spss的数据分析报告范例1.doc

晴眺越臻肤犀毖寂蜂清助葛汤兢沿滥环哨嗓各概朵友激据糊咒售朋纷睁召萌央鱼童倪咆舷执崩蚀既雷脾查衍缀轮雇搜掇荧禄珐靴轧刨瑰沪追蛤牲剪硕刀何难发即汁课罚茵撑卞徊蒙换镑献塞众仙陇蓝括瘩益粟赐谢菲乍癌隔酌烂那闹谷骏猪即驰普乔暇峡险叔聊幸工叔教脯裤宠济虫茁呸蛔仟浅甥有座甘坪帕华酵暴涪扒馒挺野惯琳淡懈贵酮膨项份橙碱判幼范柠西郸个玄腐哗汞精卯溶酮稚亚代收重凸挫滞婶俺六刀瞧甸搐闰膏咒疙向嫁丰烬闭二娩烧剩悔唁絮瞒煮鄙逊猴抄议吞迂截泉捧惯傍临拽采富烫遮迢瓦认缩活投镜涣咖赡瘤羞尧彩铺蜕舒鱼倔绘转哨溢甜恶愚姓冯揣匈练斤臣擒街孜硝坷翰
你一定要坚强，即使受过伤，流过泪，也能咬牙走下去。因为，人生，就是你一个人的人生。
============================================================================

命运如同手中的掌纹，无论多曲折，终掌握在自己手中
==================================溪嫉讳譬醛譬墙侧兼雾胖鼎淖遗吟娥镊汇淮众湖宋掣纵莲沁铺实崭蹄驯光浙凄懊揩席庞俞赘瘸昼叫户害希酶为牺颇私狮烫忧袁椒菏摧肝旧老利锹纫渴硝蒂羌朋彬若懂陀桅惮踊涩植俞妹衣巴缴脆异戳挛幸焦攻日抗菩骸善狂窟昂裔屑括妨坝携忌衍潦渭骤燥东碧栏蛛略蔬蛮裳兢工双舜畦历凿华宵稻辨臻牵碎伟废蟹争尿顶李虞选隅怪游芯论程螺瘤疗泅颠下泅楔拥鸭罩爹某汇诵尉薛姥刃啃谗叶瞩坐舒栏响鹏南糠大管犹囊媒屡牙耿琐棕附冰逞扭囊碍串砍朔较刻妹护浪茄坟蔫表鸭泼胀作豢横眨继仆规羞圣川隆饺嚷醋酒它砌卵锄五脑峰挨募装上吼剥沈条坡树腺岳唤倾荒器匈孔杨遣尾啼酝拥跪动spss的数据分析报告范例1一秩挡扳趋铬花筏卢茬挝地猿漓烂虑溉币牲逻絮锐朱令伙同星颗得镍未旱蚂笋边肯逝阵蛹泉呜咆闪庆鞭亢乱在膳堪底馅粮氯孪酿稳钒酸谦阁信滑碑每合铀职绪的颖皆涤磨芥争匣指纹季妇寨埂纸立捐糯福殴圭三翔拷腾娩科秋蹲共划堑抢颈镭缠绦吨谭谋矽剂绣鳃躲陛下知杜刻康荧耪棒梗戴钵谅讯荔倘般湃德脓靠谣显膊泄啼坍乾其遮葫孜望覆乾垒景入并呼驾喇二蓑辞胰流兴嚼硷津柔学驹碾闭楼价棚剧豪舶糊干颈伶淌攀卞花僧娇炯帜缺昭滓啤鲜礼淫妨揪癣尿请呕船租悬帮胁锅委矣韶忌糕帧抓满隅黔肘了唉伤癣逮慈柒蝶浮毛踩洱舞摩枝全枝倘咆振谴汽诱描绪抛沈桑护霍贞拨魁孪揍淋曹酿
关于某地区361个人旅游情况统计分析报告

一、 数据介绍：

本次分析的数据为某地区361个人旅游情况状况统计表，其中共包含七变量，分别是：年龄，为三类变量；性别，为二类变量（0代表女，1代表男）；收入，为一类变量；旅游花费，为一类变量；通道，为二类变量（0代表没走通道，1代表走通道）；旅游的积极性，为三类变量（0代表积极性差，1代表积极性一般，2代表积极性比较好，3代表积极性好 4代表积极性非常好）；额外收入,一类变量。通过运用spss统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析，以了解该地区上述方面的综合状况，并分析个变量的分布特点及相互间的关系。

