spss基本操作【DOC精选】.docVIP

SPSS基本操作 建立如下图所示数据表，保存为“例子1” number变量为字符型，其余变量为数值型 当鼠标点在变量名math上时，如图所示，显示标签“数学” 二元变量的相关分析 第一题：从某校学生中随机抽取出15个学生，调查他们英语、数学、物理和化学等4门功课的考试成绩，如数据文件“例子1”所示：试用二元变量相关分析过程分析各种成绩之间是否存在线性相关关系。 操作步骤： 执行Analyze（统计分析菜单）---Correlate（相关分析）---Bivariate(二元变量相关分析) ?选择变量english,math,physics,chemical移入到Variables（变量）框中 ?打开Option对话框，选择： means and standard deviations将输出选中的各变量的均值、标准差和观测数量 cross-product deviations and covariances将输出反映选中的每对变量之间的叉积离差阵和协方差阵 ?单击主对话框中的OK提交系统运行，保存结果为“OUTPUT1” 结果分析： 1.数学变量的均值= 2.数学变量的标准差= 3.数学变量的个数= 皮尔逊系数RXY分别等于多少时变量X与Y为正相关？为负相关？为完全相关？为不相关？ 什么叫显著性，它具有什么意义？ 7.分析英语同其余三个变量之间相关系数，显著性，反映出什么问题 8.分析数学与物理、化学之间的相关系数，显著性，反映什么问题 第二题：1990年中国科协管理科学研究中心在中国公众对科学技术的态度的问卷调查中，列举了12种职业，要求被调查者对声望高低和值得信赖程度进行回答，根据回收的答卷，按照公众对各职业态度的人数排列，取得数据如“例子2”，根据这些数据资料计算社会声望和值得信赖程度之间的相关关系，并检验其显著性。保存结果为“OUTPUT2” 并回答：社会声望和值得信赖程度之间的相关系数为多少？显著性为多少？这样的结果说明了什么？ 偏相关分析 第三题：卫生陶瓷是住宅建筑，宾馆饭店，医院，办公楼等建筑物中不可缺少的建筑材料，卫生陶瓷的生产与这些建筑的竣工面积有直接的联系。为了研究它们之间的相关关系，搜集了我国20年卫生陶瓷的年需求量及各类建筑竣工面积方面的历史资料，如“例 3”数据表所示，试分析研究卫生陶瓷和住宅竣工面积之间的偏相关分析。 操作步骤： 执行Analyze---Correlate---Partial Correlations（偏相关分析）打开Partial Correlations主对话框 选择ceramic和building为分析变量，medical和office为控制变量，主对话框其他选项采用系统默认选项 打开Options选项对话框，选择Statistic栏中的两个选项 means and standard deviations Zero-order conrrelations:显示皮尔逊相关系数矩阵，显著性，自由度。 返回主对话框，单击OK提交系统运行，保存结果为“OUTPUT3” 结果分析： 请用你自己的理解说一下什么叫偏相关分析： 根据分析结果，卫生陶瓷和住宅竣工面积之间皮尔逊相关系数和偏相关系数分别是多少？那一个系数更能反映实际情况，为什么？ 曲线估计 第四题：设某种产品生产过程中的半成品和废品率与它含的一种化学成分有关，经检验观测到一批数据如“例4”所示，分析废品率与化学成分之间的曲线模型。 操作步骤： 选择graphs菜单---scatter(散点图)---simple（简单散点图），选择define按钮，废品率为Y，成分为X，画出散点图。 Analyze---Regression（回归）---Curve Estimation（曲线估计） 打开曲线估计主对话框，选择failure进入因变量框（independent），选择compose(dependent)进入自变量框，选择id进入标记变量框 在Model里选择曲线估计模型，根据散点图选择Quadratic（二次曲线模型）,Cubic（三次曲线模型） 选择Display ANOVA table（输出方差分析表），其余系统默认 在save对话框里：选择此对话框里的选项，可以将每个选择模型的出的预测值、残差等作为新变量保存于当前数据文件里。 Predicted Values：预测值 Residuals：残差 单击OK。保存结果为“OUTPUT例子4” 结果分析： 二次曲线模型复相关系数为： 标准误差为： 显著性为signifF为： 写出二次曲线回归方程： 三次曲线模型复相关系数为： 标准误差为： 显著性为signifF为： 写出三次