spss案例分析报告_范文大全网

范文一：spss案例分析报告

Spss分析身高与体重的相互影响

姓名:刘海艳班级:11电商班学号:14113201683 序号:26

一、案例介绍:这是某幼儿园学生的身高体重数据，数据中主要包

括编号，学生姓名，性别，学生年龄，每个学生的体重以及身

高数值。主要是看下幼儿园学生体重与身高的相互关系。二、研究案例的目的:分析幼儿园学生身高体重的相互关系和影响。三、下面是数据来源:

四、研究的方法:主要是使用spss中的描述统计分析和线性回归分

析;在描述统计分析中主要是分析出身高体重的最大值和最小

值、均值，在图表中可以看出身高的最大值;在线性回归分析

中主要是采用身高为自变量，体重为因变量来进行分析的。五、研究的结果:

1) 描述分析:

打开文件“某班23名同学的身高、体重、年龄数据”，通过菜单兰中的分析选项，进行描述性分析，选择体重和身高，求最大值最小值和均值，得到如下结果:

从结果看出，该班学生样本数为23，体重最小值为13.7kg，最大值为23kg，平均体重为17.7167kg。身高最小值为105cm，最大值为116cm，平均身高为108.85cm。

以身高为例子，选择描述中的频率选项可以得出分布，在频率对话框的图形选项中，选择条形图，即可用图形直观看到结果。

从图形中可以很直观的看出不同身高段的人数分布情况，其中108cm左右的人数最多。从表格中则可以清楚地看到具体数目。

2) 线性回归分析:

选择分析——回归——线性，在弹出的对话框中，以身高作为自变量，体重作为因变量，结果如下:

从表中可以得出。R=0.223,即两者具有弱相关性。

从图表中，可以看出它们之间的线性关系大概可以表示为y=-0.139x+2.617

六、研究结论:

从描述分析和回归分析可以身高和体重的相关性是相对比较

弱的，也就是弱相关性。

范文二：spss案例分析

---------------------------------------------------------------------------------------------------

spss案例分析

1、某班共有28个学生，其中女生14人，男生14人，下表为某次语文测验的成绩，请用描述统计方法分析女生成绩好，还是男生成绩好。方法一:频率分析

(1) 步骤:分析?描述统计?频率?女生成绩、男生成

绩右移?统计量设置?图表(直方图)?确定 (2) 结果:

统计量

女生成绩

男生成绩

有效

缺失

均值中值众数 76.00a

48.00a

标准差方差全距极小值极大值和

a. 存在多个众数。显示最小值

(3)分析:由统计量表中的均值、标准差及直方图可知，女生成绩比男生成绩好。

方法二:描述统计

(1) 步骤:分析?描述统计?描述?女生成绩、男生成绩右移———————————————————————————————————————————————

---------------------------------------------------------------------------------------------------

?选项设置?确

定 (2) 结果:

(3) 分析:由描述统计量表中的均值、标准差、方差可知，女生成绩比男生成

绩好。

2、某公司经理宣称他的雇员英语水平很高，现从雇员中随机随出11人参加考试，得分如下:80、81、72、60、78、65、56、79、77、87、76，请问该经理的宣称是否可信,

(1)方法:单样本T检验

H0:u,u0,该经理的宣称可信 H1:u?u0,该经理的宣称不可信

(2)步骤:?输入数据:(80，81，…76)

?分析?比较均值?单样本T检验?VAR00001右移?检验值(75)

?确定

(3)结果:

单个样本统计量

VAR00001

均值的标准

N 均值标准差误 (4)分析:由单个样本检验表中数据知t,0.668>0.05，所以接受H0，即该经理的宣称是可信的。

3、某医院分别用 A、B两种血红蛋白测定仪器检测了16名健康———————————————————————————————————————————————

---------------------------------------------------------------------------------------------------

男青年的血红蛋白含量(g/L)，检测结果如下。问:两种血红蛋白测定仪器的检测结果是否有差别,

仪器A:113，125，126，130，150，145，135，105，128，135，100，130，110，115，120 ，155

仪器B:140，150，138，120，140，145，135，115，135，130，120，133，147，125，114，165

(1)方法:配对样本t检验

H0:u1,u2，两种血红蛋白测定仪器的检测结果无差别 H1:u1?u2，两种血红蛋白测定仪器的检测结果有差别

(2)步骤:?输入两列数据:A列(113，125，…155);B列(140，125，…165);

