2025年spss数据分析案例.docVIP

2025年spss数据分析案例

某市环保部门为了解该市近年来空气质量的改善情况，收集了2020年至2024年每年的空气质量指数（AQI）数据，并对这些数据进行了统计分析。以下是具体的分析过程和结果。

首先，我们导入数据到SPSS软件中。数据包括年份、AQI指数以及对应的空气质量等级。年份为分类变量，AQI指数为连续变量，空气质量等级为分类变量。

描述性统计分析

我们首先对AQI指数进行描述性统计分析，以了解其基本分布情况。在SPSS中，选择“分析”菜单下的“描述统计”选项，然后选择“描述”。将AQI指数放入“变量”框中，点击“选项”，勾选“均值”、“标准差”、“最小值”、“最大值”等选项，最后点击“继续”并运行分析。

分析结果如下：

|年份|均值|标准差|最小值|最大值|

|------|------|--------|--------|--------|

|2020|85.2|12.5|68|112|

|2021|82.3|11.8|65|109|

|2022|78.5|10.9|60|98|

|2023|75.6|10.2|56|92|

|2024|72.1|9.8|52|88|

从表中可以看出，2020年至2024年，该市的AQI指数逐年下降，均值从85.2下降到72.1，标准差也逐渐减小，说明空气质量逐年稳定改善。

推断性统计分析

为了进一步验证该市空气质量逐年改善的显著性，我们进行假设检验。假设原假设H0为“各年份的AQI指数无显著差异”，备择假设H1为“各年份的AQI指数存在显著差异”。

在SPSS中，选择“分析”菜单下的“比较均值”选项，然后选择“单因素ANOVA”。将AQI指数放入“因变量列表”框中，将年份放入“因子”框中，点击“选项”，勾选“描述性”、“方差齐性检验”等选项，最后点击“继续”并运行分析。

分析结果如下：

-描述性统计结果与描述性统计分析一致。

-方差齐性检验（Levene检验）结果为：F=1.23，p=0.31，大于0.05，说明各年份的AQI指数方差齐性。

-单因素ANOVA结果为：F=8.76，p=0.01，小于0.05，说明各年份的AQI指数存在显著差异。

根据ANOVA结果，我们进一步进行多重比较。在SPSS中，点击ANOVA结果窗口中的“事后多重比较”，选择“LSD”方法，点击“继续”并运行分析。

多重比较结果如下：

|年份对比|均值差值|标准误|显著性|

|------------|----------|--------|--------|

|2020-2021|2.9|1.5|0.04|

|2020-2022|6.7|1.6|0.00|

|2020-2023|9.6|1.7|0.00|

|2020-2024|13.1|1.8|0.00|

|2021-2022|3.8|1.5|0.03|

|2021-2023|6.7|1.6|0.00|

|2021-2024|10.2|1.7|0.00|

|2022-2023|2.9|1.6|0.05|

|2022-2024|6.6|1.7|0.00|

|2023-2024|3.5|1.7|0.04|

从多重比较结果可以看出，各年份之间的AQI指数均存在显著差异，且2020年的AQI指数显著高于其他年份，2024年的AQI指数显著低于其他年份。

回归分析

为了进一步探究影响AQI指数的因素，我们进行回归分析。假设自变量包括工业排放量、交通流量、绿化覆盖率等，因变量为AQI指数。

在SPSS中，选择“分析”菜单下的“回归”选项，然后选择“线性”。将AQI指数放入“因变量”框中，将工业排放量、交通流量、绿化覆盖率放入“自变量”框中，点击“统计”按钮，勾选“共线性诊断”、“模型拟合”等选项，最后点击“继续”并运行分析。

分析结果如下：

-共线性诊断结果：VIF值均小于5，说明自变量之间不存在共线性问题。

-回归模型拟合结果：R2=0.75，调整R2=0.74，F=45.32，p=0.00，小于0.05，说明回归模型拟合良好。

-回归系数结果：工业排放