第一篇：SPSS實驗報告二（最終版）

SPSS實驗報告二

實驗目的：掌握方差分析、相關分析和回歸分析的基本操作；掌握其中相關的問題檢驗；讀懂輸出結果并進行合理分析。

第一題：利用外來工數據，使用多因素方差分析研究教育程度和月收入對家庭花費(V2_2c)，（1）說明兩個因素的影響是否顯著，有沒有顯著的交互作用；

（2）如果因素影響顯著而交互作用不顯著，建立非飽和模型，并利用多重比較比較（snk）各因素水平的高低；

第二題：應用waste.sav數據，研究固體垃圾排放量與賓館、餐飲業用地、零售業用地、運輸、批發企業用地、金屬制造業用地、工業企業用地的關系。

（1）、通過散點圖觀察變量間的相關關系，并使用Enter建立模型，判斷各自變量間是否存在多重共線性，寫出回歸方程，說明T檢驗和F檢驗的結果

（2）、利用Stepwise建立模型，通過計算D-W統計量和作出殘差分布圖、pp圖等方法初步判斷是否存在序列相關、異方差和正態性，保存模型的預測值。

第三題：完成P283，例題9-3，畫出外出就餐和年份的散點圖，利用復合函數，指數函數和三次函數進行擬合，選擇最好的擬合模型，寫出曲線方程，并對之后兩年年的數據進行預測。

第二篇：SPSS實驗報告1

實 驗 報 告

課程名稱

數據分析

實驗名稱

均值比較與方差分析

系別 電子信息科學學院 專業班級 信息管理15級專升本

指導教師

學號

姓名

實驗日期 2015年11月18日實驗成績

一、實驗目的

1． 掌握均值比較和方差分析的原理、過程和應用

2． 掌握兩獨立樣本和兩配對樣本的t檢驗的過程和結果解釋 3． 掌握單因素方差分析的分析過程和結果解釋 4． 掌握多因素方差分析的分析過程和結果解釋

二、實驗環境

1． 硬件環境：微機

2． 軟件環境： Windows，SPSS Statistics 22

三、實驗內容

1．數據文件GSS2004_Mod.sav中記錄了男性或女性每周上網瀏覽網頁的時間（變量WWWHR，單位小時）。用兩獨立樣本t檢驗方法分析男性和女性在上網時間上是否不同。（1）原假設

男性和女性的上網時間沒有顯著差異。（2）參數設置

檢驗變量：WWW HOURS PER WEEK 分組變量：GENDER（3）操作步驟及計算結果 操作步驟：

① 選擇菜單：【分析A】→【比較均值（M）】→【獨立樣本T檢驗（T）】；如圖1-1

圖1-1

② 選擇檢驗變量“WWW HOURS PER WEEK”到【檢驗變量（T）】框中。③ 選擇總體標識變量“GENDER”到【分組變量（G）】框中。

④點擊按鈕定義兩總體的標示值，如圖1-2。其中，【使用指定值（U）】表示分別輸入對應兩

個不同總體的標記值。

圖1-2

計算結果：

（4）結果及其解釋

結果：男性和女性的上網時間存在顯著差異。

解釋：從獨立樣本鑒定的表中可以看出F檢驗值為15.182，對應的概率P值為0.00＜0.05，所以拒絕原假設。由于兩總體方差有顯著差異所以要看到“不采用相等變異數”這一列，其中T統計量的值為4.866，對應的概率P值為0.00。如果顯著性水平α為0.05，由于概率P值小于0.05，所以認為量總體的均值有顯著差異。并且95%置信區間不夸零，也說明了有顯著差異。

2．數據文件GSS2004_Mod.sav中記錄了受訪者父親和母親的受教育情況。試用兩配對樣本t檢驗方法比較父親的受教育情況（變量PAEDUC）和母親的受教育情況（變量MAEDUC）是否不同。（1）原假設

父親的受教育情況和母親的受教育情況沒有顯著差異。（2）參數設置

成對變量：PAEDUC，MAEDUC（3）操作步驟及計算結果 ①選擇菜單：

【分析（A）】→【比較均值（M）】→【配對樣本T檢驗（P）】，如圖2-1

圖2-1 ②選擇PADUC和MADUC到【成對變量（V）】框中。結果：

圖2-2

圖2-3

圖2-4（4）結果及其解釋

結果：父親的受教育情況和母親的受教育與情況沒有顯著差異。

解釋：從圖2-2的平均值可以看出沒有較大的差異。圖2-3中對應的概率P值為.000，如果顯著性水平α為0.05，則表明父親和母親的受教育情況有明顯的線性變化，父親和母親的受教育情況相關性程度較強。從圖2-4中可以看出，父親與母親的受教育情況的平均差異，僅只有0.49；95%置信區間的上下限一正一負，則表示兩者接近無顯著差異；最后相對應的概率P值0.494，如果顯著性水平α為0.05，則接受原假設，所以父親的受教育情況和母親的受教育與情況無顯著差異。

3．一家關于MBA報考、學習、就業指導的網站希望了解國內MBA畢業生的起薪是否與各自所學的專業相關。為此，他們在已經從國內商學院畢業并且獲得學位的MBA學生中按照各專業分別隨機抽取了10人，調查了這些學生的起薪情況，數據文件為MbaSalary.sav。根據這些調查他們能否得出專業對MBA起薪有影響的結論。（1）原假設

