南邮优秀课程设计ISPSS.doc

学 号：

-第1学期第9-10周

课程设计I汇报

班 级：
姓 名：
指导老师：
职 称：
成 绩：

管理学院

年
11
月
1
日

南京邮电大学
课程设计I指导老师成绩评定表
题　　目
课程设计Ⅰ
学生姓名

班级学号

专业
信管
评分内容
评分标准
总分
评分
平时成绩
认真对待课程设计，遵守试验室要求，上机不迟到早退，不做和设计无关事。
20

设计内容

设计内容丰富，符合纲领要求
10

界面外观漂亮、大方
10

功效符合纲领要求
10

文档设计正确合理
10

文档写作
文档反应设计计划过程
10

文档反应系统设计步骤
10

答辩
简练、正确叙述设计内容，能正确有条理回复多种问题，系统演示顺利。
20

总评分

指导老师
评阅意见
该生对待课程设计I态度 □认真 □良好 □通常 □比较差。
设计系统界面外观美工处理情况 □很好 □很好 □通常 □比较差
系统前后台功效和脚本编写情况 □很好 □良好 □通常 □比较差
文档书写符合计划和设计步骤程度 □很好 □良好 □通常 □比较差
系统演示顺利情况和答辩流畅正确情况□很好 □良好 □通常 □比较差
完成课程设计特色之处：
成绩

指导老师署名

日期
.11.1

一、SPSS安装和使用
SPSS安装过程略
SPSS关键窗口包含：数据编辑窗口、结果输出窗口、变量编辑窗口、语法编辑窗口、脚本编写窗口、脚本编写窗口、图表编辑窗口
数据编辑窗口是用户进行数据处理和分析关键窗口界面，用户可在此窗口进行数据输入、观察、编辑和统计分析等操作。
结果输出窗口用于输出统计分析结果或绘制相关图表。
变量编辑窗口能够对变量名称、类型、宽度、小数位、变量标签、变量值标签、缺失值、列宽度、对齐方法、度量标准和角色进行设置。
语法编辑窗口，用户能够在语法编辑器窗口输入或修改SPSS命令，或单击任何分析对话框上“粘贴”按钮，将使用对话框设置多种命令或选项粘贴到语法编辑器窗口。
脚本编写窗口，用户能够在此窗口编写SPSS内嵌Sax Basic语言以形成自动化处理数据程序。
图表编辑窗口能够对生成图表进行编辑。

二、数据文件处理
定义变量：点开变量视图设置变量名称及其属性。

录入和编辑数据
录入数据方法有两种，一是新建数据，二是导入数据。
1、打开【文件】→【新建】→【数据】图①
2、打开【文件】→【打开】→【数据】图②、③
① ②
③ ④
然后可在④图中数据视图增添，删除，修改数据。

计算新变量，输入全部些人语数英平均成绩。
打开【转换】→【计算变量】

筛选变量（个案选择）
选择工资大于人
打开【数据】→【选择个案】

数据文件拆分。打开【数据】→【拆分文件】

数据文件合并
首先选择合并变量，打开要合并数据后，需对两表关键变量进行排序后才能合并。
打开【数据】→【合并文件】→【添加变量】

数据文件存放和读取
存放：打开【文件】→【保留】
读取：打开【文件】→【打开】→【数据】然后选择要打开数据即可。
三、统计图形
条形图
打开【图形】→【图表构建程序】
首先需确定数据中有名义度量（尺度度量不能放在x轴）
把左上方变量依次拖入右边图表x轴，y轴。
其它图表如饼图、线形图、直方图、散点图方法类似。
以下图

饼图 线形图

直方图 散点图

四、基础统计分析
频数统计及总体均值和总体方差估量、总体均值置信区间计算
打开【分析】→【描述统计】→【频率】，把要用变量放到右边，点击【统计量】把要输出数据勾选。以下图

描述性统计及总体均值和总体方差估量、总体均值置信区间计算
打开【分析】→【描述统计】→【频率】，把要用变量放到右边，点击【选项】把要输出数据勾选。以下图
结果以下

五、回归分析
一元线性回归分析
例题：分析不一样地域甲状腺肿患病率高低和当地水质碘含量关系。
首先，在做回归分析之前，能够先用散点图初步观察两变量有没有相关趋势。以下图
从左图能够看出，二者有一定相关关 系，接下来就能够做深入回归分析，找出它们二者间关联。

打开【分析】→【回归】→【线性】
把“碘含量”拖入自变量，把“患病率”拖入因变量，统计量选择模拟拟合度和描述性。

结果以下：
① ②
③ ④
从图①得出全部变量全部已纳入模型中；图②得出相关系数R为0.971，所以R^2即相关系数很大，说明模型拟合效果很好；图③为对模型进行方差分析结果，反应其含有统计学意义；
图④给出了回归方程各项参数，a=17.484，b=4.459，即回归方程为y=17.484+4.459x,认为碘含量对患病率是存在影响。

