的客戶所在部門是電腦服務部門，另一方面是研發(fā)部門和財務部門。（2）由圖可以得出：餅狀圖中直觀的展現(xiàn)出多種職務的人員的銷售金額，最大的是高級管理人員；一般雇員尚有低級管理人員在圖中所占比例大小基本相等；最小的是企業(yè)老總。(3)環(huán)節(jié)：打開“數(shù)據(jù)1.sav”。運用Descriptive對變量“銷售額”進行分析。單擊Analyze→DescriptiveStatistics→Descriptives，彈出Descriptives對話框。從左側的變量列表框中選擇“銷售額”，移入Variable方框中單擊Options按鈕，選擇Mean取消離散趨勢記錄量中默認的Minimum和Maximum，只保留StdDeviation，單擊Continue按鈕，返回到描述性分析對話框。單擊OK按鈕，輸出成果由表可以得出：輸出成果中的記錄量表顯示變量“銷售額”的樣本容量n=70，其中有效數(shù)據(jù)70個，沒有缺失數(shù)據(jù)(missing＝0)。，原則差stddeviation為103.93940偏度skewness為5.325，峰度kurtosis為34.292,雖然偏度為正值，有點右偏趨勢，峰度為正值，峰值稍低于正態(tài)分布的峰值，不過這兩個分布形態(tài)趨勢記錄量都趨近于0，并且沒有不小于它們對應原則差的2倍，闡明變量“銷售額”也許還是靠近正態(tài)分布的。練習3：（1）環(huán)節(jié)：打開“數(shù)據(jù)2.sav”，單擊Analyze→DescriptiveStatistics→Explore，彈出探索性分析對話框。從左側變量列表框中選擇“月消費金額”，移入到DependentList方框中。單擊Statistics按鈕，在記錄量對話框中，勾選Outliers（離群值）和Percentiles（分位數(shù)），單擊Continue按鈕，返回到探索性分析對話框。單擊Plots按鈕，在圖形對話框中，勾選Descriptive欄中的Histogram；勾選Normalityplotswithtest，輸出正態(tài)檢查記錄量及其對應的圖形。單擊Continue按鈕，返回到探索性分析對話框，單擊OK按鈕，輸出分析成果。由圖表可得：本例中sig都不不小于常用的明顯性水平0.05，就拒絕變量服從正態(tài)分布的假設，因此變量“月消費金額”明顯不服從正態(tài)分布。直方圖顯示變量“月消費金額”的眾數(shù)集中在左側，有一種比較長的向右的尾巴，變量服從右偏分布。（2）環(huán)節(jié)：單擊常用工具欄中的DialogRecall按鈕，在彈出的對話框中選擇Explore，回到探索性分析對話框中，從左側變量列表框中選擇“客戶與否流失”，將它移入FactorList方框中，單擊OK按鈕，輸出成果中分別顯示客戶與否流失yes和客戶與否流失no的探索性分析成果。有圖表分析可得：正態(tài)檢查表(testofnormality)顯示，客戶流失yes和no的K-S記錄量和S-W記錄量說對應的明顯性水平對不不小于0.01.一次在1%明顯性水平下，拒絕正態(tài)分布的假設直方圖顯示變量“客戶流失yes”和“客戶流失no”的眾數(shù)集中在左側，有一種比較長的向右的尾巴，變量“月消費金額”服從右偏分布。練習4：環(huán)節(jié)：打開“數(shù)據(jù)3.sav”，單擊Analyze→CompareMeans→IndependentSamplesttest，彈出獨立樣本均值檢查對話框。將變量“鼓勵效果”移入到testvariable方框中。將變量“鼓勵措施”移入Groupingvariable方框中，單擊DefineGroup按鈕，彈出定義組對話框，在Group1和Group2后的文本框中分別輸入0和1。雙擊該檢查表，在SPSSViewer窗口中，單擊Pivot→PivotingTrays，彈出PivotingTrays對話框。將下方Rows托盤中的Assumptions圖標拖動到Layer托盤中，關閉PivotingTrays對話框。從Layer右側的下拉列表框中選擇EqualVarianceassumed，得到方差齊次條件下的兩個獨立樣本均值檢查成果。