实验报告七-SAS典型相关分析
实验报告
实验项目名称典型相关分析
所属课程名称统计分析及SAS实现实验类型验证性实验
实验日期2016-12-11
班级数学与应用数学
学号
姓名
成绩
【实验方案设计】
一．理解典型相关分析的概念及步骤；
二．掌握典型相关分析的方法；
三．用INSIGHT、“分析家”计算统计量和编程实现实际问题中的典型相关分析；
【实验过程】（实验步骤、记录、数据、分析）
【练习7-1】对某高中一年级男生38人进行体力测试及运动能力测试，如表所示，试对两组指标作典型相关分析。
34 47 55 113 40 71.4 19 64 7.6 410 29 7 331
35 49 74 120 53 54.5 22 59 6.9 500 33 21 342
36 44 52 110 37 54.9 14 57 7.5 400 29 2 421
37 52 66 130 47 45.9 14 45 6.8 505 28 11 355
38 48 68 100 45 53.6 23 70 7.2 522 28 9 352
其中，体力测试指标为：X
1-------反复横向跳（次），X
2
-------纵跳（cm），
X 3------背力（kg），X4------捏力（kg），X
5
-----台阶测试（指数），X
6
------
定向体前屈（cm），X
7
-------俯卧上提后仰（cm）。
运动能力测试的指标为y
1-50m跑（s），y
2
-跳远（cm），y
3
-投球（m），y
4
引体
向上（次），y
5
-耐力跑（s）。
【解答】
利用INSIGHT模块进行典型相关分析：
结果：
表7.1 Univariate Statistics
Variable N Mean Std Dev Minimum Maximum
y1 38 7.1316 0.3354 6.6000 8.0000
y2 38 441.8421 43.2138 362.0000 522.0000
y3 38 27.8158 2.7495 21.0000 33.0000
y4 38 7.5263 3.8326 2.0000 21.0000
由表7.1得知一些基本统计量，各变量下的均值、标准差、最大值、最小值。
由表7.2相关系数阵、表7.3典型相关系数得知，第一典型相关系数为0.848708，修正值为0.797684，标准误差为0.045982，典型相关系数的平方为0.720305；第二典型相关系数为0.702963，修正值为0.582556，标准误差为0.083160，典型相关系数的平方为0.494157；第三典型相关系数为0.646784，标准误差为0.095626，典型相关系数的平方为0.418329；第四典型相关系数为0.354212，修正值为0.177885，标准误差为0.143773，典型相关系数的平方为0.125466；第五典型相关系数为0.268706，标准误差为0.152529，典型相关系数的平方为
0.072203。
表
由表7.4特征根可以得到特征根、相邻两特征根之差、特征根所占方差信息量的比例、累计方差信息量的比例，其中前三对典型变量所能解释的变异占总变异的95.07%，其他两个典型相关变量的作用很小，一共只解释了总变异的4.93%，因此不予考虑。
表7.5：
应用似然比法检验典型相关系数与零的差别，由表7.5检验典型相关系数与零的差别得到p值依次为<0.0001、0.0089、0.0878，因此，对于前两组典型相关变量，拒绝小于此对典型变量典型相关系数的所有典型相关系数为0的原假设，因此，前两组变量的相关性的研究可转化为研究前两对典型相关变量的相关性。
由表7.6典型相关结构，从相关系数判断，体力测试指标除x
4
（0.2712）、
x 5（0.2156）、x
7
（0.1052）外各变量与第一典型相关变量间的相关性比较高，
运动能力测试的指标与第一典型相关变量间的相关性都比较高；x
5
与第二典型相
关变量间的相关性比较高，说明第一对典型相关变量对台阶测试（x
5
）的解释作用不大。
从体力测试指标组的变量与运动能力测试的指标组的典型变量之间，运动能力测试的指标组的变量与体力测试指标组的典型变量之间的相关系数可见，各组变量与前两对典型变量之间均有较强的相关性。
表
由表7.7、表7.8标准化变量的典型变量的系数可知，来自运动能力测试的指标的第一典型变量CY1为：
*
***15
432407943.0032325.0333193.0147529.0534016.01y y y y y CY --++-=
CY1在y 4*上的系数近似为0，在y 1*、y 4*、y 5*上的系数为负值，在y 3*上的系数较大，因此CY1主要代表了投球等指标。
来自体力测试指标的第一典型变量CX1为：
*7
*6*5*4*
3
*2*1014738.0113355.0267853.0067975.0659461.0165109.0449775.01x x x x x x x CX ++++++=
CX1在x 3*上的系数最大，在x 1*上的系数较大，在其余变量上的系数均较小，因此，CX1主要代表了反复横向跳、背力等指标。
由表7.9、表7.10典型冗余分析（Canonical Redundancy Analysis ）表明，两对典型变量仍不能全面预测配对的那组变量。来自运动能力测试的指标被对方两个典型变量（CX1、CX2)解释的累积方差比例为39.29%，来自体力测试指标被对方两个典型变量（CY1、CY2）解释的累计方差比例为37.36%。
【练习7-2】用典型相关分析研究我国农业投入与产出的关系（见表）。
农业产出水平选取如下三个指标作为“产出组”指标：农业总产出（亿元），用农林牧渔业总产值表示，记为y 1；农业劳动生产率（元/人），用人均农业牧渔业总产值表示，记为y 2。农业总产出增长速度（%），用农林牧渔业总产值的增长速度表示，记为y 3。
农业投入水平选取如下7个指标作为”投入组”指标：农业劳动投入（人）用从业人数表示，记为X 1：农业物质消耗（亿元），用农业牧渔业中间消耗价值表示，记为X 2：农民受教育程度（年），用农民家庭的平均文化程度表示，记为
X 3：农业机械化程度（万kw），用农业机械总动力表示，记为X
4
；农业电力文化
程度（亿kw.h）,用农村电量表示，记为X
5
：农业土地投入（khm2），用有效灌
溉面积表示，记为X
6
：化肥用量（10kt）用农牧渔业化肥施用量来表示，记为
X
7
。
【解答】
利用“分析家”实现典型相关分析：
结果：
The CANCORR Procedure
Canonical Correlation Analysis
Canonical Correlation Adjusted Canonical Correlation Approximate Standard Error Squared
Canonical Correlation
