用spss对数据进行分析结果的解释

1.某轮胎厂的质量分析报告中说明，该厂某轮胎的平均寿命在一定的载重负荷与正常行驶条件下会大于25000公里。平均轮胎寿命的公里数近似服从正态分布。现对该厂的这种轮胎抽取一容量为15个的样本如下，能否作出结论：该产品与申报的质量标准是否

相符？

21000，19000，33000，31500，18500，34000，29000，26000，25000，28000，30000，

28500，27500，28000，26000

单个样本统计量 V1 N 15 均值 27000.00 标准差 4636.809 均值的标准误 1197.219 单个样本检验 V1 t 1.671 df 14 检验值 = 25000

差分的 95% 置信区间 Sig.(双侧) .117 均值差值 2000.000 下限 -567.78 上限 4567.78

表一表示有15个变量，平均值为27000，样本数据分布的标准差为4636.809，样本均值分布的标准误差为1197.219.

表二表示即在假设总体轮胎的寿命为25000公里的情况下，计算T统计量为1.671，自由度为14，双侧检验为0.117，样本均

《SPSS原理与运用》练习题

数据对应关系：06-均值检验； 07-方差分析； 08-相关分析； 09-回归分析； 10-非参数检验； 17-作图

1、以data06-03为例，分析身高大于等于155cm的与身高小于155cm的两组男生的体重和肺活量均值是否有显著性。 分析：一个因素有2个水平用独立样本t检验，此题即身高因素有155以上和以下2个水平，因此用独立样本t检验（analyze->compare means->independent-samples T test）。 报告：一、体重①m+s:>=155cm 时, m= 40.838kg; s= 5.117;

<155cm 时, m= 34.133kg；s= 3.816； ②方差齐性检验结果：P=0.198>0.05,说明方差齐性。

③t=4.056; p=0.001 < 0.01,说明身高大于等于155cm的与身高小于155cm的两组男生的体重有极显著性差异。

二、肺活量①m+s: >=155cm 时,m=2.404; s=0.402;

<155cm 时, m=2.016；s=0.423； ②方差齐性检验结果：P=0.961>0.05,说明方差齐性。

③t=2.512; p=0.018 < 0.05,说明说明身高大于等于155cm的与身高小于155cm的两组男生的体重有显著性差异。

2、以data06-04为例，判断体育疗法对降低血压是否有效。

分析：比较前后2种情况有无显著差异，用配对样本t检验， (analyze->compare means-> paired-samples T test

专题16 用SPSS进行判别分析

1 用默认方法作判别分析 2 选项的设置简介

1

1 用默认方法作判别分析

用默认方法作判别分析，可按如下步骤进行。 ① 建立或读入数据文件

在数据窗中输入待分析的数据，或利用File菜单中的Open功能打开已存在的数据文件。

② 展开主对话框

在SPSS主界面中依次逐层选择“Analyze”、“Classify”、“Discriminant”，展开判别分析主对话框（如图）。

2

③ 选择分类变量及其取值范围

在如图14.1的主对话框左边的矩形框中选定分类变量，并用上面一个箭头按钮将其移到“Grouping Variable”框中。然后用其下面的“Define Range”按钮打开如图14.2的对话框。

分别在“Minimum”和“Maximum”后面的矩形框中键入分类变量的最大值与最小值，然后按“Continue”按钮返回主对话框。分类变量须是数值型的，其值必须是整数，每个值代表一类，如１代表健将、２代表一级运动员、３代表二级运动员。

3

④ 选择判别变量

在主对话框左边的矩形框中选择判别变量，并用下面一个箭头按钮将它们移到“Independents”矩形框中。

⑤ 选择是否作逐

SPSS聚类分析过程

聚类的主要过程一般可分为如下四个步骤： 1.数据预处理（标准化）

2.构造关系矩阵（亲疏关系的描述） 3.聚类（根据不同方法进行分类） 4.确定最佳分类（类别数）

SPSS软件聚类步骤

1. 数据预处理（标准化）

→Analyze →Classify →Hierachical Cluster Analysis →Method 然后从对话框中进行如下选择

从Transform Values框中点击向下箭头，此为标准化方法，将出现如下可选项，从中选一即可：

标准化方法解释：None：不进行标准化，这是系统默认值；Z Scores：标准化变换；Range –1 to 1：极差标准化变换（作用：变换后的数据均值为0，极差为1，且|xij*|<1，消去了量纲的影响；在

