统计学实验报告

　 （1）数据的排序 步骤：

　（1）打开 SPSS 软件，打开数据住房状况调查表。

　 （2）选择菜单中的排序→排序个案，指定主排序变量“户口状况”到排序依据中，然后选择排序顺序中的升降序。然后再把“现住面积”放到排序依据中，依然选择升降序。然后点击确定，得到下面的图框。

　 （2）数据的分组 步骤：

　（1）

　菜单→转换 →重新编码为不同变量。

　（2）选择分组变量“人均面积”到【变量—>输出变量】

　（3）在输出变量名称中存放分组结果的变量名，这里的变量名为“mj”,标签为分组后的人均面积，出现如下图框。

　（4）点击“旧值与新值”按钮进行分组区间的定义。

　 最低到 10 用 1 表示。

　10.5 到 20 用 2 表示。

　20.5 到 30 用 3 表示。

　30.5 到最高用 4 表示。

　得到下面的图片。

　（3）数据转置

　步骤:

　(1)打开 SPSS 软件，打开数据”职工奖金”.

　(2) 选择菜单:数据→转置.

　 (3)把”职工号”选入名称变量框,职工奖金选入变量框.如下图:

　最后单击“确定”。

　（4）数据排序 步骤：

　（1）打开 SPSS 软件，打开数据住房状况调查表。

　（2）选择菜单:数据→排序个案 (3)

　指定主排序变量“户口状况”到排序依据中，然后选择排序顺序中的升降序。然后再把“现住面积”放到排序依据中，依然选择升降序。随后显示如下图,然后点击确定.

　 （5）频数分析：

　 步骤：

　（1）打开住房状况调查表，菜单中的分析→描述统计→频率，出现以下所示的对话框。

　（2）选择从业状况和房屋产权到变量框中，点击图表，出现以下图示，选择条形图。

　（3）结果如下：

　（6）单样本 T 检验：

　步骤：

　（1）打开住房状况调查表，菜单→分析→比较均值→单样本 T 检验

　（2）选择待检验的变量“人均面积”到检验变量中，设置“检验值“为20，得到如下图框。

　 （3）点击“选项”按钮的

　 （4）

　结果：

　 分析结果：

　 人均面积的均值为 22.0060，P 值为 0.000，显著性水平是 0.05，因为 P 值小于显著性水平，所以拒绝原假设。所以人均住房面积的平均值与 20 平方米有显著性差异。人均住房面积的在 95%的置信区间在 21.5508~22.4612,平方米中。没有包括 20 平方米。

　（7）独立样本 T 检验：

　步骤：（1）打开数据住房状况调查表。

　（2）菜单→分析→比较均值→独立样本 T 检验

　（3）选择“人均面积”到检验变量中，“户口变量”到分组变量中，点击定义组，得到如下图框。

　（4）结果：

　分析结果：

　由表一得：人均面积中本市户口和外地户样本的平均值存在这差异。

　由表二得：（一）两个总体方差是否相等，F 值是 65.469，P 值是 0.000，显著性水平时 0.05，因为 P 值小于显著性水平，所以两个总体方差存在着显著性差异。（二）两个总体均值是否相等，由（一）可得，两个总体方差不相等，所以选择的 T 值为-3.369,对应的 P 值是-0.001，显著性水平是 0.05，P 值小于显著性水平，所以两个总体均值存在显著性差异，即本地户口和外地户口在人均住房面积的平均值存在差异。

　 （8）配对样本检验：

　步骤：

　（1）打开住减肥茶数据。

　（2）菜单→分析→比较均值→配对样本 T 检验

　（3）选择成对样本按”ctrl”键到“成对变量“中，按选项按钮设置 95%的置信区间，

　得到如下的图框。

　（4）结果如下：

　分析结果得：由表一的喝茶后的平均体重低于喝茶前的的体重。

　 由表三可知Ｔ检验观测值是14.52,Ｐ值接近０，显著性水平是0.05，因为 P 值小于显著性水平，所以拒绝原假设。即喝茶后和喝茶前的体重是存在显著性差异。

　（9）单因素方差分析：

　解：由题意的：

　步骤：

　 （1）利用ＳＰＳＳ软件，菜单 →分析→比较均值→ 单因素方差分析， （2）

　把销售额选入因变量列表，广告形式选做因子，在选项中选中方差同性质检验，两两比较中选择 LSＤ，点击确定。

　得到如下结果；

　 AN OVA 销售额 方差齐性检验 销售额 Levene 统计量 df1 df2 显著性 .765 3 140 .515

　 平方和 df 均方 F 显著性 组间 5866.083 3 1955.361 13.483 .000 组内 20303.222 140 145.023

　 总数 26169.306 143

　分析结果：

　 从图中可以看出所得到的 F 值是 13.484，对应的 P 值接近 0，又因为显著性水平是 0.05，由于Ｐ值小于显著性水平，所以不同的广告形式对销售额有显著性影响。

　（10）线性相关 步骤：

　（1）输入数据

　 选择

　 运行结果如下：

　从图中可以看出，考试成绩与复习时间为正相关关系 步骤：

　（2）选择

　 运行结果如下：

　 描述性统计量

　均值 标准差 N 复习时间x 24.00 6.481 8 考试成绩y 76.00 11.250 8

　 相关性

　复习时间x 考试成绩y 复习时间x Pearson 相关性 1 .862**

　显著性（双侧）

　.006 N 8 8

　考试成绩y Pearson 相关性 .862**

　1 显著性（双侧）

　.006

　N 8 8 **. 在 .01 水平（双侧）上显著相关。

　从图中看出：显著性检测值 p=0.006<0.05，表明两个变量之间存在显著的线形关系，而且相关系数为 0.862，属于高度相关。

推荐访问:统计学 实验 报告