1 0.998993 . 0.000474 0.997987
2 0.994616 . 0.002531 0.989261
3 0.615312
0.514167
0.146463
0.378609
由表7.11得知本题提取了3个典型相关系数，第一个典型相关系数CanR 1=0.998993，为第一对典型相关变量之间的相关性。第二典型相关系数为0.994616，第三典型相关系数为0.615312。
表7.12 特征根及典型相关系数的检验
由表7.12可以得到特征根、相邻两特征根之差、特征根所占方差信息量的比例、累计方差信息量的比例，其中前两对典型变量所能解释的变异占总变异的99.9%，其他两个典型相关变量的作用很小，一共只解释了总变异的0.1%，因此不予考虑。
应用似然比法检验典型相关系数与零的差别，由表7.12检验典型相关系数与零的差别得到p值依次为<0.0001、<0.0001、0.3175，因此，对于前两组典型相关变量，拒绝小于此对典型变量典型相关系数的所有典型相关系数为0的原假设，因此，前两组变量的相关性的研究可转化为研究前两对典型相关变量的相关性。
由表7.13对典型相关系数均为0的F检验，本题中Wilk’Lambda检验结果与表7.12一致，因此表明至少有一个典型相关系数在α<0.0001的显著性水平下非0。
表7.14 Raw Canonical Coefficients for the VAR Variables
表
由表7.14、表7.15可知，表中数据为原始表达的典型变量的系数，没有使用相同的单位进行测量，造成出现数据十分小的结果，因此对原始变量进行标准化处理。
7.16 Standardized Canonical Coefficients
表7.17 Standardized Canonical Coefficients
由表7.16第一典型变量V1为：
*7
*
6*
**
**0647.00988.03469.02287.01558.00449.02087.01543
21x
x x x x x x V +++++-=
V1在x 3*上的系数最大，在其余变量上的系数均较小，因此，V1主要代表了农业机械化程度等指标。
来自“产出组”指标的第一典型变量W1为：
*
**3
210137.04621.24256.31y y y W --= W1在y 1*上的系数较大，因此W1主要代表了农业总产出等指标。
表7.18 Correlations Between the VAR Variables
表7.19 Correlations Between the WITH Variables
由表7.18、7.19典型相关结构，在原始变量与本组典型变量的相关关系中，“投入组”指标的第一典型变量V1与农业劳动投入、农业物质消耗、农民受教育程度、农业机械化程度、农业电力文化程度、农业土地投入、化肥用量的相关系数都较大，说明这个典型变量主要反映整个投入指标；“产出组”指标的第一
典型变量W1与农业总产出、农业劳动生产率的相关系数都较大（0.9716、0.9446），说明这个典型变量主要反映农业劳动产出。
表7.20 Correlations Between the VAR Variables and the Canonical Variables
表7.21 Correlations Between the WITH Variables and the Canonical
由表7.20、表7.21典型相关结构知，在原始变量与两组配对组的典型变量的相关关系结果，化肥用量与“投入组”指标的第一典型变量V1的相关系数最大，说明用农牧渔业化肥施用量大则“投入”高；农业总产出与“产出组”指标的第一典型变量W1的相关系数最大（0.9706），说明农业总产出越高，产出量越大。
表7.22、表7.23为原始变量方差被典型变量所解释的比例，表7.24、表7.25为变量的标准方差用过他的典型变量和配对的变量所解释的方差比例。由表7.24、表7.25典型冗余分析（Canonical Redundancy Analysis）表明，“投入组”指标通过他的第一典型变量解释的共享方差比例为88.99%，被对方的第一典型变量W1解释的方差比例为88.81%，88.81%/88.99%=0.997987，为表7.11中的典型相关系数的平方（Squared Canonical Correlation）；“生产组”指标通过他的第一典型变量解释的共享方差比例为62.22%%，被对方的第一典型变量W1解释的方差比例为62.10%，62.10%/62.22%=0.997987。
表7.24、表7.25可以看出三个典型变量解释配对组方差的累积比例分别为96.10%、79.81%，因此第二、三典型变量仍有解释一部分信息。
表7.26 Squared Multiple Correlations Between the VAR Variables and the
表7.27 Squared Multiple Correlations Between the WITH Variables and the
由表7.26、表7.27各原始变量和配对组的典型变量间的复相关系数的平方（Squared Multiple Correlations Between the WITH Variables and the First M Canonical Variables of ）可知，得到的数据为原始变量与典型变量的判定系数，“投入组”指标的第一典型变量对农业劳动投入、农业物质消耗、农民受教育程度、农业机械化程度、农业电力文化程度、农业土地投入、化肥用量具有较高的解释能力，“产出组”指标的第一典型变量对农业总产出、农业劳动生产率具有较高的解释能力，对农业总产出增长速度几乎没有解释能力；其中“投入组”指标的第一典型变量对化肥用量的解释能力最强，说明投入的化肥用量越大，花费越高，因此可以适当考虑减少化肥用量，而且化肥本身对土壤就有一定破坏作用，这样对土地也具有一定的保护作用。
【练习7-3】利用典型相关分析研究企业规模与效益的关系。
反映公司规模变量的指标取5个：主营业务收入（万元）x
1
，净利润（万元）
x 2，总资产（万元）x
3
，主营业务利润x
4
，投资收益（万元）x
5
。其中x
1
、x
2
、x
4
、
x 5是盈利能力指标，x
3
是公司的偿债能力指标。
反应公司效益的变量指标取5个：每股现金流量（元/股）y
1
，每股收益（元
/股）y
2.每股净资产（元/股）y
3
，净资产收益率（%）y
4
，净利润增长率（%）y
5
。
其中每股收益y
2和净资产收益率y
4
都是股东考察企业获利能力，评价企业优差
的重要指标，投资者可以通过对不同的企业间的这两指标的比较来判断自己投资风险和收益情况，因此他们都是反应一个企业效益的重要指标，每股净资产y
3
，它对于股票投资者关系重大，它表示一股股票代表公司多少财产：现金流量y
