spss的数据分析报告范例1
SPSS数据分析报告(最终版)
SPSS数据分析报告(最终版)
本报告是基于SPSS软件对xxx的数据进行的分析以探索数据内容及特征的最终报告。
在本次数据分析中，主要使用了SPSS多维描述分析、卡方检验以及双因素方差分析
等多种统计方法，分析情况如下：
一、多维描述分析
通过SPSS对xxx的数据进行多维描述分析，我们可以获得如下结果：
1、利用计数分析，可以获得少数个变量的定量衡量索概况，如年龄段、人口性别比
例等；
2、通过求和和平均值等计算，可以得到多个变量的汇总信息，不仅可以做出宏观上
的判断，还能得到更加精准的数据判断；
3、对离散变量的分析可以通过比率图得出三维以上的图表，使变量的差异更加清晰
显示，以方便我们进行决策。
二、卡方检验
通过卡方检验，可以显示数据中变量之间的差异和关系，揭示变量的相互作用，以便
更好地弄清变量的影响程度。
本次分析结果是：xxxx变量与其它变量之间的关系属于非独立关系，有显著影响，有显著差异。
三、双因素方差分析
双因素方差分析是根据多个变量的相互作用来分析变量关系的一种方法。
SPSS双因素方差分析结果显示：两个变量xxx和yyy之间的相关性有显著的影响，差异显著，属于非
独立关系。
最终，本次数据分析结果表明，xxx的变量与其它变量之间有明显的差异和相关性，
从而可以有效地影响分析和决策，使政府、行业、公司等能够更好地掌握和把握市场发展
趋势。
spss的数据分析报告范例
spss的数据分析报告范例一、引言数据分析是科学研究过程中不可或缺的一部分。
针对一项研究项目，本报告将借助SPSS软件对收集的数据进行详尽分析，并提供相关结果和结论。
本报告的目的是帮助读者更好地理解数据，提供决策和制定战略所需的支持。
二、研究方法本研究的数据来源于一份问卷调查，共收集了500份有效问卷。
在问卷设计中，我们采用了随机抽样的方法，以保证样本的代表性。
该问卷包括了参与者的基本背景信息、满意度评价等方面的问题。
三、数据分析1. 受访者基本背景首先，我们对受访者的基本背景信息进行了统计分析。
其中包括性别、年龄、教育水平和职业等因素。
以下是相关结果的总结：（1）性别分布：男性占65%，女性占35%。
（2）年龄分布：年龄在18-24岁的受访者占40%；25-34岁的占30%；35-44岁的占20%；45岁及以上的占10%。
（3）教育水平：高中或以下占20%；本科占50%；研究生及以上占30%。
（4）职业：学生占25%；职员占40%；自由职业者占20%；其他占15%。
2. 满意度评价为了了解受访者对某产品的满意度，我们设计了一套评价体系。
通过SPSS软件进行数据分析，得到以下结果：（1）整体满意度：根据赋分制度，平均满意度得分为4.2（满分为5），表明受访者对该产品整体上持较高满意度。
（2）各项指标：通过因子分析，我们得到了几个影响满意度的关键因素。
其中，产品质量、价格和售后服务被认为是受访者最关注的方面。
3. 相关性分析在数据分析过程中，我们还进行了一些相关性分析，以探究不同变量之间的关系。
以下是一些值得关注的相关性结果：（1）性别与满意度之间的关系：经过卡方检验，我们发现性别与满意度之间存在一定的相关性（p < 0.05），女性对产品的满意度略高于男性。
（2）年龄与满意度之间的关系：通过相关系数分析，我们发现年龄与满意度呈现出弱相关关系（r = 0.15，p < 0.05），年龄越小，满意度越高。
Spss数据分析报告
S p s s数据分析报告1实验材料和原始数据1.1引入本文主要利用SPSS通过对3个除汗剂品牌：妮维娅、AXE、多芬在两个超市（沃尔玛和家乐福）的价格、促销，和AXE的周销售量数据，分析这两个因素对AXE周销售量的影响，为AXE这个除汗剂品牌设定一个恰当的模型形式。
进一步检验模型中是否存在自相关、异方差、共线性等问题，练习如何在SPSS中处理自相关、异方差，进一步完善模型，检验模型的表面效度，残差图，并最终计算模型的预测效度。
1.2AXE案例1.2.1三个品牌除汗剂的数据➢妮维娅➢AXE➢多芬1.2.2变量销售量(Sales)价格(Price)只有摆台(Display-only)只有促销(Feature-only)摆台和促销都有(FeatureandDisplay)2分析操作2.1数据线性拟合对家乐福的AXE数据进行线性拟合，所得到的结果如下：对沃尔玛的数据进行线性拟合，所得到的结果如下：2.2PoolingTest由于有两个超市Carrefour和Walmart的AXE的数据，因此在分析之前要先用SPSS进行PoolingTest。
