SPSS实例
SPSS案例分析实例(消费习惯)
SPSS案例分析实例(消费习惯)Spss论文购物习惯的统计学分析课程名称：SPSS所在专业：经济学+软件工程所在班级：09-1姓名：李丽媛杨晓楠孙同哲胡贞玉学号：0918250102091825010409182501050918250114一．描述性统计分析最大似然确定数分析男性与女性的年龄、家庭成员数量、家庭月收入、购物频率、自用商品、礼品、消费者类型最大似然确定数的分析表1-1表1-1表示的是男性与女性的年龄、家庭成员数量、家庭月收入、购物频率、自用商品、礼品、消费者类型从4个不同权重下分别作中心趋势的粗略最大似然确定数。
二．均值比较检验分析与T检验1.均值比较检验分析对年龄、家庭月收入、购物场所、购物频率、自用商品、礼品、消费者类型的均值比较检验分析如表2-1,、2-2所示表2-1表 2-2从图中可以看出，男性样本数为7，年龄的均值为2.14，中位数为2.0，交通状况的均值为2.86，中位数为3.00，家庭月收入的均值为2.14，中位数为2.0，购物场所的均值为2.14，中位数为2.0，购物频率的均值为2.14，中位数为2.0，购物频率的均值为1.71，中位数为2.0，自用商品的均值为1.86，中位数为2.0；礼品的均值为1.71，中位数为2.0，消费者类型的均值为2.29，中位数为2.00.2.单样本T检验月收入与全国平均月收入2.5的比较，购物频率与全国平均购物频率2.5比较如表2-3、2-4所示表2-3从图中可知，调查的样本总数为30，家庭月收入的中位数为1.90，购物频率的中位数是1.87。
家庭月收入F的相伴概率为0.925，大于显著性水平0.05，不能拒绝方差相等的假设，可以认为男性与女性的家庭月收入方差无显著差异；然后看方差相等时T 检验的结果，T统计量的相伴概率为0.394大于显著性水平0.05，不能拒绝T检验的零假设，也就是说，男性与女性的家庭月收入平均值不存在显著差异。
SPSS典型相关分析案例
SPSS典型相关分析案例典型相关分析（Canonical Correlation Analysis，CCA）是一种统计方法，用于研究两组变量之间的相关性。
它可以帮助研究人员了解两组变量之间的关系，并提供有关这些关系的详细信息。
在SPSS中，可以使用典型相关分析来探索两个或多个变量之间的关系，并进一步理解这些变量如何相互影响。
下面我们将介绍一个典型相关分析的案例，以展示如何在SPSS中执行该分析。
案例背景：假设我们有一个医学研究数据集，包含30名患者的多个生物标记物和他们的疾病严重程度评分。
我们希望了解这些生物标记物与疾病严重程度之间的关系，并查看是否可以建立一个线性模型来预测疾病严重程度。
以下是执行这个案例的步骤：第1步：准备数据首先，我们需要准备数据，确保所有变量都是数值型。
在SPSS中，我们可以通过检查数据集的描述性统计信息或查看变量视图来做到这一点。
第2步：导入数据在SPSS中，我们可以通过选择菜单中的"File"选项，然后选择"Open"来导入数据集。
我们应该选择包含待分析数据的文件，并确保正确指定变量的类型。
第3步：执行典型相关分析要执行典型相关分析，我们可以选择菜单中的"Analyze"选项，然后选择"Canonical Correlation"。
在弹出的对话框中，我们应该选择我们希望研究的生物标记物变量和疾病严重程度评分变量。
然后，我们可以选择一些选项，如方差-协方差矩阵、相关矩阵和判别系数，并点击"OK"执行分析。
第4步：解释结果完成分析后，SPSS将提供几个输出表。
我们应该关注典型相关系数和标准化典型系数，以了解两组变量之间的关系。
我们可以使用这些系数来解释生物标记物如何与疾病严重程度相关联，并找到最重要的变量。
此外，我们还可以使用SPSS提供的其他统计结果来进一步解释模型的效果和预测能力。
SPSS上机例子
一、数据的录入假设某试验为二种冬小麦品种（A1、A2），二种密度（B1、B2），三种氮肥用量（C1、C2、C3）的三因素随机区组设计，试验小区面积为0.05亩，重复三次，产量结果见下表数据输入后的形式：处理 1 2 3 总数平均A1B1C1 5 6 7 18 6 A1B1C215 16 17 48 16 A1B1C321 22 23 66 22 A1B2C110 12 11 33 11 A1B2C220 22 21 63 21 A1B2C322 23 24 69 23 A2B1C125 26 27 78 26 A2B1C230 33 36 99 33 A2B1C330 32 34 96 32 A2B2C119 22 22 63 21 A2B2C225 27 26 78 26 A2B2C323 24 22 69 23 总数245 265 270 780二、一般统计或者三、假设检验1、独立样本的t检验工厂的两个化验室，每天对所配的水样，分别测定其含氯量（ppm），下面是7天的记录，问：两化验室测定结果之间有无显著差异？（α=0.01）。