1
的多少反应企业的变现能力，支付能力和偿还能力，通过它可以企业的收益质量：
，它是评价发展能力的重要指标，通过它可以直接反映上至于净利润的增长率y
5
市公司的效益发展状况。
【解答】
利用proc CANCORR过程步实现典型相关分析：libname Lmf "E:\sas homework\lmf";
proc CANCORR data=Lmf.p73 EDF=1000REDUNDANCY; var x1 x2 x3 x4 x5;
with y1 y2 y3 y4 y5;
run;
结果：
The CANCORR Procedure 表
CanR 1=0.847196，为第一对典型相关变量之间的相关性。第二、三、四、五典型相关系数分别为0.636423、0.458、0.202666、0.1131。
由表7.29可以得到特征根、相邻两特征根之差、特征根所占方差信息量的比例、累计方差信息量的比例，其中前两对典型变量所能解释的变异占总变异的90.94%，其他两个典型相关变量的作用很小，一共只解释了总变异的8.06%，因此不予考虑。
应用似然比法检验典型相关系数与零的差别，由表7.29检验典型相关系数与零的差别得到p 值依次为<0.0001、<0.0001、<0.0001、<0.0001、0.0003<0.05，因此，对于五组典型相关变量，拒绝小于此对典型变量典型相关系数的所有典型相关系数为0的原假设，因此，五组变量的相关性的研究可转化为研究前两对典型相关变量的相关性。
由表7.30对典型相关系数均为0的F检验，本题中Wilk’Lambda检验结果与表7.29一致，因此表明至少有一个典型相关系数在α<0.0001的显著性水平下非0。
【实验报告】SPSS相关分析实验报告
SPSS相关分析实验报告 篇一：spss对数据进行相关性分析实验报告 实验一 一.实验目的 掌握用spss软件对数据进行相关性分析，熟悉其操作过程，并能分析其结果。 二.实验原理 相关性分析是考察两个变量之间线性关系的一种统计分析方法。更精确地说，当一个变量发生变化时，另一个变量如何变化，此时就需要通过计算相关系数来做深入的定量考察。P值是针对原假设H0：假设两变量无线性相关而言的。一般假设检验的显著性水平为0.05，你只需要拿p值和0.05进行比较：如果p值小于0.05，就拒绝原假设H0，说明两变量有线性相关的关系，他们无线性相关的可能性小于0.05；如果大于0.05，则一般认为无线性相关关系，至于相关的程度则要看相关系数R值，r越大，说明越相关。越小，则相关程度越低。而偏相关分析是指当两个变量同时与第三个变量相关时，将第三个变量的影响剔除，只分析另外两个变量之间相关程度的过程，其检验过程与相关分析相似。三、实验内容 掌握使用spss软件对数据进行相关性分析，从变量之间的相关关系，寻求与人均食品支出密切相关的因素。 (1)检验人均食品支出与粮价和人均收入之间的相关关系。 a.打开spss软件，输入“回归人均食品支出”数据。
b.在spssd的菜单栏中选择点击，弹出一个对话窗口。 C.在对话窗口中点击ok,系统输出结果，如下表。 从表中可以看出，人均食品支出与人均收入之间的相关系数为0.921，t检验的显著性概率为0.0000.01，拒绝零假设，表明两个变量之间显著相关。人均食品支出与粮食平均单价之间的相关系数为0.730，t检验的显著性概率为 0.0000.01，拒绝零假设，表明两个变量之间也显著相关。 (2)研究人均食品支出与人均收入之间的偏相关关系。 读入数据后： A.点击系统弹出一个对话窗口。 B.点击OK，系统输出结果，如下表。 从表中可以看出，人均食品支出与人均收入的偏相关系数为0.8665，显著性概率p=0.0000.01，说明在剔除了粮食单价的影响后，人均食品支出与人均收入依然有显著性关系，并且0.86650.921，说明它们之间的显著性关系稍有减弱。通过相关关系与偏相关关系的比较可以得知：在粮价的影响下，人均收入对人均食品支出的影响更大。 三、实验总结 1、熟悉了用spss软件对数据进行相关性分析，熟悉其操作过程。 2、通过spss软件输出的数据结果并能够分析其相互之间的关系，并且解决实际问题。 3、充分理解了相关性分析的应用原理。
数据分析实验报告
数据分析实验报告 文稿归稿存档编号：[KKUY-KKIO69-OTM243-OLUI129-G00I-FDQS58-
第一次试验报告 习题1.3 1建立数据集，定义变量并输入数据并保存。 2数据的描述，包括求均值、方差、中位数等统计量。 分析—描述统计—频率，选择如下： 输出： 统计量 全国居民 农村居民 城镇居民 N 有效 22 22 22 缺失 均值 1116.82 747.86 2336.41 中值 727.50 530.50 1499.50 方差 1031026.918 399673.838 4536136.444 百分位数 25 304.25 239.75 596.25 50 727.50 530.50 1499.50 75 1893.50 1197.00 4136.75 3画直方图，茎叶图，QQ 图。（全国居民） 分析—描述统计—探索，选择如下： 输出： 全国居民 Stem-and-Leaf Plot Frequency Stem & Leaf 5.00 0 . 56788 数据分析实验报告 【最新资料，WORD 文档，可编辑修改】
2.00 1 . 03 1.00 1 . 7 1.00 2 . 3 3.00 2 . 689 1.00 3 . 1 Stem width: 1000 Each leaf: 1 case(s) 分析—描述统计—QQ图，选择如下： 输出： 习题1.1 4数据正态性的检验：K—S检验，W检验数据： 取显着性水平为0.05 分析—描述统计—探索，选择如下：（1）K—S检验
结果：p=0.735 大于0.05 接受原假设，即数据来自正太总体。 （2 ）W 检验 结果：在Shapiro-Wilk 检验结果972.00 w ，p=0.174大于0.05 接受原假设，即数据来自正太总体。 习题1.5 5 多维正态数据的统计量 数据：
SAS软件运用实验指导书
数据分析 实验指导书 理学院实验中心数学专业实验室编写