PoolingTest所用到的公式是通过这个公式计算出F大小，然后通过在线网站计算出P值大小，从而判定能否混合计算。
2.2.1OLSPooling所得到的P值结果：结论是：P<0.0001，两个超市的AXE销售数据不能混合。
2.2.2OLSDVPooling结论是：P<0.0001，两个超市的AXE销售数据不能混合。
通过OLSPooling和OLSDVPooling都说明了两个超市的AXE销售数据不能混合。
所以接下来的分析和模型设立都会按照两个超市进行。
2.3描述性统计和模型设立2.3.1描述性统计沃尔玛AXE的销售情况接下来分析Display-only、Feature-only以及Display和Feature这三个变量对价格的影响。
考虑竞争对手的定价家乐福价格与销量相对于时间的变化促销手段对价格的影响竞争对手的价格定位2.3.2模型设立模型类型有两种：加法模型和乘法模型。
大学生spss数据分析报告范文
大学生spss数据分析报告范文1. 引言本报告基于一份关于大学生学习成绩和睡眠时长的数据集，通过SPSS软件进行数据分析。
研究目的是探究学习成绩和睡眠时长之间是否存在关联性，并进一步分析影响学习成绩的因素。
2. 方法2.1 数据收集采集的数据来自于500名大学生，其中包括了学习成绩（用分数表示）和睡眠时长（以小时为单位）两个变量。
2.2 数据处理使用SPSS软件对数据进行了处理。
首先进行了数据清洗，删除了缺失值或异常值；然后进行了数据变换，将睡眠时长转化为分类变量（如低于6小时、6-8小时、高于8小时），方便后续分析。
2.3 数据分析本研究采用了描述性统计和相关分析方法对数据进行了分析。
在描述性统计中，计算了学习成绩的平均值、标准差、最小值、最大值以及睡眠时长的分布情况；在相关分析中，计算了学习成绩和睡眠时长之间的相关系数。
3. 结果3.1 描述性统计学习成绩的平均值为78.5，标准差为8.7，最低分为60，最高分为95。
睡眠时长的分布情况如下：低于6小时的有35%的学生，6-8小时的有50%的学生，高于8小时的有15%的学生。
3.2 相关分析通过Pearson相关系数分析，学习成绩和睡眠时长之间的相关系数为0.32，显著性水平为0.001。
结果显示学习成绩与睡眠时长之间存在着一定的正相关关系。
4. 讨论通过本次数据分析，我们发现学习成绩和睡眠时长之间存在着正相关关系，即睡眠时间足够的学生往往会有更好的学习成绩。
这一结果与一些先前的研究结果相一致。
睡眠不足会导致大学生的注意力不集中、思维迟钝，从而影响他们的学业表现。
然而，本次研究仅仅发现了学习成绩和睡眠时长之间的相关关系，并没有进一步分析其他可能的因素对学习成绩的影响。
未来的研究可以考虑其他自变量，如学习时间、学习方法等，以便更全面地了解影响学习成绩的因素。
此外，本次研究样本容量较小，且仅包含大学生群体，所以结果的推广性受到了一定的限制。
未来研究可以扩大样本容量，涵盖更多不同年龄组的人群，以便得到更具有代表性的结论。
spss数据分析报告范文
SPSS数据分析报告范文1. 引言本报告旨在对所收集的数据进行分析和解释，以便为相关研究提供支持和指导。
该数据集包含了一份关于某个研究对象的信息，我们将使用SPSS统计软件对其进行数据分析。
2. 方法2.1 数据收集数据采集使用了问卷调查的方法，针对某个特定群体进行了调查。
该调查旨在了解该群体对某特定问题的看法和态度，并收集了一系列相关变量的数据。
2.2 数据清洗在进行数据分析之前，我们对数据进行了清洗和预处理。
这包括去除缺失值、异常值和重复值。
我们还检查了数据的完整性和一致性，并进行了必要的修正和调整。
2.3 数据分析我们使用SPSS软件对数据进行了多个统计分析方法的应用，包括描述统计分析、相关性分析和回归分析等。
这些方法可以帮助我们了解变量之间的关系和趋势，并对未来的发展进行预测。
3. 结果3.1 描述统计分析通过对数据进行描述统计分析，我们得到了一些关键指标和概括性信息。
例如，我们计算了每个变量的均值、中位数、标准差和最大最小值等。
这些指标可以帮助我们对数据有一个整体的了解。
3.2 相关性分析我们使用相关性分析来探索变量之间的关联程度。
通过计算相关系数，我们可以了解变量之间的线性关系的强弱。
这些结果可以帮助我们确定哪些变量彼此之间的关系较为密切，进而为进一步的分析提供基础。
3.3 回归分析回归分析是一种用于预测和解释因果关系的分析方法。
在本报告中，我们使用回归分析来确定自变量和因变量之间的关系，并建立回归模型。
通过这些模型，我们可以对未来的趋势和发展进行预测。
