SPSS上机实验报告.docx

试验名称I频数分布试验目的和要求：绘制频数分布表、频数分布直方图并分析集中趋势指标、差异性指标和分布形态指标试验内容：绘制频数分布表和频数分布直方图并分析试验记录、问题处理：绘制频数分布表销售额频率百分比有效百分比累积百分比79.OO13.33.33.380.0013.33.36.782.0013.33.310.085.0026.76.716.789.0013.33.320.093.0013.33.323.3有效95.0013.33.326.796.0026.76.733.397.0026.76.740.099.0026.76.746.7105.026.76.753.30106.0013.33.356.7109.00110.013.33.360.00112.013.33.363.30113.026.76.770.00114.013.33.373.30115.013.33.376.70124.013.33.380.00129.013.33.383.30130.026.76.790.0026.76.796.7190.013.33.3100.00合计30100.0100.0频数分布直方图集中趋势指标、差异性指标和分布形态指标统计量销售额N有效30缺失O均值106.8333均值的标准误3.97755中值105.0000众数85.001标准差21.78592方差474.626偏度1.915偏度的标准误.427峰度6.297峰度的标准误.833试验结果分析，全距11IAA从统汁量表可以看出有效样本数有30个，1I1W没有缺失值。平均销售额是106.8333,标准微小值79.00差为21.78592。极大值1fCff从频数分布表可以看出样本值、频数占总数190.00的百分比、累计百分比。和3205.00从带正态曲线的直方图可以看出销售额集中在110a.存在多个众数。显示最小值试验名称I列联表成果：试验目的和要求：绘制频数表、相对频数表并进行显著性检验和关系强度分析试验内容：绘制频数表、相对频数表并分析试验记录、问题处理：满足度*性别交叉制表性别合计男性女性计数19827满足度中70.4%29.6%100.0%不满的%足性别中35.2%17.4%27.0%的%总数的%19.0%8.0%27.0%计数232144满足度中52.3%47.7%100.0%满足的冬一般度性别中42.6%45.7%44.0%的%总数的%23.0%21.0%44.0%计数121729满足度中41.4%58.6%100.0%的%满足性别中22.2%37.0%29.0%的%总数的%12.0%17.0%29.0%合计计数5446100满足度中的%54.0%46.0%100.0%性别中的%100.0%100.0%100.0%总数的%54.0%46.0%100.0%卡方检验值df渐进Sig.（双侧）Pearson卡4.825,2.090方似然比4.9312.085线性和线性4.6501.031组合有效案例中100的Na.O单元格S.O%）的期望计数少于5。最小期望计数为12.42。对称度量值近似值Sig.220.090按标量标Cramer定.220.090的V有效案例中的N100a.不假定零假设。b.运用渐进标准误差假定零假设。试验结果分析：从卡方检验看出sig>O.05,不显著。所以男生女生对满足与否评价没有差异试验名称：方差分析成果：试验目的和要求：单因子方差分析、多因子方差和协方差分析试验内容：进行单因子方差分析并输出方差分析表、显著性检验与说明结果、多因子方差和协方差分析并输出方差分析表和协方差分析表、显著性检验与说明结果。试验记录、问题处理：单因子方差分析分析一一比较均值，单因素一一键入销售额为因变量，键入促销力度为因子一一两两比较打钩1.检验，选项方差齐性检验打钩得：ANOVA销售额平方和df均方V显著性组间7250.66722329.576170.891.000组内13.50071.929总数7264.16729多因子方差分析分析般线性模型，单变量键入店内促销和赠券状态为固定因子，销售额为因变量一两两比较打钩1.检验，选项方差齐性检验打钩,得：主体间效应的检验因变量:销售额源III型平方和df均方FSig.校正模型162.667,532.53333.655.000截距1104.13311104.1331142.207.000店内促销106.067253.03354.862.000赠券状态53.333153.33355.172.000店内促销*赠券状态3.26721.6331.690.206误差23.20024.967总计1290.00030校正的总计185.86729a.R方=.875（调整R方=.849）协方差分析分析般线性模型，单变量一键入店内促销和赠券状态为固定因子，销传额为因变量，键入客源排序为协变量一两两比较打钩1.检验,选项方差齐性检验打钩，得：主体间效应的检验因变量:销售额源III型平方和df均方FSig.