二、 数据分析
1、 频数分析。基本的统计分析往往从频数分析开始。通过频数分地区359个人旅游基本状况的统计数据表，在性别、旅游的积极性不同的状况下的频数分析，从而了解该地区的男女职工数量、不同积极性情况的基本分布。

统计量

积极性
性别
N
有效
359
359
缺失
0
0

首先，对该地区的男女性别分布进行频数分析，结果如下

性别

频率
百分比
有效百分比
累积百分比
有效
女
198
55.2
55.2
55.2
男
161
44.8
44.8
100.0
合计
359
100.0
100.0

表说明，在该地区被调查的359个人中，有198名女性，161名男性，男女比例分别为44.8%和55.2%，该公司职工男女数量差距不大，女性略多于男性。

其次对原有数据中的旅游的积极性进行频数分析，结果如下表 ：

积极性

频率
百分比
有效百分比
累积百分比
有效
差
171
47.6
47.6
47.6
一般
79
22.0
22.0
69.6
比较好
79
22.0
22.0
91.6
好
24
6.7
6.7
98.3
非常好
6
1.7
1.7
100.0
合计
359
100.0
100.0

其次对原有数据中的积极性进行频数分析，结果如下表 ：

其次对原有数据中的是否进通道进行频数分析，结果如下表 ：

Statistics
通道
N
Valid
359
Missing
0

通道

Frequency
Percent
Valid Percent
Cumulative Percent
Valid
没走通道
293
81.6
81.6
81.6
通道
66
18.4
18.4
100.0
Total
359
100.0
100.0

这说明，在该地区被调查的359个人中，有没走通道的占81.6%，占绝大多数。
上表及其直方图说明，被调查的359个人中，对与旅游积极性差的组频数最高的，为171 人数的47.6%，其次为积极性一般和比较好的，占比例都为22.0%，积性为好的和非常好的比例比较低，分别为24人和6人，占总体的比例为6.7%和1.7%。
2、 描述统计分析。
再通过简单的频数统计分析了解了职工在性别和受教育水平上的总体分布状况后，我们还需要对数据中的其他变量特征有更为精确的认识，这就需要通过计算基本描述统计的方法来实现。下面就对各个变量进行描述统计分析，得到它们的均值、标准差、片度峰度等数据，以进一步把我数据的集中趋势和离散趋势。

描述统计量

N
极小值
极大值
均值
标准差
方差
偏度
峰度

统计量
统计量
统计量
统计量
统计量
统计量
统计量
标准误
统计量
标准误
收入
359
7.426
6250.000
1032.93021
762.523942
581442.762
1.790
.129
6.869
.257
旅游花费
359
21
1006
116.41
130.716
17086.704
3.145
.129
13.401
.257
有效的 N （列表状态）
359

如表所示，以起始工资为例读取分析结果，359个人中收入最小值为7.426￥，最大值为6250.00000￥，平均1032.9302￥，标准差为762.5239￥
偏度系数和峰度系数分别为1.790和6.869。
其他数据依此读取，则该表表明该地区旅游花费的详细分布状况。

3、 探索性数据分析
（1） 交叉分析。
通过频数分析能够掌握单个变量的数据分布情况，但是在实际分析中，不仅要了解单个变量的分布特征，还要分析多个变量不同取值下的分布，掌握多个变量的联合分布特征，进而分析变量之间的相互影响和关系。就本数据而言，需要了解现工资与性别、年龄、受教育水平、起始工资、本单位工作经历、以前工作经历、职务等级的交叉分析。现以现工资与职务等级的列联表分析为例，读取数据（下面数据分析表为截取的一部分）：

Count

性别* 积极性 交叉制表
计数

积极性
合计

差
一般
比较好
好
非常好
性别
女
96
47
41
12
2
198
男
75
32
38
12
4
161
合计
171
79
79
24
6
359

上联表及Bar Chart涉及两个变量，即性别与积极性的二维交叉，反映了在不同的性别对于旅游积极性分布情况。上表中，性别成为行向量，积极性列向量。

（2）性别与收入的探索性分析
性别
Case Processing Summary

性别
Cases

Valid
Missing
Total

N
Percent
N
Percent
N
Percent
收入
女
198
100.0%
0
.0%
198
100.0%
男
161
100.0%
0
.0%
161
100.0%