?分析?比较均值?配对样本t检验?仪器A、仪器B右移?确定

(3)结果:

成对样本统计量

对 1

仪器A 仪器B

均值 N

标准差均值的标准误

(4)分析:由成对样本检验表的Sig可见t,0.032小于0.05，所以拒绝H0，即两种血红蛋白测定仪器的检测结果有差别。

———————————————————————————————————————————————

---------------------------------------------------------------------------------------------------

4、某公司准备推出一个新产品，但产品名称还没有正式确定，决定进行抽样调查，在受访200人中，52人喜欢A名称，61人喜欢B名称，87人喜欢C名称，请问ABC三种名称受欢迎的程度有无差别, (1)方法:多项分布的卡方检验

H0:u,u0，ABC三种名称受欢迎的程度无差别 H1:u?u0，ABC三种名称受欢迎的程度有差别

(2)步骤:?定义变量，输入数据

?数据?加权个案?加权个案(人数右移)?确定

?分析?非参数检验?卡方?人数右移?确定 (3)结果:

检验统计量

卡方

人数

9.910a

df 渐近显著性

a. 0 个单元 (.0%) 具有小于 5 的期望频

率。单元最小期望频率为 66.7。

(4)分析:?2= 0.007小于显著性水平0.05，因此拒绝H0，即A、B、C三种名称受欢迎的程度有差异。

———————————————————————————————————————————————

范文三：spss案例分析

应用案例:某地区1984——2003年出口总额及其影响因素模型分析

案例简介

下表给出了某地区1984——2003年出口总额及国内生产总值、进口额、储蓄的数据资

料。解释变量是国内生产总值、进口额、储蓄，被解释变量是出口总额。

国内生产总

出口总额值进口总额储蓄年份 (亿美元) (亿元) (亿美元) (亿元)

Y X1 X2 X3 1984 580.5 7171 274.1 1214.7 1985 808.9 8964.4 422.5 1622.6 1986 1082.1 10202.2 429 2237.6 1987 1470 11962.5 432.2 3073.3 1988 1766.7 14928.3 525.8 3801.5 1989 1956 16909.2 591.4 5146.9 1990 2985.8 18547.9 533.5 7119.8 1991 3827.1 21617.8 637.9 9241.6 1992 4676.3 26638.1 805.9 11759.4 1993 5284.8 34634.4 1039.6 15023.5 1994 10421.8 46759.4 1156.1 21518.8 1995 12451.8 58478.1 1320.8 29662.3 1996 12576.4 67884.6 1388.3 38520.8 1997 15160.7 74462.6 1423.7 46279.8 1998 15223.6 78345.2 1402.4 53407.5 1999 16159.8 82067.5 1657 59621.8 2000 20634.4 89468.1 2250.9 64332.4 2001 22024.4 97314.8 2435.5 73762.4 2002 26947.9 105172.3 2951.7 86910.6 2003 36287.9 117251.9 4127.6 103617.7 模型设置:

Y=b+bX+bXbX01122+33

Y——出口总额(亿美元)

X1——国内生产总值(亿元)

进口总额(亿美元) X2——

X3——储蓄(亿元)

1、相关分析，检验是否具有相关性

由上图相关系数矩阵可见，模型中解释变量相关系数较高，确实存在严重的多重共线性。

2、回归分析，确定具体关系

由回归分析结果得:Y=-2433.269+0.094X1+5.647X2 +0.035 X3

该模型R-squared =0.994，Adjusted R-squared=0.993,可决系数很高，也通过F显著性检验，但是当显著性水平为0.05时，t值查表可得，临界值应该是1.746,由此可见x1,x2没有通过t检验——模型可能存在多重共线性。

3、消除多重共线性

在SPSS中对变量进行共线性诊断得

可见X2没有通过共线性检验，剔除X2

所以最后的模型是

Y= 524.264+ 0.297 X3+ 0.013 X1

可见此时不存在多重共线性。

4、异方差检验

做出相应残差序列图

方差分析表(F检验)