4. 讨论与结论4.1 讨论通过对数据的分析，我们发现了一些有意义的结果和趋势。
例如，我们观察到某些变量之间存在较强的相关性，或者某些自变量对因变量的影响较为显著。
这些发现可以为进一步的研究和分析提供线索和方向。
4.2 结论基于我们的分析结果，我们得出了一些结论和建议。
例如，我们可以建议在某些情况下采取特定的行动或改进措施，以达到某些预期的目标。
spss案例分析报告(精选)
spss案例分析报告（精选）本文通过分析一份 SPSS 数据，展示 SPSS 在统计分析中的应用。
数据概述本数据为一家咖啡馆的销售数据，共有 200 条记录，包括 7 个变量：日期、时间、收银员、商品名、销售价格、数量和总价。
SPSS 分析1. 描述性统计使用 SPSS 的描述性统计功能，可以获取数据的基本信息，如均值、标准偏差、最大值、最小值等。
其中，销售价格的均值为 44.71 元，标准偏差为 13.29 元，最小值为 23 元，最大值为 78 元。
数量的均值为 1.62 个，标准偏差为 0.51 个，最小值为 1 个，最大值为3 个。
总价的均值为 73.25 元，标准偏差为 21.89 元，最小值为 23 元，最大值为 156 元。
2. 单样本 t 检验假设一杯咖啡的平均售价为 50 元，我们可以使用单样本 t 检验对这个假设进行检验。
首先，我们需要用 SPSS 的数据透视表功能，计算出每杯咖啡的平均售价。
然后，使用单样本 t 检验功能，输入样本均值、假设的总体均值（50 元）、样本标准差、样本大小以及置信度水平。
在这个数据集中，单样本 t 检验得出的 t 值为 -2.36，P 值为 0.019，显著性水平为 0.05，因此我们可以拒绝原假设，认为该咖啡馆的咖啡售价不是 50 元。
4. 相关分析假设我们想要了解商品数量和销售额之间的关系，我们可以使用 SPSS 的相关分析功能来进行分析。
首先，我们需要使用数据透视表功能，计算出每个订单的总价和数量。
然后，使用相关分析功能，输入这两个变量的值，得出相关系数和显著性水平。
在这个数据集中，商品数量和销售额之间的相关系数为 0.749，P 值为 0，显著性水平非常显著。
因此，我们可以认为商品数量和销售额之间存在极强的正相关关系。
结论本文通过 SPSS 对一份咖啡馆销售数据进行分析，展示了 SPSS 在统计分析中的应用。
通过描述性统计、单样本 t 检验、双样本 t 检验和相关分析等功能，我们可以获得数据的基本信息，检验假设，分析变量之间的关系，从而帮助企业更好地决策和管理。
SPSS数据分析报告金典模板三篇
SPSS数据分析报告金典模板三篇SPSS数据分析报告（模板一）学院：经济管理学院专业、班级： **人资*班学生姓名：某某人学二○一*年十一月十一日SPSS数据分析报告第一部分：原始资料和数据资料来源：华东交通大学经济管理学院11级人力资源管理3班29名同学实际情况编号姓名性别学科背景年龄身高体重体测成绩1 吕鑫0 文科20.5 164.2 54.2 812 王阳0 文科20 158.3 46.2 753 洪华阳0 理科21 171 57.2 714 刘卫秀0 理科21 165.5 54 755 吴梦琦0 文科21 166.2 48 696 韩玮0 文科20 164.3 47 617 汤丽娟0 文科21 162.8 48.2 668 江桂英0 理科20 157.2 44.2 709 熊如意0 文科20 166.5 54.5 7310 余婵0 文科19.5 156.2 45.5 7711 彭茜0 文科20 165.4 52.4 6612 赵丹0 文科20.5 174.3 55.6 7613 安怡君0 文科20 175 56.2 7214 武阳帆0 文科20.5 162.4 55.5 6715 倪亚萍0 文科22 157.5 48.6 7416 张明辉 1 文科21.5 170 60 7117 张春旭 1 理科20.5 168.5 57.8 8018 刘晓伟 1 文科21 170.5 59.5 7019 黄炜 1 文科20.5 171 62.2 7620 李强 1 文科20.5 167.5 56.5 6821 温明煌 1 文科21.5 170 60 7522 雷翀翀 1 理科21 168.5 60 7923 陈志强 1 文科22 180 70.4 7924 尹传萍 1 文科21.5 165.2 55.6 7825 郑南 1 理科21.5 168.5 55.9 6426 幸恒恒 1 文科21.5 168.5 58 7927 李拓 1 理科21.5 172 68.1 6628 张发宝 1 理科21 160.5 52.5 