Spss统计分析与运用.docVIP

Spss统计分析与运用 班 级 2008级会计7班 所 属 院 系 商学院 会计系 任 课 老 师 姓 名 学 号 SPSS统计分析与应用 实验一 多因素方差分析 一、实验目的：完成练习单因变量多因素方差分析 实验内容：研究不同与不同对的影响 2、模型——设定——将“销售额”提入“因变量”，将“广告形式”、“地区”提入固定因子。 3、构建类型——在交互情况下分别提入x1、x2，在主效应下同时提入x1x2。 4、对比——更改“对比”中的“对比”选为“无”。 5、绘制——将“x2”选入“水平轴”，将“x1”选入“单图”，并将两者“添加”到“图” 6、两两比较—— 默认设置 保存——勾上“未标准化（U）”、“未标准化（N）”和“标准误（T）” 7、选项—— “OVERALL”提入“显示均值”，勾上“描述统计”和“方差齐性检验”。 8、确定，得出结果。 四、实验结果及分析： 1、原始数据综合信息：系统接受了144个观测量，列出各个因素变量，变量值标签和样本含量。 2、从上表可以看出： 共分为18个地区，每个地区的广告形式都有报纸、广播、宣传品、体验四种。每个地区的各种广告形式的样本都是一样的，都为2，各种广告形式的均值和标准偏差各不一样。 从总计可以看出：（1）报纸在各地区使用最广泛，宣传品使用最少。 （2）报纸在各地使用量差别最小，体验在各地使用量差别最大 3、由于Sig=0 小于0.05，说明各组均值在0.05水平上有显著性差异。 4、表的左上方标注了因变量，为score，从方差分析的角度来看偏差平方和的分解。两个因素变量的主效应、两个二维交互效应和一个三维交互效应三者的偏差平方和之和为Corrected Model的偏差平方和20094.306，总偏差平方和（Corrected Total）为26169.306，两者之差为误差Error的偏差平方和6075。 5、由图可知，销售额与广告、地区之间的交互效应 （1）广播边际均值最高的是地区3，约为90；最低的是地区7，约为50。 （2）宣传品边际均值最高的是地区4，约为76；最低的是地区11，约为41。 （3）体验边际均值最高的是地区4，约为84；最低的是地区17，约为44。 （4）报纸边际均值最高的是地区10，约为92；最低的是地区17，约为62。 实验二 线性回归分析 一、实验目的：完成练习线性回归分析，改进模型，对模型的回归残差进行正态性和独立性检验。 二、实验内容：高血压病因线性回归分析，从高血压数据表中建立的血压作为被解释变啦ing，其他变量为解释多变量的线性回归模型并分析。 三、实验步骤： 1、打开文件，： 2、导出数据： 3、将血压提入因变量，年龄及吸烟指数、体重指数选入自变量。 4、统计量——勾上“估计（e）”模型拟合度、DUBIN-WASTON.”“描述性、 5、绘制——将dependn提入，将*zpred提入。保存——如图勾上选项。 6、确定，得出结果。 四、实验结果及分析： 1、全部观测量和观测总量： Descriptive Statistics Mean Std. Deviation N 血压 144.4375 14.30303 32 吸烟 .5313 .50701 32 体重指数 3.53484 .782755 32 年龄 53.4375 6.89056 32 2、血压与年龄、吸烟、体重指数的关系数：0.818、0.243、0.659,可以看出血压与年龄和体重指数有显著关系，与吸烟的关系不大。 Correlations 血压 吸烟 体重指数 年龄 Pearson Correlation 血压 1.000 .243 .659 .818 吸烟 .243 1.000 .069 -.115 体重指数 .659 .069 1.000 .621 年龄 .818 -.115 .621 1.000 Sig. (1-tailed) 血压 . .090 .000 .000 吸烟 .090 . .354 .266 体重指数 .000 .354 . .000 年龄 .000 .266 .000 . N 血压 32 32 32 32 吸烟 32 32 32 32 体重指数 32 32 32 32 年龄 32 32 32 32 3、当三个变量都进入模型时，如图。 Variables Entered/Removed Model Variables Entered Variables Removed Method 1 年龄, 吸烟, 体重指数a . Enter a. All requested vari