國內MBA畢業生各自所學專業與起薪情況沒有顯著關系。（2）參數設置 觀測變量：起薪 控制變量：專業

（3）操作步驟及計算結果 操作步驟： ①選擇菜單： 【分析（A）】→【比較均值（M）】→【單因素ANOVA】； ②選擇觀測變量“起薪”到【因變量列表（E）】框中，如圖3-1；

④ 選擇控制變量“專業”到【因子（F）】框中，如圖3-2；

圖3-1 計算結果：

圖3-2（4）結果及其解釋

結果：國內MBA畢業生各自所學專業與起薪情況沒有顯著關系；

解釋：從圖3-2可以看出，F統計量的觀測值為2.459，對應的概率P值為0.079。如果顯著性水平α為0.05，由于概率P值大于顯著性水平α，所以接受原假設，認為國內MBA畢業生各自所學專業與起薪情況沒有顯著關系。

4．一家連鎖零售店試圖對顧客的購買習慣進行調查。grocery_1month.sav記錄了顧客性別、購物方式、消費額等信息。使用多因素方差分析方法分析顧客性別和購物方式對消費額有何影響。（1）原假設

不同顧客性別沒有對消費額產生顯著差異；不同購物方式對消費額沒有顯著差異；顧客性別和購物方式對消費額沒有產生顯著的交互影響。（2）參數設置 觀測變量：消費額

控制變量：顧客性別，購物方式（3）操作步驟及計算結果 操作步驟： ①選擇菜單： 【分析（A）】→【一般線性模型】→【單變量（U）】； ②指定觀測變量“消費額”到【因變量（D）】框中；

③指定固定效應的控制變量“顧客性別”和“購物方式”到【固定因子(F)】框中，如圖4-1。

計算結果：

圖4-2

圖4-2

（4）結果及其解釋

結果：不同顧客性別對消費額有顯著差異；不同購物方式對消費額沒有顯著差異；顧客性別和購物方式對消費額有顯著的交互影響。解釋：從圖中可以看出Fgender，Fstyle，Fgender*style的概率P值分別為0.000，0.140和0.017.如果顯著性水平α為0.05，由于Fgender，Fgender*style概率P值小于顯著性水平α，所以應該拒絕原假設，可以認為不同顧客性別對消費額有顯著差異，顧客性別和購物方式對消費額有顯著的交互影響，而Fstyle概率P值小于顯著性水平α，則接收原假設認為不同購物方式對消費額沒有顯著差異。

四、實驗小結（心得體會、遇到問題及其解決方法）

第三篇：管理統計學SPSS數據管理 實驗報告

數據管理

一、實驗目的與要求

1.掌握計算新變量、變量取值重編碼的基本操作。2.掌握記錄排序、拆分、篩選、加權以及數據匯總的操作。

3.了解數據字典的定義和使用、數據文件的重新排列、轉置、合并的操作。

二、實驗內容提要

1．自行練習完成課本中涉及的對CCSS案例數據的數據管理操作 2．針對SPSS自帶數據Employee data.sav進行以下練習。

（1）根據變量bdate生成一個新變量“年齡”

（2）根據jobcat分組計算salary的秩次

（3）根據雇員的性別變量對salary的平均值進行匯總

（4）生成新變量grade，當salary<20000時取值為d，在20000~50000范圍內時取值為c，在50000~100000范圍內取值為b，大于等于100000時取值為a

三、實驗步驟

1、針對CCSS案例數據的數據管理操作

1.1.計算變量，輸入TS3到目標變量，在數字表達式中輸入3，把任意年齡段分成三個組20-30設為1組，1-40設為2組41-50設為3組。圖1，圖1 1.2.對已有變量的分組合并，在“名稱”文本框中輸入新變量名TS3單擊“更改”按鈕，原來的S3->?就會變為S3->TS3,單擊“舊值和新值”按鈕，系統打開“重新編碼到其他變量：舊值和新值”，如下圖2，圖2

圖3 1.3.可視離散化，選擇“轉換”->“可視離散化”,打開的對話框要求用戶選擇希望進行離散化的變量，單擊繼續，如下圖4，圖4 單擊“生成分割點”，設定分割點數量為10，寬度為5，第一個分割點位置為18，單擊“應用”，如下圖，圖5 結果顯示如下，圖6 2．針對SPSS自帶數據Employee data.sav進行以下練習。

2.1.根據變量bdate生成一個新變量“年齡”,選擇“轉換”->”計算變量”，如下圖，圖7 結果顯示如下，圖8 2.2.根據jobcat分組計算salary的秩次，圖9 結果顯示如下，圖10 2.3.根據雇員的性別變量對salary的平均值進行匯總

圖11 結果顯示如下，圖12 2.4.生成新變量grade，當salary<20000時取值為d，在20000~50000范圍內時取值為c，在50000~100000范圍內取值為b，大于等于100000時取值為a