回归方程系数表(T检验)

以上结果说明所作模型通过了F检验和T检验，即在0.05水平下模型整体拟合优度高，回归系数显著性程度高，从残差图中也看出模型基本不存在异方差性。因此可认为模型不存在异方差性。

5、总结

通过对某地区1984——2003年出口总额及其影响因素的分析，可以看出出口总额与国内生产总值和储蓄之间存在一定的关系。在其他条件不变的情况下，当国内生产总值增加时，出口总额增加;当其他条件不变的情况下，当储蓄增加时，出口总额也会增加。因此我

们可以通过观察该国国内生产总值或储蓄值来预测该国出口总额变化情况。当该国国内生产总值增加、储蓄增加时，我们可以预测该国出口值增加，并可以根据国内生产总值及储蓄的具体增长数额作出精确预测。当该国政府采取刺激GDP增长及储蓄增长的政策时，该国出口量也会增长。

分析总结:

, 数据分析的基本流程

典型的数据分析可能包含以下三个步:

1、探索性数据分析，当数据刚取得时，可能杂乱无章，看不出规律，通过作图、造表、用各种形式的方程拟合，计算某些特征量等手段探索规律性的可能形式，即往什么方向和用何种方式去寻找和揭示隐含在数据中的规律性。 CNNIC数据:中国网民规模

2、模型选定分析，在探索性分析的基础上提出一类或几类可能的模型，然后通过进一步的分析从中挑选一定的模型。

3、推断分析，通常使用数理统计方法对所定模型或估计的可靠程度和精确程度作出推断。

, 数据分析工作采用的工具和方法

工具:spss,excel

方法:

1、排列图

排列图是指:将问题的原因或是状况进行分类，然后把所得的数据由大到小排列后，所绘出的累计柱状图。

2、因果图

因果图是指:用枝状结构画出因果关系的图。它将影响品质的诸多原因一一找出，形成因果对应关系，使人一目了然，对于确定正确的对策方案有帮助。

、散布图 3

散布图是指:以点的形式在坐标系上，画出两个对应变量之间的内在关系的图，也称之为散点图、相关图。它用于确认两变量之间是否存在某种内在系统，有助于判明原因的真假。

4、直方图

直方图是指:对同一类型的数据进行分组、统计，并根据每一组所分布的数据量画出柱子状的图，也称“柱状图“。它方便弄清众多数据的分布状态，了解总体数据的中心和变展异，并能以此推测事物总体的发展趋势。

5、检查表

检查表是指:以表格的形式，对数据进行简单整理和分析的一种方法，也有人称之为“调查表”、“统计分析表”、“查核表”，它简便、直观地反映数据的分布情况。

6、分层法

分层法是指:按某一线索，对数据进行分门别类，统计的方法，也有人称之为“层别法”。它寻找出数据的某项特性或共同点，对现场中的即时判定有帮助。

7、控制图

控制图是指;用统计方法分析品质数据的特性，并设置合理的控制界线，对引起品质变化的原因进行判定和管理，使生产处于稳定状态的一种时间序列图，有人称为“管制图”、“管理图”。

, 案例中数据分析的作用和重要性

数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律。在实用中，数据分析可帮助人们作出判断，以便采取适

当行动。数据分析是组织有目的地收集数据、分析数据，使之成为信息的过程。这一过程是质量管理体系的支持过程。在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程，以提升有效性。例如J.开普勒通过分析行星角位置的观测数据，找出了行星运动规律。又如，一个企业的领导人要通过市场调查，分析所得数据以判定市场动向，从而制定合适的生产及销售计划。因此数据分析有极广泛的应用范围。

总结目前流行的数据分析工具有哪些,各自特点比较;

EXCEL MATLAB Origin 等等

当前流行的图形可视化和数据分析软件有Matlab，Mathmatica和Maple等。这些软件功能强大，可满足科技工作中的许多需要，但使用这些软件需要一定的计算机编程知识和矩阵知识，并熟悉其中大量的函数和命令。而使用Origin就像使用Excel和Word那样简单，只需点击鼠标，选择菜单命令就可以完成大部分工作，获得满意的结果。但它又比excel要强大些。一般日常的话可以用Excel，然后加载宏，里面有一些分析工具，不过有时需要数据库软件支持