日期 1 2 3 4 5 6 7化验室A 1.15 1.86 0.75 1.82 1.14 1.65 1.90 化验室B 1.00 1.90 0.90 1.80 1.20 1.70 1.95四、方差分析1、单因素方差分析例：黑龙江某地淋溶土上玉米氮肥品种肥效试验，每亩施N6斤，小区面积54m2 ，随机区组设计，重复四次，玉米产量见下表：重复产量（公斤/亩）CK 碳铵硫铵硝铵氰铵尿素氯铵氨水1 126.8 233.8 261.0 277.2 196.4 272.5 264.6 253.42 148.7 231.1 263.3 268.7 208.9 246.1 252.9 274.13 121.9 226.0 248.4 291.7 203.1 269.4 267.5 246.34 83.1 221.3 259.2 255.4 141.6 232.5 150.3 251.9第一种选择：第二种选择：2、两因素方差分析为了研究土壤和施肥量对作物产量的影响，随机选取30棵长势相同的植株分别种到6块试验地，其高中低酸性12 22 1213 19 1311 20 1412 18 119 21 11碱性20 32 1522 26 1717 34 1819 30 1420 31 15这里的单变量是指一个因变量而非一个自变量。
SPSS数据分析实例
• 例2.1：某克山病区测得11例克山病患者与13名健康人 的血磷值(mmol)如下,问该地急性克山病患者与健康人 的血磷值是否相同
患者：0.84 1.05 1.20 1.20 1.39 1.53 1.67 1.80
1.87 2.07 2.11
健康人：0.54 0.64 0.64 0.75 0.76 0.81 1.16 1.20
t检验的假设如下： H0:两总体均数相同,μ1 =μ2
H1:两总体不均数相同,μ1 ≠μ2
两样本t检验对数据的要求： 1.小样本时要求分布不太偏 2.小样本时要求方差齐
∴应该先判断该数据是否符合t检验要求,即对数据进行简单描述
2.2.1 数据的简单描述
选择菜单项 分析
பைடு நூலகம்
描述统计
描述
,
系统弹出对话框
选择描述变量
取消文件拆分,不然会影响以后的统计分析
选择菜单项 数据 拆分文件 ,选择 分析所有个案,不创建组
2.2.2 绘制直方图
选择菜单项 Graph Histogram ,系统弹出对话框
将变量x选入Variable选择框内,单击ok,结果浏览窗口绘制出直方图
数据的分布不是特别偏, 没有十分突出的离群值 t检验具有一定的耐受性,稍稍偏离要求一点不 会影响统计分析结果
∴可以直接采用参数分析方法来分析,因是两样本均数的比较,确定采用 成组设计两样本均数比较的t检验来分析
2.3 按题目要求进行统计分析
用SPSS来做两样本均数比较的t检验,选择
分析
均值比较
独立样本T检验
出现t检验对话框
将变量x选入test对话框, 变量group选入grouping Variable对话框,Define Groups钮变黑,在Define Group两个框内分别输入1 和2,在这ok
spss的数据分析案例
引言概述：SPSS是一款广泛应用于统计学和社会科学领域的数据分析软件。
它具有强大的统计分析功能，能够帮助研究人员更好地理解数据和探索潜在的关联。
本文将通过一个实际的案例，介绍SPSS在数据分析中的应用。
正文内容：1.数据的收集和准备：详细描述数据的来源和收集方式。
解释数据的结构和格式。
分析数据的质量并进行必要的数据清洗，如处理缺失值、异常值和离群值。
2.描述性统计分析：利用SPSS计算数据的基本统计指标，如均值、中位数、标准差等，以便更好地了解数据的分布和特征。
绘制直方图、箱线图等图表来可视化数据的分布情况。
计算数据的相关系数来研究变量之间的关系。
3.统计推断分析：运用t检验、方差分析、回归分析等方法来检验假设和得出结论。
描述分析结果的显著性和实际意义。
进一步探讨可能的影响因素，并运用SPSS进行模型拟合和预测。
4.因子分析和聚类分析：运用因子分析方法来降维和提取变量的共性因子。
对提取出的因子进行解释和命名，以便更好地理解变量之间的关系。
运用聚类分析方法来探索数据样本的分组结构和相似性。
5.时间序列分析：将数据按照时间顺序进行排序，并探索数据的趋势、周期和季节性。
运用ARIMA模型或指数平滑法进行时间序列预测。
解释预测结果的可靠性和稳定性。
总结：本文以一个实际的案例为例，详细介绍了SPSS在数据分析中的应用。
通过数据的收集和准备，描述性统计分析，统计推断分析，因子分析和聚类分析以及时间序列分析等方面的阐述，我们可以较为全面地了解SPSS在数据分析中的强大功能和应用价值。
通过SPSS的数据分析，研究人员可以更好地理解数据、发现问题、做出准确的预测，从而对决策和政策的制定提供支持。
同样的方法可以应用于各种领域的数据分析，无论是市场调研、医学研究还是社会科学研究，SPSS都能够提供强大的分析工具和方法。
