2024年spss相关分析实验报告.doc

本科教学试验报告

（试验）课程名称：数据分析技术系列试验

实验报告

学生姓名：

一、试验室名称：

二、试验项目名称：有关分析

三、试验原理

有关关系是不完全拟定的随机关系。在有关关系的情况下，当一种或几种相互联络的变量取一定值得时候，与之相应的另一变量的值虽然不拟定，但它依然按照某种规律在一定的范围内变化。

按照数据度量的尺度不同，有关分析的措施也不同，连续变量之间的有关性常用Pearson简朴有关系数测定；定序变量的有关系数常用Spearman秩有关系数和Kendall秩有关系数测定；定类变量的有关分析要使用列连表分析法。

四、试验目的

了解有关分析的基本原理，掌握在SPSS软件中有关分析的主要参数设置及其含义，掌握SPSS软件分析成果的含义及其分析。

试验内容及环节

试验内容：以雇员表为例，共有474条数据，利用有关分析措施对变量间的有关关系进行分析。

1）分析性别与工资之间是否存在有关关系。

2）分析教育程度与工资之间是否存在有关关系。

试验要求：掌握有关分析措施的计算思绪及其在SPSS环境下的操作措施，掌握输出成果的解释。

1.分析性别与工资之间是否存在有关关系。

分析：性别属于定类变量，是离散值，因使用卡方检验。

Step1.操作为Analyze\DescriptiveStatistics\Crosstabs

Step2.将性别（Gender）和收入（CurrentSalary）分别移入Rows列表框和Columns列表框。

Step3.单击Statistics按钮，在弹出的子对话框中选中默认的Chi-square，进行卡方检验。退回到主对话框，单击ok。

2.分析教育程度与工资之间是否存在有关关系。

分析：教育程度为定序变量，工资为连续变量，可使用Spearman和Kendall秩有关系数检验。

Step1.用散点图初步判断二变量的有关性，操作为Graphs/LegacyDialogs/Scatter,选择SimpleScatter，教育程度为自变量，工资为因变量，做散点图。

散点图成果如图示，两者存在线性有关关系。只有线性有关的关系拟定后才干继续进行下一步分析。所以,在进行有关分析之前的预分析过程也是十分主要的。

Step2.两变量有关分析，操作为Analyze/Correlate/Bivariate，选择Kendall和Spearman有关系数。

六、试验器材（设备、元器件）：

计算机、打印机、硒鼓、碳粉、纸张

七、试验数据及成果分析

1.分析性别与工资之间是否存在有关关系。

卡方检验成果为

卡方检验

值

df

渐进Sig.(双侧)

Pearson卡方

290.785a

220

.001

似然比

390.179

220

.000

有效案例中的N

474

a.440单元格(99.5%)的期望计数少于5。最小期望计数为.46。

明显性水平为0.001，即至少有99.99%的把握觉得性别和工资之间存在明显的有关系。

分析教育程度与工资之间是否存在有关关系。

有关系数

EducationalLevel(years)

CurrentSalary

Kendall的tau_b

EducationalLevel(years)

有关系数

1.000

.554**

Sig.（双侧）

.

.000

N

474

474

CurrentSalary

有关系数

.554**

1.000

Sig.（双侧）

.000

.

N

474

474

Spearman的rho

EducationalLevel(years)

有关系数

1.000

.688**

Sig.（双侧）

.

.000

N

474

474

CurrentSalary

有关系数

.688**

1.000

Sig.（双侧）

.000

.

N

474

474

**.在置信度（双测）为0.01时，有关性是明显的。

Kendall和Spearman有关系数分别为0.554和0.688，所以能够觉得教育程度和工资正有关。

八、试验结论

SPSS在数据分析方面提供了强大的能力，能够迅速地进行有关分析，要点在于分清连续变量、定序变量、定类变量，以及与其联络的有关系数。

总结及心得体会

Spss有着强大的有关分析功能，在使用spss的同步一定要与统计学的理论联络在一起，理清每种统计措施的内在含义。

十、对本试验过程及措施、手段的改善提议

分清连续变量、定序变量、定类变量是进行有关分析的基础，要牢记与每种变量相匹配的有关系数。