spss数据分析报告5篇

好文档，供参考1/26spss数据分析报告5篇【题记】这篇精编的文档“spss数据分析报告5篇”由三一刀客最“美丽、善良”的网友上传分享，供您学习参考使用，希望这篇文档对您有所帮助，喜欢就下载分享吧！SPSS实验分析报告1SPSS实验分析报告四一、地区*日期*销售量（一）、提出假设原假设H0=“不同地区对销售量的平均值没有产生显著影响。”H2=“不同日期对销售量的平均值没有产生显著影响。”H3=“不同的地区和日期对销售量没有产生了显著的交互作用。”（二）、两独立样本t检验结果及分析表（一）主旨間係數地区23日期23數值標籤地区一地区二地区三周一至周三周四至周五周末好文档，供参考2/26N999999表（一）表示各个控制变量的分组情况，包括三个不同的地区以及三个不同日期的数据。表（二）销售额多因素方差分析结果主体间效应的检验因變數:销售量來源第III類平方和修正的模型adf8平均值平方F顯著性。000截距地区日期地区*日期錯誤總計***。667224182726。校正後總數平方=。788（調整的R平方=。693）由表（二）可知，第一列是对观测变量总变差分解的说明；第二列是对观测变量总变差分解的结果；第三列是自由度；第四列是方差；第五列是F检验统计量的观测好文档，供参考3/26值；第六列是检验统计量的概率P值。可以看到：观测变量的总变差SST为，它被分解为四个部分，分别是：由地区（x2）不同引起的变差（），由日期（x3）不同引起的变差()，由地区和日期交互作用（x2*x3）引起的变差（），由随机因素引起的变差（Error）。FX1、FX2、FX1*X2的概率P值分别为、、。如果显著性水平α为，由于FX1、FX2的概率P值大于显著性水平α，因此不应该拒绝原假设，可以认为不同的地区、日期下的销售量总体均值不存在显著差异，对销售量的效应同时为0，各自不同水平没有给销售量带来显著影响。同时，由于FX1*X2的概率P值小于显著性水平α，所以应该拒绝原假设，可以认为不同的地区和日期对销售量产生了显著的交互作用，在不同的地区，不同的日期会对销售额产生显著影响。表（三）自訂假設檢定索引對照係數（L'矩陣）轉換係數（M矩陣）對照結果（K矩陣）對照係數（L'矩陣）轉換係數（M矩陣）地区的偏差對照（省略種類=3）恆等式矩陣零矩陣日期的偏差對照（省略種類=3）恆等式矩陣對照結果（K矩陣）零矩陣好文档，供参考4/26表（四）不同地区下销售量的均值对比检验结果（K矩陣）地区偏差對照層次1對平均值對比估計假設值差異（評估值假設值）標準錯誤顯著性95%差異的信賴區間a.省略的種類=3下限上限下限上限a因變數销售量-0表（四）分别显示了三个不同地区销售量总体的均值检验结果，省略了地区三的检验结果，检验值是各水平下的总体均值。可以看出：地区一的销售量均值与检验值的差为，标准误差为，T检验统计量的概率P值为，差值的95%置信区间的下限和上限分别为-，。分析结论为：地区一销售量的均值与检验值之间不存在显著差异。同理，地区二销售量的均值与检验值之间不存在显著差异。三个地区产生的影响没有显著差异。好文档，供参考5/26表（五）地区对销售量影响的单因素方差分析结果因變數:销售量來源比對平方和df218平均值平方F顯著性。313錯誤表（五）是地区对销售量影响的单因素方差分析结果。可以看到：不同地区可解释的变差为，不可解释的变差为，它们的方差分别为、，F统计量的观测值为，对应的概率P值为。如果显著性水平α为，由于概率P值大于显著性水平α，所以原假设成立，认为不同地区对销售量的平均值没有产生显著影响。表（六）不同日期下销售量的均值对比检验结果（K矩陣）日期偏差對照層次1對平均值對比估計假設值差異（評估值假設值）好文档，供参考6/26標準錯誤顯著性95%差異的信賴區間下限a因變數销售量-0上限a.省略的種類=3表（六）分别显示了三个不同日期下销售量总体的均值检验结果，省略了日期三的检验结果，检验值是各水平下的总体均值。