第一篇：SPSS实验报告二（最终版）
SPSS实验报告二
实验目的：掌握方差分析、相关分析和回归分析的基本操作；掌握其中相关的问题检验；读懂输出结果并进行合理分析。
第一题：利用外来工数据，使用多因素方差分析研究教育程度和月收入对家庭花费(V2_2c)，（1）说明两个因素的影响是否显著，有没有显著的交互作用；
（2）如果因素影响显著而交互作用不显著，建立非饱和模型，并利用多重比较比较（snk）各因素水平的高低；
第二题：应用waste.sav数据，研究固体垃圾排放量与宾馆、餐饮业用地、零售业用地、运输、批发企业用地、金属制造业用地、工业企业用地的关系。
（1）、通过散点图观察变量间的相关关系，并使用Enter建立模型，判断各自变量间是否存在多重共线性，写出回归方程，说明T检验和F检验的结果
（2）、利用Stepwise建立模型，通过计算D-W统计量和作出残差分布图、pp图等方法初步判断是否存在序列相关、异方差和正态性，保存模型的预测值。
第三题：完成P283，例题9-3，画出外出就餐和年份的散点图，利用复合函数，指数函数和三次函数进行拟合，选择最好的拟合模型，写出曲线方程，并对之后两年年的数据进行预测。
第二篇：SPSS实验报告1
实 验 报 告
课程名称
数据分析
实验名称
均值比较与方差分析
系别 电子信息科学学院 专业班级 信息管理15级专升本
指导教师
学号
姓名
实验日期 2015年11月18日实验成绩
一、实验目的
1． 掌握均值比较和方差分析的原理、过程和应用
2． 掌握两独立样本和两配对样本的t检验的过程和结果解释 3． 掌握单因素方差分析的分析过程和结果解释 4． 掌握多因素方差分析的分析过程和结果解释
二、实验环境
1． 硬件环境：微机
2． 软件环境： Windows，SPSS Statistics 22
三、实验内容
1．数据文件GSS2004_Mod.sav中记录了男性或女性每周上网浏览网页的时间（变量WWWHR，单位小时）。用两独立样本t检验方法分析男性和女性在上网时间上是否不同。（1）原假设
男性和女性的上网时间没有显著差异。（2）参数设置
检验变量：WWW HOURS PER WEEK 分组变量：GENDER（3）操作步骤及计算结果 操作步骤：
① 选择菜单：【分析A】→【比较均值（M）】→【独立样本T检验（T）】；如图1-1
图1-1
② 选择检验变量“WWW HOURS PER WEEK”到【检验变量（T）】框中。③ 选择总体标识变量“GENDER”到【分组变量（G）】框中。
④点击按钮定义两总体的标示值，如图1-2。其中，【使用指定值（U）】表示分别输入对应两
个不同总体的标记值。
图1-2
计算结果：
（4）结果及其解释
结果：男性和女性的上网时间存在显著差异。
解释：从独立样本鉴定的表中可以看出F检验值为15.182，对应的概率P值为0.00＜0.05，所以拒绝原假设。由于两总体方差有显著差异所以要看到“不采用相等变异数”这一列，其中T统计量的值为4.866，对应的概率P值为0.00。如果显著性水平α为0.05，由于概率P值小于0.05，所以认为量总体的均值有显著差异。并且95%置信区间不夸零，也说明了有显著差异。
2．数据文件GSS2004_Mod.sav中记录了受访者父亲和母亲的受教育情况。试用两配对样本t检验方法比较父亲的受教育情况（变量PAEDUC）和母亲的受教育情况（变量MAEDUC）是否不同。（1）原假设
父亲的受教育情况和母亲的受教育情况没有显著差异。（2）参数设置
成对变量：PAEDUC，MAEDUC（3）操作步骤及计算结果 ①选择菜单：
【分析（A）】→【比较均值（M）】→【配对样本T检验（P）】，如图2-1
图2-1 ②选择PADUC和MADUC到【成对变量（V）】框中。结果：
图2-2
图2-3
图2-4（4）结果及其解释
结果：父亲的受教育情况和母亲的受教育与情况没有显著差异。
解释：从图2-2的平均值可以看出没有较大的差异。图2-3中对应的概率P值为.000，如果显著性水平α为0.05，则表明父亲和母亲的受教育情况有明显的线性变化，父亲和母亲的受教育情况相关性程度较强。从图2-4中可以看出，父亲与母亲的受教育情况的平均差异，仅只有0.49；95%置信区间的上下限一正一负，则表示两者接近无显著差异；最后相对应的概率P值0.494，如果显著性水平α为0.05，则接受原假设，所以父亲的受教育情况和母亲的受教育与情况无显著差异。
3．一家关于MBA报考、学习、就业指导的网站希望了解国内MBA毕业生的起薪是否与各自所学的专业相关。为此，他们在已经从国内商学院毕业并且获得学位的MBA学生中按照各专业分别随机抽取了10人，调查了这些学生的起薪情况，数据文件为MbaSalary.sav。根据这些调查他们能否得出专业对MBA起薪有影响的结论。（1）原假设
国内MBA毕业生各自所学专业与起薪情况没有显著关系。（2）参数设置 观测变量：起薪 控制变量：专业
（3）操作步骤及计算结果 操作步骤： ①选择菜单： 【分析（A）】→【比较均值（M）】→【单因素ANOVA】； ②选择观测变量“起薪”到【因变量列表（E）】框中，如图3-1；
④ 选择控制变量“专业”到【因子（F）】框中，如图3-2；
图3-1 计算结果：
图3-2（4）结果及其解释
结果：国内MBA毕业生各自所学专业与起薪情况没有显著关系；