圖13 結果顯示如下，圖14

四、實驗結果與結論

第四篇：SPSS數據統計軟件實驗報告

SPSS數據統計軟件實驗報告

專業

信息與計算科學

班級

級班

組別

指導教師

姓名

同組人

實驗時間

2018

****年**月**日

實驗地點

實驗名稱

方差分析

實驗目的通過對數據的分析，使其掌握用方差分析的方法來比較數據。

實驗儀器：

1、支持Intel

Pentium

Ⅲ及其以上CPU，內存256MB以上、硬盤1GB以上容量的微機；

軟件配有Windows98/2000/XP操作系統及SPSS軟件。

2、了解SPSS軟件的特點及系統組成，在電腦上操作SPSS軟件。

實驗內容、步驟及程序：

一、1.實例內容：

下表給出銷售方式對銷售量的對比試驗數據，利用單因素方差分析來分析不同的銷售方式對銷售量的影響。

2.實例操作：

Step

01

打開對話框。

打開數據文件,選擇菜單欄中的【分析】|【比較均值】|【單因素?ANOVA】命令,彈出【單因素ANOVA檢驗】對話框。

Step

02

選擇因變量。

在候選變量列表框中選擇【銷售量】變量作為因變量,將其添加至【因變量列表】列表框中。

Step

03

選擇因變量。

在候選變量列表框中選擇【銷售方式】變量,將其添加至【因子】文本框中。

Step

04

定義相關統計選項以及缺失值處理方法。

單擊【單因素ANOVA檢驗】對話框【選項】，在彈出的對話框選中【方差同質性檢驗】、【平均值圖】復選框，然后單擊【繼續】。

Step

05

事后多重比較。

單擊【單因素ANOVA檢驗】對話框【事后比較】，在彈出圖中選中Bonferroni復選框，然后單擊【繼續】。

Step

06

對組間平方和進行線性分解并檢驗。

單擊【單因素ANOVA檢驗】對話框【對比】，彈出圖的對話框選中【多項式】，將【等級】設為【線性】，單擊【繼續】返回【單因素ANOVA檢驗】的對話框。

Step

07

單擊【確定】，輸出分析結果。

3.實例結果及分析

變異數同質性測試

銷售量

Levene

統計資料

df1

df2

顯著性

.346

.793

給出了方差齊性檢驗的結果。從該表可以得到

Levene方差齊性檢驗的P值為0.793,與顯著性水平0.05相差大,因此基本可以認為樣本數據之間的方差是非齊次的。

變異數分析

銷售量

平方和

df

平均值平方

F

顯著性

群組之間

（合併）

685.000

228.333

7.336

.003

線性項

比對

196.000

196.000

6.297

.023

偏差

489.000

244.500

7.855

.004

在群組內

498.000

31.125

總計

1183.000

給出了單因素方差分析的結果。從表中可以看出,組間平方和是685、組內平方

和是196,其中組間平方和的的F值為7.336,相應的概率值是0.003,小于顯著性水平0.05,因此認為不同的銷售方式對銷售量有顯著的影響。另外,這個表中也給出了線性形式的趨勢檢驗結果,組間變異被銷售方式所能解釋的部分是196,被其他因素解釋的有244.5,并且組間變異被銷售方式所能解釋的部分是非常顯著的4.事后檢驗

多重比較

因變數:

銷售量

Bonferroni

法

(I)

銷售方式

(J)

銷售方式

平均差異

(I-J)

標準錯誤

顯著性

95%

信賴區間

下限

上限

1.0

2.0

-7.0000

3.5285

.388

-17.615

3.615

3.0

9.0000

3.5285

.128

-1.615

19.615

4.0

4.0000

3.5285

1.000

-6.615

14.615

2.0

1.0

7.0000

3.5285

.388

-3.615

17.615

3.0

16.0000*

3.5285

.002

5.385

26.615

4.0

11.0000*

3.5285

.040

.385

21.615

3.0

1.0

-9.0000

3.5285

.128

-19.615

1.615

2.0

-16.0000*

3.5285

.002

-26.615

-5.385

4.0

-5.0000

3.5285

1.000

-15.615

5.615

4.0

1.0

-4.0000

3.5285

1.000

-14.615

6.615

2.0

-11.0000*

3.5285

.040

-21.615

-.385

3.0

5.0000

3.5285

1.000

-5.615

15.615

*.平均值差異在0.05

層級顯著。

給出了多重比較的結果,*表示該組均值差是是顯著的。因此,從表中可以看出,第二組和第三組、第四組的銷售量均值差是非常明顯的,但是第三組與第四組的銷售量均值差話相卻不是很明顯。另外,還可以得到每組之間均值差的標準誤差、置信區間等信息。

