spss软件实验报告,如何利用SPSS软件对实验数据进行分析？

统计要与大量的数据打交道，涉及繁杂的计算和图表绘制。现在越来越多的数据需要分析，我们不仅要直观得出分析结果，更要求能方便简洁，分析得更透彻。因此，我们就需要借助一个平台，也就是分析软件。然而分析软件特别多，并且各有其优势。而SPSS具有这类软件的很多功能。SPSS用户界面友好，功能强大，简单易学，易于使用，包含了几乎所有的复杂的统计方法，具有完善的数据定义，运营管理和开放的数据接口，灵活的和美丽的图表制作。在各大学和研究机构的欢迎。

SPSS的特点体现在简单，易于编程，功能强大，数据接口模块相结合，有针对性。具备了这些显著优点数据管理、结果报告、统计建模、模块、兼容性。在论文中主要应用的是其主成分分析和作图。

1.SPSS的产生和应用领域

SPSS是世界上第一个统计分析软件，由美国斯坦福大学的三位研究生Norman H. Nie、C. Hadlai (Tex) Hull 和 Dale H. Bent研究1968年成功发展的同时，成立于1975年建立SPSS公司和企业集团织造，SPSS总部位于芝加哥，设立。SPSS总部设在1984年的统计分析软件SPSS/ PC+推出是世界上第一统计分析软件的PC版本，打开SPSS电脑产品的发展方向，应该大大扩展了其与范围，并且可以快速应用到自然科学，技术科学和社会科学所有区域。

2.用SPSS的能力要求

2.1 数据文件管理

学生理解和掌握一包SPSS数据文件的建立和巩固了如何收集数据的基本操作到计算机的学习，建立一个适当的SPSS数据文件，以及如何组织原来的主数据文件，包括编辑，删除，排序数据等等。

2.2 描述统计

研究人群。引导学生运用恰当的数据正确的统计方法整合和展示，描述和探讨了一些内部数据规律性，掌握统计的思维，培养学生的学习兴趣统计，统计推断方法，继续学习和应用各种统计方法解决实际问题，并奠定了必要的基础。

2.3 统计推断

（1）熟悉点估计概念与操作方法；

（2）熟悉区间估计的概念与操作方；

（3）熟练掌握T检验的SPSS操作；

（4）学会利用T检验方法解决身边的实际问题。

2.4 方差分析

（1）为了帮助学生理解偏差和方差分析，主方的基本概念基本思路和分析原理的区别；

（2）掌握方差分析的过程；

（3）提高学生的实践能力，鼓励学生利用SPSS统计软件，方单因素不佳，双向方差分析等动作，以激发学生熟悉研究分析突出潜力的兴趣，具有较强的自主学习和研究能力。

2.5 相关分析与回归分析

这一试点项目的目的是学习和使用SPSS软件进行相关分析和回归分析，包括：

计算和简单的Pearson相关系数皮尔逊分析。

(1) 学会回归模型的散点图与样本方程图形。

(2) 学会对所计算结果进行统计分析说明。

(3) 要求试验前，了解回归分析的如下内容。

3.国内外研究现状

SPSS由斯坦福大学从1968年开发了使用至今，已拥有全球成千上万的用户，分布在许多行业中通信，医疗，银行，证券，保险，制造，商业，市场调研，科学和教育，成为一个世界上使用最广泛的专业统计软件。该软件的基本功能包括数据管理，统计分析，图表分析，输出管理。丰富的统计分析方法，提供了从统计分析，以多变量分析统计分析的简要说明;例如，基本的统计分析，频数分布表，相关分析，回归分析，聚类分析和因子分析。由于该软件具有强大的图形处理能力，它使用的数据分析软件的结果不仅可以，你仍然可以得到直观，清晰，美观的图表，你可以创建条形图，折线图，散点图，直方图各种统计和图形正常曲线图中，原始图像数据，以使各种描述符。

