统计分析与SPSS应用

统计分析与SPSS的应用摘要：为对统计分析与SPSS应用分析所学知识进行巩固和检验，特运用所学知识进行简单的 统计分析应用，下文以某校学生学期成绩进行模拟分析。一：原始数据：10级市场营销2班成绩S-fhD iMiD MBS出fl-FJi 庁Hfil RiLi FHHrffiLi 您* 羽辺枯：i M口岂回如冷；匝骼必帚曲日头列匕中专莎 *|1: ” 如dnsHL幫s*tw：a人力内音I. T-tfl刚2辞*111 DOfflxrei ot開加B5.CDSJU旳00审5?221000(161.00龜00B6.00闵.00900Q66.00伯.0007.71661143:731 DD的co由mbi mli00血0QB1D0由血&2 007B31441 DDEha?4.ms&a驗DO9GJQ7?00盜mB4(Ua=ii3S3 IKE*51 R0D再CdEARKODBEDQBE 009100田m05町94.385 7d&aw0I DO应XTco.roPIEBOBwin35JKJ耘0077.IH页恥flT.33BIM7100甌00teiddSJ时.00&r.m飭.0086007WBBJOO67.53螢羽n1 DD79fiTElOi酉血7W今 iJSQ卵00筑廊昉直！血3B7B76-POT911D的IXTBED79 in7? J8? QJSODB80D7En匪00S822WDID1 DCH9.0CTBdJ56 .KIEO.UO更ERSEE77008i.ni79J85. D4開ns1n?si11100闵.0074.IU飢00虧00汪血63.(0花00備.00S3.6713i DD的3注i圈曲&?i由mMOD7&0B呦曲丝直1的ng创冊1-3131 DD蛰a祖通活血sea矽血S3JJDgonBi OJ匪血0271也BG11411D的IXsenB4Da&mStDDH2UDBOOD7EDQTTJOOB4 EE：3S22诂去IEHDD闘XTCOOT7G.KITClOOiWJUTH JKI 00B.IK172 .iQ1.D4B ff?1SWODOH9.0D73.0073 JBB4J0C3&.IM80.920091.U179.61.00SLEM-一17ODD缶aesjo7dti创血的曲承00Bi tn甜直！77.137B5013IBDIDfflJXi逅EJEfllD741X1国on71 UDB30DE4D0E3 0072 m743ja?ILSW19HDD73.00SOT79.00Bi.m5DJKI川0077.IMffliJO7(.E374 4130:圧岭玄1ODD7 .00EDEfl.00G?.UIUDQIEXD4ZDDDim7UJ0SO QI2121ODO90 00&176J閒00和OBsewFTOI137B4922呂性卫ODD?Ji!取JQ7dt创血TBXigQOO7i tn旳jKi7100昭n EDB2 00田niEU gBE： COst on叩8时00ED DQMOO73 E2Tteen亡叩 ft PCtlU -BUBLBSfi专JMfJCi itfa.门_Ml分析一：综测成绩四分位数Statistics综测成绩NValid31Missing0Minimum68.61Maximum89.15Percentiles2574.41005080.37407585.2200上表表明：综测成绩的最小值为68.61分，最大值为89.15分。其中25%的学生综测成绩为74.4100分，50%的学生综测成绩为80.3740分，75%的学生综测成绩为85.2200分。四分位数差 从侧面证实了学生综测成绩呈一定左偏分布。分析二：综测成绩直方图HistogramSLd. jav- *5.62Nl=31上图表明：该班学生的综测成绩均分为 80.07 分，标准差为 5.62。 测成绩呈左偏性分布，在85 分左右的学生人数最多，70分左右的学生人数最少。从图中可以看出分析三：综测成绩的基本统计量分析Descriptive StatisticsNRangeMinimumMaximumMeanStd.DeviationSkewnessKurtosisStatisticStatisticStatisticStatisticStatisticStatisticStatisticStd.ErrorStatisticStd.Error综测成绩3120.5568.6189.1580.07345.61963-.246.421-1.069.821Valid N(listwise)31上表表明：综测成绩的极差为20.55分，意味着数据相对较分散。另外，综测成绩的最小值和最大值分别为68.61分和89.15分，平均分为80.0734分，标准差为5.61963。从偏度系数可以看出，系数小于0，偏度标准误差为0.421，因而该班综测成绩呈左偏分布，。从峰度系数可以看出，峰度值小于0，峰度标准误差为0.821，因而数据的分布比标准正态分布更加平缓，称为平峰分布。分析四：各科成绩的统计量分析比较各科成绩统计量结果分析表Descriptive StatisticsNRangeMeanStd.DeviationSkewnessKurtosisSta tist icStatisticStatisticStatisticStatisticStd. ErrorStatisticStd. Error市场营销学3124.0084.16136.96226-.369.421-1.008.821大学英语3129.0071.35487.36907-.517.421-.306.821统计学原理3139.0077.451611.42173-.465.421-.975.821人力资源管3128.0080.93558.85413.005.421-1.069.821理生产运作与3116.0083.48394.31177-.776.421-.057.821管理体育3130.0087.29038.29535-.895.421-.185.821宏观经济学3150.0079.967712.40829-1.455.4212.252.821会计学3131.0075.09689.64142-.222.421-1.174.821组织行为学3125.0076.35488.22414-.317.421-1.291.821Valid N(listwise)31由上表可知：宏观经济学的全距最大，而生产与运作管理的全距最小，表明宏观经济 学的成绩离散程度最高，而生产与运作管理的成绩离散程度最低；同时，对于标准差而言， 也是宏观经济学的标准差最大而生产与运作管理的标准差最小。