解释：从图3-2可以看出，F统计量的观测值为2.459，对应的概率P值为0.079。如果显著性水平α为0.05，由于概率P值大于显著性水平α，所以接受原假设，认为国内MBA毕业生各自所学专业与起薪情况没有显著关系。
4．一家连锁零售店试图对顾客的购买习惯进行调查。grocery_1month.sav记录了顾客性别、购物方式、消费额等信息。使用多因素方差分析方法分析顾客性别和购物方式对消费额有何影响。（1）原假设
不同顾客性别没有对消费额产生显著差异；不同购物方式对消费额没有显著差异；顾客性别和购物方式对消费额没有产生显著的交互影响。（2）参数设置 观测变量：消费额
控制变量：顾客性别，购物方式（3）操作步骤及计算结果 操作步骤： ①选择菜单： 【分析（A）】→【一般线性模型】→【单变量（U）】； ②指定观测变量“消费额”到【因变量（D）】框中；
③指定固定效应的控制变量“顾客性别”和“购物方式”到【固定因子(F)】框中，如图4-1。
计算结果：
图4-2
图4-2
（4）结果及其解释
结果：不同顾客性别对消费额有显著差异；不同购物方式对消费额没有显著差异；顾客性别和购物方式对消费额有显著的交互影响。解释：从图中可以看出Fgender，Fstyle，Fgender*style的概率P值分别为0.000，0.140和0.017.如果显著性水平α为0.05，由于Fgender，Fgender*style概率P值小于显著性水平α，所以应该拒绝原假设，可以认为不同顾客性别对消费额有显著差异，顾客性别和购物方式对消费额有显著的交互影响，而Fstyle概率P值小于显著性水平α，则接收原假设认为不同购物方式对消费额没有显著差异。
四、实验小结（心得体会、遇到问题及其解决方法）
第三篇：管理统计学SPSS数据管理 实验报告
数据管理
一、实验目的与要求
1.掌握计算新变量、变量取值重编码的基本操作。2.掌握记录排序、拆分、筛选、加权以及数据汇总的操作。
3.了解数据字典的定义和使用、数据文件的重新排列、转置、合并的操作。
二、实验内容提要
1．自行练习完成课本中涉及的对CCSS案例数据的数据管理操作 2．针对SPSS自带数据Employee data.sav进行以下练习。
（1）根据变量bdate生成一个新变量“年龄”
（2）根据jobcat分组计算salary的秩次
（3）根据雇员的性别变量对salary的平均值进行汇总
（4）生成新变量grade，当salary<20000时取值为d，在20000~50000范围内时取值为c，在50000~100000范围内取值为b，大于等于100000时取值为a
三、实验步骤
1、针对CCSS案例数据的数据管理操作
1.1.计算变量，输入TS3到目标变量，在数字表达式中输入3，把任意年龄段分成三个组20-30设为1组，1-40设为2组41-50设为3组。图1，图1 1.2.对已有变量的分组合并，在“名称”文本框中输入新变量名TS3单击“更改”按钮，原来的S3->?就会变为S3->TS3,单击“旧值和新值”按钮，系统打开“重新编码到其他变量：旧值和新值”，如下图2，图2
图3 1.3.可视离散化，选择“转换”->“可视离散化”,打开的对话框要求用户选择希望进行离散化的变量，单击继续，如下图4，图4 单击“生成分割点”，设定分割点数量为10，宽度为5，第一个分割点位置为18，单击“应用”，如下图，图5 结果显示如下，图6 2．针对SPSS自带数据Employee data.sav进行以下练习。
2.1.根据变量bdate生成一个新变量“年龄”,选择“转换”->”计算变量”，如下图，图7 结果显示如下，图8 2.2.根据jobcat分组计算salary的秩次，图9 结果显示如下，图10 2.3.根据雇员的性别变量对salary的平均值进行汇总
图11 结果显示如下，图12 2.4.生成新变量grade，当salary<20000时取值为d，在20000~50000范围内时取值为c，在50000~100000范围内取值为b，大于等于100000时取值为a
图13 结果显示如下，图14
四、实验结果与结论
第四篇：SPSS数据统计软件实验报告
SPSS数据统计软件实验报告
专业
信息与计算科学
班级
级班
组别
指导教师
姓名
同组人
实验时间
2018
****年**月**日
实验地点
实验名称
方差分析
实验目的通过对数据的分析，使其掌握用方差分析的方法来比较数据。
实验仪器：
1、支持Intel
Pentium
Ⅲ及其以上CPU，内存256MB以上、硬盘1GB以上容量的微机；
软件配有Windows98/2000/XP操作系统及SPSS软件。
2、了解SPSS软件的特点及系统组成，在电脑上操作SPSS软件。
实验内容、步骤及程序：
一、1.实例内容：
下表给出销售方式对销售量的对比试验数据，利用单因素方差分析来分析不同的销售方式对销售量的影响。
2.实例操作：
Step
01
打开对话框。
打开数据文件,选择菜单栏中的【分析】|【比较均值】|【单因素 ANOVA】命令,弹出【单因素ANOVA检验】对话框。
Step
02
选择因变量。
在候选变量列表框中选择【销售量】变量作为因变量,将其添加至【因变量列表】列表框中。
Step
03
选择因变量。
在候选变量列表框中选择【销售方式】变量,将其添加至【因子】文本框中。