7329 杨涛 1 理科21.5 176 70.5 72原始资料和数据（SPSS软件截图）：图1 变量视图图2 数据视图第二部分：数据分析一、描述性分析打开文件“11人资3班29名同学的身高、体重、年龄数据”，通过菜单兰中的分析选项，进行描述性分析，选择年龄、体重和身高，求最大值、最小值、方差、偏度、峰度和均值，得到如下结果：表1-2年龄分布表年龄频率百分比有效百分比累积百分比有效19.50 1 3.4 3.4 3.420.00 6 20.7 20.7 24.120.50 6 20.7 20.7 44.821.00 7 24.1 24.1 69.021.50 7 24.1 24.1 93.122.00 2 6.9 6.9 100.0合计29 100.0 100.0图1-3身高分布直方图图1-4体重分布条形图文字描述：从SPSS 分析结果中可以得出，有效数据共有29个。
spss数据分析报告案例
SPSS数据分析报告案例1. 研究背景本研究旨在调查大学生是否存在晚睡现象，并探究晚睡与健康问题之间的关系。
通过采集大学生的睡眠时间、就寝时间以及健康状况等数据，利用SPSS软件进行数据分析，进一步了解大学生的睡眠状况与健康问题的关联。
2. 数据概况本研究共收集了200名大学生的数据，其中包括性别、年级、每晚睡眠时间、平均就寝时间、是否存在健康问题等变量。
下面是对数据的描述统计分析结果：•性别分布：男性占50%，女性占50%。
•年级分布：大一占25%，大二占30%，大三占25%，大四占20%。
•每晚睡眠时间：平均睡眠时间为7.8小时，标准差为1.2小时。
最小值为5小时，最大值为10小时。
•平均就寝时间：平均就寝时间为23:30，标准差为0.5小时。
最早就寝时间为22:00，最晚就寝时间为01:00。
•健康问题：共有45%的大学生存在健康问题。
3. 数据分析结果3.1 性别与睡眠时间的关系首先，我们探究性别与睡眠时间之间的关系。
利用独立样本T检验，得出以下的结果：•假设检验：男性和女性的睡眠时间是否存在显著差异？•结果：独立样本T检验显示，男性平均睡眠时间为7.6小时，女性平均睡眠时间为8.0小时。
T值为-2.14，P值为0.034，意味着男性和女性的睡眠时间存在显著差异。
3.2 年级与睡眠时间的关系我们进一步探究年级与睡眠时间的关系。
使用单因素方差分析（ANOVA），得出以下结果：•假设检验：各年级的睡眠时间是否存在显著差异？•结果：单因素方差分析显示，大一、大二、大三和大四的平均睡眠时间分别为7.7小时、7.9小时、8.1小时和7.6小时。
F值为2.75，P值为0.043，说明各年级之间的睡眠时间存在显著差异。
3.3 睡眠时间与健康问题的关系最后，我们分析睡眠时间与健康问题之间的关系。
利用相关分析，得出以下结果：•假设检验：睡眠时间与健康问题之间是否存在相关性？•结果：相关分析结果显示，睡眠时间和健康问题之间存在显著负相关（r = -0.25，P值 = 0.001），即睡眠时间越少，存在健康问题的可能性越大。
- 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)。
关于某地区361个人旅游情况统计分析报告一、数据介绍：本次分析的数据为某地区361个人旅游情况状况统计表，其中共包含七变量，分别是：年龄，为三类变量；性别，为二类变量（0代表女，1代表男）；收入，为一类变量；旅游花费，为一类变量；通道，为二类变量（0代表没走通道，1代表走通道）；旅游的积极性，为三类变量（0代表积极性差，1代表积极性一般，2代表积极性比较好，3代表积极性好 4代表积极性非常好）；额外收入,一类变量。
通过运用spss统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析，以了解该地区上述方面的综合状况，并分析个变量的分布特点及相互间的关系。
二、数据分析1、频数分析。
基本的统计分析往往从频数分析开始。
通过频数分地区359个人旅游基本状况的统计数据表，在性别、旅游的积极性不同的状况下的频数分析，从而了解该地区的男女职工数量、不同积极性情况的基本分布。
统计量积极性性别N 有效359 359缺失0 0首先，对该地区的男女性别分布进行频数分析，结果如下性别频率百分比有效百分比累积百分比有效女198 55.2 55.2 55.2男161 44.8 44.8 100.0合计359 100.0 100.0表说明，在该地区被调查的359个人中，有198名女性，161名男性，男女比例分别为44.8%和55.2%，该公司职工男女数量差距不大，女性略多于男性。