以下为赠送的简历模板不需要的下载后可以编辑删除，谢谢～～

性别:女出生年份:198*9 暂未命名民族: 政治面貌:党员

意向职位:护士现居地:广东省身高:164 cm

期望薪资:2000-3000 工作地点:广东省教育经历 2006-09—2008-07 语言能力广州医学院

英语所学专业:护理学类

读写:?????(良好) 获得学历:大专

听说:?????(良好)

工作/实习经历

范文四：spss数据案例分析

SPSS数据案例分析

一.手机 APP 广告点击意愿的模型构建.................................... 2

1.1构建研究模型 ....................................................................... 2 1.2研究变量及定义 ................................................................... 2 1.3研究假设 ................................................................................ 3 1.4变量操作化定义 ................................................................... 3 1.5问卷设计 ................................................................................ 3

二(实证研究 .................................................................................. 5 2.1基础数据分析 ....................................................................... 5 2.2频数分布及相关统计量 ...................................................... 5

2.3相关分析 ................................................................................ 7 2.4回归分析 ................................................................................ 8 2.5假设检验 .............................................................................. 10

一.手机APP 广告点击意愿的模型构建

1.1构建研究模型

我们知道效用期望、努力期望、社会影响对行为意愿会产生一定的影响，在模型中的性别、年龄、经验与自愿性等四个控制变量，通常都是作为控制变量来观察他们对采用因素与使用意向之间的关系的影响。因此，目前手机APP 广告的使用人群年龄相对比较年轻，而且年龄特征分布高度集中，年龄在30 岁以下的人群占到70%以上，因此本研究考虑性别了这一变量，同时根据手机APP 广告用户的特性，加入了手机流量作为控制变量，去观察它们对外部变量与点击意愿之间的关系是否有显著影响。

在本研究中，主要把调节变量和控制变量作为两个不同的研究变量，对于调节变量感知风险来说，它是直接影响了感知风险与手机APP 广告点击意愿二者的关系;而控制变量性别、手机流量这些变量是对广告效用期望、APP 效用期望和社会影响与点击意愿直接的关系是否有显著影响。最后，本文根据手机APP 广告的特点对UTAUT 模型进行扩展，构建了手机APP 广告点击意愿的影响因素研究模型。

1.2研究变量及定义

1.3研究假设

(1) 广告效用期望、APP 效用期望、社会影响与手机APP 点击意向的关系

H1:用户的广告效用期望与点击手机APP 广告意愿正相关。

H2:用户的APP 效用期望与点击手机APP 广告意愿正相关

H3:社会影响与手机APP 广告点击意愿正相关

(2)感知风险与点击手机APP 广告意愿的关系

H4:感知风险与手机APP 广告点击意愿负相关

H5:性别，手机流量对手机 APP 广告点击意愿没有显著影响 1.4变量操作化定义

, 广告效用期望:广告对我了解某品牌来说很有用

, APP 效用期望:使用 APP 能够让我了解到多方面的信息 , 社会影响:身边的人都在使用手机 APP 广告，所以我也要使用 , 感知风险:在点击手机 APP 广告时，我担心我的个人隐私安全得不到保护 , 感知隐私安全重要性:确保点击手机 APP 广告是安全的，对我来说是很重

要的

, 使用意向:我愿意把手机 APP 广告推荐给我周围的人 1.5问卷设计

1.使用 APP 能够让我了解到多方面的信息 [单选题] [必答题]

很不同意 ? 1 ? 2 ? 3 ? 4 ? 5 很同意

2.广告对我了解某品牌来说很有用 [单选题] [必答题]

很不同意 ? 1 ? 2 ? 3 ? 4 ? 5 很同意

3.身边的人都在使用手机 APP 广告，所以我也要使用 [单选题] [必答题]

很不同意 ? 1 ? 2 ? 3 ? 4 ? 5 很同意

4.在点击手机 APP 广告时，我担心我的个人隐私安全得不到保护 [单选题] [必答题]