由表分析可得：記錄量表同樣顯示兩組變量的樣本容量、均值、原則差和抽樣平均誤差，A法的業(yè)績增長率為17.1043%，高于B法的業(yè)績增長率。兩組樣本的原則差相差不大。由表分析可得：在本例中，Levene記錄量為0.121，對應的明顯性水平Sig.=0.734，不小于常用的明顯性水平0.05，接受這兩組變量方差相等的假設，使用托盤轉置的措施，只顯示方差相等時t檢查的成果。由表分析可得：接下來可以觀測到t檢查記錄量為1.637，自由度為12，t記錄量對應的明顯性水平Sig＝0.128，不小于常用的明顯性水平0.05，接受兩組樣本均值相等的假定，也就是說A法和B法的鼓勵業(yè)績增長期有效果不存在明顯差異。練習5：環(huán)節(jié)打開“數(shù)據(jù)4.sav”單擊Graph→LegacyDialogs→Scatter,彈出Scatter/Dot對話框，單擊SimpleScatter按鈕，選擇簡樸散點圖，再單擊Define按鈕，彈出SimpleScatterplot對話框。在SimpleScatterplot對話框中，選擇“進出口總額”作為因變量，移入YAxis(縱坐標)方框下；選擇“地區(qū)生產(chǎn)總值”作為自變量，移入XAxis(橫坐標)方框下，單擊OK按鈕，生成簡樸散點圖。雙擊剛創(chuàng)立好的散點圖，在彈出的SPSSChartEditor編輯器中，單擊Element菜單中的AddFitlineatTotal按鈕，生成帶有擬合直線的散點圖。從散點圖中可以看出兩個變量之間大體展現(xiàn)線性趨勢，接下來使用線性有關分析和建立線性回歸模型是比較合適的。（2）環(huán)節(jié)：單擊Analyze→Correlate→Bivariate，彈出雙變量有關系數(shù)對話框，將兩個變量移入Variable方框中，單擊OK按鈕，輸出有關系數(shù)矩陣。（3））單擊Transform→compute,生成兩個變量的對數(shù)變量lny和lnx，繪制lnx和lny散點圖,環(huán)節(jié)同上有關系數(shù)表顯示兩個變量lnx和lny的有關系數(shù)為0.979，其對應的明顯性水平Sig為0.000，不不小于明顯性水平0.05，拒絕兩個變量有關系數(shù)r=0的假設，變量“l(fā)nx”和“l(fā)ny”線性有關明顯。比較得知，lny和lnx的線性有關程度強于變量“進出口總額”和“地區(qū)生產(chǎn)總值”線性有關程度（4）環(huán)節(jié)打開“數(shù)據(jù)4.sav”單擊Analyze→Regression→Linear，彈出線性回歸對話框。變量“l(fā)ny”是因變量，將它移入Dependent方框中，變量“l(fā)nx”是自變量，將它移入Independent方框中。單擊Plots按鈕，在LineRegression：Plots對話框中，從左側的變量列表框中，選擇ZRESID(原則化殘差)為縱坐標變量，移入Y方框中，選擇Dependent(因變量)為橫坐標變量,移入X方框中，在StandardizedResidualPlots(原則化殘差圖)欄中，選擇Histogram和Normalprobabilityplot，單擊Continue按鈕，回到線性回歸對話框。單擊Save按鈕，彈出LinearRegression：save(保留變量)對話框，分別勾選PredictedValues欄和Residual欄中的Unstandardized復選框，因變量的未原則化預測值和殘差將作為新變量保留到原文獻中。單擊Continue按鈕，回到線性回歸對話框。單擊OK按鈕，輸出線性回歸由系數(shù)表知進出口總額對地區(qū)生產(chǎn)總值的的一元線性回歸模型體現(xiàn)式為：練習六個人體會心得:spss是我們專業(yè)接觸的第一種記錄軟件,功能強大,雖然對它諸多的輸出成果還不會做出解釋,不過伴隨學習的深入,這將使我們的一種好幫手,協(xié)助我們完畢諸多的任務。在SPSS學習中,對它的認識由淺入深，循序漸進,實踐中碰到的多種問題逐一攻克,學習這種在平常