各科成绩平均分最高的为体 育成绩，平均分最低的为英语成绩。各科成绩中只有人力资源管理的成绩是呈右偏分布，其 他各科成绩均呈左偏分布。另外，各科成绩中，只有宏观经济学的成绩呈尖峰分布，其他各 科呈平峰分布。分析五：各科成绩的Q-Q图分析Ncrnul a 3 Picul ot !：.产作:与什刖QtwrvtdViiuo用4EU.I Q43 Plot &f富舄畀材学O-DwrvQid Viiue由上图可得出结论：各科成绩均符合正态分布，只有几个高分和低分点略偏离正态分布线。分析六：对体育成绩的t检验体育成绩的基本描述统计量One-Sample StatisticsNMeanStd.DeviationStd. ErrorMean体育3187.29038.295351.48989体育成绩的单样本t检验结果One-Sample TestTest Value = 88tdfSig.(2-tailed)MeanDifference95% Confidence Interval ofthe DifferenceLowerUpper体育-.47630.637-.70968-3.75242.3331由上面两个表的内容可知：本班31人的体育成绩中，平均分为87.2903分，标准差为8.29535。原假设为：本班体育成绩的平均分不低于88分。单样本t检验中t统计量的双尾概率P-值为0.637，比例总体均值的95%置信区间为(-3.7524,2.3331)。如果显著性水平为0.05，由于应进行单尾检验且0.637/2大于显著性水平，因此不应拒绝原假设，不能认为本班体育成绩的 平均分不显著高于88分，同时88分大于95%的置信区间的下限值也证实了这个结论。分析七：性别对大学英语成绩的单因素方差分析结果ANOVA大学英语Sum of SquaresdfMean SquareFSig.Between Groups585.2651585.26516.260.000Within Groups1043.8322935.994Total1629.09730上表是性别对大学英语成绩的单因素方差分析结果。可以看到：观测变量大学英语成绩的离差平方总和为1629.097；如果仅考虑性别单个因素的影响，则大学英语成绩总变差中，性别可解释的变差为585.265，抽样误差引起的变差为1043.832，它们的方差分别为585.265和35.994,相除所得的F统计量观测值为16.260,对应的概率P-值近似为0。如果显著性水平为0.05, 由于概率P-值小于显著性水平，因此应拒绝原假设，认为性别对大学英语成绩产生了显著性影 响,性别对大学英语成绩的影响效应不全为0。分析八：会计学成绩及格率二项分布检验及格率的二项分布检验结果Binomial TestCategoryNObserved Prop.Test Prop.Asymp.Sig.(1-tailed)会计学Group 1 6029.9Total311.0a. Alternative hypothesis states that the proportion of cases in the first group .9.b. Based on Z Approximation.由上表可知：31人成绩中,及格的有29人,不及格的有2人,成绩及格率的实际比例 为 0.9。检验及格率为 0.9。由于是小样本,检验值和观察值恰好一致,可认为本班的会计学 及格率达到了 90%。分析九：均学成绩与综测成绩的相关系数分析均学成绩与综测成绩的相关系数计算结果Correlations均学成绩综测成绩均学成绩 Pearson Correlation1.952*Sig. (2-tailed).000Sum of Squares and1094.249969.798Cross-productsCovariance36.47532.327N3131综测成绩 Pearson Correlation.952*1Sig. (2-tailed).000Sum of Squares and969.798947.406Cross-productsCovariance32.32731.580N3131*. Correlation is significant at the 0.01 level (2-tailed).由表可知，均学成绩与综测成绩间的简单相关系数为0.952，说明两者之间存在正的强相关 性，其相关系数检验的概率P-值近似为1,两者存在强的相关性。该表中相关系数上角的两个 星号（*）表示显著性水平为 0.01 时拒绝原假设。一个星号（*）表示显著性为 0.05 时拒绝 原假设。因此，两个星号比一个星号拒绝原假设犯错误的可能性更分析十：层次聚类分析中的类成员根据综测成绩进行的聚类分析Cluster MembershipCase3 Clusters2 Clusters1：徐婷112咲8晴晴113: 王莹224:单榕榕115:李思岑116:熊宵117:方婷118:占雪萍229:江丽1110：曾爱飞1111:程梦圆1112:王玲1113:薛珊珊1114:刘馨1115:周杰1116:詹智龙1117:陈松2218:胡波3219:张文锋3220：李海峰3221:明清2222:黄检牛3223:夏聪3224:许词郭3225:扶智新1126:陈梦芸3227:江钦保2228:袁振2229:段丰3230:王度2231:周志强32由表可知，当聚成3类时，1类的有15人，2类的有7人，3 类的有9人；当聚成2类时，1 类有 15 人， 2 类有 16 人。学习心得：通过这次作业的完成，我了解到，统计分析必须完善基 础，不断提高统计分析能力。将课本所学的方法与知识灵活运用，多 加练习才能熟练的对一份数据做好正确的分析。