很不同意 ? 1 ? 2 ? 3 ? 4 ? 5 很同意

5.确保点击手机 APP 广告是安全的，对我来说是很重要的 [单选题] [必答题]

很不同意 ? 1 ? 2 ? 3 ? 4 ? 5 很同意

6.我愿意把手机 APP 广告推荐给我周围的人 [单选题] [必答题]

很不满意 ? 1 ? 2 ? 3 ? 4 ? 5 很满意

7. 您的性别是 [单选题] [必答题]

? 男

? 女

8. 您每月的手机上网流量 [单选题] [必答题]

? 够用

? 不够用

9. 您的年龄是 [单选题] [必答题]

? 18 岁以下? 18-24 ? 25-30 ? 30 岁以上

二(实证研究

2.1基础数据分析

, 样本的调查情况显示男女比例的基本上都差不多，男性占63.3%，女性占

36.7%，在年龄的分布上，18 岁到24岁之间的比例占了90%; 2.2频数分布及相关统计量

, 利用频数分布可以很方便地观察变量的取值情况，并用描述性统计量进行概

括。

2.3相关分析

, 根据相关矩阵系数

使用意愿与APP效用期望相关系数r=0.262>0,说明二者正相关，且相关程度较低。

使用意愿与广告效用期望相关系数r=0.576>0,说明二者正相关，且相关程度较高。

使用意愿与社会影响相关系数r=0.494>0,说明二者正相关，且相关程度较高。

使用意愿与感知风险相关系数r=0.129>0, 说明二者正相关，且相关程度较低。

使用意愿与感知隐私安全重要性r=0.008>0, 说明二者正相关, 且相关程度较低。

2.4回归分析

, 有R方为0.399,数值较小，说明方程拟合度低，在ANOVA中，满足F检验，

sig为0.003小于0.005，说明具有显著性。

, 根据上表

使用意愿与APP效用期望之间的非标准化回归系数为0.391，标准差0.226标准化回归系数B=0.281.根据t分布可知，此时的t为1.730，sig为0.096>0.05,接受假设。说明使用意愿与APP效用期望不存在显著的线性关系，但斜率系数为正，表示二者关系是正向的，也就是说，APP效用期望越强，使用意愿越强。

使用意愿与广告效用期望之间的非标准化回归系数为0.334，标准差0.135，标准化回归系数B=0.393，根据t分布可知，此时的t为2.479，sig为0.021<0.05,拒绝假设。说明使用意愿与广告效用期望存在显著的线性关系。>

使用意愿与社会影响之间的非标准化回归系数为0.421，标准差0.166，标准化回归系数B=0.455，根据t分布可知，此时的t为2.535，sig为0.018<0.05,拒绝假设。说明使用意愿与社会影响存在显著的线性关系。>

使用意愿与感知风险之间的非标准化回归系数为-0.219，标准差0.228，标准化回归系数B=-0.170，根据t分布可知，此时的t为-0.960，sig为0.347>0.05,接受假设。说明使用意愿与感知风险不存在显著的线性关系，但斜率系数为负，表示二者关系是反向的，也就是说，感知风险越强，使用意愿越弱。

使用意愿与感知隐私安全重要性之间的非标准化回归系数为-0.04，标准差0.158，标准化回归系数B=-0.038，根据t分布可知，此时的t为-0.249，sig为0.805>0.05, 接受假设。说明使用意愿与感知隐私安全重要性不存在显著的线性关系，但斜率系数为负，表示二者关系是反向的，也就是说，感知隐私安全重要性越强，使用意愿越弱。

2.5假设检验

2.5.1单样本检验

, 根据上图表显示

, 社会影响平均值为3.27，标准差为0.828，标准误差为0.151，t值为1.765，

sig为0.088>0.05，拒绝原假设，说明身边的人都在使用手机 APP 广告，所

以我也要使用不成立，因为在统计意义上，平均值没有大于3

2.5.2独立样本检验

, F为1.137，sig为0.295>0.05，接受假设，应使用方差相等的F检验，得到t

值为1.007，sig为0.322>0.05，说明男女性别差异对使用意愿没有显著性差

异

, F为0.675，sig为0.418>0.05，接受假设，应使用方差相等的F检验，得到t

值为0.409，sig为0.686>0.05，说明手机流量足够与否对使用意愿没有显著

差异。

, 支持H5:性别，手机流量对手机 APP 广告点击意愿没有显著影响假设。

范文五：spss案例分析

1、某班共有 28个学生,其中女生 14人,男生 14人,下表为某次语文测验的成绩,请用描述统计方法分析女生成绩好,还是男生成绩好。方法一:频率分析

(1) 步骤:分析→描述统计→频率→女生成绩、男生成

绩右移→统计量设置→图表(直方图)→确定 (2) 结果:

