市场调研课程设计报告(大学生网上购物调查数据)

《《市市场场调调研研》》课课程程设设计计报报告告姓名张家玮学号201012387024指导老师吴世军专业班级计算机信息管理1001班课程名称《市场调研》课程成绩·1·实验内容1、用“大学生网上购物调查数据.sav”数据文件中的选择一个变量制作一个简单的频数表并对数据进行解释。分析：这里我分析来自不同区域的大学生过去一年在网上购物消费金额的百分比率打开“大学生网上购物调查数据.sav”，选择“分析”——“描述统计”——“交叉表”，行变量选择“年级”变量。列变量选择“过去一年在网上购物消费金额”，点击“单元格”，选择“列变量百分比”然后点击“继续”“确认”完成，生成CaseProcessingSummaryCasesValidMissingTotalNPercentNPercentNPercent年级*过去一年在网上购物消费金额9444.3%11855.7%212100.0%年级*过去一年在网上购物消费金额Crosstabulation过去一年在网上购物消费金额Total30元以内30～50元50～100元100～500元500元以上年级大二Count71411528%within过去一年在网上购物消费金额41.2%6.7%19.0%39.3%38.5%29.8%大三Count36108734%within过去一年在网上购物消费金额17.6%40.0%47.6%28.6%53.8%36.2%大四Count7879132%within过去一年在网上购物消费金额41.2%53.3%33.3%32.1%7.7%34.0%TotalCount171521281394%within过去一年在网上购物消费金额100.0%100.0%100.0%100.0%100.0%100.0%·2·2、用“数据整理.sav”文件，分别计算体育成绩不低于70分的男生和女生哲学成绩的优良率（80分及以上)。用表格展示优良率，简要说明需要用到哪些操作。打开“数据整理.sav”，先进行男女生分割，选择“数据”——“拆分文件”，点选“比较组”选择“性别”进行拆分，点击“确认”完成拆分。点击“数据”——“选择个案”——选择“如果条件满足”选项，再单击“如果(if)”编辑选择个案的条件“体育=70”（体育成绩不低于70分的个案），单击“转换”——“计算变量”新建一个名为“优良学生”的目标变量，表达式输入框输入数字“1”，再选择“如果（if）”进行条件限制，输入“哲学=80”点击“继续”、“确认”；单击“转换”——“计算变量”新建一个名为“优良学生”的目标变量，表达式输入框输入数字“0”，再选择“如果（if）”进行条件限制，输入“哲学80”点击“继续”再点击“继续”确认，给目标变量“优良学生赋值，值为“0”时标签为“否”，值为“1”时标签为“是”“分析”——“描述统计”——“频率”.变量选择“优良学生”，后确认，生成表格如下：优良学生性别FrequencyPercentValidPercentCumulativePercent女Valid否457.157.157.1是342.942.9100.0Total7100.0100.0男Valid否880.080.080.0是220.020.0100.0Total10100.0100.03、用“汽车购买.sav”数据文件，分析家长受教育年限为10年和16年的这两类家庭的家庭平均收入是否存在差异分析：先把“家长受教育年限”为10年和16年的个案分离出来，再分为两组，最后进行描述分析。打开“汽车购买.sav”数据文件，“数据”——“选择个案”,选择条件为“q4=10|q4=16”（家长受教育年限[q4]=10|家长受教育年限[q4]=16），“数据”——“分割文件”，点选“比较组”分割变量选择“家长受教育年限[q4]”(注意：此处不能选择“q4=10|q4=16FILTER[filter_$]”)，再点“OK”完成分组，后点击“分析”——“描述统计”——“描·3·述”，添加描述对象为“家庭收入”变量，选项中点选“（几何平均数）mean”，后点击“继续”“确认”完成操作，生成表DescriptiveStatistics家长受教育年限NMinimumMaximumMeanStd.Deviation10家庭收入1513600222001.71E42882.261ValidN(listwise)1516家庭收入1015400313002.28E45494.856ValidN(listwise)10、4、用“大学生网上购物调查数据.sav”数据文件中多选题“平时浏览的网站”（1）制作一个简单的频数表，分析大学生平时浏览的主要网站；（2）用交叉表分析大二和大四的学生平时浏览的网站是否有差异。（一）分析：由于“平时浏览的网站”是个多选项，需首先进行多选项集定义，再进行频数分析。“分析”——“多变量集”——“定义变量集”，添加“平时浏览的网站[q7a]”“平时浏览的网站[q7b]”“平时浏览的网站[q7c]”为一个变量集，范围为1~7然后点“分析”——“多变量集”——“频数”，变量选择为刚刚建立的变量集“浏览的网站”。点“OK”生成表$浏览的网站FrequenciesResponsesPercentofCasesNPercent浏览的网站a聊天网站（如QQ）15127.2%71.2%百度、Google等搜索网站18533.3%87.3%新浪、搜狐、网易等门户网站11721.0%55.2%游戏网站315.6%14.6%当当、卓越等B2C网站162.9%7.5%淘宝、易趣等拍卖网站325.8%15.1%其他244.3%11.3%Total556100.0%262.3%a.Group·4·（二）打开“大学生网上购物调查数据.sav”，由于“平时浏览的网站”是个多选项，需首先进行多选项集定义，再进行频数分析，“分析”——“多变量集”——“定义变量集”，添加“平时浏览的网站[q7a]”“平时浏览的网站[q7b]”“平时浏览的网站[q7c]”为一个变量集“浏览的网站”，范围为1~7。