以后的分析计算中可以减少误差的产生。）；Range 0 to 1（极差正规化变换/ 规格化变换）；

2. 构造关系矩阵

在SPSS中如何选择测度（相似性统计量）:

→Analyze →Classify →Hierachical Cluster Analysis →Method 然后从对话框中进行如下选择

常用测度（选项说明）：Euclidean distance：欧氏距离（二阶Mink

第 8 章 利用 SPSS 进行Logistic 回归分析

现实中的很多现象可以划分为两种可能，或者归结为两种状态，这两种状态分别用0

和1 表示。如果我们采用多个因素对0－1 表示的某种现象进行因果关系解释，就可能应用 到logistic 回归。Logistic 回归分为二值logistic 回归和多值logistic 回归两类。首先用实例讲

述二值logistic 回归，然后进一步说明多值logistic 回归。在阅读这部分内容之前，最好先看 看有关SPSS 软件操作技术的教科书。

§8.1 二值logistic 回归

8.1.1 数据准备和选项设置

我们研究 2005 年影响中国各地区城市化水平的经济地理因素。城市化水平用城镇人口 比重表征，影响因素包括人均GDP、第二产业产值比重、第三产业产值比重以及地理位置。 地理位置为名义变量，中国各地区被分别划分到三大地带：东部地带、中部地带和西部地带。 我们用各地区的地带分类代表地理位置。

第一步：整理原始数据。这些数据不妨录入Excel 中。数据整理内容包括两个方面：一 是对各地区按照三大地带的分类结果赋值，用0、1 表示，二是将城镇人口比重转换逻辑值， 变量名称为“城市化”。以各地区20

正交实验如何数据分析

我们把在试验中考察的有关影响试验指标的条件称为因素（也叫

因子），把在试验中准备考察的各种因索的不同状态(或配方)称为水平。在研究比较复杂的工程问题中，往往都包含着多个因素，而且每个因素要取多个水平。

对于包含五个因素、五个水平的工程项目，理论计算必须进行55＝3125次试验。显然，所需要的试验次数太多了，工作量太大。实践告诉我们，合理安排试验和科学分析试验，是试验工作成败的关键。

试验方案设计的好，试验次数就少，周期也短，这样不仅节省了大量人力、物力、财力和时间，而且可以得到理想的结果。相反，如果试验设计安排的不好，即使进行了很多次试验，浪费了大量材料、人力和时间，也不一定能够得到预期的结果。

正交试验法，就是在多因素优化试验中，利用数理统计学与正交性原理，从大量的试验点中挑选有代表性和典型性的试验点，应用“正交表”科学合理地安排试验，从而用尽量少的试验得到最优的试验结果的一种试验设计方法。

正交试验法也叫正交试验设计法，它是用“正交表”来安排和分析多因素问题试验的一种数理统计方法。这种方法的优点是试验次数少，效果好，方法筒单，使用方便，效率高。

由于试验次数大大减少，使得试验数据处理非常重要。我们可以从所有的试验

正交实验如何数据分析

我们把在试验中考察的有关影响试验指标的条件称为因素（也叫

因子），把在试验中准备考察的各种因索的不同状态(或配方)称为水平。在研究比较复杂的工程问题中，往往都包含着多个因素，而且每个因素要取多个水平。

对于包含五个因素、五个水平的工程项目，理论计算必须进行55＝3125次试验。显然，所需要的试验次数太多了，工作量太大。实践告诉我们，合理安排试验和科学分析试验，是试验工作成败的关键。