spss分析案例
spss分析案例SPSS分析案例。
在社会科学研究中，SPSS（Statistical Package for the Social Sciences）是一个非常常用的统计分析软件，它能够帮助研究者对数据进行有效的整理、分析和呈现。
本文将以一个实际的案例来介绍SPSS的使用，希望能够帮助读者更好地理解和运用这一工具。
案例背景：假设我们是一家餐饮公司的市场部门，想要了解不同地区的顾客对我们产品的满意度情况，以便进行有针对性的改进和营销活动。
我们收集了来自不同地区的顾客满意度调查数据，包括满意度评分和顾客所在地区。
数据准备：首先，我们需要将收集到的数据整理成SPSS可以识别的格式。
在SPSS中，我们可以将数据导入数据视图中，按照变量的不同类型进行设定，比如将地区设定为名义变量，满意度评分设定为数值型变量。
数据分析：接下来，我们可以进行数据分析了。
我们可以使用描述性统计方法来了解不同地区的顾客满意度评分的分布情况，比如平均值、标准差、最大值和最小值等。
这可以帮助我们直观地了解不同地区的满意度情况。
此外，我们还可以使用交叉表分析方法来探究地区和满意度评分之间的关系。
通过交叉表，我们可以清晰地看到不同地区的顾客在不同满意度评分下的分布情况，从而找出可能存在的关联关系。
结果呈现：最后，我们需要将分析结果进行呈现。
在SPSS中，我们可以利用图表功能来直观地展示数据分析的结果，比如制作柱状图或饼状图来展示不同地区的满意度评分分布情况。
此外，我们还可以利用报告功能来生成分析报告，将分析结果清晰地呈现给决策者。
结论：通过以上的分析，我们可以得出不同地区的顾客满意度情况，从而为下一步的改进和营销活动提供依据。
同时，我们也了解了如何使用SPSS来进行数据分析，希望本案例能够对读者有所帮助。
总结：SPSS作为一款强大的统计分析软件，可以帮助研究者对数据进行全面的分析和呈现。
通过本案例的介绍，希望读者能够更加熟练地运用SPSS，为自己的研究工作提供有力的支持。
大学生spss数据分析案例
大学生spss数据分析案例大学生SPSS数据分析案例。
在大学教育中，数据分析是一个非常重要的环节，尤其是对于社会科学和商业管理专业的学生来说。
SPSS（Statistical Package for the Social Sciences）是一个专业的统计分析软件，广泛应用于学术研究和商业决策中。
本文将以一个大学生SPSS数据分析案例为例，介绍如何使用SPSS进行数据分析。
案例背景：某大学社会科学专业的学生对大学生活满意度进行了调查，并收集了相关数据，包括学生的性别、年级、专业、宿舍类型、课程质量、宿舍环境、社交活动等方面的信息。
现在需要对这些数据进行分析，以了解不同因素对大学生活满意度的影响。
数据准备：首先，需要将调查所得的数据录入SPSS软件中，确保数据的准确性和完整性。
在录入数据时，要注意将不同的变量分别录入不同的列中，以便后续的分析和处理。
数据分析：1. 描述统计分析。
首先，可以对各个变量进行描述统计分析，包括计算均值、标准差、频数分布等。
通过描述统计分析，可以直观地了解各个变量的分布情况，为后续的分析提供基础。
2. 相关性分析。
接下来，可以进行各个变量之间的相关性分析，通过相关系数的计算来了解不同变量之间的关联程度。
例如，可以分析学生的性别、年级、专业与大学生活满意度之间的相关性，以及宿舍类型、课程质量、社交活动等因素对大学生活满意度的影响程度。
3. 方差分析。
针对分类变量，可以进行方差分析，比较不同组别之间的均值差异是否显著。
例如，可以分析不同年级、不同专业的学生对大学生活满意度的差异情况，以及不同宿舍类型对大学生活满意度的影响是否显著。
4. 回归分析。
最后，可以利用回归分析来探讨不同因素对大学生活满意度的影响程度。
通过建立回归模型，可以了解各个自变量对因变量的影响情况，以及它们之间的关系强度和方向。
结论与建议：通过以上的数据分析，可以得出不同因素对大学生活满意度的影响程度，为学校和相关部门提供决策建议。
spss案例分析
spss案例分析SPSS案例分析。
SPSS（Statistical Package for the Social Sciences）是一种统计分析软件，广泛应用于社会科学、生物科学、医学科学等领域。
它提供了强大的数据分析工具，可以帮助研究人员进行数据处理、统计分析和数据可视化。
在本文中，我们将通过一个实际案例来演示如何使用SPSS进行数据分析。
案例背景。
假设我们是一家电子商务公司的数据分析师，我们收集了一份关于用户购买行为的数据，希望通过分析这些数据来了解用户的购买习惯，从而制定更有效的营销策略。
数据描述。
我们的数据包括以下几个变量：用户ID，用户的唯一标识。
购买金额，用户在一段时间内的购买金额。
购买次数，用户在同一段时间内的购买次数。
平均购买金额，用户平均每次购买的金额。
性别，用户的性别。
年龄，用户的年龄。
注册时间，用户的注册时间。
数据分析。