校正模型163.505*627.25128.028.000截距103.3461103.346106.291.000客源排序.8381.838.862.363店内促销106.067253.03354.546.000赠券状态53.333153.33354.855.000店内促销*赠券状态3.26721.6331.680.208误差22.36223.972总计1290.OOO30校正的总计185.86729a.R方=.880（调整R方=.848）试验结果分析I单因子：组间显著性为0000,小于0.05,显著影响。多因子：店内促销和赠券状态显著性分别都为0000,小于0.05,显著影响。但是店内促销和赠券状态交互作用的显著性为0.206,大0.05,不显著。协方差：经协变量客源排序的显著性为0.363,对销售额影响不显著。店内促销的显著性为0.000,小于0.05,对销售额影响显著。照券状态的显著性为0.000,小于0.05,对销售额影响显著。店内促销和赠券状态的交互作用显著性为0.208,大于0.05,对销售额影响不显著成果:试验名称：相关分析试验目的和要求：计算Pearson相关系数和简洁相关系数并分析试验内容：计匏Pearson相关系数和简洁相关系数并分析试验记录、问题处理：分析一一相关，双变量一一添加收、家庭人口、受教化程度、汽车保有量默认PCarSOn分析确定，得：相关性收入家庭人口家长受教化年数汽车保有量收入Pearson相关性1008.327,.208,显著性（双侧）.936.001.038N100100100100家庭人口Pearson相关性0081.122.576,显著性（双侧）.936.226.000N100100100100家长受教化年数Pearson相关性.327“.1221.2074显著性（双侧）.001.226.039N100100100100汽车保有量Pearson相关性.208,.576,.207,1显著性（双ft*'J）.038.000.039100100100100*.在Ol水平（双侧）上显著相关。*.在0.05水平（双侧）上显著相关。试验结果分析：.1、收入对受教化年数，相关系数为0.327,显著性为0.001,小于0.01,所以收入和受教化年为正向相关，且相关性很强。2、收入对汽车保有量，相关系数为0.208,显著性为0.038,小于0.05,所以收入对汽车保有量为正向相关。3、家庭人口对汽车保有量,相关系数为0.576,显著性为0.OOo,小于0.01,所以收入对汽车保有量为正向相关，且相关性很强。4、受教化年数对收入,相关系数为0.327,显著性为0.001,小于0.01,所以受教化年数对收入为正想相关，且相关性很强.试验名称：回来分析成果：试验目的和要求：驾驭简洁回来模型和多元回来分析的SPSS操作方法试验内容：检验简洁回来模型、绘制散点图、输出回来结果并分析、残差分析：检验多元回来分析模型、输出回来结果并分析与残差分析。试验记录、问题处理：（一）筒洁回来1.IN内促男avIBMSPSSSuttk基却塌N!文件(E)SW()Slffl(Y)JrIeQ)W*分析()三*(M)ERJ(G)劣用程序&)S(W)MW空凿报告摧在统计_SSH¾II袅(T)婚号保衡水平月我比较坨值(M)变量变量111一般线饯棋型(G)>222广义奴性秋型333混合根壑(X)441唳(C)552回归(R)»-图自动雄仕建模(9.&tt(1.).663WWWttffl(O)Msm烟tfttt771882曲线怙计(£).993图M品小平方10101晔阻St(三)非劲敛检验心£3二元1.Oflistic11112口多项1.ogisec12123日月序SProbrt.13131HWS(D14142生存的故15153Hr*nE()»阳非线性四16161公缺失值分析代)WlteW(W)17172lQB(T)»1.i巧阶般小二乘法Q).18183KftWT(1.)»霰傀尺度(CATREG)19191KfiSM(Q)*20202囱ROCffi<SS(Y).21213J222217得出模型汇总模型KK方调整R方标准估计的误差1.754'.569.5541.691a.预料变量：（常量），促销水平。Anova,模型平方和df均方FSig.回来1105.8001105.80036.999.000,残差80.067282.860185.86总计297a.因变量：月均销售额b.预料变量：（常量），促销水平。系数*模型非标准化系数标准系数1.Sig.B标准误差试用版（常量）10.667.81713.059.0001促销水平-2.300.378754-6.083.000a.因变量:月均销售额试验结果分析：R方为0.554,拟合优度一般。P值Sig显著表达式：销售额=10.667-2.3*促销水平（二）多元线性回来I5&然霹讼EaafiaaSsff©贯½IBeeiSWs三gg*¾wlllllln!W<M*wOl总送性回归S）店相将专s）赠券伏态为店内保料步书源确序块1的1，下一张处）自变（1）：名赠芬状态.