搜索
实验名称：频数分布实验目的和要求：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状指标实验内容：绘制频数分布表和频数分布直方图并分析实验记录、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有效79.0013.33.33.380.0013.33.36.782.0013.33.310.085.0026.76.716.789.0013.33.320.093.0013.33.323.395.0013.33.326.796.0026.76.733.397.0026.76.740.099.0026.76.746.7105.0026.76.753.3106.0013.33.356.7109.0013.33.360.0110.0013.33.363.3112.0026.76.770.0113.0013.33.373.3114.0013.33.376.7115.0013.33.380.0124.0013.33.383.3129.0026.76.790.0130.0026.76.796.7190.0013.33.3100.0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状指标统计量销售额N有效30缺失0均值106.8333均值的标准误3.97755中值105.0000众数85.00a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全距111.00极小值79.00极大值190.00实验结果分析：从统计量表可以看出有效样本数有30个，没有缺失值。平均销售额是106.8333，标准差为21.78592。从频数分布表可以看出样本值、频数占总数的百分比、累计百分比。从带正态曲线的直方图可以看出销售额集中在110实验名称：列联表成绩：实验目的和要求：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实验内容：绘制频数表、相对频数表并分析实验记录、问题处理：满意度*性别交叉制表性别合计男性女性满意度不满意计数19827满意度中的%70.4%29.6%100.0%性别中的%35.2%17.4%27.0%和3205.00a.存在多个众数。显示最小值总数的%19.0%8.0%27.0%一般计数232144满意度中的%52.3%47.7%100.0%性别中的%42.6%45.7%44.0%总数的%23.0%21.0%44.0%满意计数121729满意度中的%41.4%58.6%100.0%性别中的%22.2%37.0%29.0%总数的%12.0%17.0%29.0%合计计数5446100满意度中的%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卡方4.825a2.090似然比4.9312.085线性和线性组合4.6501.031有效案例中的N100a.0单元格(0.0%)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.按标量标定φ.220.090Cramer的V.220.090有效案例中的N100a.不假定零假设。b.使用渐进标准误差假定零假设。实验结果分析：从卡方检验看出sig0.05,不显著。所以男生女生对满意与否评价没有差异实验名称：方差分析成绩：实验目的和要求：单因子方差分析、多因子方差和协方差分析实验内容：进行单因子方差分析并输出方差分析表、显著性检验及解释结果、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、显著性检验及解释结果。实验记录、问题处理：单因子方差分析分析——比较均值，单因素——键入销售额为因变量，键入促销力度为因子——两两比较打钩L检验，选项方差齐性检验打钩得：ANOVA销售额平方和df均方F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——一般线性模型，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——两两比较打钩L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162.667a532.53333.655.000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——一般线性模型，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，键入客源排序为协变量——两两比较打钩L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163.505a627.25128.028.000截距103.3461103.346106.294.000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1290.00030校正的总计185.86729a.R方=.880（调整R方=.848）实验结果分析：单因子：组间显著性为0.000，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0.000，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，大于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。赠券状态的显著性为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实验名称：相关分析成绩：实验目的和要求：计算Pearson相关系数和简单相关系数并分析实验内容：计算Pearson相关系数和简单相关系数并分析实验记录、问题处理：分析——相关，双变量——添加收、家庭人口、受教育程度、汽车保有量——默认pearson分析——确定，得：相关性收入家庭人口家长受教育年数汽车保有量收入Pearson相关性1-.008.327**.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家长受教育年数Pearson相关性.327**.1221.207*显著性（双侧）.001.226.039N100100100100汽车保有量Pearson相关性.208*.576**.207*1显著性（双侧）.038.000.039N100100100100**.在.01水平（双侧）上显著相关。*.在0.05水平（双侧）上显著相关。实验结果分析：1、收入对受教育年数，相关系数为0.327，显著性为0.001，小于0.01，所以收入和受教育年为正向相关，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0.000，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、受教育年数对收入，相关系数为0.327，显著性为0.001，小于0.01，所以受教育年数对收入为正想相关，且相关性很强。实验名称：回归分析成绩：实验目的和要求：掌握简单回归模型和多元回归分析的SPSS操作方法实验内容：检验简单回归模型、绘制散点图、输出回归结果并分析、残差分析；检验多元回归分析模型、输出回归结果并分析及残差分析。实验记录、问题处理：（一）简单回归得出模型汇总模型RR方调整R方标准估计的误差1.754a.569.5541.691a.预测变量:(常量),促销水平。Anovaa模型平方和df均方FSig.1回归105.8001105.80036.999.000b残差80.067282.860总计185.86729a.因变量:月均销售额b.预测变量:(常量),促销水平。系数a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促销水平-2.300.378-.754-6.083.000a.因变量:月均销售额实验结果分析：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）多元线性回归得：模型汇总模型RR方调整R方标准估计的误差1.754a.569.5541.6912.925b.856.846.995a.预测变量:(常量),店内促销。b.预测变量:(常量),店内促销,赠券状态。Anovaa模型平方和df均方FSig.1回归105.8001105.80036.999.000b残差80.067282.860总计185.867292回归159.133279.56780.360.000c残差26.73327.990总计185.86729a.因变量:销售额b.预测变量:(常量),店内促销。c.预测变量:(常量),店内促销,赠券状态。系数a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店内促销-2.300.378-.754-6.083.0002(常量)14.667.72720.183.000店内促销-2.300.222-.754-10.337.000赠券状态-2.667.363-.536-7.339.000a.因变量:销售额实验结果分析：R方在第二次拟合达到0.856，说明模型的拟合的情况非常好方差分析表显示P值sig0.05，说明模型非常显著。表达式：销售额=14.667-2.3*店内促销-2.667*赠券状态实验名称：Logistic回归成绩：实验目的和要求：掌握Logistic回归分析的SPSS操作方法实验内容：估计和检验Logistic回归系数并解释结果。实验记录、问题处理：得出：分类表a已观测已预测品牌忠诚百分比校正01步骤1品牌忠诚012380.0131280.0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1a品牌态度1.274.4797.0751.0083.575产品态度.186.322.3351.5631.205购物态度.590.4911.4421.2301.804常量-8.6423.3466.6721.010.000a.在步骤1中输入的变量:品牌态度,产品态度,购物态度.实验结果分析：结果显示：品牌忠诚=1.274*品牌态度+0.186*产品态度+0.590*购物态度-8.462其中品牌态度的sig小于0.05,所以品牌态度与品牌购买正向变化显著。但是因为产品态度和购物态度的sig大于0.05，所以这两个变量与品牌购买的正向变化不显著实验名称：因子分析成绩：实验目的和要求：掌握因子分析的SPSS操作方法实验内容：KMO和Barlett氏检验；输出碎石图及旋转前后的因子矩阵；各因子的特征值和解释的方差比例；解释因子并命名；计算因子得分。实验记录、问题处理：步骤处理：分析——降维——因子分析将度量变量键入变量框，选取描述，勾选KMO与bartlett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如图所示：解释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%12.56942.82142.8212.56942.82142.82122.27237.86880.6902.27237.86880.6903.4