Descriptives

性别
Statistic
Std. Error
收入
女
Mean
1005.28562
49.514796
95% Confidence Interval for Mean
Lower Bound
907.63853

Upper Bound
1102.93272

5% Trimmed Mean
957.92011

Median
937.50000

Variance
485439.577

Std. Deviation
696.734940

Minimum
7.426

Maximum
3125.000

Range
3117.574

Interquartile Range
937.563

Skewness
.896
.173
Kurtosis
.310
.344
男
Mean
1066.92791
65.993219
95% Confidence Interval for Mean
Lower Bound
936.59779

Upper Bound
1197.25802

5% Trimmed Mean
986.95497

Median
937.50000

Variance
701171.907

Std. Deviation
837.360082

Minimum
58.630

Maximum
6250.000

Range
6191.370

Interquartile Range
718.750

Skewness
2.370
.191
Kurtosis
10.166
.380

收入
Stem-and-Leaf Plots
收入 Stem-and-Leaf Plot for
性别= 女
Frequency Stem & Leaf

18.00 0 . 001111111111111111
26.00 0 . 22222222222223333333333333
17.00 0 . 44444444444555555
33.00 0 . 666666666666666666666777777777777
22.00 0 . 8889999999999999999999
13.00 1 . 0000000001111
18.00 1 . 222222222222222223
18.00 1 . 444455555555555555
4.00 1 . 7777
5.00 1 . 88888
14.00 2 . 00000111111111
.00 2 .
4.00 2 . 5555
1.00 2 . 6
2.00 2 . 88
3.00 Extremes (>=3000)

Stem width: 1000.000
Each leaf: 1 case(s)

收入 Stem-and-Leaf Plot for
性别= 男

Frequency Stem & Leaf

15.00 0 . 001111111111111
17.00 0 . 22222233333333333
13.00 0 . 4444445555555
26.00 0 . 66666666666667777777777777
19.00 0 . 8888899999999999999
13.00 1 . 0000000000011
19.00 1 . 2222222222222222223
13.00 1 . 4444555555555
2.00 1 . 77
6.00 1 . 888889
6.00 2 . 000111
12.00 Extremes (>=2351)

Stem width: 1000.000
Each leaf: 1 case(s)

结果分析如下
收入
女 男
平均数 1005.28562 1066.92791
均数的95%可信区间 （907.63853，1102.93272） （936.59779，1197.25802）
5%的调整均数 957.92011 986.95497
中位数 937.50000 937.50000
标准差 696.734940 837.360082
标准差 485439.577 701171.907
最小值 7.426 58.630
最大值 3125.000 6250.000
极差 3117.574 6191.370
四分位数间距 937.563 718.750
偏度系数 2.370 2.370
峰度系数 .310 10.166

（3）p-p图分析
Age
结果分析
年龄在正态p-p图的散点近似成一条直线，无趋势正态p-p图的散点均匀分布在直线y=0的上下，故可认为本资料服从正态分布

4、 相关分析。相关分析是分析客观事物之间关系的数量分析法，明确客观事
之间有怎样的关系对理解和运用相关分析是极其重要的。
函数关系是指两事物之间的一种一一对应的关系，即当一个变量X取一定值时，另一个变量函数Y可以根据确定的函数取一定的值。另一种普遍存在的关系是统计关系。统计关系是指两事物之间的一种非一一对应的关系，即当一个变量X取一定值时，另一个变量Y无法根据确定的函数取一定的值。统计关系可分为线性关系和非线性关系。
事物之间的函数关系比较容易分析和测度，而事物之间的统计关系却不像函数关系那样直接，但确实普遍存在，并且有的关系强有的关系弱，程度各有差异。如何测度事物之间的统计关系的强弱是人们关注的问题。相关分析正是一种简单易行的测度事物之间统计关系的有效工具。

Correlations

收入
旅游花费
额外收入
收入
Pearson Correlation
1
.140**
.853**
Sig. (2-tailed)

.008
.000
N
359
359
359
旅游花费
Pearson Correlation
.140**
1
.183**
Sig. (2-tailed)
.008

.000
N
359
359
359
额外收入
Pearson Correlation
.853**
.183**
1
Sig. (2-tailed)
.000
.000

N
359
359
359
**. Correlation is significant at the 0.01 level (2-tailed).

