spss期末论文设计正稿子

word关于住房状况调查的SPSS统计数据分析一、 数据介绍数据来源于统计分析方法与SPSS的应用第二版案例数据住房情况调查.分析的数据为2993个样本的住房状况.其中包含21个变量.分别为编码、所在区A、B、C、D、E、性别(男、女)、年龄、文化程度初中与以下、高中、大学、研究生与以上、从业状况行政事业单位、国营企业、私营企业、大专院校科研单位、失业、其他婚姻已婚、否、常住人口、户口状况本地户口、外地户口、家庭收入、现住面积、人均面积、房屋产权、住房满意(满意、不满意)、未来三年不买、购置、计划面积、计划户型、购置类型、地理位置、购房价位、是否贷款(自筹、申请贷款)。通过运用SPSS统计软件.对变量进展频数分析、样本T检验、相关分析等以了解2993个样本的住房状况并分析变量的分布特点与相互间的关系。二、 频数分析频数分析能够了解变量取值的状况.便于把握数据的分布特征。一分析被调查家庭中户主文化程度与从业情况。统计量文化程度从业状况N有效29932993缺失00频率表文化程度频率百分比有效百分比累积百分比有效初中与以下805高中中专1258大学专、本科896研究生与以上34合计2993从业状况频率百分比有效百分比累积百分比有效行政事业单位504国营企业1300私营企业467大专院校科研单位142失业285其它295合计2993条形图:由上表可以得到以下分析结论:首先.本次调查的总家庭为2993户.户主的文化程度是：人数最多的是高中.其次是大学和初中以下.人数大致相当.人数最少的是研究生与以上。其次.本次被调查家庭户主从业情况是:人数最多的是国营企业、其次是行政事业单位和私营企业人数大致相当.人数最少的是大专院校科研单位。三、单样本T检验：一提出原假设假设H0：总体均值与检验值之间不存在显著差异（二） 选择检验统计量（三） 计算检验统计量观测值和概率p值（四） 给定显著性水平.并作出决策检验被调查样本中的现住面积是否大于80平方米原假设H0：现住面积平均值等于80平方米对居民现住面积进展单样本T检验单个样本统计量N均值标准差均值的标准误现住面积2993.47349单个样本检验检验值 = 80 tdfSig.(双侧)均值差值差分的 95% 置信区间下限上限现住面积2992.000结论：由上表可知.在调查的2993个样本中.现有面积的平均值为62.7241平方米.标准差为25.90383.单样本T检验中t统计量的双尾概率P值为0.47349.比例中体均值的95%置信区间为1.7957,3.6525。如果显著性水平.拒绝原假设.所以.在5%的显著性水平下.现住面积不是80平方米。两独立样本T 检验：两独立样本T检验有两个检验：F检验和T检验0：两总体方差无显著性差异该检验首先计算每个个案与所属组均值之差并取绝对值.然后对其进展单因素方差分析。如果F检验的P.如此拒绝F检验的H0.认为方差不齐性；其次看Unequal行的t检验概率。首先.如果F检验的P .如此不能拒绝F检验的H0.如此拒绝t检验的H0.认为两总体均值有显著差异；如果T检验的P.如此不拒绝t检验的H0。 分析本市户口与外地户口家庭人均住房面积的平均值是否存在显著性差异。该问题中.由于本市户口人均住房面积和外地户口人均住房面积可以看成两个总体.且住房面积可近似认为服从正态分布.样本数据的获取的独立抽样的.因此可以用两独立样本T检验的方法进展。原假设H0：本地户口和外地户口的家庭人均住房面积的平均值无显著性差异组统计量户口状况N均值标准差均值的标准误人均面积本市户口2825.22907外地户口168独立样本检验方差方程的 Levene 检验均值方程的 t 检验差分的 95% 置信区间FSig.tdfSig.(双侧)均值差值标准误差值下限上限人均面积假设方差相等.0002991.000假设方差不相等.001结论:.所以拒绝原假设.两总体方差相等.两总体方差不相等.看第二行.由于T检验的P为0.1%小于显著性水平.所以拒绝原假设.得出结论本地户口和外地户口的家庭人均住房面积的平均值有显著性差异。四、相关分析：相关分析是分析客观事物之间关系的数量分析法.明确客观事物之间有怎样的关系对理解和运用相关分析是极其重要的。函数关系是指两事物之间的一种一一对应的关系.即当一个变量X取一定值时.另一个变量函数Y可以根据确定的函数取一定的值。另一种普遍存在的关系是统计关系。统计关系是指两事物之间的一种非一一对应的关系.即当一个变量X取一定值时.另一个变量Y无法根据确定的函数取一定的值。统计关系可分为线性关系和非线性关系。一简单散点图 简单散点图是表示一对变量间统计关系的散点图指定某个变量为散点图的纵轴变量指定某个变量为散点图的横轴变量分析家庭收入与现住面积之间的关系家庭收入与现住面积的散点图由散点图可以看出.家庭收入与现住面积之间存在弱相关性.散点图虽然能直观地展现变量之间的统计关系.但不准确。二计算相关系数相关系数的特点：相关系数以数值的方式准确地反映了两个变量间线性相关的强弱程度。1利用样本数据计算样本相关系数。样本相关系数反映了两变量间线性相关程度的强弱。相关系数r的取值在-1+1之间.r0表示两变量存在正的线性相关关系；r0.8表示两变量之间具有较强的线性相关关系；| r| 0.3表示两变量之间的线性相关关系较弱。2其次.对样本来自的两总体是否存在显著的线性关系进展推断。提出原假设.即两总体无显著线性关系.存在零相关。选择检验统计量。计算检验统计量的观测值和对应的概率值P-值决策通过绘制散点图得知家庭收入与现住面积之间存在一定的正的弱相关关系.为更准确地反映两者之间线性关系的强弱.采用计算相关系数的方法。原假设H0：家庭收入与现住面积零相关相关性家庭收入现住面积家庭收入Pearson 相关性1.292*显著性双侧.000N29932993现住面积Pearson 相关性.292*1显著性双侧.000N29932993*. 在 .01 水平双侧上显著相关。结论为0.05或0.01时.应拒绝原假设。附表：以下是对促销人员进展培训前后的促销数据：培训前440500580460490480600590430510320470培训后620520550500440540500640580620590620试分析该培训是否产生了显著效果。原假设：培训后业务人员的促销数据没有明显的线性变化成对样本统计量均值N标准差均值的标准误对 1培训前12培训后12成对样本相关系数N相关系数Sig.对 1培训前 & 培训后12.675成对样本检验成对差分tdfSig.(双侧)均值标准差均值的标准误差分的 95% 置信区间下限上限对 1培训前 - 培训后11.041结论：.所以拒绝原假设.说明培训前与培训后有显著性差异。8 / 8