SPSS实验报告1

实 验 报 告

课程名称 数据分析 实验名称 均值比较与方差分析 系别 电子信息科学学院 专业班级 信息管理15级专升本 指导教师 学号 姓名 实验日期 2015年11月18日实验成绩

一、实验目的

1． 掌握均值比较和方差分析的原理、过程和应用

2． 掌握两独立样本和两配对样本的t检验的过程和结果解释 3． 掌握单因素方差分析的分析过程和结果解释 4． 掌握多因素方差分析的分析过程和结果解释

二、实验环境

1． 硬件环境：微机

2． 软件环境： Windows，SPSS Statistics 22

三、实验内容

1．数据文件GSS2004_Mod.sav中记录了男性或女性每周上网浏览网页的时间（变量WWWHR，单位小时）。用两独立样本t检验方法分析男性和女性在上网时间上是否不同。 （1）原假设

男性和女性的上网时间没有显著差异。 （2）参数设置

检验变量：WWW HOURS PER WEEK 分组变量：GENDER

（3）操作步骤及计算结果 操作步骤：

① 选择菜单：【分析A】→【比较均值（M）】→【独立样本T检验（T）】；如图1-1

图1-1

第 1 页 共 6 页

② 选择检验变量“WWW HOURS PER WEEK”到【检验变量（T）】框中。 ③ 选择总体标识变量“GENDER”到【分组变量（G）】框中。

④点击按钮定义两总体的标示值，如图1-2。其中，【使用指定值（U）】表示分别输入对应两

个不同总体的标记值。

图1-2

计算结果：

（4）结果及其解释

结果：男性和女性的上网时间存在显著差异。

解释：从独立样本鉴定的表中可以看出F检验值为15.182，对应的概率P值为0.00＜0.05，所以拒绝原假设。由于两总体方差有显著差异所以要看到“不采用相等变异数”这一列，其中T统计量的值为4.866，对应的概率P值为0.00。如果显著性水平α为0.05，由于概率P值小于0.05，所以认为量总体的均值有显著差异。并且95%置信区间不夸零，也说明了有显著差异。

2．数据文件GSS2004_Mod.sav中记录了受访者父亲和母亲的受教育情况。试用两配对样本t检验方法比较父亲的受教育情况（变量PAEDUC）和母亲的受教育情况（变量MAEDUC）是否不同。 （1）原假设

父亲的受教育情况和母亲的受教育情况没有显著差异。 （2）参数设置

成对变量：PAEDUC， MAEDUC （3）操作步骤及计算结果 ①选择菜单：

第 2 页 共 6 页

【分析（A）】→【比较均值（M）】→【配对样本T检验（P）】，如图2-1

图2-1 ②选择PADUC和MADUC到【成对变量（V）】框中。 结果：

图2-2

图2-3

图2-4

（4）结果及其解释

结果：父亲的受教育情况和母亲的受教育与情况没有显著差异。

解释：从图2-2的平均值可以看出没有较大的差异。图2-3中对应的概率P值为.000，如果显著性水平α为0.05，则表明父亲和母亲的受教育情况有明显的线性变化，父亲和母亲的受教育情况相关性程度较强。从图2-4中可以看出，父亲与母亲的受教育情况的平均差异，仅只有0.49；95%置信区间的上下限一正一负，则表示两者接近无显著差异；最后相对应的概率P值0.494，如果显著性水平α为0.05，则接受原假设，所以父亲的受教育情况和母亲的受教育与情况无显著差异。

第 3 页 共 6 页

3．一家关于MBA报考、学习、就业指导的网站希望了解国内MBA毕业生的起薪是否与各自所学的专业相关。为此，他们在已经从国内商学院毕业并且获得学位的MBA学生中按照各专业分别随机抽取了10人，调查了这些学生的起薪情况，数据文件为MbaSalary.sav。根据这些调查他们能否得出专业对MBA起薪有影响的结论。 （1）原假设

国内MBA毕业生各自所学专业与起薪情况没有显著关系。 （2）参数设置 观测变量：起薪 控制变量：专业

（3）操作步骤及计算结果 操作步骤： ①选择菜单： 【分析（A）】→【比较均值（M）】→【单因素ANOVA】； ②选择观测变量“起薪”到【因变量列表（E）】框中，如图3-1；

④ 选择控制变量“专业”到【因子（F）】框中，如图3-2；

图3-1

计算结果：

图3-2

（4）结果及其解释

结果：国内MBA毕业生各自所学专业与起薪情况没有显著关系；

解释：从图3-2可以看出，F统计量的观测值为2.459，对应的概率P值为0.079。如果显著性水平α为0.05，由于概率P值大于显著性水平α，所以接受原假设，认为国内MBA毕业生各自所学专业与起薪情况没有显著关系。

4．一家连锁零售店试图对顾客的购买习惯进行调查。grocery_1month.sav记录了顾客性别、购物方式、消费额等信息。使用多因素方差分析方法分析顾客性别和购物方式对消费额有何影响。 （1）原假设

第 4 页 共 6 页

不同顾客性别没有对消费额产生显著差异；不同购物方式对消费额没有显著差异；顾客性别和购物方式对消费额没有产生显著的交互影响。 （2）参数设置 观测变量：消费额

控制变量：顾客性别，购物方式 （3）操作步骤及计算结果 操作步骤： ①选择菜单： 【分析（A）】→【一般线性模型】→【单变量（U）】； ②指定观测变量“消费额”到【因变量（D）】框中；

③指定固定效应的控制变量“顾客性别”和“购物方式”到【固定因子(F)】框中，如图4-1。

计算结果：

图4-2

图4-2

第 5 页 共 6 页

（4）结果及其解释

结果：不同顾客性别对消费额有显著差异；不同购物方式对消费额没有显著差异；顾客性别和购物方式对消费额有显著的交互影响。 解释：从图中可以看出Fgender，Fstyle，Fgender*style的概率P值分别为0.000，0.140和0.017.如果显著性水平α为0.05，由于Fgender，Fgender*style概率P值小于显著性水平α，所以应该拒绝原假设，可以认为不同顾客性别对消费额有显著差异，顾客性别和购物方式对消费额有显著的交互影响，而Fstyle概率P值小于显著性水平α，则接收原假设认为不同购物方式对消费额没有显著差异。

四、实验小结（心得体会、遇到问题及其解决方法）

第 6 页 共 6 页

本文来源：https://www.bwwdw.com/article/x0rf.html