平均值圖形

給出了各組的均值圖。從圖可以清楚地看到不同的施肥類型對應不同的銷售量均

值。可見,第三組的銷售量最低,且與其他兩組的銷售量均值相差較大,而第二組和和第三組之間的銷售量均值差異不大,這個結果和多重比較的結果非常一致

二、1.實例內容：

某研究機構研究了3種動物飼料對4種品系小鼠體重增加的影響,數據如圖下所示,變量a為飼料種類,變量b為鼠的品系,變量x為增重克數。

2.實例操作：

Step

01

打開對話框。

打開數據文件,選擇菜單欄中的【分析】|【一般線性模型】|【單變量】命令,彈出【單變量】對話框,如圖所示。

Step

02

選擇觀測變量。

在候選變量列表框中選擇【體重】變量作為因變量,將其添加至【因變量】列表框中。

Step

03

選擇因素變量。

選擇【飼料類型】和和【小鼠品系】變量作為因素變量,將它們添加至【固固定因子】列表框中,如圖所示。

Step

04選擇多重比較。

單擊【模型】按按鈕,彈彈出【單變量:模型】對話框,如圖5.23所示。選中【定制】單選按鈕,在左側列表框中選擇“因因素a”和“因因素b”變量并移至【模型】列表框中。選擇【構建項】選項組中【類型】下拉列表框中的【主效應】選項,再單擊【繼繼續】按鈕,返回主對話框。

Step

05其他選項選擇。

單擊【圖】按鈕,彈出圖5.24所示【單變量:輪廓圖】對話框。將因素b放入【單獨的線條】框,將因素a放入【水平軸)】文本框,單擊【添加】按鈕,再單擊【繼續續】按鈕,返回主對話框。

單擊【事后比較】按鈕,彈出圖所示對話框。將因素a和因素b放入【下列各項的事后檢驗】列表框,比較方法選擇LSD法。

單擊【選項】按鈕,彈出圖5.26所示【單變量:選項】對話框。將因素a和因素b放入【顯示下列各項的平均值】列表框,選中【比較主效應】復選框。選中【描述統計】復選框表示輸出描述性統計量;選中【齊性檢驗】復選框表示輸出方差齊性檢驗表。再單擊【繼續】按鈕,返回主對話框。

Step

06

完成操作。

最后,單擊【確確定】按鈕,操作作完成。

3.實例結果及分析

(1)主體間效應檢驗表

表所示為主效應模型檢驗,結果可見校正模型統計量F=6.772、P=0.000,說明模型有統計學意義。因素a和因素b均有統計學意義,P=0.000、P=0.037,均小于0.05。

主旨間效果檢定

因變數:

體重

來源

第III

類平方和

df

平均值平方

F

顯著性

修正的模型

8929.625a

1785.925

6.772

.000

截距

167796.750

167796.750

636.304

.000

a

6487.875

3243.938

12.301

.000

b

2441.750

813.917

3.086

.037

錯誤

11075.625

263.705

總計

187802.000

校正後總數

20005.250

a.R

平方

=

.446（調整的R

平方

=

.380）

(2)成對比較表。

表所示為不同飼料類型兩兩比較結果,從Sig值(即P值)可見,飼料B與飼料C沒有差異（p=0.117），其余均有差異，p<0.05。

成對比較

因變數:

體重

(I)

飼料類型

(J)

飼料類型

平均差異

(I-J)

標準錯誤

顯著性b

95%

差異的信賴區間b

下限

上限

A飼料

B飼料

18.750*

5.741

.002

7.163

30.337

C飼料

27.938*

5.741

.000

16.351

39.524

B飼料

A飼料

-18.750*

5.741

.002

-30.337

-7.163

C飼料

9.188

5.741

.117

-2.399

20.774

C飼料

A飼料

-27.938*

5.741

.000

-39.524

-16.351

B飼料

-9.188

5.741

.117

-20.774

2.399

根據估計的邊際平均值

*.平均值差異在.05

層級顯著。

b.調整多重比較：最小顯著差異（等同於未調整）。

（3）均值圖

圖所示為不同品系小鼠喂養不同飼料的體重增重的均值圖。可見A飼料較好,B飼料和C飼料差異不大。

實驗小結：

通過該實驗，讓我懂得了利用數學思想解決實際問題，很好的把數學運用到實際生活中，在今后的學習中我會再接再厲的。

教師評語：

1.實驗結果及解釋：（準確合理、較準確、不合理）；占30%

2.實驗步驟的完整度：（完整、中等、不完整）；占30%

3.實驗程序的正確性：（很好、較好、中等、較差、很差）；占30%

4.卷面整潔度：（很好、較好、中等、較差、很差）；占10%

評定等級：（）

教師簽名：

日期：

第五篇：SPSS軟件教程實驗報告——大學生戀愛觀調查報告

《社會統計軟件教程》

實驗報告

班級： 姓名： 學號：

大學生戀愛觀問卷調查與SPSS分析

一、實驗目的與要求

1、實驗目的

通過上機實驗，使學生掌握統計學的基本原理、問卷的設計與調查，熟悉統計軟件SPSS操作過程，能對統計軟件SPSS的輸出結果進行分析。

通過使用統計軟件SPSS，加強學生對統計思想的理解，并提高解決實際問題的能力。

通過上機實驗，指導學生設計調查問卷、深入社會調查訪問，學會搜集第一手資料，掌握調查技巧和數據匯總、整理、分析方法，培養和鍛煉學生創新與實踐能力，為進一步學習其他相關課程奠定扎實的基礎。

通過上機實驗，希望能有助于提高學生設計調查問卷、采集數據和處理調查數據的基本能力，培養學生熟練掌握SPSS統計軟件的基本操作，獲得對實際數據進行統計和分析的能力，使學生能夠撰寫出規范的統計分析報告。