Step
04
定义相关统计选项以及缺失值处理方法。
单击【单因素ANOVA检验】对话框【选项】，在弹出的对话框选中【方差同质性检验】、【平均值图】复选框，然后单击【继续】。
Step
05
事后多重比较。
单击【单因素ANOVA检验】对话框【事后比较】，在弹出图中选中Bonferroni复选框，然后单击【继续】。
Step
06
对组间平方和进行线性分解并检验。
单击【单因素ANOVA检验】对话框【对比】，弹出图的对话框选中【多项式】，将【等级】设为【线性】，单击【继续】返回【单因素ANOVA检验】的对话框。
Step
07
单击【确定】，输出分析结果。
3.实例结果及分析
變異數同質性測試
销售量
Levene
統計資料
df1
df2
顯著性
.346
.793
给出了方差齐性检验的结果。从该表可以得到
Levene方差齐性检验的P值为0.793,与显著性水平0.05相差大,因此基本可以认为样本数据之间的方差是非齐次的。
變異數分析
销售量
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
给出了单因素方差分析的结果。从表中可以看出,组间平方和是685、组内平方
和是196,其中组间平方和的的F值为7.336,相应的概率值是0.003,小于显著性水平0.05,因此认为不同的销售方式对销售量有显著的影响。另外,这个表中也给出了线性形式的趋势检验结果,组间变异被销售方式所能解释的部分是196,被其他因素解释的有244.5,并且组间变异被销售方式所能解释的部分是非常显著的4.事后检验
多重比較
因變數:
销售量
Bonferroni
法
(I)
销售方式
(J)
销售方式
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。
给出了多重比较的结果,*表示该组均值差是是显著的。因此,从表中可以看出,第二组和第三组、第四组的销售量均值差是非常明显的,但是第三组与第四组的销售量均值差话相却不是很明显。另外,还可以得到每组之间均值差的标准误差、置信区间等信息。
平均值圖形
给出了各组的均值图。从图可以清楚地看到不同的施肥类型对应不同的销售量均
值。可见,第三组的销售量最低,且与其他两组的销售量均值相差较大,而第二组和和第三组之间的销售量均值差异不大,这个结果和多重比较的结果非常一致
二、1.实例内容：
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的影响,数据如图下所示,变量a为饲料种类,变量b为鼠的品系,变量x为增重克数。
2.实例操作：
Step
01
打开对话框。
打开数据文件,选择菜单栏中的【分析】|【一般线性模型】|【单变量】命令,弹出【单变量】对话框,如图所示。
Step
02
选择观测变量。
在候选变量列表框中选择【体重】变量作为因变量,将其添加至【因变量】列表框中。
Step
03
选择因素变量。
选择【饲料类型】和和【小鼠品系】变量作为因素变量,将它们添加至【固固定因子】列表框中,如图所示。
Step
04选择多重比较。
单击【模型】按按钮,弹弹出【单变量:模型】对话框,如图5.23所示。选中【定制】单选按钮,在左侧列表框中选择“因因素a”和“因因素b”变量并移至【模型】列表框中。选择【构建项】选项组中【类型】下拉列表框中的【主效应】选项,再单击【继继续】按钮,返回主对话框。
Step
05其他选项选择。
单击【图】按钮,弹出图5.24所示【单变量:轮廓图】对话框。将因素b放入【单独的线条】框,将因素a放入【水平轴)】文本框,单击【添加】按钮,再单击【继续续】按钮,返回主对话框。
单击【事后比较】按钮,弹出图所示对话框。将因素a和因素b放入【下列各项的事后检验】列表框,比较方法选择LSD法。
单击【选项】按钮,弹出图5.26所示【单变量:选项】对话框。将因素a和因素b放入【显示下列各项的平均值】列表框,选中【比较主效应】复选框。选中【描述统计】复选框表示输出描述性统计量;选中【齐性检验】复选框表示输出方差齐性检验表。再单击【继续】按钮,返回主对话框。
Step
06
完成操作。
最后,单击【确确定】按钮,操作作完成。
3.实例结果及分析
(1)主体间效应检验表
表所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。因素a和因素b均有统计学意义,P=0.000、P=0.037,均小于0.05。
主旨間效果檢定
因變數:
体重
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)成对比较表。
表所示为不同饲料类型两两比较结果,从Sig值(即P值)可见,饲料B与饲料C没有差异（p=0.117），其余均有差异，p<0.05。
成對比較
因變數:
体重
(I)
饲料类型
(J)
饲料类型
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饲料
B饲料
18.750*
5.741
.002
7.163
30.337
C饲料
27.938*
5.741
.000
16.351
39.524
B饲料
A饲料
-18.750*
5.741
.002
-30.337