首先，我们将导入数据到SPSS软件中，然后进行数据清洗和变量筛选。
接下来，我们可以使用SPSS中的统计分析功能来对数据进行探索性分析，包括描述统计、相关性分析、t检验、方差分析等。
描述统计。
我们可以通过描述统计来了解用户的购买行为情况，包括购买金额的分布、购买次数的分布、平均购买金额的均值和标准差等。
这些统计指标可以帮助我们更清楚地了解用户的购买习惯。
相关性分析。
我们可以利用SPSS进行相关性分析，探讨购买金额和其他变量之间的关系。
比如，我们可以分析购买金额与用户年龄的相关性，购买金额与购买次数的相关性等。
通过相关性分析，我们可以发现变量之间的关联性，从而为后续的分析提供参考。
t检验和方差分析。
如果我们想比较不同性别、不同年龄段用户之间的购买行为是否存在显著差异，可以利用SPSS进行t检验和方差分析。
这些分析可以帮助我们了解不同群体之间的差异性，为制定针对性营销策略提供依据。
数据可视化。
除了以上的统计分析，SPSS还提供了丰富的数据可视化功能，包括直方图、散点图、箱线图等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
关于移动商务接受度与价值链增值调查的分析报告移动商务是指对通过移动通讯网络进行数据传输，并且利于手机、PDA等移动终端开展各种商业经营活动的一种新电子商务模式。
移动商务中企业可以随时随地传输和交流各种商业信息，能够突破时空限制，交易的时间规律发生了变化，这重塑了原有的企业经营模式，使企业信息化扩展到与市场距离近似无缝的境地。
这种随时随地进行交易的模式带来了许多的便利，也使在决策时间上、影响因素上对原有商业模式起到很大的冲击。
故有必要研究移动商务的产业发展及未来趋势，以此来对应未来的产业变革。
此次我们小组共做了十五份卷，并用SPSS软件对最后的结果进行了分析。
其中涉及了Frequencies Correlations Crosstabs Means等分析，将问卷所涉及的一些问题的相关性、一些选项出现的频率、两个问题三个问题之间的联系或一组问题等进行分析，得到了一些结论。
分析结果如下所示：命令：CORRELATIONS /V ARIABLES = v6 v73 v75 /PRINT =TWOTAIL NOSIG /MISSING =PAIRWISE.含义：分析月收入、购买名人或专家推荐的品牌和购买畅销品牌的相关性图表：分析：由此可以看出，月收入和购买名人或专家推荐的品牌之间的相关系数呈现较弱的正相关（0.098），该相关系数的显著性水平0.728>α值0.05，是不显著的，即"月收入越高"对购买名人或专家推荐的品牌的意向没有显著影响。
由此还可以看出，月收入和购买畅销品牌之间的相关系数呈现较强的正相关（0.659），该相关系数的显著性水平0.008<α值0.05，是显著的，即"月收入越高"对购买畅销品牌的意向有显著影响，购买意向越强。
由此还可以看出，购买名人或专家推荐的品牌和购买畅销品牌之间的相关系数呈现较强的正相关（0.310），该相关系数的显著性水平0..260>α值0.05，是不显著的，即月收入和购买名人或专家推荐的品牌对专家推荐的品牌没有什么显著影响。
所以结论是：月收入越高，越有购买畅销品牌的意向，起到了一定的作用。
命令：MEANS v45 BY v6 /STATISTICS =ALL.含义：通过均值分析月收入对移动商务花费预期高低的影响图表：分析：由于该调查问卷没有量化标准，无法准确进行均值分析，不过该分析选项是随着数值的增大而呈正线性相关的，所以采用均值分析是可以定性的分析问题的。
由图可以看出：月收入越少，那么花费的预期就越高，这正是反映了生活事实，收入越少，消费能力就相对较低，我们就觉得移动商务的花费高了。
命令：MEANS v49 BY v2 /STATISTICS =ALL.含义：通过均值分析年龄对移动商务是否影响健康意向的影响图表：分析：由图可以看出：年龄在31-40岁对健康问题最敏感，一般到这个年龄段，我们的身体素质就有些不如从前了。
年龄在20岁以下的身体免疫力还不是很强，健康也是很重要的。
年龄在21-30岁的人正当身体最强盛的时期，充满朝气。
命令：MEANS v53 BY v6 /STATISTICS =ALL.含义：通过均值分析月收入对移动商务是否值得购买的影响图表：分析：由图可以看出：月收入在800-1500的人群觉得移动商务不值得购买很多，原因应该是消费能力不够，月收入在800元以下的人群觉得移动商务不值得购买的意向不是很强，但我们看到标准差为1.000，证明他们的选择没有对移动商务有一定了解，他们的购买意向有不确定的成分。
1500以上觉得移动商务不值得购买的意向不是很强是很正常的，因为他们购买能力强，对移动商务的价格不是很敏感，注重移动商务的功能和服务等。
命令：、FREQUENCIES v59/PIECHART .含义：对购买者购买移动商务时所担心的问题的频率统计并用圆形比例图反映。