2、實驗要求

要求學生理論聯系實際，初步掌握運用統計方法解決實際問題的能力和運用統計軟件SPSS處理數據的能力。

第一，確定調查方案、設計調查問卷、收集數據，并錄入SPSS；要求學生熟悉SPSS操作環境，能夠進行SPSS的窗口操作，并熟練掌握問卷變量的定義、數據的輸入；

第二，利用SPSS，對問卷進行描述性統計分析或探索性統計分析，解釋輸出結果，寫出相應的結論；

第三，利用SPSS，對問卷進行多選項分析，解釋輸出結果，寫出相應的結論； 第四，利用SPSS，對問卷進行列聯表分析，解釋輸出結果，寫出相應的結論；

第五，利用SPSS，對問卷進行參數檢驗（T-TEST、單因素方差分析）或非參數檢驗，解釋輸出結果，寫出相應的結論；

第六，利用SPSS，對問卷進行相關分析或回歸分析，熟悉相關分析過程的軟件操作過程，解釋輸出結果，寫出相應的結論。

二、實驗環境

硬件環境：微機

軟件環境：SPSS11.5及SPSS16.0。

三、實驗類型

綜合性實驗 第一部分 實驗內容

1、探索性分析:是否談戀愛與每天上自習時間的關系

（一）操作步驟

1．打開數據文件“問卷.sav”。

2．選擇Transform→Recode→Into different variables,打開重新編碼對話框。

從左側選擇q13“您現在是否談戀愛”進入Numeric Variable,定義新的變量名q13_1,標題是”是否談戀愛”。

3.選擇Old and new Values,如下圖定義新變量.其它選項采用系統默認狀態。

4.選擇Continue,點擊OK,提交運行。

5.選擇Analyze→Descriptive Statistics→Explore,如下圖將選項選入相應List。

6.上述選項做完以后，單擊OK 按鈕，提交運行。

（二）輸出結果與分析

Stem-and-Leaf Plots

Boxplot

（三）結果分析：

⑴集中趨勢指標：首先可以看出62位沒有戀愛的同學平均每天的自習時間是2.121小時，去掉兩側各5%的極端值后，截尾均數是2.078，中位數是2.000小時，其中，均數、截尾均數和中位數應當基本相同，因此從上述指標及可推測數據應當是符合對稱分布的；37位談戀愛的同學每天的平均自習時間是2.081小時，去掉兩側各5%的極端值后，截尾均數是2.047，中位數是2.000，也符合對稱分布。

⑵離散趨勢分析：沒談戀愛的同學自習的標準差是1.2102，最大值是5，最小值是0，兩者差即全距5小時；談戀愛的同學自習的標準差是1.0834，最大值是5.0，最小值是0，兩者差即全距5小時.⑶分布特征分析：沒有戀愛的數據的偏度系數是a=0.653，峰度系數是b=0.309，表示數據右偏，且形狀比正態分布的峰要稍陡峭。戀愛者的數據的偏度系數是a=0.628，峰度系數是b=0.541，表示數據右偏，且形狀比正態分布的峰要陡峭。

2、多選項分析：選擇戀愛對象的主要因素分析

（一）操作步驟

1．打開數據文件“問卷.sav”

2．選擇Analyze→ Multiple Response→ Define Variable Sets，再進行如下操作定義多選項變量集。

3．定義好后點Add, 然后關閉當前對話框。

Ⅰ、頻數分析：

1.選擇Analyze→ Multiple Response→Frequencies進行頻數分析。2.將左側的$q9選人右側，點擊OK，提交運行。

（二）輸出結果與分析

（三）結果分析

這道多選題限選三項，由上表可得，比例從高到低排在前三項的分別是“人品好”78.0%，“和自己志趣相投”53.0%，“能力好”42.0%，大學生談戀愛對經濟狀況的考慮較少，大多是以人品定位自己的對象。

在大學生人群中，把理想愛人的條件轉向注重有內涵，注重人品，是普遍的一個大趨勢。在本次調查中，男、女生均把“人品”作為了第一要素，而經濟狀況等已不再是擇偶的主要因素。這反映了廣大同學成熟的愛情心理。