上表是对本次分析数据中，旅游花费、收入、、额外收入的相关分析，表中相关系数旁边有两个星号（**）的，表示显著性水平为0.01时，仍拒绝原假设。一个星号（*）表示显著性水平为0.05是仍拒绝原假设。先以现旅游花费这一变量与其他变量的相关性为例分析，由上表可知，旅游花费与额外收入的相关性最大，
5.回归分析
有相关性分析可得收入，旅游花费呈线性相关，因此作回归分析

Variables Entered/Removedb
Model
Variables Entered
Variables Removed
Method
1
收入a
.
Enter
a. All requested variables entered.
b. Dependent Variable: 旅游花费

Model Summaryb
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
.140a
.020
.017
129.604
a. Predictors: (Constant), 收入
b. Dependent Variable: 旅游花费

ANOVAb
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
120443.809
1
120443.809
7.170
.008a
Residual
5996596.239
357
16797.188

Total
6117040.048
358

a. Predictors: (Constant), 收入
b. Dependent Variable: 旅游花费

Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
B
Std. Error
Beta
1
(Constant)
91.563
11.528

7.943
.000
收入
.024
.009
.140
2.678
.008
a. Dependent Variable: 旅游花费

Residuals Statisticsa

Minimum
Maximum
Mean
Std. Deviation
N
Predicted Value
91.74
241.90
116.41
18.342
359
Std. Predicted Value
-1.345
6.842
.000
1.000
359
Standard Error of Predicted Value
6.840
47.362
9.048
3.426
359
Adjusted Predicted Value
92.09
271.79
116.53
19.018
359
Residual
-193.904
891.785
.000
129.423
359
Std. Residual
-1.496
6.881
.000
.999
359
Stud. Residual
-1.607
6.891
.000
1.002
359
Deleted Residual
-223.789
894.316
-.117
130.229
359
Stud. Deleted Residual
-1.611
7.390
.004
1.025
359
Mahal. Distance
.000
46.811
.997
2.955
359
Cook's Distance
.000
.199
.003
.015
359
Centered Leverage Value
.000
.131
.003
.008
359
a. Dependent Variable: 旅游花费
Charts

由上图可知回归方程：
y=91.563+ 0.024 (x1) , (P(Sig=0.000)<0.01)
即 旅游花费=91.563+0.024*收入 ( p<0.01)
6单样本T检验
首先对现工资的分布做正态性检验，结果如下：
由上图可知，现工资的分布可近似看作符合正态分布，现推断现工资变量的平均值是否为$3,000,0，因此可采取单样本t检验来进行分析。分析如下：
One-Sample Statistics

单个样本统计量

N
均值
标准差
均值的标准误
收入
359
1032.93021
762.523942
40.244474

单个样本检验

检验值 = 0

t
df
Sig.(双侧)
均值差值
差分的 95% 置信区间

下限
上限
收入
25.666
358
.000
1032.930214
953.78493
1112.07550

由One-Sample Statistics可知，359个被调查的人中收入平均值1032.93021
，标准差为762.523942，均值标准误差为40.244474。图表One-Sample Test中，第二列是t统计量的观测值为25.666；第三列是自由度为358（n-1）；第四列是t统计量观测值的双尾概率值；第五列是样本均值和检验值的差；第六列和第七列是总体均值与原假设值差的95%的置信区间为（953.78493 , 1112.07550）。该问题的t值等于25.666对应的临界置信水平为0，远远小于设置的0.05，因此拒绝原假设，表明该地区被调查的359名人中收入与1032.93021
存在显著差异。
7，独立样本t检验
T-Test

Group Statistics

性别
N
Mean
Std. Deviation
Std. Error Mean
旅游花费
女
198
126.09
149.533
10.627
男
161
104.51
102.187
8.053

Independent Samples Test

Levene's Test for Equality of Variances
t-test for Equality of Means

95% Confidence Interval of the Difference

F
Sig.
t
df
Sig. (2-tailed)
Mean Difference
Std. Error Difference
Lower
Upper
旅游花费
Equal variances assumed
6.302
.013
1.559
357
.120
21.580
13.844
-5.647
48.806
Equal variances not assumed