-7.163
C饲料
9.188
5.741
.117
-2.399
20.774
C饲料
A饲料
-27.938*
5.741
.000
-39.524
-16.351
B饲料
-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）均值图
图所示为不同品系小鼠喂养不同饲料的体重增重的均值图。可见A饲料较好,B饲料和C饲料差异不大。
实验小结：
通过该实验，让我懂得了利用数学思想解决实际问题，很好的把数学运用到实际生活中，在今后的学习中我会再接再厉的。
教师评语：
1.实验结果及解释：（准确合理、较准确、不合理）；占30%
2.实验步骤的完整度：（完整、中等、不完整）；占30%
3.实验程序的正确性：（很好、较好、中等、较差、很差）；占30%
4.卷面整洁度：（很好、较好、中等、较差、很差）；占10%
评定等级：（）
教师签名：
日期：
第五篇：SPSS软件教程实验报告——大学生恋爱观调查报告
《社会统计软件教程》
实验报告
班级： 姓名： 学号：
大学生恋爱观问卷调查与SPSS分析
一、实验目的与要求
1、实验目的
通过上机实验，使学生掌握统计学的基本原理、问卷的设计与调查，熟悉统计软件SPSS操作过程，能对统计软件SPSS的输出结果进行分析。
通过使用统计软件SPSS，加强学生对统计思想的理解，并提高解决实际问题的能力。
通过上机实验，指导学生设计调查问卷、深入社会调查访问，学会搜集第一手资料，掌握调查技巧和数据汇总、整理、分析方法，培养和锻炼学生创新与实践能力，为进一步学习其他相关课程奠定扎实的基础。
通过上机实验，希望能有助于提高学生设计调查问卷、采集数据和处理调查数据的基本能力，培养学生熟练掌握SPSS统计软件的基本操作，获得对实际数据进行统计和分析的能力，使学生能够撰写出规范的统计分析报告。
2、实验要求
要求学生理论联系实际，初步掌握运用统计方法解决实际问题的能力和运用统计软件SPSS处理数据的能力。
第一，确定调查方案、设计调查问卷、收集数据，并录入SPSS；要求学生熟悉SPSS操作环境，能够进行SPSS的窗口操作，并熟练掌握问卷变量的定义、数据的输入；
第二，利用SPSS，对问卷进行描述性统计分析或探索性统计分析，解释输出结果，写出相应的结论；
第三，利用SPSS，对问卷进行多选项分析，解释输出结果，写出相应的结论； 第四，利用SPSS，对问卷进行列联表分析，解释输出结果，写出相应的结论；
第五，利用SPSS，对问卷进行参数检验（T-TEST、单因素方差分析）或非参数检验，解释输出结果，写出相应的结论；
第六，利用SPSS，对问卷进行相关分析或回归分析，熟悉相关分析过程的软件操作过程，解释输出结果，写出相应的结论。
二、实验环境
硬件环境：微机
软件环境：SPSS11.5及SPSS16.0。
三、实验类型
综合性实验 第一部分 实验内容
1、探索性分析:是否谈恋爱与每天上自习时间的关系
（一）操作步骤
1．打开数据文件“问卷.sav”。
2．选择Transform→Recode→Into different variables,打开重新编码对话框。
从左侧选择q13“您现在是否谈恋爱”进入Numeric Variable,定义新的变量名q13_1,标题是”是否谈恋爱”。
3.选择Old and new Values,如下图定义新变量.其它选项采用系统默认状态。
4.选择Continue,点击OK,提交运行。
5.选择Analyze→Descriptive Statistics→Explore,如下图将选项选入相应List。
6.上述选项做完以后，单击OK 按钮，提交运行。
（二）输出结果与分析
Stem-and-Leaf Plots
Boxplot
（三）结果分析：
⑴集中趋势指标：首先可以看出62位没有恋爱的同学平均每天的自习时间是2.121小时，去掉两侧各5%的极端值后，截尾均数是2.078，中位数是2.000小时，其中，均数、截尾均数和中位数应当基本相同，因此从上述指标及可推测数据应当是符合对称分布的；37位谈恋爱的同学每天的平均自习时间是2.081小时，去掉两侧各5%的极端值后，截尾均数是2.047，中位数是2.000，也符合对称分布。
⑵离散趋势分析：没谈恋爱的同学自习的标准差是1.2102，最大值是5，最小值是0，两者差即全距5小时；谈恋爱的同学自习的标准差是1.0834，最大值是5.0，最小值是0，两者差即全距5小时.⑶分布特征分析：没有恋爱的数据的偏度系数是a=0.653，峰度系数是b=0.309，表示数据右偏，且形状比正态分布的峰要稍陡峭。恋爱者的数据的偏度系数是a=0.628，峰度系数是b=0.541，表示数据右偏，且形状比正态分布的峰要陡峭。
2、多选项分析：选择恋爱对象的主要因素分析
（一）操作步骤
1．打开数据文件“问卷.sav”
2．选择Analyze→ Multiple Response→ Define Variable Sets，再进行如下操作定义多选项变量集。
3．定义好后点Add, 然后关闭当前对话框。
Ⅰ、频数分析：
1.选择Analyze→ Multiple Response→Frequencies进行频数分析。2.将左侧的$q9选人右侧，点击OK，提交运行。
（二）输出结果与分析
（三）结果分析