店内促销W1.SI7三（三）:Z.岷J撷占©SS(R)j取消和助二|得I模型汇总模型RR方调整R方标准估计的误差1.754*.569.5541.6912.9251.856.846.995a.预料变量：（常量），店内促销。b.预料变量：（常量），店内促销，赠券状态。Anova,模型平方和df均方FSig.回来105.8001105.80036.999.000,1残差80.067282.860总计185.86729回来159.133279.56780.360.00012残差26.73327.990总计185.86729b.预料变殳:（常量）,店内促销。预料变量：（常量）,店内促销，赠券状态。模型非标准化系数标准系数tSig.B标准误差试用版1（常量）10.667.81713.059.000系数a.因变量：销售额店内促销-2.300.378754-6.083.000（常量）14.667.72720.183.000店内促2销-2.300.222754-10.337.000赠券状态-2.667.363536-7.339.000a.因变量：带售额试验结果分析：R方在其次次拟合达到0.856,说明模型的拟合的状况特别好方差分析表显示P值sig<0.05,说明模型特别显著。表达式：销售额=14.667-2.3*店内促销-2.667*赠券状态试验名称：1.ogistic回来成果：试验目的和要求：驾驭1.ogistic回来分析的SPSS操作方法试验内容1估计和检验1.ogistic回来系数并说明结果。试验记录、问题处理:"户mIMI夕aim93保微旦a4(0)Ff3万“约0人,姑站2t三i港Irb”夕*8(D««t1.>XIftY)<«*(D分瓶&EB«(2)%用枚序3*期内*Q)Qr鸟EjS，回即M*S求收WIKT)RFM»匕皎妁M一般Ztt横!»0rxtttts««909MQq切信号品牌忠诚烟后度I11152214331415161454458BO®»&UttaJ771府假&匕植3KQ)>2ais),5,第分，卜平才88191蛭网绪分毒B9in101.5»S8fiCVK0««S)flmcD>鱼不打<rmf50D»位*父分析(DfIClSKDlwtj，MlfitKQ)0ROCfta三rv)S,tflls6c.6N库.5.P-OM111111211213131*gg.f,>*«».用nn-tz*fttj)BttRH(CATRCG).14141151151616017018019020017182431920iA1.ogistic目山附得出:分类表已观测已预料品牌忠诚百分比校正01步骤品牌忠012380.01诚131280.0总计百分比80.0a切割值为,500方程中的变量BS.E,WalsdfSig.Exp(B)步骤品牌看1.274.4797.0751.0083.5751,法产品看.186.322.3351.5631.205法购物看.590.4911.4421,2301.804法常量-8.6423.3466.6721.010.000a在步骤1中输入的变量：品牌看法，产品看法，购物看法.试验结果分析：结果显示：品牌忠诚-1.274*品牌看法+0.186*产品看法+0.590*购物看法-8.462其中品牌看法的sig小于0.05,所以品牌看法与品牌购买正向改变显著。但是因为产品看法和购物看法的sig大于0.05,所以这两个变量与品牌购买的正向改变不显著试验名称：因子分析成果：试验目的和要求：驾驭因子分析的SPSS操作方法试验内容：WO和BarIett氏检验；输出碎石图与旋转前后的因子矩阵:各因子的特征值和说明的方差比例；说明因子并命名；计算因子得分。试验记录、问题处理I步骤处理：分析一一降维一一因子分析将度量变量键入变量框，选取描述，勾选KMo与barile”球形度检验选取抽取，勾选碎石图选取旋转，勾选载荷图选取得分，勾选保存变量和因子得分系数矩阵JKMO和Bartlett的检验取样足够度的Kaiser-Meyer-0Ikin.589度量。Bartlet近似卡方101.749t的球形度检验df15Sig.000说明的总方差成份初始特征值提取平方和载入合计方差的%累积%合计方差的%累积%12.56942.82142.8212.56942.82142.82122.27237.86880.6902.27237.86880.6903.4317.18887.8784.3455.74393.6215.3055.09198.7126.0771.288100.000提取方法：主成份分析。肝布图成份矩阵成份12预防蛀牙.940.189牙齿亮洋241.814爱护牙根.930.059口气清爽-.311.800不侦防坏-808386牙富有魅力-112.884提取方法：主成分分析法。a.已提取了2个成份。旋转成份矩阵.成份12预防蛀牙.957047牙齿亮泽034.849爱护牙根.916171口气清爽.105.852不预防坏878-176牙'富有魅力.108.884提取方法：主成分分析法。