实验一SAS系统的使用 【实验类型】（验证性） 【实验学时】2学时 【实验目的】使学生了解SAS系统，熟练掌握SAS数据集的建立及一些必要的SAS语句。 【实验内容】 1. 启动SAS系统，熟悉各个菜单的内容；在编辑窗口、日志窗口、输出窗口之间切换。 2. 建立数据集 表1 Name Sex Math Chinese English Alice f908591 Tom m958784 Jenny f939083 Mike m808580 Fred m848589 Kate f978382 Alex m929091 Cook m757876 Bennie f827984 Hellen f857484 Wincelet f908287 Butt m778179 Geoge m868582 Tod m898484 Chris f898487 Janet f866587 1）通过编辑程序将表1读入数据集sasuser.score; 2）将下面记事本中的数据读入SAS数据集，变量名为code name scale share price: 000096 广聚能源8500 0.059 1000 13.27 000099 中信海直6000 0.028 2000 14.2 000150 ST麦科特12600 -0.003 1500 7.12 000151 中成股份10500 0.026 1300 10.08 000153 新力药业2500 0.056 2000 22.75
3)将下面Excel表格中的数据导入SAS数据集work.gnp； name x1 x2 x3 x4 x5 x6 北京190.33 43.77 7.93 60.54 49.01 90.4 天津135.2 36.4 10.47 44.16 36.49 3.94 河北95.21 22.83 9.3 22.44 22.81 2.8 山西104.78 25.11 6.46 9.89 18.17 3.25 内蒙古128.41 27.63 8.94 12.58 23.99 3.27 辽宁145.68 32.83 17.79 27.29 39.09 3.47 吉林159.37 33.38 18.37 11.81 25.29 5.22 黑龙江116.22 29.57 13.24 13.76 21.75 6.04 上海221.11 38.64 12.53 115.65 50.82 5.89 江苏144.98 29.12 11.67 42.6 27.3 5.74 浙江169.92 32.75 21.72 47.12 34.35 5 安徽153.11 23.09 15.62 23.54 18.18 6.39 福建144.92 21.26 16.96 19.52 21.75 6.73 江西140.54 21.59 17.64 19.19 15.97 4.94 山东115.84 30.76 12.2 33.1 33.77 3.85 河南101.18 23.26 8.46 20.2 20.5 4.3 湖北140.64 28.26 12.35 18.53 20.95 6.23 湖南164.02 24.74 13.63 22.2 18.06 6.04 广东182.55 20.52 18.32 42.4 36.97 11.68 广西139.08 18.47 14.68 13.41 20.66 3.85 四川137.8 20.74 11.07 17.74 16.49 4.39 贵州121.67 21.53 12.58 14.49 12.18 4.57 云南124.27 19.81 8.89 14.22 15.53 3.03 陕西106.02 20.56 10.94 10.11 18 3.29 甘肃95.65 16.82 5.7 6.03 12.36 4.49 青海107.12 16.45 8.98 5.4 8.78 5.93 宁夏113.74 24.11 6.46 9.61 22.92 2.53 新疆123.24 38 13.72 4.64 17.77 5.75 4)使用VIEWTABLE格式新建数据集earn,输入如表所示数据Year earn 1981 125000 1982 136000 1983 122350 1984 65200 1985 844600 1986 255000 1987 265000 1988 280000 1989 136000
SPSS相关分析报告实验报告材料
本科教学实验报告 （实验）课程名称：数据分析技术系列实验
实验报告 学生姓名： 一、实验室名称： 二、实验项目名称：相关分析 三、实验原理 相关关系是不完全确定的随机关系。在相关关系的情况下，当一个或几个相互联系的变量取一定值得时候，与之相应的另一变量的值虽然不确定，但它仍然按照某种规律在一定的范围内变化。 按照数据度量的尺度不同，相关分析的方法也不同，连续变量之间的相关性常用Pearson简单相关系数测定；定序变量的相关系数常用Spearman秩相关系数和Kendall 秩相关系数测定；定类变量的相关分析要使用列连表分析法。 四、实验目的 理解相关分析的基本原理，掌握在SPSS软件中相关分析的主要参数设置及其含义，掌握SPSS软件分析结果的含义及其分析。 五、实验内容及步骤 实验内容：以雇员表为例，共有474条数据，运用相关分析方法对变量间的相关关系进行分析。
1）分析性别与工资之间是否存在相关关系。 2）分析教育程度与工资之间是否存在相关关系。 实验要求：掌握相关分析方法的计算思路及其在SPSS环境下的操作方法，掌握输出结果的解释。 1. 分析性别与工资之间是否存在相关关系。 分析：性别属于定类变量，是离散值，因使用卡方检验。 Step1.操作为Analyze \ Descriptive Statistics \ Crosstabs Step2.将性别（Gender）和收入（Current Salary）分别移入Rows列表框和Columns 列表框。
Step3.单击Statistics按钮，在弹出的子对话框中选中默认的Chi-square，进行卡方检验。退回到主对话框，单击ok。
典型相关分析
武夷学院实验报告 课程名称：多元统计分析项目名称：典型相关分析 姓名：专业：14信计班级：1班学号：同组成员：无 -、实验目的 1.对典型相关分析问题的思路、理论和方法认识; 2.SPSS软件相应计算结果确认与应用； 3.SPSS软件相应过程命令。 二、实验内容 这里通过典型相关分析来反映我国财政收入与财政支出之间的关系。第一组反映财政收入的指标有国内增值税、营业税、企业所得税、个人所得税、专项收入及行政事业性收费收入等，分别用X1-X6来表示。第二 组反映财政支出的指标有一般公共服务、国防、公共安全、教育、科学技术、社会保障和就业、医疗卫生与计划生育及节能环保等，分别用Y1-Y8来表示。原始数据如下： jts 10^ ?96K! 1?痼8496.6641 H929? 129.06M.820H W234 8? 225.0B425.1 '2W.39tU.31 实验课程：数据分析 信息与计算科学 业： 专 级： 班 号：学 姓名： 中北大学理学院． 实验一 SAS系统的使用 【实验目的】 了解SAS系统，熟练掌握SAS数据集的建立及一些必要的SAS语句。 【实验内容】 1. 将SCORE数据集的内容复制到一个临时数据集test。 