图表：统计量当你打算购买某移动商务产品时，最担心：N 有效15缺失0当你打算购买某移动商务产品时，最担心：频率百分比有效百分比累积百分比有效买不到称心商品后悔 1 6.7 6.7 6.7 商家夸大欺骗 6 40.0 40.0 46.7买到假货8 53.3 53.3 100.0合计15 100.0 100.0分析：以上是对当打算是否购买移动商务产品时，最担心的问题的统计从图及表可以看出害怕买到假货的占53.3%处于最高，担心商家夸大欺骗的占40.0%，担心买不到称心产品的占6.7%。
购买者对产品的真假最为关心。
对是否会得到亲朋好友的赞赏及找不到正规卖场并不担心。
命令：FREQUENCIES v9/BARCHART .含义：对被调查者对移动商务的了解程度的频率统计并用直方图表示。
图表：统计量认识程度N 有效15缺失0认识程度频率百分比有效百分比累积百分比有效了解 5 33.3 33.3 33.3听说过 6 40.0 40.0 73.3没听说过 4 26.7 26.7 100.0合计15 100.0 100.0分析：由表及图可以看出，在调查的所有样本有40.0%听说过移动商务，33.3%了解移动商务，26.7%没听说过，没有人用过移动商务。
这说明移动商务还处于起步阶段，有很多人持观望的态度，还没有真正的使用。
命令：CROSSTABS v6 BY v9 /STATISTICS =GAMMA D/CELLS = COUNT ROW.含义：对月收入和对移动商务的认识程度之间的相关性的统计。
图表：案例处理摘要案例有效的缺失合计N 百分比N 百分比N 百分比月均收入 * 认识程度15 100.0% 0 .0% 15 100.0%月均收入* 认识程度交叉制表认识程度了解听说过没听说过合计月均收入800元以下计数 1 2 1 4月均收入中的 % 25.0% 50.0% 25.0% 100.0% 800-1500 计数0 0 2 2月均收入中的 % .0% .0% 100.0% 100.0% 1500-3000 计数 2 4 1 7月均收入中的 % 28.6% 57.1% 14.3% 100.0% 3000-5000 计数 2 0 0 2月均收入中的 % 100.0% .0% .0% 100.0% 合计计数 5 6 4 15月均收入中的 % 33.3% 40.0% 26.7% 100.0%分析：由表可以看出月收入和对移动商务的认识之间是负相关的关系，同时结合选项的设置可知，当月收入越高时对移动商务的认识程度越高，从此可以看出移动商务和经济条件也有密切的联系。
全部代码：data list file ='d:\123.txt' records=2/v1 1 v2 2 v3 3 v4 4 v5 5 v6 6 v7 7 v8 8 v9 9 v10 10 v11 11v12 12 v13 13 v14 14 v15 15 v16 16 v17 17 v18 18 v19 19 v20 20 v21 21 v22 22 v23 23 v24 24 v25 25 v26 26 v27 27 v28 28 v29 29 v30 30 v31 31 v32 32 v33 33 v34 34 v35 35v36 36 v37 37 v38 38 v39 39 v40 40 v41 41 v42 42 v43 43 v44 44/v45 1 v46 2 v47 3 v48 4 v49 5 v50 6 v51 7 v52 8 v53 9 v54 10 v55 11 v56 12 v57 13 v5814 v59 15 v60 16 v61 17 v62 18 v63 19 v64 20 v65 21 v66 22 v67 23 v68 24 v69 25 v70 26 v7127 v72 28 v73 29v74 30 v75 31 v76 32 v77 33 v78 34 v79 35 v80 36-37 v81 38-39 .variable label v1 '性别' v2 '年龄' v3 '教育程度' v4 '婚姻状况' v5 '职业' v6 '月均收入' v7 '家庭人口' v8 '是否有小孩' v9 '认识程度' v10 '只是打电话' v11 '个人兴趣' v12 '时尚' v13 '提升生活质量' v14 '提高素质' v15 '移动商务服务新颖，代表未来新产业增长点心'/v16 '方便未来的生活，今后移动商务必然会逐步普及' v17 '移动商务服务种类繁多，能够吸引消费' v18 '移动商务目前不会引起周围人们的太多注意' v19 '移动商务价格太贵，目前多数人消费不起' v20 '目前推广动商务没有多大必要' v21 '移动商务存在安全问题，一般不敢接触'/v22 '经历' v23 '模式不可信' v24 '操作繁琐' v25 '不易界定服务标准' v26 '不知道如何使用' v27 '其他' v28 '各种定位与导航' v29 '空间数据库' v30 '移动计算终端' v31 '移动软件' v32 '价格低' v33 '终端的课操作性' v34 '移动通行费率低' v35 '终端软件的可选性' /v36 '其他' v37 '喜欢尝试新鲜事物' v38 '购买产品是一时的冲动和兴趣' v39 '在购物之前，宁愿多花时间比较也不愿事后后悔' v40 '对移动商务的销售渠道非常了解' v41 '对移动商务的服务内容非常了解' v42 '非常关心移动商务的发展' v43 '非常乐意尝试移动商务服务' v44 '会向亲朋好友推荐移动商务'/v45 '比我预期的要高' v46 '选择购买这种移动商务会浪费我很多时间' v47 '如果我购买会有很多人认为我不明智' v48 '购买后不得不花大量时间退换' v49 '使用该移动商务后因质量问题影响我身体健康' v50 '出于对产业发展怀疑我购买移动商务会让我不踏实' v51 '购买后发现不能达到预期功能需求'/v52 '如果购买产品不当将有损我的形象和信心' v53 '这种移动商务根本不值得花这么多钱' v54 '周围其他人是否已在用，直接影响到我是否购买' v55 '销售人员的态度影响我的购买意愿' v56 '买移动商务设备而没能买其他消费品感到后悔' v57 '当您确定是否需要购买移动商务时，最担心：' v58 '当您搜集产品或品牌信息时，最担心：'/v59 '当你打算购买某移动商务产品时，最担心：' v60 '当你决定购买移动商务时，最担心：' v61 '买完后，在最初使用移动商务的过程中，最担心：' v62 '如果您对购买移动商务的感觉良好，您会：' v63 '如果购买后感觉不好，您会：' v64 '我会花费更多时间去搜集该产品质量/价格方面的信息：' v65 '我会花费更多时间和精力与其他同类产品比较：' /v66 '我会更多的了解同类产品其他厂家的信息' v67 '我会更多的了解销售对个方面的承诺：' v68 '我会更多的了解该移动商务的口碑情况' v69 '我会购买过去使用并感到满意的产品' v70 '到信誉度高的卖场或专卖店购买' v71 '购买政府或权威检测机构检测合格的产品' v72 '购买在广告上经常看到的品牌' v73 '购买名人或专家推荐的品牌' v74 '购买名牌产品商价位产品'/v75 '购买畅销品牌' v76 '购买有促销活动的品牌' v77 '购买有退货退款保证的产品' v78 '购买有充分演示的产品' v79 '购买有出色的售后服务的品牌产品' v80 '组号' v81 '卷号'.value label v1 1 '男' 2 '女' /v2 1 '20岁以下' 2 '21-30岁' 3 '31-40岁' 4 '41-50岁' 5 '51岁以上' /v3 1 '初中及以下' 2 '高中/中专/中技' 3 '大学本科/专科' 4 '硕士及以上'/v4 1 '已婚' 2 '未婚' 3 '其他' /v5 1 '公司员工' 2 '公务员' 3 '农民工' 4 '离退休人员' 5 '学生' 6 '其他' /v6 1 '800元以下' 2 '800-1500' 3 '1500-3000' 4 '3000-5000' 5 '5000元以上' /v7 1 '3人以下' 2 '3人' 3 '4人' 4 '5人' 5 '5人以上' /v8 1 '是' 2 '否' /v9 1 '正在使用' 2 '了解' 3 '听说过' 4 '没听说过' /v10 1 '选' 0 '不选' /v11 1 '选' 0 '不选' /v12 1 '选' 0 '不选' /v13 1 '选' 0 '不选' /v14 1 '选' 0 '不选' /v15 1 '选' 0 '不选' /v16 1 '选' 0 '不选' /v17 1 '选' 0 '不选' /v17 1 '选' 0 '不选' /v18 1 '选' 0 '不选' /v19 1 '选' 0 '不选' /v20 1 '选' 0 '不选' /v21 1 '选' 0 '不选' /v22 1 '经常' 2 '偶尔' 3 '没有' /v23 1 '选' 0 '不选' /v24 1 '选' 0 '不选' /v25 1 '选' 0 '不选' /v26 1 '选' 0 '不选' /v27 1 '选' 0 '不选' /v28 1 '选' 0 '不选' /v29 1 '选' 0 '不选'/v30 1 '选' 0 '不选' /v31 1 '选' 0 '不选' /v32 1 '选' 0 '不选' /v33 1 '选' 0 '不选' /v341 '选' 0 '不选' /v35 1 '选' 0 '不选' /v36 1 '选' 0 '不选' /v37 1 '极不同意'2 '不同意'3 '不太同意'4 '不确定'5 '比较同意'6 '同意'7 '非常同意'/v38 1 '极不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v39 1 '极不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v40 