Ⅱ、列聯表分析：選擇戀愛對象的主要因素與性別之間的關系分析

1.選擇Analyze→ Multiple Response→Crosstabs進行列聯表分析。

2.將多選項選入Rows，影響因素性別選入Columns,并定義變量集Define Ranges,范圍是1到2，continue。

3.上述選項做完以后，單擊OK 按鈕，提交運行。

（二）輸出結果與分析

（三）結果分析

其中，我們可以看到男、女生的一些不同：對于相貌的要求，男生18/46要高于女生16/54；而對于知識能力的要求方面，女生35/54又要比男生7/46看中的多。

但是從總的方面來說，當代的大學生在戀愛問題上是非常理性的，而且愈加趨向于成熟化。這些變化的方向無疑是社會所期望的，而且對于大學生本身來說是非常有意義的。

3、列聯表分析：大學生談戀愛時對相貌看重程度與性別關系的分析

（一）操作步驟

1、打開數據文件“問卷.sav”。

2、選擇Analyze→Descriptive Statistics→Crosstabs,將“相貌的選擇”和“性別”分別輸入到Row和Column。

3、選擇Cells，Counts框組：選中復選框Expected：Continue；

4、點擊Statistics：復選框Chi-square：Continue

5、上述選項做完以后，單擊OK 按鈕，提交運行。

（二）輸出結果與分析

（三）結果分析：

原假設：男女生在選擇朋友是對相貌的看重程度沒有差別 備擇假設：男女生在選擇朋友是對相貌的看重程度有差別

X=4.845，P值=0.184>0.05,不能拒絕原假設，所以性別在男女生選擇對象相貌的看重程度沒有差別。22%男生和21%女生選擇“雖然知道相貌不重要，但還是想盡量找個漂亮的”，可見，相貌在男女生選擇對象的時間仍然占著很重要的部分.24、單個樣本的非參數假設檢驗——二項檢驗

分析背景：《中國青年報》近日發表文章，據調查大學生談戀愛的人數為四成以上，為驗證其數據是否真實，用樣本數據進行非參數檢驗。

（一）操作步驟

1．打開數據文件“問卷.sav”。

2．選擇Transform→Recode→Into different variables,打開重新編碼對話框。

從左側選擇q13“您現在是否談戀愛”進入Numeric Variable,定義新的變量名q13_1,標題是”是否談戀愛”。

3.選擇Old and new Values,如下圖定義新變量.其它選項采用系統默認狀態。

4.選擇非參數假設檢驗的單個樣本的二項檢驗.Analyze→Nonparametric Tests→Binomial,將q13_1題選入Test Variable List, Test Proportion:0.60。（《中國青年報》前不久在有關大學生戀愛的四成以上）

5．上述選項做完以后，單擊OK 按鈕，提交運行。

（二）輸出結果與分析

Binomial TestCategory否是N6238100ObservedProp..6.41.0Test Prop..6Asymp.Sig.(1-tailed).382a是否談戀愛Group 1Group 2Totala.Based on Z Approximation.（三）結果分析：

原假設：大學生談戀愛的比例≥40% 備擇假設：大學生談戀愛的比例＜40% N=100, 單尾P值等于0.382>0.05,所以不能拒絕原假設，大學生談戀愛的比例在四成以上。可見，大學校園內談戀愛已經是很普遍的現象。大學生談戀愛對我們現在的學生來說，并不是什么新奇的事情，而且大學生談戀愛的比例也在逐年增加，這不得不引起我們足夠的重視。面當今的大學校園，以及這些未來的祖國棟梁，他們對自己的愛情究竟報以什么樣的態度，這是我們都很期待的。這也是我們此次調查大學生戀愛觀的問題的初衷。

5、相關分析：戀愛期間在對方身上的花費與每月生活費之間的關系

（一）操作步驟

1、打開數據文件“問卷.sav”

2、選擇Graphs→Scatter Plot→選擇Simple,點擊Define,制作散點圖，做進一步觀察。

3、選擇Analyze→Correlate(相關)→Bivariate（雙變量），打開雙變量相關分析對話框，從左側的源變量中選擇“您每月的生活費用大約是__元”和“你戀愛期間每個月在對方身上的花費大約是___元”進入Variable 窗口。其它選項采用系統默認狀態。

4、選擇相關系數。Correlation Coefficient 是相關系數的選項欄，選擇Pearson（皮爾遜相關系數）；確定顯著性檢驗類型，在Test of Significance 選擇Two-tailed（雙尾檢驗）； 確定輸出相關系數的顯著性水平，選中Flag significant Correlations。

5、選擇輸出的統計量，單擊Options 打開對話框，選擇Means and standard deviations 選項和Cross-product deviations and covariances 選項。

6．上述選項做完以后，單擊Continue 按鈕，返回雙變量相關分析對話框。7．單擊OK 按鈕，提交運行。

（二）輸出結果與分析

Descriptive StatisticsMean您每月的生活費用大約是__元你戀愛期間每個月在對方身上的花費大約是__元541.08112.00Std.Deviation159.64975.036N10030

Correlations你戀愛期間每個月在對方身上的花費大約是__元.513**.004160300.0005527.586301.163280.0005630.34530您每月的生活費用大約是__元你戀愛期間每個月在對方身上的花費大約是__元Pearson CorrelationSig.(2-tailed)Sum of Squares andCross-productsCovarianceNPearson CorrelationSig.(2-tailed)Sum of Squares andCross-productsCovarianceN您每月的生活費用大約是__元1.2523307.36025487.953100.513**.004160300.0005527.58630**.Correlation is significant at the 0.01 level(2-tailed).（三）結果分析：

原假設：ρ=0，談戀愛的人在對方身上每月的平均花費與他（她）的生活費的多少不相關 備擇假設：ρ≠0，談戀愛的人在對方身上每月的平均花費與他（她）的生活費的多少相關

有效數據N=30，從輸出的情況來看，“您每月的生活費用大約是__元”和“你戀愛期間每個月在對方身上的花費大約是___元”呈正相關，其相關系數為0.513，在總體中這個相關系數在0.05 的水平上是顯著的。