SCORE数据集 English Math Sex Chinese Name 91 90 f 85 Alice 95 Tom m 87 84 93 90 Jenny f 83 80 85 80 Mike m 84 85 89 m Fred 97 83 f 82 Kate 92 Alex 90 m 91 75 Cook m 78 76 82 f Bennie 79 84 85 Hellen f 74 84 90 82 Wincelet f 87 77 Butt m 81 79 86 85 Geoge m 82 89 Tod m 84 84 89 Chris f 84 87 86 65 f 87 Janet math的高低拆分到3个不同的数据集：SCORE2．将数据集中的记录按照math大于等于90的到good数据集，math在80到89之间的到normal数据集，math 在80以下的到bad数据集。 3．将3题中得到的good，normal，bad数据集合并。 【实验所使用的仪器设备与软件平台】SAS 【实验方法与步骤】 1： DATA SCORE; INPUT NAME $ Sex $ Math Chinese English; CARDS; 2 91 85 Alice f 90 84 Tom m 95 87 83 f 93 90 Jenny 80 80 85 Mike m 89 85 m Fred 84 82 83 Kate f 97 91 Alex m 92 90 76 Cook m 78 75 84 82 79 f Bennie 84 74 Hellen f 85 87 82 Wincelet f 90 79 Butt m 77 81 82 m 86 85 Geoge 84 89 84 Tod m 87 84 f Chris 89 87 Janet f 86 65 ; ; Run PROC PRINT DATA=SCORE; DATA test; SET SCORE; ：2 good normal bad; DATA SCORE; SET; SELECT) output good; 90when(math>=) output normal; 80when(math>=&math<90) output bad; when(math<80; end; Run=good; DATA PRINT PROC=normal; DATA PRINT PROC=bad; DATA PRINT PROC ：3 All; DATA good normal bad; SET=All; DATA PROC PRINT;Run 3 【实验结果】 结果一： 实验五相关分析实验报关费 一、实验目得: 学习利用ｓpss对数据进行相关分析(积差相关、肯德尔等级相关)、偏相关分析。利用交叉表进行相关分析。 二、实验内容: 某班学生成绩表1如实验图表所示。 1.对该班物理成绩与数学成绩之间进行积差相关分析与肯德尔等级相关 分析. 2.在控制物理成绩不变得条件下，做数学成绩与英语成绩得相关分析（这 种情况下得相关分析称为偏相关分析)。 3.对该班物理成绩与数学成绩制作交叉表及进行其中得相关分析。 三、实验步骤： 1.选择分析→相关→双变量,弹出窗口，在对话框得变量列表中选变量 “数学成绩"、“物理成绩”,在相关系数列进行选择，本次实验选择 皮尔逊相关(积差相关)与肯德尔等级相关。单击选项，对描述统计量进 行选择,选择标准差与均值.单击确定,得出输出结果,对结果进行分析解 释。 2.选择分析→相关→偏相关，弹出窗口，在对话框得变量列表选变量“数 学成绩”、“英语成绩”,在控制列表选择要控制得变量“物理成绩”以在 控制物理成绩得影响下对变量数学成绩与英语成绩进行偏相关分析； 在“显著性检验”框中选双侧检验,单击确定，得出输出结果,对结果进 行分析解释． 3.选择分析→描述统计→交叉表，弹出窗口,对交叉表得行与列进行选 择，行选择为数学成绩，列选择为物理成绩.然后对统计量进行设置, 选择相关性,点击继续→确定,得出输出结果，对结果进行分析解释。 四、实验结果与分析: 表１ 五、实验结果及其分析: 分析一:由实验结果可观察出,数学成绩与物理成绩得积差相关系数r=0、７86，肯德尔等级相关系数r=０、602可知该班物理成绩与数学成绩之间存在显著相关。 分析二:由偏相关分析结果可知,英语成绩与数学成绩得相关系数ｒ=—0、1５8,英语成绩与物理成绩得相关系数r=－0、150,在物理成绩得控制下，数学成绩与 企业实习相关分析报告范文 本次外出实习，部里安排我到xx会计师事务所实习，主要任务是协助各注册会计师到各街道进行查账，主要工作有编制工作底稿，查阅凭证，帐簿，报表发现问题，提出审计意见，进行现金盘点，资产清查，编制审计报告等。 本次外出实习，我感觉收获特别大。第一：收集了很多教学素材案例，在审计过程中，一旦我发现有对我以后教学有用的东西，我都会用笔记本记录下来。故此，这次外出企业实习，我做的笔记就有3本。我相信这些素材将会对我以，后教学提供很多帮助。本学期我讲授企业单项实训课程，在授课时就经常顺手拈来我外出审计中碰到的很多案例感觉教学效果很好。第二：了解目前企业会计现状以及他们在做帐过程中存在的各种问题及种种舞弊现象。第三：向注册会计师学习了很多知识，对于我在审计过程中碰到的各种问题，我都会虚心地向xx会计师事务所的老师询问，对于我提出的各种轰炸式提问，他们都很耐心地给予回答。第四：近距离接触，真正了解到对会计人员各方面素质及要求，为我以后在讲授课程时对于授课内容如何有所侧重更有帮助。本次发言，张部长主要让我谈一谈目前企业对会计人员要求，我们在教学中应注重培养学生哪些方面知识.我以为主要有以下几方面：一，会计电算化知识 本次外出企业查帐，我发现大部分企业已实现用电脑做帐，而且大部分企业公司都是采用金蝶财务软件做帐，少部分采用用友软件做帐。故此，我们应重点加强这方面知识讲授，让每位同学都能达到熟练运用这2个财务软件.既然是用电脑做帐，对打字速度有一定要求，一般要求学生每分钟要达到40-50个字左右。 二，税务知识 本次外出企业查帐，我发现很多公司因为规模较小，只设有一名会计人员，会计人员可以说是一名多面手、做帐、报税等均是他的工作。所以，我们以后应加强税务知识讲授，尤其是税务实务操作练习，教会每会学生如何申请报税、计税、缴税、尤其是几个主要税种，如个人所得税、企业所得税、营业税、房产税等更要重点讲授。 三，出纳方面知识 由于我们的学生学历较低，很多同学毕业后只能担任出纳，故此，对于出纳工作主要职责(如登记现金日记帐、银行存款日记帐、保管库存现金、有价证券、空白发票、支票印章)以及应具备技能(如点钞、计算器、辩别真假钞票)等应让学生熟练掌握。 四，财会法规知识 实验一分析太阳黑子数序列 一、实验目的：了解时间序列分析的基本步骤，熟悉SAS/ETS软件使用方法。 二、实验内容：分析太阳黑子数序列。 三、实验要求：了解时间序列分析的基本步骤，注意各种语句的输出结果。 四、实验时间：2小时。 五、实验软件：SAS系统。 六、实验步骤 1、开机进入SAS系统。 2、创建名为exp1的SAS数据集，即在窗中输入下列语句： 3、保存此步骤中的程序，供以后分析使用（只需按工具条上的保存按钮然后填写完提问 后就可以把这段程序保存下来即可）。 