1 '极不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意'/v41 1 '极不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v42 1 '极不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v42 1 '极不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意'/v43 1 '极不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v44 1 '极不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v45 1 '极不可能' 2 '不可能' 3 '有些不可能' 4 '不确定' 5 '有些可能' 6 '可能' 7 '极有可能' /v46 1 '极不可能' 2 '不可能' 3 '有些不可能' 4 '不确定' 5 '有些可能' 6 '可能' 7 '极有可能' /v47 1 '极不可能' 2 '不可能' 3 '有些不可能' 4 '不确定' 5 '有些可能' 6 '可能' 7 '极有可能' /v48 1 '极不可能' 2 '不可能' 3 '有些不可能' 4 '不确定' 5 '有些可能' 6 '可能' 7 '极有可能' /v49 1 '极不可能' 2 '不可能' 3 '有些不可能' 4 '不确定' 5 '有些可能' 6 '可能' 7 '极有可能' /v50 1 '极不可能' 2 '不可能' 3 '有些不可能' 4 '不确定' 5 '有些可能' 6 '可能' 7 '极有可能' /v51 1 '极不可能' 2 '不可能' 3 '有些不可能' 4 '不确定' 5 '有些可能' 6 '可能' 7 '极有可能' /v52 1 '极不可能' 2 '不可能' 3 '有些不可能' 4 '不确定' 5 '有些可能' 6 '可能' 7 '极有可能' /v53 1 '极不可能' 2 '不可能' 3 '有些不可能' 4 '不确定' 5 '有些可能' 6 '可能' 7 '极有可能' /v54 1 '极不可能' 2 '不可能' 3 '有些不可能' 4 '不确定' 5 '有些可能' 6 '可能' 7 '极有可能' /v55 1 '极不可能' 2 '不可能' 3 '有些不可能' 4 '不确定' 5 '有些可能' 6 '可能' 7 '极有可能' /v56 1 '极不可能' 2 '不可能' 3 '有些不可能' 4 '不确定' 5 '有些可能' 6 '可能' 7 '极有可能' /v57 1 '产品与宣传不符' 2 '价格高' 3 '质量不可靠' 4 '存在安全隐患' 5 '其他'/v58 1 '商品信息不够真实' 2 '信息搜索时间太长' 3 '信息来源不可靠' 4 '信息量少' 5 '其他' /v59 1 '买不到称心商品后悔' 2 '得不到亲朋好友的赞赏' 3 '商家夸大欺骗' 4 '买到假货' 5 '找不到正规卖点' /v60 1 '交易有风险怕货款损失' 2 '买到假货' 3 '质量出现问题不能使用' 4 '售后服务不好' 5 '其他'/v61 1 '不能兑现售后服务承诺' 2 '使用损害身体' 3 '没能购买其他同类产品而后悔' 4 '商家下调价格' 5 '其他' /v62 1 '继续购买' 2 '向亲朋好友推荐' 3 '尝试更多的移动商务服务' 4 '暂时什么也不做' 5 '其他' /v63 1 '退货或退款' 2 '向消协等投诉' 3 '自认倒霉' 4 '提醒别人不要购买' 5 '与销售人员或公司联系，指出产品不足与使用感受'/v64 1 '非常不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v65 1 '非常不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v66 1 '非常不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v67 1 '非常不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v68 1 '非常不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v69 1 '非常不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v70 1 '非常不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v71 1 '非常不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v72 