可以看出：日期一的销售量均值与检验值的差为，标准误差为，T检验统计量的概率P值为，差值的95%置信区间的下限和上限分别为-、。分析结论为：日期一销售量的均值与检验值之间不存在显著差异。同理，日期二销售量的均值与检验值之间不存在显著差异。三个不同日期产生的影响没有显著差异。表（七）日期对销售量影响的单因素方差分析结果因變數:销售量來源比對錯誤平方和好文档，供参考7/26df218平均值平方F顯著性。254表（七）是日期对销售量影响的单因素方差分析结果。可以看到：不同日期可解释的变差为，不可解释的变差为，它们的方差分别为、，F统计量的观测值为，对应的概率P值为。如果显著性水平α为，由于概率P值大于显著性水平α，所以原假设成立，认为不同日期对销售量的平均值没有产生显著影响。图（一）地区与销售量的交互作用图图（一）中，从地区一至地区三，不同的日期销售额的变化波动很大且规律不一，直接结论是：不同的日期和地区间存在明显的交互作用。图（二）日期与销售量的交互作用图图（二）中，在不同的日期，不同地区的销售额的变化规律都不一样，直接结论是：不同的地区和日期间存好文档，供参考8/26在明显的交互作用。二、香烟消耗量*肺癌死亡率（一）、提出假设原假设H0=“香烟消耗量对肺癌死亡率没有产生显著影响。”（二）、两独立样本t检验结果及分析图（三）香烟消耗量与肺癌死亡率的简单散点图由图（三）可知，香烟消耗量与肺癌死亡率存在一定的正相关关系。表（八）香烟消耗量*肺癌死亡率相关关系分析1930年人均香每百万男子中死1930年人均香烟消耗量皮爾森(Pearson)相關烟消耗量于肺癌的人数。737**顯著性（雙尾）N每百万男子中死于肺癌的皮爾森(Pearson)相關人数好文档，供参考9/26顯著性（雙尾）N**。相關性在層上顯著（雙尾）。11**。01011111由表（八）可知，香烟消耗量和肺癌死亡率的简单相关系数为，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值为。因此，当显著性水平α为时，P值小于显著性水平应拒绝相关系数检验的原假设。中相关系数上角的两个星号（**）表示显著性水平α位时拒绝原假设。三、销售额*销售价格*家庭收入（一）、提出假设原假设H0=“销售额对销售价格没有产生显著影响。”H2=“家庭收入对销售价格没有产生显著影响。”（二）、两独立样本t检验结果及分析图（四）销售额与销售价格的简单散点图由图（四）可知，销售额与销售价格之间存在负相关关系。图好文档，供参考10/26（五）销售额与家庭收入的简单散点图由图（五）可知，销售额与家庭收入之间存在较强的正相关关系。图（六）销售价格和家庭收入的简单散点图由图（六）可知，销售价格与家庭收入之间存在弱的负相关关系。表（九）销售额*销售价格相关系数计算结果销售额皮爾森(Pearson)相關顯著性（雙尾）N销售价格皮爾森(Pearson)相關顯著性（雙尾）N销售额1**。00010销售价格-.933**。00010110**。相關性在層上顯著（雙尾）。由表（九）可知，销售额和销售价格的简单相关系数为-，说明两者之间存在负的强相关性，其相关系数检验的概率P值为0。因此，当显著性水平α为时，应拒绝相关系数检验的原假设，认为两总体不是零相关。好文档，供参考11/26另外，表（九）中相关系数上角的两个星号（**）表示显著性水平α为时拒绝原假设。表（十）销售价格和销售额的偏相关分析结果控制變數家庭收入销售价格相關顯著性（雙尾）df销售额相關顯著性（雙尾）df销售价格7销售额-.7由表（十）可知，在家庭收入作为控制变量的条件下，销售价格和销售额的偏相关系数为-，呈较强的负相关，高于简单相关系数。spss数据分析报告2关于某班级2012年度考试成绩、获奖情况统计分析好文档，供参考12/26报告一、数据介绍：本次分析的数据为某班级学号排列最前的15个人在2012年度学习、获奖统计表，其中共包含七个变量，分别是：专业、学号、姓名、性别、第一学期的成绩、第二学期的成绩、考级考证数量，通过运用spss统计软件，对变量进行频数分析、描述分析、探索分析、交叉列联表分析，以了解该班级部分同学的综合状况，并分析各变量的分布特点及相互间的关系。