4、绘数据与时间的关系图，初步识别序列，输入下列程序： ods html; ods listing close; 5、run;提交程序，在graph窗口中观察序列，可以看出此序列是均值平稳序列。 6、识别模型，输入如下程序。 7、提交程序，观察输出结果。初步识别序列为AR(2)模型。 8、估计和诊断。输入如下程序： 9、提交程序，观察输出结果。假设通过了白噪声检验，且模型合理，则进行预测。 10、进行预测，输入如下程序： 11、提交程序，观察输出结果。 12、退出SAS系统，关闭计算机。总程序： data exp1; infile "D:\"; input a1 @@; year=intnx('year','1jan1742'd,_n_-1); format year year4.; ; proc print;run; ods html; ods listing close; proc gplot data=exp1 ; symbol i=spline v=dot h=1 cv=red ci=green w=1; plot a1*year/autovref lvref=2 cframe=yellow cvref=black ; title "太阳黑子数序列"; run; proc arima data=exp1; identify var=a1 nlag=24 minic p=(0:5) q=(0:5); estimate p=3; forecast lead=6 interval=year id=year out=out; run; proc print data=out; run; 选取拟合模型的规则: 1.模型显著有效(残差检验为白噪声) 实验心得体会 在做测试技术的实验前,我以为不会难做,就像以前做物理实验一样,做完实验,然后两下子就将实验报告做完.直到做完测试实验时,我才知道其实并不容易做,但学到的知识与难度成正比,使我受益匪浅. 在做实验前,一定要将课本上的知识吃透,因为这是做实验的基础,否则,在老师讲解时就会听不懂,这将使你在做实验时的难度加大,浪费做实验的宝贵时间.比如做光伏的实验,你要清楚光伏的各种接法,如果你不清楚,在做实验时才去摸索,这将使你极大地浪费时间,使你事倍功半.做实验时,一定要亲力亲为,务必要将每个步骤,每个细节弄清楚,弄明白,实验后,还要复习,思考,这样,你的印象才深刻,记得才牢固,否则,过后不久你就会忘得一干二净,这还不如不做.做实验时,老师还会根据自己的亲身体会,将一些课本上没有的知识教给我们,拓宽我们的眼界,使我们认识到这门课程在生活中的应用是那么的广泛. 通过这次测试技术的实验,使我学到了不少实用的知识,更重要的是,做实验的过程,思考问题的方法,这与做其他的实验是通用的,真正使我们受益匪浅. 实验心得体会 这个学期我们学习了测试技术这门课程，它是一门综合应用相关课程的知识和内容来解决科研、生产、国防建设乃至人类生活所面临的测试问题的课程。测试技术是测量和实验的技术，涉及到测试方法的分类和选择，传感器的选择、标定、安装及信号获取，信号调理、变换、信号分析和特征识别、诊断等，涉及到测试系统静动态性能、测试动力学方面的考虑和自动化程度的提高，涉及到计算机技术基础和基于LabVIEW的虚拟测试技术的运用等。 课程知识的实用性很强，因此实验就显得非常重要，我们做了金属箔式应变片：单臂、半桥、全桥比较,回转机构振动测量及谱分析,悬臂梁一阶固有频率及阻尼系数测试三个实验。刚开始做实验的时候，由于自己的理论知识基础不好，在实验过程遇到了许多的难题，也使我感到理论知识的重要性。但是我并没有气垒，在实验中发现问题，自己看书，独立思考，最终解决问题，从而也就加深我对课本理论知识的理解，达到了“双赢”的效果。 实验中我学会了单臂单桥、半桥、全桥的性能的验证；用振动测试的方法，识别一小阻尼结构的（悬臂梁）一阶固有频率和阻尼系数；掌握压电加速度传感器的性能与使用方法；了解并掌握机械振动信号测量的基本方法；掌握测试信号的频率域分析方法；还有了解虚拟仪器的使用方法等等。实验过程中培养了我在实践中研究问题，分析问题和解决问 数据分析实验报告 【最新资料，WORD文档，可编辑修改】 第一次试验报告 习题1.3 1建立数据集，定义变量并输入数据并保存。 2数据的描述，包括求均值、方差、中位数等统计量。 分析—描述统计—频率，选择如下： 输出： 方差1031026.918399673.8384536136.444百分位数25304.25239.75596.25 50727.50530.501499.50 751893.501197.004136.75 3画直方图，茎叶图，QQ图。（全国居民） 分析—描述统计—探索，选择如下： 输出： 全国居民Stem-and-Leaf Plot Frequency Stem & Leaf 9.00 0 . 122223344 5.00 0 . 56788 2.00 1 . 03 1.00 1 . 7 1.00 2 . 3 3.00 2 . 689 1.00 3 . 1 Stem width: 1000 Each leaf: 1 case(s) 分析—描述统计—QQ图，选择如下： 输出： 习题1.1 4数据正态性的检验：K—S检验，W检验数据： 取显着性水平为0.05 分析—描述统计—探索，选择如下：（1）K—S检验 单样本Kolmogorov-Smirnov 检验 身高N60正态参数a,,b均值139.00 标准差7.064 最极端差别绝对值.089 正.045 负-.089 Kolmogorov-Smirnov Z.686 渐近显着性(双侧).735 a. 检验分布为正态分布。 b. 根据数据计算得到。 结果：p=0.735 大于0.05 接受原假设，即数据来自正太总体。（2）W检验 90-08年人民消费能力分析 一、问题提出 改革开放以来中国经济飞速发展，GDP连续超过德国、日本，现以成为世界上第二大经济体，人民生活水平不断提高，但受金融危机的影响，近几年来物价持续上涨，本月CPI创历史新高，人民的消费能力是否随着GDP的增加而增加呢？本文以中国经济年鉴中的“人民消费支出构成”的数据为依据利用统计软件SAS 进行了相关分析。数据如下 食品衣着居住家庭设备用品及服务交通通讯文教娱乐用品及服务医疗保健其他商品及服务 1990 58.8000 7.7700 17.3400 5.2900 1.4400 5.3700 3.2500 0.7400 1995 58.6200 6.8500 13.9100 5.2300 2.5800 7.8100 3.2400 1.7600 2000 49.1300 5.7500 15.4700 4.5200 5.5800 11.1800 5.2400 3.1400 2005 45.4800 5.8100 14.4900 4.3600 9.5900 11.5600 6.5800 2.1300 2007 43.0800 6.0000 17.8000 4.6300 10.1900 9.4800 6.5200 2.3000 2008 43.6700 5.7900 18.5400 4.7500 9.8400 8.5900 6.7200 2.0900 二、问题分析 1、通过对消费种类进行主成分分析判断人民的消费情况。 