旋转法：具有Kaiser标准化的IE交旋转法。a.旋转在3次迭代后收敛。成份得分系数矩阵I成份12顶防蛀牙.366.083牙齿亮洋094.358爱护牙根.362.026口气清爽121.352不预防坏-.315170牙富有魅力044.389提取方法：主成分分析法。构成得分。试验结果分析：KMo值为Q589,Sig值为0.000,适合作因子分析各因子的特征值和说明的方差比例可以在“说明的总方差”中看出，其中我们可以知道，特征值2.569和2.272可以说明方差比例分别是42.821%和37.868%。因为因子1在预防蛀牙、爱护牙根有很大载荷，所以将其命名为保健因子。因子2在牙齿亮泽、I气清爽、富有魅力有很大载荷，所以将其命名为社交因子。计算因子得分，得保健因子=0.366*预防蛀牙-0.094*牙历亮泽+0.362*爱护牙龈-0.121*1气清爽-0.315*不预防坏牙-0.044*富有魅力社交因子二O083*预防蛀牙-0.358*牙齿亮泽+0.026*爱护牙根+0.352*口气清爽-0.170*不预防坏牙+0.389*富有魅力试验名称：聚类分析成果：试验目的和要求：驾驭分层聚类和K-means聚类的SPSS操作方法试验内容：进行分层聚类和K-means聚类分析并输出结果。试验记录、问题处理：分层聚类：步骤处理：分析一一分类一一系统聚类将度量变量键入变量框，勾选统计量中的聚类成员中的方案范围，并且设置为最小3最大5.勾选绘制中的树状图打开保存选项卡，勾选聚类成员中的方案范围，设置最小3最大5结果如图所示:聚类表阶群集组合系数首次出现阶群集下一阶群集1群集2群集1群集2114162.000002672.000007310143.00001S42133.000001455113.0000096383.000001576124.000201084104.33303119594.500501210165.0000713114197.2508017125207.3339014131178.25010015112510.75041218151311.300136161611514.000150191741820.20011018182438.611111719191248.2921618(J群集成员案例5群集4群集3群集1111222311143352261117111111922210333112221211113221433：'15411163317111185431933320222案例*HIERARCHICA1.C1.USTERANA1.YSIS*DendrogramusingAverage1.inkage(BetweenGroups)RescaledDistanceClusterCombineCASEO10152025l-abelNum203-8-+6-+7-+I15+K均值聚类：步骤处理：分析一一分类一一K聚类将变量键入变殳框，勾选保存中的聚类成员勾选选项中的是统计量下的三个复选框如图所示:初始聚类中心聚类12购物好玩71购物导致超支33购物与就岁结合72争取最合算交易42对购物没爱好16比较价格省钱41聚类成员案例号聚类距离1I2.611221.552313.5554I3.191522.919611.706712.000813.015922.0991023.2261122.20312I.8531322.5531414.4421512.8921624.23817I2.8601823.9111915.0362022.994迭代历史记录.II迭代聚类中心内的更改12123.015.0002.919.000a.由于聚类中心内没有改动或改动较小而达到收敛。任何中心的最大肯定坐标更改为.000。当前迭代为2。初始中心间的最小跑离为9.487。最终聚类中心聚类12购物好玩52购物导致超4!支购物与就步52结合争取最合算44交易对购物没爱2好比较价格省5-1钱最终聚类中心间的距离ANOVA聚类误差FSig.均方df均方(if购物好玩49.47911.0591846.701.000购物导致超.72912.05918.354.559支购物与就岁48.84911.5611831.290.000结合争取最合律.89112.38418.374.549交易对购物没爱39.31411.0911836.037.000好比较价格省2.00512.25318.890.358钱F检验应仅用于描述性目的，因为选中的聚类将被用来最大化不同聚类中的案例间的差别。观测到的显著性水平并未据此进行更正，因此无法将其说明为是对聚类均值相等这假设的检验。每个聚类中的案例数试验结果分析：系统聚类：从聚类表可以知道聚类的详细过程。从群集成员表中可以知道，当划分为35类时，每一样品都分别属于哪一类。从冰柱图可以知道聚合的详细过程。从树状图可以知道样本逐步合并的过程。K聚类：从聚类成员分析可以知道每个案列属J哪一类并且每一案例到最终聚类中心的距离。