二、原始数据：三、数据分析1、频数分析（1）第一学期考试成绩的频数分析进行频数分析后将输出两个主要的表格，分别为样本的基本统计量与频数分析的结果1）样本的基本统计量，如图1所示。样本中共有样本数15个，第一学期的考试成绩平均分为，中位数为，众数为630，标准差为，最小值为568，最大值为675。“第一学期的考试成绩”的第一四分位数是602，第二四分位数为628，第三四分位数为657。2）“第一学期考试成绩”频数统计表如图2所示。3)“第一学期考试成绩”Histogram图统计如图3好文档，供参考13/26所示。（2）、第二个学期考试成绩的频数分析1）样本的基本统计量，如图4所示。第二学期的考试成绩平均分为，中位数为，众数为419，标准差为，最小值为419，最大值为522。“第二学期的考试成绩”的第一四分位数是435，第二四分位数为452，第三四分位数为496。3）“第二学期考试成绩”频数统计表如图5所示。3)“第二学期考试成绩”饼图统计如图6所2、描述分析描述分析与频数分析在相当一部分中是相重的，这里采用描述分析对15位同学的考级考证情况进行分析。输出的统计结果如图7所示。从图中我们可以看到样本数15，最小值1，最大值4，标准差等统计信息。3、探索分析。探索分析能够对变量进行更为深入、详尽的描述性统计分析。下面就利用探索式分析对不同性别的同学获奖情况进行探索分析。1）在结果输出窗口中将看到如下统计数据。如图8所示，给出了输出的观察量。2）图9所示给出了根据性别分组的各组描述统计量。根据表中的数据，2012年度，女生比男生获奖的好文档，供参考14/26次数多。3）图10以茎叶图的形式也直观的呈现了女生获奖数量远远比男生多的现象。，4）图为稳健估计量表，给出了4种不同权重下因变量均值的稳健估计。5）图11中给出了分组后的百分位数，分别输出男生和女生获奖数量的5%、10%、25%、75%、90%、及95%的百分位数。4、交叉列联表分析分析多个变量在不同取值情况下的数据分布情况，从而进一步的分析变量关系。下面就利用交叉列联表分析不同性别学生对目前所学专业的态度。在结果输出窗口中将显示如下统计数据。1）观察量处理摘要表，如图12所示，2）“性别”和“所学专业兴趣”的交叉列联表如图13所示，从图中我们可以看出，男生中对所学专业感兴趣的只有2个，（占%），一般感兴趣的有4人，（占%），不感兴趣的有3人，（占%），理论值为人感兴趣，人一般感兴趣，人不感兴趣，残差分别为-，，。女生中对专业感兴趣的有4人，（占%），一般感兴趣的有1人，（占%），不感兴趣的也有1人，（占%），理论值为人感兴趣，人一般感兴趣，人不感兴趣，残差分别为，-，-可见，男生对目前所学专业的兴趣与女生有很大差别。好文档，供参考15/263）图14是交叉分组下的频数分布图，从该图中我们可以很直观的看到数据分布情况。关于员工工资水平影响因素的spss数据分析报告3关于员工工资水平影响因素的数据分析报告个体收入的影响因素分析是社会学研究的经典课题，个体收入不仅是经济含义的变量，同时也是决定个体经济社会地位的重要指标之一，所以分析个体收入的影响因素具有重要的社会意义。本报告基于某企业收集的关于474个样本的问卷调查数据，就问卷涉及的主要变量：性别、民族、受教育年限、职业类型、目前工资、最初工资、工作时间和之前的工作经历（月数）分析了该企业员工工资总体情况和影响工资收入的因素。一关于个体收入影响因素的假设社会学文献对影响个体收入的因素做过很多论述，其中与本数据提供的变量相关的假设如下：a不同性别的员工工资收入存在差异b不同民族的员工工资收入存在差异（在美国显著）c不同职业类型的员工工资收入存在差异d受教育年限与员工现在工资收入呈正相关关系e初始工资与员工现在工资收入呈正相关关系好文