SPSS資料分析報告

第一部分：原始資料和資料

資料**：某班級29名同學實際情況

第二部分：資料分析

一、描述統計

開啟檔案「某班級29名同學的身高、體重、年齡資料」，通過選單蘭中的分析選項，進行描述性分析，選擇年齡、體重和身高，求最大值、最小值、方差、偏度、峰度和均值，

得到如下結果：

表1-1統計量描述分析

表1-2年齡分布表

圖1-3身高分布直方圖

圖1-4體重分布條形圖

文字描述：從spss分析結果中可以得出，有效資料共有29個。其中年齡主要分布在19.

5-22.0歲之間，其中又以20.5-21.

5之間最多。身高的極小值為156.20cm，極大值為180.

00cm，均值為167.01，方差為33.84，該項指標方差過大，說明身高存在較大差異，當然極值的出現對此影響較大，從條形分布圖中看出身高在165-175之間人數較多，身高的偏度為負，呈現右偏分布狀態。

體重的極小值為44.20kg，極大值為70.5kg，均值為55.

67kg，方差為46.78，該指標方差偏大，個體之間差異性顯著，從條形圖中可以看出50-60kg之間分布較多，體重的偏度為負，呈現出右偏分布狀態，峰度為負，分布呈低峰態。這些資料都可以從圖表中輕易得出。

二、相關分析（以身高和體測成績為例進行相關性分析）

圖4-1身高和體測成績之間的散點圖

表4-1身高和體測成績之間的相關性分析

按【圖形】→【舊對話方塊】→【散點圖】的流程，以身高為橫軸，體測成績為縱軸，得到如上如所示的散點圖，可以看出各點分布較多零散，相關性不強。再做【分析】→【相關】→【雙變數】操作，得出如4-1所示的**，可以看出相關係數僅為0.097，相關性較弱，與上面散點圖所呈現出的狀態相符合。

這表明身高和體測成績之間的相關性不大。

三、均值檢驗（在此以身高為例，其他指標分析類似）

易知該樣本總體服從正態分佈，從中選出吳夢琪166.20cm，熊如意166.50cm，劉曉偉170.

00cm，尹傳萍165.20cm共4個資料。計算得出的平均值為166.

975。我們現在以單樣本t檢驗為例，對身高進行均值檢驗。建立原假設h0：

總體均值與檢驗值之間不存在顯著性差異。下面我們對此進行分析：選擇選單【分析】→【比較均值】→【單樣本t檢驗】得出結果如下圖

表2-1，單樣本t檢驗分析結果

由圖表可知：樣本總體均值為167.02，標準差為5.

82，均值標準誤差為1.08023.樣本檢驗值為166.

975，第二列是統計量的觀測值0.039；第三列是自由度；第四列是統計量觀測值的雙尾概率p值；第五列是樣本均值與檢驗的差值；第六列和第七列是總體均值與原假設值差的95%的置信區間，因為167.0172在置信區間（164.

8045,169.23）內，所以我們有95%的把握認為總體均值和樣本均值之間不存在顯著性差異。

四、回歸分析（在此以身高和體重之間的關係為例進行分析）

表5-1

表5-2

從表5-2中可以看出相關係數r=0.847，即身高和體重之間存在較強的線性相關關係。

從上圖中可以得出體重x對身高y的線性關係可以用二元線性函式表示，a=0.72，b=126.939.相應的直線方程為y=0.72x+126.939.