这道多选题限选三项，由上表可得，比例从高到低排在前三项的分别是“人品好”78.0%，“和自己志趣相投”53.0%，“能力好”42.0%，大学生谈恋爱对经济状况的考虑较少，大多是以人品定位自己的对象。
在大学生人群中，把理想爱人的条件转向注重有内涵，注重人品，是普遍的一个大趋势。在本次调查中，男、女生均把“人品”作为了第一要素，而经济状况等已不再是择偶的主要因素。这反映了广大同学成熟的爱情心理。
Ⅱ、列联表分析：选择恋爱对象的主要因素与性别之间的关系分析
1.选择Analyze→ Multiple Response→Crosstabs进行列联表分析。
2.将多选项选入Rows，影响因素性别选入Columns,并定义变量集Define Ranges,范围是1到2，continue。
3.上述选项做完以后，单击OK 按钮，提交运行。
（二）输出结果与分析
（三）结果分析
其中，我们可以看到男、女生的一些不同：对于相貌的要求，男生18/46要高于女生16/54；而对于知识能力的要求方面，女生35/54又要比男生7/46看中的多。
但是从总的方面来说，当代的大学生在恋爱问题上是非常理性的，而且愈加趋向于成熟化。这些变化的方向无疑是社会所期望的，而且对于大学生本身来说是非常有意义的。
3、列联表分析：大学生谈恋爱时对相貌看重程度与性别关系的分析
（一）操作步骤
1、打开数据文件“问卷.sav”。
2、选择Analyze→Descriptive Statistics→Crosstabs,将“相貌的选择”和“性别”分别输入到Row和Column。
3、选择Cells，Counts框组：选中复选框Expected：Continue；
4、点击Statistics：复选框Chi-square：Continue
5、上述选项做完以后，单击OK 按钮，提交运行。
（二）输出结果与分析
（三）结果分析：
原假设：男女生在选择朋友是对相貌的看重程度没有差别 备择假设：男女生在选择朋友是对相貌的看重程度有差别
X=4.845，P值=0.184>0.05,不能拒绝原假设，所以性别在男女生选择对象相貌的看重程度没有差别。22%男生和21%女生选择“虽然知道相貌不重要，但还是想尽量找个漂亮的”，可见，相貌在男女生选择对象的时间仍然占着很重要的部分.24、单个样本的非参数假设检验——二项检验
分析背景：《中国青年报》近日发表文章，据调查大学生谈恋爱的人数为四成以上，为验证其数据是否真实，用样本数据进行非参数检验。
（一）操作步骤
1．打开数据文件“问卷.sav”。
2．选择Transform→Recode→Into different variables,打开重新编码对话框。
从左侧选择q13“您现在是否谈恋爱”进入Numeric Variable,定义新的变量名q13_1,标题是”是否谈恋爱”。
3.选择Old and new Values,如下图定义新变量.其它选项采用系统默认状态。
4.选择非参数假设检验的单个样本的二项检验.Analyze→Nonparametric Tests→Binomial,将q13_1题选入Test Variable List, Test Proportion:0.60。（《中国青年报》前不久在有关大学生恋爱的四成以上）
5．上述选项做完以后，单击OK 按钮，提交运行。
（二）输出结果与分析
Binomial TestCategory否是N6238100ObservedProp..6.41.0Test Prop..6Asymp.Sig.(1-tailed).382a是否谈恋爱Group 1Group 2Totala.Based on Z Approximation.（三）结果分析：
原假设：大学生谈恋爱的比例≥40% 备择假设：大学生谈恋爱的比例＜40% N=100, 单尾P值等于0.382>0.05,所以不能拒绝原假设，大学生谈恋爱的比例在四成以上。可见，大学校园内谈恋爱已经是很普遍的现象。大学生谈恋爱对我们现在的学生来说，并不是什么新奇的事情，而且大学生谈恋爱的比例也在逐年增加，这不得不引起我们足够的重视。面当今的大学校园，以及这些未来的祖国栋梁，他们对自己的爱情究竟报以什么样的态度，这是我们都很期待的。这也是我们此次调查大学生恋爱观的问题的初衷。
5、相关分析：恋爱期间在对方身上的花费与每月生活费之间的关系
（一）操作步骤
1、打开数据文件“问卷.sav”
2、选择Graphs→Scatter Plot→选择Simple,点击Define,制作散点图，做进一步观察。
3、选择Analyze→Correlate(相关)→Bivariate（双变量），打开双变量相关分析对话框，从左侧的源变量中选择“您每月的生活费用大约是__元”和“你恋爱期间每个月在对方身上的花费大约是___元”进入Variable 窗口。其它选项采用系统默认状态。
4、选择相关系数。Correlation Coefficient 是相关系数的选项栏，选择Pearson（皮尔逊相关系数）；确定显著性检验类型，在Test of Significance 选择Two-tailed（双尾检验）； 确定输出相关系数的显著性水平，选中Flag significant Correlations。