6、回歸分析

（一）操作步驟 1．打開數據文件“問卷.sav”。

2．選擇Analyze→Regression→Linear，打開回歸分析對話框，其他操作如圖（散點圖見相關分析）。

3．單擊OK 按鈕，提交運行。

（二）輸出結果與分析

Variables Entered/RemovedbVariablesVariablesModelEnteredRemovedMethod1你戀愛期間每個月在對方身上的花費.Enter大約元a是__a.All requested variables entered.b.Dependent Variable: 您每月的生活費用大約是__元

Model SummaryAdjustedStd.Error ofModelRR SquareR Squarethe Estimate1.513a.263.237125.505a.Predictors:(Constant), 你戀愛期間每個月在對方身上的花費大約是__元 ANOVAbModel1Sum ofSquares157374.4441042.3598416.7df12829Mean Square157374.38815751.510F9.991Sig..004aRegressionResidualTotala.Predictors:(Constant), 你戀愛期間每個月在對方身上的花費大約是__元b.Dependent Variable: 您每月的生活費用大約是__元

CoefficientsaUnstandardizedCoefficientsBStd.Error451.71141.655.982.311StandardizedCoefficientsBetaModel1(Constant)你戀愛期間每個月在對方身上的花費大約是__元t10.8443.161Sig..000.004.513a.Dependent Variable: 您每月的生活費用大約是__元

（三）結果分析：

H0: 回歸系數為0 H1: 回歸系數不為0

2由以上圖表和數據可知，N為30，決定系數R=0.263，它的含義是自變量“戀愛期間每個月在對方身上的花費”所能解釋的方差在總方差中所占的百分比，說明戀愛在生活費用的所占比例大約為1/5，擬合度不高，還要再增加其他因素進一步分析對生活費用的影響。

方差分析的結果F值為9.991，近似P值=0.004<0.05，自變量的回歸系數是具有統計學意義的。

從最后一張表可得，回歸方程常數項a=451.711，回歸系數的估計值b=0.982，通過它就可以得出回歸方程如下：

∧每月的生活費用預測值y=451.711+0.982*戀愛期間你在對方身上的花費

這表明“戀愛是你在對方身上每增加一個單位的花費，每月的生活費用會增加0.982個單位。回歸系數的顯著性檢驗P值為0.004<0.05，所以拒絕原假設，回歸系數不為0.第三部分 附錄

附錄一：調查方案

課題背景：近年來，大學校園內談戀愛已經是很普遍的現象。大學生談戀愛對我們現在的學生來說，并不是什么新奇的事情。但是對于身處象牙塔的大學生來說，對于戀愛多多少少都有一些應付不來，當然這不是指大多數的人。因此在大學校園里面，因為談戀愛，而使學業突飛猛進的不再少數，但是那些應為愛情而從此墮落的也大有人在！

直面當今的大學校園，以及這些未來的祖國棟梁，他們對自己的愛情究竟報以什么樣的態度，這是我們都很期待的。因此我們針對大學生戀愛觀的問題作了《關于大學生戀愛觀的調查》的調查。課題意義：

通過本調研，讓人們了解當代在校大學生對戀愛的看法及其中存在的問題。從而幫助大學生樹立正確的戀愛觀，使之擁有健康的戀愛心態。這對大學生更好的學習和生活有重要的意義。調查方法：

問卷法為主。問卷調查采取隨機抽樣的方式進行，訪問是選取一些有典型調查意義個體大學生進行。調查范圍：

大學生為樣本，對各個年級各個專業各個班進行抽樣調查。抽樣方案：

研究總體是*****大學生，此次調查共發放問卷100份，收回有效問卷100份，有效問卷比率為100％。在收回的有效問卷中男生46人，女生54人。此次問卷調查涉及大學生的戀愛態度、戀愛動機、擇偶標準、愛情觀教育等方面的內容，采取隨機發放問卷和無記名答卷的方式進行。問卷中的數據基本上能反映出學生的戀愛心理及其現狀。

附錄三：變量定義與數據編碼

List of variables on the working file Name Position ID 問卷編號 1 Measurement Level: Nominal Column Width: 8 Alignment: Right SEX 性別 2 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 男 2 女

GRADE 年級 3 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 大一 2 大二 Q3 您每月的生活費用大約是__元 4 Measurement Level: Scale Column Width: 8 Alignment: Right Q4 您平均每天課余時間大約是__小時 5 Measurement Level: Scale Column Width: 8 Alignment: Right Q5 您每天的自主學習時間是____小時 6 Measurement Level: Scale Column Width: 8 Alignment: Right Q6 您欣賞您父母的婚姻嗎？ 7 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 非常欣賞 2 欣賞 3 Q7 對你戀愛觀影響最大的是 8 Measurement Level: Nominal Column Width: 8 Alignment: Right

大三 4 大四

有些欣賞 4 不太欣賞 5 不欣賞

Value Label 1 父母2 偉人的愛情3 愛情小說4 好友的愛情5 自己 Q8 你覺得影響你戀愛的最主要因素是 9 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 父母影響 2 有無遇到合適的對象3 是否有時間4 自我經濟狀況 Q9_1 相貌好 10 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 是 2 否