试验方案设计的好，试验次数就少，周期也短，这样不仅节省了大量人力、物力、财力和时间，而且可以得到理想的结果。相反，如果试验设计安排的不好，即使进行了很多次试验，浪费了大量材料、人力和时间，也不一定能够得到预期的结果。

正交试验法，就是在多因素优化试验中，利用数理统计学与正交性原理，从大量的试验点中挑选有代表性和典型性的试验点，应用“正交表”科学合理地安排试验，从而用尽量少的试验得到最优的试验结果的一种试验设计方法。

正交试验法也叫正交试验设计法，它是用“正交表”来安排和分析多因素问题试验的一种数理统计方法。这种方法的优点是试验次数少，效果好，方法筒单，使用方便，效率高。

由于试验次数大大减少，使得试验数据处理非常重要。我们可以从所有的试验

关于某公司474名职工综合状况的统计分析报告

一、数据介绍：

本次分析的数据为某公司474名职工状况统计表，其中共包含十一变量，分别是：id（职工编号），gender(性别)，bdate(出生日期)，edcu（受教育水平程度），jobcat（职务等级），salbegin（起始工资），salary（现工资），jobtime(本单位工作经历<月>)，prevexp(以前工作经历<月>)，minority(民族类型)，age(年龄)。通过运用spss统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析、。。。以了解该公司职工上述方面的综合状况，并分析个变量的分布特点及相互间的关系。 二、数据分析

1、 频数分析。基本的统计分析往往从频数分析开始。通过频数分析能够了解变量的取值状

况，对把握数据的分布特征非常有用。此次分析利用了某公司474名职工基本状况的统计数据表，在gender(性别)、edcu（受教育水平程度）、不同的状况下的频数分析，从而了解该公司职工的男女职工数量、受教育状况的基本分布。

Statistics

Educational

N Valid Missing Gende

关于某公司474名职工综合状况的统计分析报告

一、数据介绍：

本次分析的数据为某公司474名职工状况统计表，其中共包含十一变量，分别是：id（职工编号），gender(性别)，bdate(出生日期)，edcu（受教育水平程度），jobcat（职务等级），salbegin（起始工资），salary（现工资），jobtime(本单位工作经历<月>)，prevexp(以前工作经历<月>)，minority(民族类型)，age(年龄)。通过运用spss统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析、。。。以了解该公司职工上述方面的综合状况，并分析个变量的分布特点及相互间的关系。 二、数据分析

1、 频数分析。基本的统计分析往往从频数分析开始。通过频数分析能够了解变量的取值状

况，对把握数据的分布特征非常有用。此次分析利用了某公司474名职工基本状况的统计数据表，在gender(性别)、edcu（受教育水平程度）、不同的状况下的频数分析，从而了解该公司职工的男女职工数量、受教育状况的基本分布。

Statistics

Educational

N Valid Missing Gende

关于某地区361个人旅游情况统计分析报告

一、数据介绍：

本次分析的数据为某地区361个人旅游情况状况统计表，其中共包含七变量，分别是：年龄，为三类变量；性别，为二类变量（0代表女，1代表男）；收入，为一类变量；旅游花费，为一类变量；通道，为二类变量（0代表没走通道，1代表走通道）；旅游的积极性，为三类变量（0代表积极性差，1代表积极性一般，2代表积极性比较好，3代表积极性好 4代表积极性非常好）；额外收入,一类变量。通过运用spss统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析、。。。以了解该地区上述方面的综合状况，并分析个变量的分布特点及相互间的关系。

二、数据分析

1、 频数分析。基本的统计分析往往从频数分析开始。通过频数分地区359个人旅游基本状

况的统计数据表，在性别、旅游的积极性不同的状况下的频数分析，从而了解该地区的男女职工数量、不同积极性况的基本分布。

首先，对该地区的男女性别分布进行频数分析，结果如下

表说明，在该地区被调查的359个人中，有198名女性，161名男性，男女比例分别为44.8%和55.2%，该公司职工男女数量差距不大，女性略多于男性。

其次对原有数据中的旅游的积极性进行频数分析，结果如下表 ：

其次对原有数据中的