其次对原有数据中的旅游的积极性进行频数分析，结果如下表：积极性频率百分比有效百分比累积百分比有效差171 47.6 47.6 47.6一般79 22.0 22.0 69.6比较好79 22.0 22.0 91.6好24 6.7 6.7 98.3非常好 6 1.7 1.7 100.0合计359 100.0 100.0其次对原有数据中的积极性进行频数分析，结果如下表：其次对原有数据中的是否进通道进行频数分析，结果如下表：Statistics通道N Valid 359Missing 0这说明，在该地区被调查的359个人中，有没走通道的占81.6%，占绝大多数。
上表及其直方图说明，被调查的359个人中，对与旅游积极性差的组频数最高的，为171 人数的47.6%，其次为积极性一般和比较好的，占比例都为22.0%，积性为好的和非常好的比例比较低，分别为24人和6人，占总体的比例为6.7%和1.7%。
2、描述统计分析。
再通过简单的频数统计分析了解了职工在性别和受教育水平上的总体分布状况后，我们还需要对数据中的其他变量特征有更为精确的认识，这就需要通过计算基本描述统计的方法来实现。
下面就对各个变量进行描述统计分析，得到它们的均值、标准差、片度峰度等数据，以进一步把我数据的集中趋势和离散趋势。
如表所示，以起始工资为例读取分析结果，359个人中收入最小值为7.426￥，最大值为6250.00000￥，平均1032.9302￥，标准差为762.5239￥偏度系数和峰度系数分别为1.790和6.869。
其他数据依此读取，则该表表明该地区旅游花费的详细分布状况。
3、探索性数据分析（1）交叉分析。
通过频数分析能够掌握单个变量的数据分布情况，但是在实际分析中，不仅要了解单个变量的分布特征，还要分析多个变量不同取值下的分布，掌握多个变量的联合分布特征，进而分析变量之间的相互影响和关系。
就本数据而言，需要了解现工资与性别、年龄、受教育水平、起始工资、本单位工作经历、以前工作经历、职务等级的交叉分析。
现以现工资与职务等级的列联表分析为例，读取数据（下面数据分析表为截取的一部分）：Count上联表及Bar Chart涉及两个变量，即性别与积极性的二维交叉，反映了在不同的性别对于旅游积极性分布情况。
上表中，性别成为行向量，积极性列向量。
（2）性别与收入的探索性分析Descriptives性别Statistic Std. Error 收入女Mean 1005.28562 49.51479695% Confidence Interval for Mean Lower Bound 907.63853 Upper Bound 1102.932725% Trimmed Mean 957.92011Median 937.50000Variance 485439.577Std. Deviation 696.734940Minimum 7.426Maximum 3125.000Range 3117.574Interquartile Range 937.563Skewness .896 .173 Kurtosis .310 .344 男Mean 1066.92791 65.99321995% Confidence Interval for Mean Lower Bound 936.59779 Upper Bound 1197.258025% Trimmed Mean 986.95497Median 937.50000Variance 701171.907Std. Deviation 837.360082Minimum 58.630Maximum 6250.000Range 6191.370Interquartile Range 718.750Skewness 2.370 .191Kurtosis 10.166 .380收入Stem-and-Leaf Plots收入 Stem-and-Leaf Plot for性别= 女Frequency Stem & Leaf18.00 0 . 00111111111111111126.00 0 . 2222222222222333333333333317.00 0 . 4444444444455555533.00 0 . 66666666666666666666677777777777722.00 0 . 888999999999999999999913.00 1 . 000000000111118.00 1 . 22222222222222222318.00 1 . 4444555555555555554.00 1 . 77775.00 1 . 