Q9_2 人品好 11 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是 2 否

Q9_3 能力好 12 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是2 否

Q9_4 和自己志趣相投 13 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 是 2 否

Q9_5 經濟狀況好 14 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是2 否

Q9_6 其他 15 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是2 否

Q10 你認為大學生談戀愛合適嗎 16 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 挺合適的，大家年紀相當，共同點多2 順其自然，不是一定要談，但遇到合適的也不反對 3 不怎么合適，大家還沒有經濟基礎，沒條件談4 一點都不合適，上大學是學習的，又不是談戀愛的Q11 你認為大學生談戀愛最初的原因是 17 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 戀愛雙方有共同的理想追求，彼此對對方的優點吸引2 看到別人都談戀愛，覺得自己單身沒面子 3 彌補內心空虛，尋找精神寄托4 對方追求激烈，自己不好意思拒絕5 其他 Q12 你認為相貌在你選擇男（女）朋友是重要嗎 18 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 重要，找一個漂亮的自己臉上也有光彩2 只要兩個人談得來，還是不太重要的

相貌會隨時間改變，我一點也不在乎4 雖然知道相貌不重要，但還是想盡量找個漂亮的

Q13 你現在是否在談戀愛 19 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是，雙方在同一學校或城市2 是，異地戀3 否

Q14 你每天與對方相處（異地戀通電話)的時間是__小時 20 Measurement Level: Scale Column Width: 8 Alignment: Right Q15 你父母對于大學期間談戀愛的態度是 21 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 堅決反對2 默認3 同意4 支持

Q16 你是通過什么渠道認識你的戀人的 22 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 校友或同學關系2 朋友介紹3 社會活動中認識4 5 本來不認識，偶然邂逅，覺得好就主動追6 其他

Q17 你戀愛期間每個月在對方身上的花費大約是__元 23 Measurement Level: Scale Column Width: 8 Alignment: Right Q18_1 吃飯 24 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是2 否

Q18_2 游玩 25 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是 2 否

Q18_3 買禮物 26 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 是 2 否

Q18_4 買零食 27 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是2 否

Q18_5 打電話 28 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是2 否

Q18_6 其他 29 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是2 否

Q19 你在以上幾種花銷中哪個占的比例最大 30

網絡 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 吃飯2 游玩3 買禮物4 買零食5 打電話6 其他 Q20 你認為戀愛的花銷給你的經濟壓力大嗎 31 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 不大，戀愛的花銷在我的生活費中所占的比例很小2 不是很大，但有時需要省吃儉用一下 3 很大，難以承擔，但有礙于面子不好意思告訴對方4 我們花錢不分彼此，所以不覺得有經濟壓力 Q21 你對現在的戀情有怎樣的期待 32 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 希望能走向紅地毯，“王子和公主過著幸福的生活” 走一步是一步，說不定什么時候就分手了3 沒抱多大希望，畢業那天就失戀了4 Q22 你對自己的戀情是否經過慎重考慮 33 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 是的，我是經過深思熟慮才決定發展戀情的 2 是的，但現在看來那時的考慮還不夠慎重和深刻 3 沒有，我想當時是被突如其來的愛情沖昏頭了 4 沒有，當時對方追求猛烈就答應了

Q23 就業時，你有可能獲得一份理想工作，但是必須在戀人和工作之間做 34 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 以工作為重，終止愛情2 以愛情為重，犧牲工作 3 不知道該怎么辦4 其他

Q24 您現在沒有戀愛的原因是 35 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 沒有遇到合適的 2 家長不讓談

想畢業后工作穩定了再談 4 不愿意接觸異性

Q25 你對那些熱戀中的同學在大庭廣眾之下的親昵舉動 36 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 反感2 羨慕3 不太雅觀4 無所謂

Q26 你認為學校應該做些什么 37 Measurement Level: Nominal Column Width: 8 Alignment: RightValue Label 1 引導正確的戀愛觀2 放任自由3 積極鼓勵4 嚴格限制男女同學的接觸 Q27 您覺得大學戀人走到婚姻殿堂的概率有 38 Measurement Level: Nominal

其他期待 Column Width: 8 Alignment: Right Value Label 1 小于10% 2 10%~30% 3 30~50% 4 大于50% Q28_1 學習、生活更有動力 39 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是2 否

Q28_2 分散精力、浪費時間、成績下降 40 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 是2 否

Q28_3 只有“兩人”的世界，脫離集體 41 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是2 否

Q28_4 影響正常的同學交往 42 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是2 否

Q28_5 因人而異 43 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是2 否

Q29 你經歷過失戀的嗎 44 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 經歷過2 還沒有

Q30 你認為失戀后有什么變化 45 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 不敢付出真感情了 2 更加珍惜身邊的人 3 學會圓滑地對待感情了

既然被別人欺騙了感情，作為報復也要欺騙別人，讓別人嘗嘗被騙的 5 其他變化

Q31 你怎么看待周圍失戀的人 46 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 自找麻煩，散了就散了，沒必要為一段結束的感情痛苦成那樣 2 很可憐，真心付出了感情卻被騙了，所以會盡力去安慰他們 3 想安慰他們，但不知道他們會不會聽進去，所以還是保持沉默了 4 鼓勵他們，讓他們重新燃起對未來的希望