多元统计分析（如回归分析，聚类分析，主成分分析）方法已应用于大量的环境监测，环境管理，环境规划和评估，环境污染治理工程，环境生态学，环境经济学等环境艺术。

4 SPSS主成分分析法应用现状

4.1 SPSS在选矿中的应用

选矿企业的生产和操作，大量的统计数据和试验数据。随着网络的普及和广泛使用电脑，以及一些最好的统计软件涌现，使选矿工作人员利用计算机对企业的统计，监测和数据分析，挖掘和优化，以更有效地管理业务;或澄清从数学有争议的问题，已经成为现实。

使用结合建模主成分分析法BP神经网络。BP是从高度非线性映射模型，不相关的输入数据，可大大提高建模的质量的输出节点的模型。用SPSS统计软件包进行矿产口味测试的统计数据。实践表明，SPSS统计软件，以提高理论和应用统计分析和解决实际问题。该软件包是值得推广的研究工作在选矿。

4.2 主成分分析法简介

SPSS统计分析软件包括各种统计分析。例如：总量基本统计和单因素分析，多维频数分布分析，相关分析，均数比较检验，方差，回归分析，聚类和判别，因子分析，非参数检验等的分析。

这是主成分分析因子分析法最简单的形式。因子分析是一种多元统计分析将被转换为一个小数目的多个测量变量数无关的综合指标的。线性综合指标往往不能直接观察到，但它可以反映事物的本质，所以在医学，心理学，经济学，社会生产能力的学科，因子分析，得到了广泛应用。

往往需要更多的变量来反映很多东西在科研各个领域观察，并采集了大量数据进行分析的，找规律。大和多样的样本无疑提供了丰富的信息，为科研，也能在一定程度上更重要的是提高了数据采集，工作量，提高分析问题提出的混合动力驱动的。因为在变量之间的一些相关性，有可能使用较少的彼此全面综合指标均存在于每个变量类型的信息，而不是彼此相关的综合指标之间，也就是，每个索引的信息表示不重叠。分析称为因子分析的该方法中，表示各种类型的信息的综合指标称为因子或主要成分。根据因素分析的目的显示，综合指标应小于原来的变量，但信息应包含相对小的损失。

4.3 数学分析

原始变量：Χ1、Χ2、Χ3、Χ4...Χm

主成分：Ζ1、Ζ2、Ζ3、Ζ4...Ζn

则各因子与原+始变量之间的关系可以表示为：

Χ1=b11Ζ1+b12Ζ2+b13Ζ3......+b1nΖn+e1

Χ2=b21Ζ1+b22Ζ2+b23Ζ3......+b2nΖn+e2

Χ3=b31Ζ1+b32Ζ2+b33Ζ3......+b3nΖn+e3

......

Χm=bm1Ζ1+bm2Ζ2+bm3Ζ3......+bmnΖn+en

写成矩阵形式为：X=BZ+E。其值X为原始变量向量，B为公因子负荷系数矩阵，Z为公因子向量，E为残差向量。公因子Z1，Z2，Z3，...，Zn之间彼此不相关，称为正交模型。因子分析就是求出公因子负荷系数残差。

如果残差E的影响很小可以忽略不计，数学模型变为X=BZ.如果Z中各部分彼此不相关，形成特殊形式的因子分析，称为主成分分析。主成分分析的数学模型可以写成：

Ζ1=a11Χ1+a12Χ2+a13Χ3......+a1mΧm

Ζ2=a21Χ1+a22Χ2+a23Χ3......+a2mΧm

Ζ3=a31Χ1+a32Χ2+a33Χ3......+a3mΧm

......

Ζn=an1Χ1+an2Χ2+an3Χ3......+anmΧm

写成矩阵形式为：Z=AX。Z为主成分向量，A为主成分变换矩阵，X为原始变量向量。主成分分析的目的是把系数矩阵A求出。只成分Ζ1、Ζ2、Ζ3....在总方差中所占比重依次降低。