8888814.00 2 . 00000111111111.00 2 .4.00 2 . 55551.00 2 . 62.00 2 . 883.00 Extremes (>=3000)Stem width: 1000.000Each leaf: 1 case(s)收入 Stem-and-Leaf Plot for性别= 男Frequency Stem & Leaf15.00 0 . 00111111111111117.00 0 . 2222223333333333313.00 0 . 444444555555526.00 0 . 66666666666667777777777777 19.00 0 . 888889999999999999913.00 1 . 000000000001119.00 1 . 222222222222222222313.00 1 . 44445555555552.00 1 . 776.00 1 . 8888896.00 2 . 00011112.00 Extremes (>=2351)Stem width: 1000.000Each leaf: 1 case(s)结果分析如下收入女男平均数1005.28562 1066.92791均数的95%可信区间（907.63853，1102.93272）（936.59779，1197.25802）5%的调整均数957.92011 986.95497 中位数937.50000 937.50000标准差696.734940 837.360082标准差485439.577701171.907最小值7.426 58.630最大值3125.000 6250.000极差3117.574 6191.370四分位数间距937.563 718.750偏度系数 2.370 2.370峰度系数.31010.166（3）p-p图分析结果分析年龄在正态p-p图的散点近似成一条直线，无趋势正态p-p图的散点均匀分布在直线y=0的上下，故可认为本资料服从正态分布4、相关分析。
相关分析是分析客观事物之间关系的数量分析法，明确客观事之间有怎样的关系对理解和运用相关分析是极其重要的。
函数关系是指两事物之间的一种一一对应的关系，即当一个变量X取一定值时，另一个变量函数Y可以根据确定的函数取一定的值。
另一种普遍存在的关系是统计关系。
统计关系是指两事物之间的一种非一一对应的关系，即当一个变量X 取一定值时，另一个变量Y无法根据确定的函数取一定的值。
统计关系可分为线性关系和非线性关系。
事物之间的函数关系比较容易分析和测度，而事物之间的统计关系却不像函数关系那样直接，但确实普遍存在，并且有的关系强有的关系弱，程度各有差异。
如何测度事物之间的统计关系的强弱是人们关注的问题。
相关分析正是一种简单易行的测度事物之间统计关系的有效工具。
上表是对本次分析数据中，旅游花费、收入、、额外收入的相关分析，表中相关系数旁边有两个星号（**）的，表示显著性水平为0.01时，仍拒绝原假设。
一个星号（*）表示显著性水平为0.05是仍拒绝原假设。
先以现旅游花费这一变量与其他变量的相关性为例分析，由上表可知，旅游花费与额外收入的相关性最大，5.回归分析有相关性分析可得收入，旅游花费呈线性相关，因此作回归分析Variables Entered/Removed bModel VariablesEnteredVariablesRemoved Method1 收入a. Entera. All requested variables entered.b. Dependent Variable: 旅游花费由上图可知，现工资的分布可近似看作符合正态分布，现推断现工资变量的平均值是否为$3,000,0，因此可采取单样本t检验来进行分析。
分析如下：One-Sample Statistics单个样本统计量单个样本检验检验值 = 0t df Sig.(双侧)均值差值差分的 95% 置信区间 下限上限收入25.666358.000 1032.930214 953.78493 1112.07550由One-Sample Statistics 可知，359个被调查的人中收入平均值1032.93021 ，标准差为762.523942，均值标准误差为40.244474。
图表One-Sample Test 中，第二列是t 统计量的观测值为25.666；第三列是自由度为358（n-1）；第四列是t 统计量观测值的双尾概率值；第五列是样本均值和检验值的差；第六列和第七列是总体均值与原假设值差的95%的置信区间为（953.78493 , 1112.07550）。