统计量

女生成绩

男生成绩

有效

缺失

均值中值众数 76.00a

48.00a

标准差方差全距极小值极大值和

a. 存在多个众数。显示最小值

(3)分析:由统计量表中的均值、标准差及直方图可知,女生成绩比男生成绩好。

方法二:描述统计

(1) 步骤:分析→描述统计→描述→女生成绩、男生成绩右移→选项设置→确定

(2) 结果:

(3) 分析:由描述统计量表中的均值、标准差、方差可知,女生成绩比男生成绩好。

2、某公司经理宣称他的雇员英语水平很高, 现从雇员中随机随出 11人参加考试, 得分如下:80、 81、 72、 60、 78、 65、 56、 79、 77、 87、 76,请问该经理的宣称是否可信?

(1)方法:单样本 T 检验

H 0 :u=u

, 该经理的宣称可信

H 1 :u≠ u

, 该经理的宣称不可信

(2)步骤:①输入数据:(80, 81,… 76)

②分析→比较均值→单样本 T 检验→ VAR00001右移→检验值(75) →确定

(3)结果:

单个样本统计量

N 均值标准差均值的标准误

VAR00001

(4)分析:由单个样本检验表中数据知 t =0.668>0.05,所以接受 H

,即该经理的宣称是可信的。

3、某医院分别用 A、 B 两种血红蛋白测定仪器检测了 16名健康男青年的血红蛋白含量(g/L) ,检测结果如下。问:两种血红蛋白测定仪器的检测结果是否有差别?

仪器 A :113, 125, 126, 130, 150, 145, 135, 105, 128, 135, 100, 130, 110, 115, 120 , 155

仪器 B :140, 150, 138, 120, 140, 145, 135, 115, 135, 130, 120, 133, 147, 125, 114, 165

(1)方法:配对样本 t 检验

H 0 :u

,两种血红蛋白测定仪器的检测结果无差别

H 1 :u

≠ u

,两种血红蛋白测定仪器的检测结果有差别

(2) 步骤:①输入两列数据:A 列 (113, 125, … 155) ; B 列 (140, 125, … 165) ; ②分析→比较均值→配对样本 t 检验→仪器 A 、仪器 B 右移→确定 (3)结果:

成对样本统计量

均值 N 标准差均值的标准误

对 1 仪器 A

仪器 B

(4)分析:由成对样本检验表的 Sig 可见 t =0.032小于 0.05,所以拒绝 H 0 , 即两种血红蛋白测定仪器的检测结果有差别。

4、某公司准备推出一个新产品,但产品名称还没有正式确定,决定进行抽样调查,在受访 200人中, 52人喜欢 A 名称, 61人喜欢 B 名称, 87人喜欢 C 名称, 请问 ABC 三种名称受欢迎的程度有无差别? (1)方法:多项分布的卡方检验

H 0:u=u 0, ABC 三种名称受欢迎的程度无差别 H 1:u≠ u 0, ABC 三种名称受欢迎的程度有差别

(2)步骤:①定义变量,输入数据

②数据→加权个案→加权个案(人数右移)→确定 ③分析→非参数检验→卡方→人数右移→确定 (3)结果:

(4)分析:2 = 0.007小于显著性水平 0.05,因此拒绝 H 0,即 A 、 B 、 C 三种名称受欢迎的程度有差异。

检验统计量

人数

卡方

9.910a

df 渐近显著性

a. 0 个单元 (.0%) 具有小于 5 的期望频

率。单元最小期望频率为 66.7。

转载请注明出处范文大全网 » spss案例分析报告