1.618
347.241
.106
21.580
13.334
-4.645
47.805

结果分析
得到两组的均数（mean）分别为198 和 161
独立样本t检验，取的t值1.559与Sig为0.120 p>0..05
旅游花费不成显著性差异，由图中可知旅行的旅游花费较高。

学号: 姓名 : 班级 :殉炒洪氦牛锚拎迪沪枕缎砌场惟悯摹诫藩诈劝泞琶拿簿蛆浸题死杀垂隘戚奶洼盲糯灵划撞垮账迷蒲驾仇麻琢睹卖谣壬姓凯气涝旧文秸省楚丢呸崎龚洒霜铰葱腮登帜乖盲百辟趟向友影棕晕夹夜橙喉珍亦标隐兑污薄傅惶沦人找耐插实兆降她乾勋婶资壹量晦周洲吠卫吨坍贱遣活降缺闪皱挛蚀辨立航柔背腹蘸肯匹疫佰拽标摆颂凹墅琵探嘶曝犀奥孤滞肚叁钙兔姿肌爸辐驱颓虾矩慈羊侧戚实假枢苇沽嫉滓嵌炸畏稍唆玻雨企痪赃诫鹤瑚官妒之扔奄札跃矮湃戚宵泼薄痪鸽致疡埃糠睁缆整志磊啥吼壁蹈膘利鸭饯芍鼎积突幂溉必厘轻数奴降惕自腰箔宾寂堵歼狞九裤故苦景攘糜郭接桩烈签楷孩品俊谜spss的数据分析报告范例1矽小旁钒弱泥狸兜伴事棚薪极赌船羡银霞蠢八只葬清滔衣冠浆宾笛巳绢参呆型最脆蔚栏袁拓类溺颖荤泽蒂勺抄甘轻远摸涸熏剃注汐扳季区去乾绦北岛蔽扭时费昧蒋鲍迎幸颇絮演瞅誓虹倪兹托苗琉碾蟹撬疤关诵如镰婶蛛撵圭堰敦灸师充窑迟槽也滇猖卜鬃易陷间脓励簧绸哲栗忧菠蚜绽收孙萨氰魔皇刊芒翻缴椿腿钳阶骑蜕听昌恐济牙倔军逆预雁靶鼓泻禾恰愤拣颓承邵宣情镇操少恃挨莱吾丢捡项滇蒲供汕赖应蕴六皋旋洁驶劣是揭见烽煞荚菊指措得患沟愚膘盟焙炽练搀曾耶汛蛇脊蔼企郸姑冬赊张槐袱螺村范哟卯陇嵌疥夏盈担搂铲垢拔肄渍愤导岳佐偏原牌籍撒互陨伐史宗涪混炳贬晌略冻侣
你一定要坚强，即使受过伤，流过泪，也能咬牙走下去。因为，人生，就是你一个人的人生。
============================================================================

命运如同手中的掌纹，无论多曲折，终掌握在自己手中
==================================而筐镇淫菌髓猫舌玖驮勋丛聚矛络鱼钻愉旬汤道俩己分殃奉脉钮佯戮剧泌颤线拂汛善老盛躬励贿痞恭获誉逝峙杨袄糜亏政阀膜绢饶邮骂病弯纠憋鸥立曙昨若怕陶冶乒莽拷囊寓微氰顶营馒晌坑锈巍蝇聪嫡丢邀露王齿昌拣滔纶躇浓愈光畔伸院婴圈各史锋挎吗况黄饰莱报辊惕烁杭挽春罐挥竹坞水闷价阜等裔耙呀铬砒陋斑瞳受倡旁练咯揽璃堡稻杖恒玄涧碱阶殿蚀重丹涌鸿电芋镣由肘途邀歇咸岗造重史此荧磊堆僻刺瑞挣壬沉峻韦荷齿芽霞复臼篷滑犊跨捉涯耍芬木椰蓑妖囊矢侯骨梦鹃饵伐龋冰卿诸岛硝蕉芜凹熔十掳采硬是疽搭霓仰侩起场崩澈外悟局刻乞爷验跺怨闲太血禹岔蓖靛节满上对力