5、选择输出的统计量，单击Options 打开对话框，选择Means and standard deviations 选项和Cross-product deviations and covariances 选项。
6．上述选项做完以后，单击Continue 按钮，返回双变量相关分析对话框。7．单击OK 按钮，提交运行。
（二）输出结果与分析
Descriptive StatisticsMean您每月的生活费用大约是__元你恋爱期间每个月在对方身上的花费大约是__元541.08112.00Std.Deviation159.64975.036N10030
Correlations你恋爱期间每个月在对方身上的花费大约是__元.513**.004160300.0005527.586301.163280.0005630.34530您每月的生活费用大约是__元你恋爱期间每个月在对方身上的花费大约是__元Pearson CorrelationSig.(2-tailed)Sum of Squares andCross-productsCovarianceNPearson CorrelationSig.(2-tailed)Sum of Squares andCross-productsCovarianceN您每月的生活费用大约是__元1.2523307.36025487.953100.513**.004160300.0005527.58630**.Correlation is significant at the 0.01 level(2-tailed).（三）结果分析：
原假设：ρ=0，谈恋爱的人在对方身上每月的平均花费与他（她）的生活费的多少不相关 备择假设：ρ≠0，谈恋爱的人在对方身上每月的平均花费与他（她）的生活费的多少相关
有效数据N=30，从输出的情况来看，“您每月的生活费用大约是__元”和“你恋爱期间每个月在对方身上的花费大约是___元”呈正相关，其相关系数为0.513，在总体中这个相关系数在0.05 的水平上是显著的。
6、回归分析
（一）操作步骤 1．打开数据文件“问卷.sav”。
2．选择Analyze→Regression→Linear，打开回归分析对话框，其他操作如图（散点图见相关分析）。
3．单击OK 按钮，提交运行。
（二）输出结果与分析
Variables Entered/RemovedbVariablesVariablesModelEnteredRemovedMethod1你恋爱期间每个月在对方身上的花费.Enter大约元a是__a.All requested variables entered.b.Dependent Variable: 您每月的生活费用大约是__元
Model SummaryAdjustedStd.Error ofModelRR SquareR Squarethe Estimate1.513a.263.237125.505a.Predictors:(Constant), 你恋爱期间每个月在对方身上的花费大约是__元 ANOVAbModel1Sum ofSquares157374.4441042.3598416.7df12829Mean Square157374.38815751.510F9.991Sig..004aRegressionResidualTotala.Predictors:(Constant), 你恋爱期间每个月在对方身上的花费大约是__元b.Dependent Variable: 您每月的生活费用大约是__元
CoefficientsaUnstandardizedCoefficientsBStd.Error451.71141.655.982.311StandardizedCoefficientsBetaModel1(Constant)你恋爱期间每个月在对方身上的花费大约是__元t10.8443.161Sig..000.004.513a.Dependent Variable: 您每月的生活费用大约是__元
（三）结果分析：
H0: 回归系数为0 H1: 回归系数不为0
2由以上图表和数据可知，N为30，决定系数R=0.263，它的含义是自变量“恋爱期间每个月在对方身上的花费”所能解释的方差在总方差中所占的百分比，说明恋爱在生活费用的所占比例大约为1/5，拟合度不高，还要再增加其他因素进一步分析对生活费用的影响。
方差分析的结果F值为9.991，近似P值=0.004<0.05，自变量的回归系数是具有统计学意义的。
从最后一张表可得，回归方程常数项a=451.711，回归系数的估计值b=0.982，通过它就可以得出回归方程如下：
∧每月的生活费用预测值y=451.711+0.982*恋爱期间你在对方身上的花费
这表明“恋爱是你在对方身上每增加一个单位的花费，每月的生活费用会增加0.982个单位。回归系数的显著性检验P值为0.004<0.05，所以拒绝原假设，回归系数不为0.第三部分 附录
附录一：调查方案
课题背景：近年来，大学校园内谈恋爱已经是很普遍的现象。大学生谈恋爱对我们现在的学生来说，并不是什么新奇的事情。但是对于身处象牙塔的大学生来说，对于恋爱多多少少都有一些应付不来，当然这不是指大多数的人。因此在大学校园里面，因为谈恋爱，而使学业突飞猛进的不再少数，但是那些应为爱情而从此堕落的也大有人在！