1 '非常不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v73 1 '非常不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v74 1 '非常不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v75 1 '非常不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v76 1 '非常不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v77 1 '非常不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v78 1 '非常不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意' /v79 1 '非常不同意' 2 '不同意' 3 '不太同意' 4 '不确定' 5 '比较同意' 6 '同意' 7 '非常同意'.missing value v1 to v79 (9).FREQUENCIES v59/PIECHART .FREQUENCIES v9/BARCHART .CORRELATIONS /VARIABLES = v6 v73 v75 /PRINT =TWOTAIL NOSIG /MISSING =PAIRWISE.CROSSTABS v6 BY v9 /STATISTICS =GAMMA D/CELLS = COUNT ROW. CROSSTABS v6 BY v73 /STATISTICS =GAMMA D/CELLS = COUNT ROW.MEANS v45 BY v6 /STATISTICS =ALL.MEANS v49 BY v2 /STATISTICS =ALL.MEANS v53 BY v6 /STATISTICS =ALL.全部数据：21315131310000011010120000010001010064533476 54553553466511143243544666654435655 22315332310010110000030010000010010045323354 34352454465331431215554666454344435 12314342300011011000031000010000011062645335 52253655376231422317667677554453756 13426421200011010000020100000110110063556655 52535667557331431117776675553553656 21315132210010001000030100001001110052733263 52422255461331323237666544554444535 12226312200100011000120000010001000165444666 65464443563311431114656656643345564 22315332400010111000020010000011110063711454 66352766565113431346567776565666777 21315122400011110000020000010010010022323244 54446453456412311245556666453644666 24226121310000010000021000000011000032511222 55444644653525424412233254444545544 22315251410000011000030100000011000032511222 55444644653525424412233254444545544 11315322320100000000113000010010101005363333 46455533442644321445555565544454565 13226221410000000001130000100011000133622224 44543454555443422453343355533353456 12315432200100110010020010010010001054555555 43433555465513351325665555544554656 1231533121001001100002001000001100005343454555443355555521311355556656644554666 23422321310000010010020010010000000155645453 45556656643355355554465455555556675通过上述分析，我们得到了一些结论。