2、对主成分标准化后在分析各年的消费能力排名。 三、解决问题 3.1 SAS程序： data examp4_4; input id x1-x8; cards; 1990 58.8000 7.7700 17.3400 5.2900 1.4400 5.3700 3.2500 0.7400 1995 58.6200 6.8500 13.9100 5.2300 2.5800 7.8100 3.2400 1.7600 2000 49.1300 5.7500 15.4700 4.5200 5.5800 11.1800 5.2400 3.1400 2005 45.4800 5.8100 14.4900 4.3600 9.5900 11.5600 6.5800 2.1300 2007 43.0800 6.0000 17.8000 4.6300 10.1900 9.4800 6.5200 2.3000 2008 43.6700 5.7900 18.5400 4.7500 9.8400 8.5900 6.7200 2.0900 ; run; proc corr cov nosimple data=examp4_4; var x1-x8; run; proc princomp data=examp4_4 out=bb; var x1-x8; run; data score1; /*以下程序是对各年按第一主成分得分进行排名并打印结果*/ set bb; keep id prin1; 实验五相关分析实验报关费 一、实验目的： 学习利用spss对数据进行相关分析(积差相关、肯德尔等级相关)、偏相关分析。利用交叉表进行相关分析。 二、实验内容： 某班学生成绩表1如实验图表所示。 1.对该班物理成绩与数学成绩之间进行积差相关分析和肯德尔等级相关 分析。 2.在控制物理成绩不变的条件下，做数学成绩与英语成绩的相关分析（这 种情况下的相关分析称为偏相关分析）。 3.对该班物理成绩与数学成绩制作交叉表及进行其中的相关分析。 三、实验步骤： 1.选择分析→相关→双变量，弹出窗口，在对话框的变量列表中选变量 “数学成绩”、“物理成绩”，在相关系数列进行选择，本次实验选择 皮尔逊相关（积差相关）和肯德尔等级相关。单击选项，对描述统计 量进行选择，选择标准差和均值。单击确定，得出输出结果，对结果 进行分析解释。 2.选择分析→相关→偏相关，弹出窗口，在对话框的变量列表选变量“数 学成绩”、“英语成绩”，在控制列表选择要控制的变量“物理成绩” 以在控制物理成绩的影响下对变量数学成绩与英语成绩进行偏相关分 析；在“显著性检验”框中选双侧检验，单击确定，得出输出结果， 对结果进行分析解释。 3.选择分析→描述统计→交叉表，弹出窗口，对交叉表的行和列进行选 择，行选择为数学成绩，列选择为物理成绩。然后对统计量进行设置， 选择相关性，点击继续→确定，得出输出结果，对结果进行分析解释。 四、实验结果与分析： 表1 五、实验结果及其分析： 分析一：由实验结果可观察出，数学成绩与物理成绩的积差相关系数r=，肯德尔等级相关系数r=可知该班物理成绩和数学成绩之间存在显著相关。 课程论文 题目统计学实验 学院数学与统计学院 专业金融数学 班级14金融数学 学生姓名罗星蔓 指导教师胡桂华 职称教授 2016 年 6 月21 日 相关与回归分析实验报告 一、实验目的：用EXCEL进行相关分析和回归分析. 二、实验内容： 1.用EXCEL进行相关分析. 2.用EXCEL进行回归分析. 三、实验步骤 采用下面的例子进行相关分析和回归分析. 相关分析： 数学分数（x）统计学分数(y) 数学分数（x） 1 统计学分数(y) 0.986011 1 回归分析： SUMMARY OUTPUT 回归统计 Multiple R 0.986011 R Square 0.972217 Adjusted R 0.968744 Square 标准误差 2.403141 观测值 x 方差分 析 df SS MS F Significance F 回归分析1 1616.69 9 1616.69 9 279.943 8 1.65E-07 残差8 46.2006 9 5.77508 6 总计9 1662.9 Coefficie nts 标准误 差 t Stat P-valu e Lower 95% Upper 95% 下限 95.0% 上限 95.0% Intercept 12.32018 4.2862 79 2.8743 3 0.0206 91 2.4360 05 22.204 36 2.4360 05 22.204 36 数学分数（x）0.896821 0.0536 01 16.731 52 1.65E- 07 0.7732 18 1.0204 24 0.7732 18 1.0204 24 RESIDUAL OUTPUT 观测值预测统计学分数 (y) 残差标准残差 1 84.06587 0.934133 0.412293 2 93.03408 -1.03408 -0.4564 3 66.12945 3.87055 4 1.708324 4 93.03408 -3.03408 -1.33913 5 82.27223 0.727775 0.321214 6 90.34361 -0.34361 -0.15166 7 93.03408 0.965922 0.426323 8 52.67713 -2.67713 -1.18159 9 90.34361 2.656385 1.172433 10 84.06587 -2.06587 -0.9118 PROBABILITY OUTPUT 百分比排 位统计学分数 (y) 5 50 15 70 25 82 35 83 45 85 55 90 65 90 75 92 相关与回归分析实验报告 学 2014106146 号： 课程论文 题目统计学实验 学院数学与统计学院 专业金融数学 班级14金融数学 学生姓名罗星蔓 指导教师胡桂华 职称教授 2016 年 6 月21 日 相关与回归分析实验报告 一、实验目的：用EXCEL进行相关分析和回归 分析. 二、实验内容： 1.用EXCEL进行相关分析. 2.用EXCEL进行回归分析. 三、实验步骤 采用下面的例子进行相关分析和回归分析. 