选择“数据”——“选择个案”选择变量“年级[q2]”条件为“q2=2|q2=4”（选择年级变量的值为2和为4的）。选择“分析”——“多变量集”——“交叉表”，行变量选择变量集“浏览的网站”。列变量选择“年级”，点击“确认”完成，生成CaseSummaryCasesValidMissingTotalNPercentNPercentNPercent$浏览的网站*q2130100.0%0.0%130100.0%$浏览的网站*q2Crosstabulation年级Total大二大四$浏览的网站a聊天网站（如QQ）Count573491百度、Google等搜索网站Count6944113新浪、搜狐、网易等门户网站Count434083游戏网站Count9918当当、卓越等B2C网站Count268淘宝、易趣等拍卖网站Count11617其他Count8614TotalCount7258130Percentagesandtotalsarebasedonrespondents.a.Group·5·校友毕业学历与校友收入关系统计表（单位：人数）5、某大学对500名毕业三年校友的月收入进行调查，其结果按收入范围和学历统计得到右表。分析：请用合适的百分比来描述学历与收入的关系.新建一个数据文件“校友的月收入”，添加三个变量“校友收入”“校友毕业学历”“人数”小数点位数都设置为0；添加“校友收入”的值为“1=1000元以下；2=1000~2000元；3=2000~3000元;4=4000元以上”；添加“校友毕业学历”的值为“1=专科；2=本科；3=研究生”；录入数据；有表可知，变量“人数”为权重，需先加权“数据”——“加权”选择“人数”，再按“校友毕业学历”进行分割分组，“数据”——“分割文件”，分割变量“校友毕业学历”；点击“数据”——“描述统计”——“频数”选择”校友收入”完成生成，生成如下表。Statistics校友收入专科NValid130Missing0本科NValid270Missing0研究生NValid100Missing0校友收入校友毕业学历FrequencyPercentValidPercentCumulativePercent专科Valid1000元以下1914.614.614.61000~2000元4534.634.649.22000~4000元5038.538.587.74000元以上1612.312.3100.0Total130100.0100.0本科Valid1000元以下238.58.58.51000~2000元9535.235.243.7校友收入校友毕业学历专科本科研究生合计1000元以下192304210002000元45953517520004000元50110452054000元以上16422078合计130270100500·6·2000~4000元11040.740.784.44000元以上4215.615.6100.0Total270100.0100.0研究生Valid1000~2000元3535.035.035.02000~4000元4545.045.080.04000元以上2020.020.0100.0Total100100.0100.06、用“10项全能.sav”数据文件，请对34位参加10项全能的选手进行综合排名，根据你的排名将选手分为三组（第一组为前10名，第二组为11-20名，第三组为21-34名）。（1）编号为020的选手排第几名？（简要说明你是如何得到他的综合排名的）“转换”——“个案排秩”把“跳远、铅球、跳高、铁饼、撑杆跳、标枪”变量进行把1赋值给最大值；把“跑步400m、跨栏110m、短跑100m、”变量进行把1赋值给最小值；计算变量：总排名=R短跑100+R跑步400+R跨栏110+R长跑150+R标枪+R撑杆跳+R跳远+R铅球+R跳高，再对变量“总排名”进行排秩，得出编号为020的选手排第十七名（2）比较第二组选手和第三组选手在“跨栏110m”、“铁饼”和“跑步400m”这三项比赛成绩是否存在差异？“转换”——“重新编码为不同变量”，选择重编码变量“R总排名”，新输出变量为“分组”再点击“改变（change）”后再设置“新旧值”旧值变化范围为11~20，新值设为2；旧值变化范围为21~34，新值设为3。“数据”——“选择个案”，选择条件为“分组=2|分组=3”在对其进行分割分组“数据”——“分割文件”分割变量选择“分组”。最后按“分析”——“描述统计”描述变量选择三个变量“铁饼(m)”“400m(sec)”“110m栏(sec)”，生成如下表。DescriptiveStatistics分组NMinimumMaximumMeanStd.Deviation2铁饼(m)1039.5450.6643.98803.58026400m(sec)1047.9751.2849.2790.96110110m栏(sec)1014.3916.0615.0820.45823ValidN(listwise)103铁饼(m)1427.1046.3439.22295.04466400m(sec)1448.2452.3250.05641.16008·7·110m栏(sec)1414.9617.0515.5121.57089ValidN(listwise)14（3）请根据“长跑1500m”成绩将选手平均分成组（前17名为“耐力好”，后17名为“耐力差”），请分析选手的耐力对综合排名分组是否有影响。撤销上面选择个案，分割文件的步骤，再“转换”——“计算变量”,新建变量“是否有耐力”值为1，条件为“R长跑150=17”；值为0，条件为“R长跑15017”变量“耐力”进行赋值“值=0，标签=否；值=1，标签=是”再进行频数和描述的分析Rankof总排名频数分析DescriptiveStatistics是否有耐力NMinimumMaximumMe