多元线性回归分析
例题：采取方法速度和保险企业规模及其类型之间关系分析。
散点图分析略
打开【分析】→【回归】→【线性】
把“企业类型”、“企业规模”拖入自变量，把“所需时间”拖入因变量，统计量选择模拟拟合度和描述性。

结果以下：
① ②
③ ④
从图①得出全部变量全部已纳入模型中；图②得出相关系数R为0.946，所以R^2即相关系数很大，说明模型拟合效果很好；图③为对模型进行方差分析结果，反应其含有统计学意义；
图④给出了回归方程各项参数，a=33.874，b=-0.102，c=8.055即回归方程为y=33.874-0.102x1+8.055x2,认为企业规模、企业类型对索赔反应所需时间是存在影响。
六、方差分析
单原因方差分析
例题：比较三个不一样电池生产企业生产电池寿命。
打开【分析】→【比较均值】→【单原因ANOVA】
在【两两比较】中选择“LSD”、“S-N-K”;在【选项】中选择“描述性”、“方差同质性检验”、
“均值图”。
把“电池”拖入因变量列表，把“企业”拖入因子。

结果以下：
① ②
③ ④
图①所表示为Levene方差齐性检验结果，本例Levene统计量为0.390。显著性P值一0.680>0.05，故3组数据方差无差异。
图②所表示为单原因方差分析结果，而且进行了趋势检验，结果显示不一样企业间方差分析统计量F=38.771, P值=0.000<0.01,所以认为不一样企业间生产电池寿命不一样。
图③为LSD法比较结果，企业2和企业1、企业3显著性P值小于0.01，其它则大于0.01
说明企业2和企业1、企业3生产电池寿命有差异，企业1和企业3无差异。
图④为S-N-K法比较结果，电池寿命数据被分为两组，企业2一组，企业1和企业3为一组，说明企业2和企业1、企业3生产电池寿命有差异，企业1和企业3无差异。和LSD法结果一致。

无反复试验双原因方差分析
例题：某研究机构研究了3种动物饲料对4种品系小鼠体重增加影响。
打开【分析】→【通常线性模型】→【单变量】
在各个选项中做出对应设置以下图

结果以下：
① ② ③ ④
图①所表示为主效应模型检验，结果可见校正模型统计量F=6.772 ，P=0.000 ，说明模型有统计学意义。原因a和原因b全部有统计学意义，P=0.000和P=0.037，均小于0.05。
图②所表示为不一样饲料类型两两比较结果，从Sig值(即P值)可见，饲料B和饲料C间没有差异(P=0.117)，其它全部有差异，P<0.05。
图③所表示为不一样品系两两比较结果，从Sig值(即P值)可见，每个品系间均无差异 P>0.05。
图④所表示为不一样品系小鼠喂养不一样饲料体重增重均值图，可见A饲料很好，B和C饲料差异不大。

反复试验双原因方差分析
例题：某研究者欲了解一套新锻炼方法减肥效果。该研究者在某小学随机抽取12名肥胖学生，随机分成两组，第一组天天下午按新锻炼方法锻炼，第二组不参与新锻炼方法锻炼，并于试验开始第1. 2. 3个月分别测量学生体重减重情况。
打开【分析】→【通常线性模型】→【反复度量】
(1)打开【反复度量定义因子】，单击“被试内因子名称”中Factor 1，修改为weight。
(2)“等级数”框中输入反复测量次数“3”，单击“添加”按钮。
(3)单击左下角“定义”按钮，将3次测量变量One, Two和Three。根据框中测量次序，逐一放入右侧框中。如若次序出现差异单击“群体内部变量”左侧上下箭头来调整次序，注意次序一定不能犯错。将原因变量group放入“因子列表”框。

结果以下：
① ②
③ ④
图①所表示为多变量检验结果，其中采取了4种检验方法计算了T检验值、F值、假设df值和误差df值，表中可见不一样测试时间weight有统计学差异，P=0.000，而测试时间和组别间无统计学差异，P=0.55。然而是否以此结果为准依据是球形性检验，若不符合球形性，才以此结果为准或以一元方差分析中校正结果为准。
图②所表示为球形性检验结果，可见Mauchly W=0.983 , P=0.926，符合球形性，结果以一元方差结果为准。假如P<0.05，则不符合球形性检验，则给出了3种校正模式，即Greenhouse-Geisser. Huynh-Feldt和下限校正，其中以Greenhouse-Geisser较为常见。
图③所表示为方差分析结果。因为本例符合球形性，所以，以第一条“采取球形度”结果，可见不一样时间测量体重有统计学差异，F=129.068, P=0.000;而且测试时间和组别交互作用检验F=4.386, P=0.026<0.05，认为测试时间和组别间存在着交互作用。
图④显示，组别间方差分析结果无统计学差异，F=0.397, P=0.543，即两组处理原因对体重减重影响没有差异。