学生数学分数（x）统计学分数 (y) 1 2 3 4 5 6 7 8 9 10 80 90 60 90 78 87 90 45 87 80 85 92 70 90 83 90 94 50 93 82 相关分析： 数学分数（x）统计学分数(y) 数学分数（x） 1 统计学分数(y) 0.986011 1 回归分析： SUMMARY OUTPUT 回归统计 Multiple R 0.98601 1 R Square 0.97221 7 Adjusted R Square 0.96874 4 标准误差2.40314 1 观测值 x 方差分 析 df SS MS F Significanc e F 回归分析1 1616.69 9 1616.69 9 279.943 8 1.65E-07 残差8 46.2006 9 5.77508 6 总计9 1662.9 Coeffici ents 标准误 差 t Stat P-valu e Lower 95% Upper 95% 下限 95.0% 上限 95.0% Intercept 12.32018 4.2862 79 2.8743 3 0.0206 91 2.4360 05 22.204 36 2.4360 05 22.204 36 数学分数（x）0.896821 0.0536 01 16.731 52 1.65E- 07 0.7732 18 1.0204 24 0.7732 18 1.0204 24 RESIDUAL OUTPUT 观测值预测统计学分数 (y) 残差 标准残 差 1 84.06587 0.93413 3 0.41229 3 2 93.03408 -1.0340 8 -0.4564 3 66.12945 3.87055 4 1.70832 4 4 93.03408 -3.0340 8 -1.3391 3 5 82.27223 0.72777 5 0.32121 4 6 90.34361 -0.3436 1 -0.1516 6 7 93.03408 0.96592 2 0.42632 3 8 52.67713 -2.6771 3 -1.1815 9 9 90.34361 2.65638 5 1.17243 3 10 84.06587 -2.0658 7 -0.9118 PROBABILITY OUTPUT 百分比排 位统计学分数 (y) 5 50 15 70 25 82 35 83 实验课程专业统计软件应用 上课时间2012 学年 1 学期15 周（2012 年12 月18日—28 日） 学生姓名李艳学号2010211587 班级0331002 所在学院经济管 上课地点经管3 楼指导教师胡大权理学院 实验内容写作 第六章 一实验目的 1、理解方差分析的基本概念 2、学会常用的方差分析方法 二实验内容 实验原理：方差分析的基本原理是认为不同处理组的均值间的差别基本来源有两个：随机误差，如测 量误差造成的差异或个体间的差异，称为组内差异 根据老师的讲解和课本的习题完成思考与练习的5、6、7、8题。 第5题：为了寻求适应某地区的高产油菜品种，今选5个品种进行试验，每一种在4块条件完全相同的试验田上试种，其他施肥等田间管理措施完全一样。表 6.20所示为每一品种下每一块田的亩产量，根 据这些数据分析不同品种油菜的平均产量在显著水平0.05下有无显著性差异。 第一步分析 由于考虑的是控制变量对另一个观测变量的影响，而且是5个品种，所以不宜采用独立样本T检验，应该采用单因素方差分析。 第二步数据的组织 从实验材料中直接导入数据 第三步方差相等的齐性检验 由于方差分析的前提是各水平下的总体服从方差相等的正态分布，而且各组的方差具有齐性，其中正 态分布的要求并不是非常严格，但是对于方差相等的要求还是比较严格的，因此必须对方差相等的前提进 行检验。 第四步多重比较分析 通过上面的步骤，只能判断不同的施肥等田间操作效果是否有显著性差异，如果要想进一步了解究竟那 个品种与其他的有显著性均值差别等细节问题，就需要单击上图中的两两比较按钮。 第五步运行结果及分析 多重比较结果表：从该表可以看出分别对几个不同的品种进行的两两比较。最后我们可以得出结论第4品种是最好的。其他的次之。 第6题：某公司希望检测四种类型类型轮胎A,B,C,D的寿命，如表 6.21所示。其中每种轮胎应用在随选择的6种汽车上，在显著性水平0.05下判断不同类型轮胎的寿命间是否存在显著性差异。 第一步分析 由于考虑的是一个控制变量对另一个控制变量的影响，而且是4种轮胎，所以不宜采用独立样本T 检验，应该采用单因素方差分析。 第二步数据的组织 从实验材料中直接导入数据。 第三步方差相等的齐性检验 由于方差分析的前提是各水平下的总体服从方差相等的正态分布，而且各组的方差具有齐性，其中正态分 布的要求并不是非常严格，但是对于方差相等的要求还是比较严格的，因此必须对方差相等的前提进行检 验。选择菜单“分析”—均值比较—单因素ANOVA。 抑郁自评量表（SDS）实验报告 一、实验目的 通过实验了解受试抑郁的主观感受、轻重程度及其在治疗中的变化，掌握个别施测的使用方法。掌握抑郁自评量表的原理、实施、记分与结果解释方法。 二、实验材料 大学生心理测验系统 三、实验步骤 3.1 进入大学生心理测验系统后再点击进入人格特点测评项目。 3.2 点击测试项目名称即抑郁自评量表（SDS），进入抑郁自评量表界面。 3.3 输入被试信息，确定后桌面弹出测验指导与窗口，认真阅读指导语： ①在这个问卷测试当中有20个问题,请你依次回答这些问题，答案选项包括“没有或很少时间”、“少部分时间”、“相当多时间”和“绝大部分或全部时间”四个选项，每一测题只能选择一个答案； ②该问卷测试评定的是最近一周的实际感觉； ③本测验不计时间，但应凭自己的直觉反应进行作答，不要迟疑不决，拖延时间； ④有些题目你可能从未思考过，或者感到不太容易回答。对于这样的题目，同样要求你做出一种倾向性的选择。 确定阅读完毕后开始测试。 3.4 按照出现题目的先后顺序作答，直至答题完毕。 四、实验结果 4.1 受试信息 姓名：XXX性别：女年龄： 2 0 文化程度：本科测验耗时：00:00:43 4.2 受试结果 总粗分65 标准总分81.25 参考诊断：有（重度）抑郁症状 重点提示： 抑郁精神性，因子得分：6 抑郁躯体障碍，因子得分：27 抑郁精神运动性障碍，因子得分：6 抑郁心理障碍，因子得分：26 五、实验结果分析 该测试结果提示受试有重度抑郁的倾向，主要表现为： 情绪非常低落，感觉毫无生气，没有愉快的感觉，经常产生无助感或者绝望感，自怨自责。经常有活着太累，想解脱、出现消极的念头，还常哭泣或者整日愁眉苦脸，话语明显少，活动也少，兴趣缺乏，睡眠障碍明显，入睡困难或者早醒，性欲功能基本没有。 六、讨论或思考完整word版数据分析实验报告分析解析
spss相关分析实验报告
(实习报告)企业实习相关分析报告范文
时间序列分析,sas各种模型,作业神器
实验报告心得体会
数据分析实验报告
数据分析SAS报告
spss相关分析实验报告
相关与回归分析实验报告
相关与回归分析实验报告
spss实验报告最终版本
抑郁(SDS)焦虑自评量表(SAS)_实验报告