直面当今的大学校园，以及这些未来的祖国栋梁，他们对自己的爱情究竟报以什么样的态度，这是我们都很期待的。因此我们针对大学生恋爱观的问题作了《关于大学生恋爱观的调查》的调查。课题意义：
通过本调研，让人们了解当代在校大学生对恋爱的看法及其中存在的问题。从而帮助大学生树立正确的恋爱观，使之拥有健康的恋爱心态。这对大学生更好的学习和生活有重要的意义。调查方法：
问卷法为主。问卷调查采取随机抽样的方式进行，访问是选取一些有典型调查意义个体大学生进行。调查范围：
大学生为样本，对各个年级各个专业各个班进行抽样调查。抽样方案：
研究总体是*****大学生，此次调查共发放问卷100份，收回有效问卷100份，有效问卷比率为100％。在收回的有效问卷中男生46人，女生54人。此次问卷调查涉及大学生的恋爱态度、恋爱动机、择偶标准、爱情观教育等方面的内容，采取随机发放问卷和无记名答卷的方式进行。问卷中的数据基本上能反映出学生的恋爱心理及其现状。
附录三：变量定义与数据编码
List of variables on the working file Name Position ID 问卷编号 1 Measurement Level: Nominal Column Width: 8 Alignment: Right SEX 性别 2 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 男 2 女
GRADE 年级 3 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 大一 2 大二 Q3 您每月的生活费用大约是__元 4 Measurement Level: Scale Column Width: 8 Alignment: Right Q4 您平均每天课余时间大约是__小时 5 Measurement Level: Scale Column Width: 8 Alignment: Right Q5 您每天的自主学习时间是____小时 6 Measurement Level: Scale Column Width: 8 Alignment: Right Q6 您欣赏您父母的婚姻吗？ 7 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 非常欣赏 2 欣赏 3 Q7 对你恋爱观影响最大的是 8 Measurement Level: Nominal Column Width: 8 Alignment: Right
大三 4 大四
有些欣赏 4 不太欣赏 5 不欣赏
Value Label 1 父母2 伟人的爱情3 爱情小说4 好友的爱情5 自己 Q8 你觉得影响你恋爱的最主要因素是 9 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 父母影响 2 有无遇到合适的对象3 是否有时间4 自我经济状况 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 经济状况好 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 你认为大学生谈恋爱合适吗 16 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 挺合适的，大家年纪相当，共同点多2 顺其自然，不是一定要谈，但遇到合适的也不反对 3 不怎么合适，大家还没有经济基础，没条件谈4 一点都不合适，上大学是学习的，又不是谈恋爱的Q11 你认为大学生谈恋爱最初的原因是 17 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 恋爱双方有共同的理想追求，彼此对对方的优点吸引2 看到别人都谈恋爱，觉得自己单身没面子 3 弥补内心空虚，寻找精神寄托4 对方追求激烈，自己不好意思拒绝5 其他 Q12 你认为相貌在你选择男（女）朋友是重要吗 18 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 重要，找一个漂亮的自己脸上也有光彩2 只要两个人谈得来，还是不太重要的
相貌会随时间改变，我一点也不在乎4 虽然知道相貌不重要，但还是想尽量找个漂亮的
Q13 你现在是否在谈恋爱 19 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是，双方在同一学校或城市2 是，异地恋3 否
Q14 你每天与对方相处（异地恋通电话)的时间是__小时 20 Measurement Level: Scale Column Width: 8 Alignment: Right Q15 你父母对于大学期间谈恋爱的态度是 21 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 坚决反对2 默认3 同意4 支持
Q16 你是通过什么渠道认识你的恋人的 22 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 校友或同学关系2 朋友介绍3 社会活动中认识4 5 本来不认识，偶然邂逅，觉得好就主动追6 其他