从理论上讲m=n，即有多少原始变量就有多少主成分，但实际上前面几个成分集中了大部分方差，因此，所取主成分的数目远远小于原始变量数目，但信息损失很小。

5.结语

对于很多相关变量在一起的数据分析，我们可以对其进行主成分分析，找到主要因素，以便简化更有效地分析，利用SPSS主成分分析所得数据在作图分析，不仅直观也很美观。

SPSS如何应用？

一个数据要算总得分，答案有对错之分，如何将对的相加、对错分别开？

SPSS是一款数据统计与数据分析工具，操作简单属于数据分析的入门工具。

想要灵活使用SPSS，需要掌握两个方面内容：数据分析相关知识、SPSS操作

一、数据分析

在使用数据分析工具之前，首先要了解数据分析的思路，有的人刚拿到数据就迫不及待的把数据一股脑丢进SPSS里，然后才发现自己什么都不会，不知道要做什么，更不知道怎么做。因此核心是拥有数据分析的思维。

在学习数据分析的过程中，建议大家按照以下四个模块进行学习：

一是数据分析思维的培养。二是数据间的几类关系情况。三是数据分析方法的选择。四是数据研究的撰写等。

1 数据分析思维

数据类型是一切研究的基石，也是数据研究思维的最基本且最关键的思维。确认数据的真实准确性后，即完成数据清理后，可对数据类型进行区分，一切数据均可分为两种类型，包括定性数据和定量数据。

图片来源：SPSSAU帮助手册

定量：数字有比较意义，比如数字越大代表满意度越高，量表为典型定量数据
定类：数字无比较意义，比如性别，1代表男，2代表女

如果有的数据同时可以计算百分比，也可以计算平均值，此时就结合实际研究情况，将其似着定类或者定量数据即可。比如学历，通常情况下时看作定类数据，但数字越大也可以说成是学历越高，所以有的研究方法是把学历看作是定量数据。

2数据间的几类关系情况

差异关系：通常是研究不同类别的差异性，提到了不同类别，那就涉及到定性数据，差异关系可以包括定性和定量数据的差异性，定性和定性数据的差异性。自然地也就对应到几类研究方法中。

相关关系：比如越如何越如何之类的关系。包括相关关系，还有影响关系等。X对于Y的影响关系情况如何等，此时影响关系又拆分出几种分析算法。

其它关系：比如数据的浓缩，聚类等

在进行数据研究时，首先需要想到的是“我想做什么？“，来回就只有三种关系，那么这种关系有着明显的区分性，对应确认关系情况，加上数据类型的判断，对应就会找出合理的数据研究方法。

3数据分析方法选择

上面两部分分别讲述了数据类型和数据关系情况。接着需要落地，即研究方法的使用。第一步即选对研究方法，即数据类型的识别。

第二步即结合研究目的，常见的研究目的包括：数据基本描述、影响关系研究、差异关系研究及其它关系。下表格列出研究目的与研究方法的对应关系。

资料来源：SPSSAU帮助手册

综上所述，如果可以区分数据类型，并且了解研究目的，则可以选择出科学的研究方法进行研究。具体每个研究方法具体的内容，直接使用SPSSAU的智能分析即可，当然也建议参阅每个方法对应的帮助手册，里面会有更详细的说明和例子，注意事项等。

4数据研究的撰写

如果已经理解了数据类型，数据关系，并且选择了正确的数据研究方法。最终无非是把数据研究方法得出的结论进行汇总整理，然后写成有逻辑性的报告，并且在结论基础上对应提出有意义有价值的建议措施等。

关于数据报告的撰写，单独从数据分析角度上看，建议以实际需求出发，比如研究差异关系，那么首先得需要知道有没有差异，接着有了差异，具体差异情况如何。有了差异或者没有差异时，对应的建议措施应该如何。按照这样的思路，相信数据研究报告的撰写并非难事。

2 SPSS操作

掌握了核心的数据分析的思维意识，接下来就简单很多了。学习一款工具的使用，主要还是靠两个字多用，多实践找点数据练练手，一边操作一边摸索，很快就能掌握。在线版SPSS（SPSSAU）提供多种分析数据的下载，用户可以在SPSS或SPSSAU上进行操作。想省时间的同学也推荐使用SPSSAU，可以在线进行分析，操作相对SPSS更简洁，更容易上手，拖拽点一下即可生成结果还有智能分析建议。