Q17 你恋爱期间每个月在对方身上的花费大约是__元 23 Measurement Level: Scale Column Width: 8 Alignment: Right Q18_1 吃饭 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 买礼物 26 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 是 2 否
Q18_4 买零食 27 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是2 否
Q18_5 打电话 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 你在以上几种花销中哪个占的比例最大 30
网络 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 吃饭2 游玩3 买礼物4 买零食5 打电话6 其他 Q20 你认为恋爱的花销给你的经济压力大吗 31 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 不大，恋爱的花销在我的生活费中所占的比例很小2 不是很大，但有时需要省吃俭用一下 3 很大，难以承担，但有碍于面子不好意思告诉对方4 我们花钱不分彼此，所以不觉得有经济压力 Q21 你对现在的恋情有怎样的期待 32 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 希望能走向红地毯，“王子和公主过着幸福的生活” 走一步是一步，说不定什么时候就分手了3 没抱多大希望，毕业那天就失恋了4 Q22 你对自己的恋情是否经过慎重考虑 33 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 是的，我是经过深思熟虑才决定发展恋情的 2 是的，但现在看来那时的考虑还不够慎重和深刻 3 没有，我想当时是被突如其来的爱情冲昏头了 4 没有，当时对方追求猛烈就答应了
Q23 就业时，你有可能获得一份理想工作，但是必须在恋人和工作之间做 34 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 以工作为重，终止爱情2 以爱情为重，牺牲工作 3 不知道该怎么办4 其他
Q24 您现在没有恋爱的原因是 35 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 没有遇到合适的 2 家长不让谈
想毕业后工作稳定了再谈 4 不愿意接触异性
Q25 你对那些热恋中的同学在大庭广众之下的亲昵举动 36 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 反感2 羡慕3 不太雅观4 无所谓
Q26 你认为学校应该做些什么 37 Measurement Level: Nominal Column Width: 8 Alignment: RightValue Label 1 引导正确的恋爱观2 放任自由3 积极鼓励4 严格限制男女同学的接触 Q27 您觉得大学恋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 学习、生活更有动力 39 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是2 否
Q28_2 分散精力、浪费时间、成绩下降 40 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 是2 否
Q28_3 只有“两人”的世界，脱离集体 41 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是2 否
Q28_4 影响正常的同学交往 42 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是2 否
Q28_5 因人而异 43 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 是2 否
Q29 你经历过失恋的吗 44 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label1 经历过2 还没有
Q30 你认为失恋后有什么变化 45 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 不敢付出真感情了 2 更加珍惜身边的人 3 学会圆滑地对待感情了
既然被别人欺骗了感情，作为报复也要欺骗别人，让别人尝尝被骗的 5 其他变化
Q31 你怎么看待周围失恋的人 46 Measurement Level: Nominal Column Width: 8 Alignment: Right Value Label 1 自找麻烦，散了就散了，没必要为一段结束的感情痛苦成那样 2 很可怜，真心付出了感情却被骗了，所以会尽力去安慰他们 3 想安慰他们，但不知道他们会不会听进去，所以还是保持沉默了 4 鼓励他们，让他们重新燃起对未来的希望
点击咨询 