SPSS分析报告讲解
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统计分析报告
spss统计分析报告SPSS统计分析报告【引言】统计分析是一种有效的数据处理工具，专门应用于对大量数据进行整理和分析的过程中。
SPSS（Statistical Package for the Social Sciences）是一款统计分析软件，广泛应用于社会科学、生物科学等研究领域。
本报告旨在通过SPSS统计分析软件对某研究对象的数据进行分析，并得出相关结论。
【方法】本次研究选取了一个具体的研究对象，收集相关的数据。
通过SPSS软件对收集到的数据进行了描述性统计分析、频数分析、相关性分析和T 检验分析等。
【描述性统计分析】描绘数据的中心趋势和离散程度是描述性统计分析的基本任务。
利用SPSS软件，我们计算了研究对象的平均值、中位数、标准差和极差等指标。
其中，平均值反映了数据的集中趋势，中位数则从中性化的角度看待该数据集。
标准差能够反映数据的离散程度，而极差则展示了数据范围的宽广程度。
【频数分析】频数分析是一种统计方法，用于描述和计数数据中出现各个变量的频率。
根据SPSS分析结果显示，我们可以得出研究对象的样本量、最小值、最大值以及频数等信息。
这些信息有助于我们对研究对象的整体情况有一个大致的了解。
【相关性分析】相关性分析是一种统计方法，用于研究两个或更多变量之间的关系。
通过SPSS，我们可以得到相关系数和相关显著性等信息。
其中，相关系数反映了变量之间的相关程度，其绝对值越大，相关程度就越强；相关显著性则判断了相关系数是否显著，从而确定是否存在显著的关联。
【T检验分析】T检验分析是一种统计方法，用于比较两组样本的差异是否具有统计学意义。
通过SPSS软件进行T检验分析，我们可以得到两组样本的平均值、标准差和实验组与对照组的显著性等信息。
这些数据将帮助我们判断两组样本之间是否存在差异，并且差异是否具有统计学意义。
【结果与讨论】根据SPSS统计分析结果，我们得出以下结论：- 对研究对象的描述性统计分析结果表明，数据的中心趋势较为稳定，并且具有一定的离散程度。
SPSS数据分析报告
SPSS数据分析报告一.研究背景数据分析是科学研究中非常重要的一个环节，它能够帮助研究者从数据中获取有用的信息以支持科学决策。
SPSS是常用的数据分析软件之一，它具有强大的数据处理和分析功能，可以帮助研究者进行多种统计分析。
二.数据收集与处理本研究收集到的数据包括100个样本，每个样本有以下三个变量：性别、年龄和收入。
数据收集过程中，通过问卷调查的方式获取了样本的性别和年龄信息，同时进行了收入的调查和记录。
对于数据的处理，首先进行了数据清洗，删去了有缺失值的样本。
然后进行了数据的转换和标准化，使得整个数据集具备可分析性。
三.描述性统计分析四.相关分析为了探究变量之间的相关关系，采用皮尔逊相关系数进行相关分析。
结果显示，性别与收入之间的相关系数为-0.15，呈现弱的负相关关系；年龄与收入之间的相关系数为0.28，呈现中等强度的正相关关系。
这些结果提示性别对收入的影响较小，而年龄对收入有一定的影响。
五.t检验六.回归分析为了探究年龄对收入的影响，进行了回归分析。
将“年龄”设为自变量，将“收入”设为因变量，进行线性回归分析。
结果显示，回归方程为Y=1000+100X，其中Y代表收入，X代表年龄。
回归方程的R^2为0.08，说明年龄可以解释收入的8%的变异性。
这个结果提示年龄对收入有一定的解释力。
七.结论与讨论通过对100个样本的数据进行SPSS分析，我们得出以下结论：性别对收入的影响不显著。
年龄与收入呈现中等强度的正相关关系，年龄可以解释收入的8%的变异性。
这些结果对我们理解收入的影响因素具有指导意义，也给我们提供了相应的决策支持。
总之，SPSS数据分析报告可以帮助研究者从收集到的数据中提取有用信息，并对变量之间的关系进行探究。
通过描述性统计分析、相关分析、t检验和回归分析等方法，我们可以得出科学的结论，为进一步的科学研究和实践提供支持。
SPSS分析报告(二)
SPSS实验分析报告二一、婆媳关系*住房条件检验（一）、提出原假设H0原假设: 婆媳关系的好坏程度与住房条件有关系（二）、两独立样本t检验结果及分析表（一）觀察值處理摘要觀察值有效遺漏總計N百分比N百分比N百分比婆媳关系* 住房条件600100.0%00.0%600100.0%由表（一）可知, 本次调查获得的有效样本为600份, 没有遗漏的个案。
表（二）婆媳关系*住房条件交叉列表住房条件總計差一般好婆媳关系紧张計數577860195預期計數48.868.378.0195.0婆媳关系內的%29.2%40.0%30.8%100.0%住房条件內的%38.0%37.1%25.0%32.5%佔總計的百分比9.5%13.0%10.0%32.5%殘差8.39.8-18.0一般計數458763195預期計數48.868.378.0195.0婆媳关系內的%23.1%44.6%32.3%100.0%住房条件內的%30.0%41.4%26.3%32.5%佔總計的百分比7.5%14.5%10.5%32.5%殘差-3.818.8-15.0好計數4845117210預期計數52.573.584.0210.0婆媳关系內的%22.9%21.4%55.7%100.0%住房条件內的%32.0%21.4%48.8%35.0%佔總計的百分比8.0%7.5%19.5%35.0%殘差-4.5-28.533.0總計計數150210240600預期計數150.0210.0240.0600.0婆媳关系內的%25.0%35.0%40.0%100.0%住房条件內的%100.0%100.0%100.0%100.0%佔總計的百分比25.0%35.0%40.0%100.0%由表（二）可知, 一共调查了600人, 其中婆媳关系紧张的组有195人, 占总人数的32.5%；婆媳关系一般的组有195人, 占总人数的32.5%；婆媳关系好的组有210人, 占总人数的35.0%；数据分布均匀。
SPSS分析报告
SPSS分析报告一、研究问题和目的本研究旨在探究不同性别对购买行为的影响，并通过使用SPSS软件对数据进行分析，以验证统计结果的可靠性和准确性。
二、数据收集和样本描述本研究采用问卷调查的方式收集了购买行为数据，并针对不同性别的人群进行了分组。
共有200名被试参与了本研究，其中男性100人，女性100人。
被试的年龄在18岁至40岁之间，具有相似的教育水平和社会经济背景。
三、数据处理方法首先，对数据进行了清洗，包括删除不完整或无效的问卷。
然后，通过SPSS软件进行数据的描述性统计分析和推论统计分析。
描述性统计分析包括计算频数、均值和标准差，以了解不同性别的被试在购买行为上的一般特征。
推论统计分析则包括独立样本t检验和方差分析，用于分析不同性别在购买行为上是否存在显著差异。
四、结果分析1.描述性统计分析结果显示，在购买行为方面，男性平均得分为 3.8，标准差为0.7；女性平均得分为3.5，标准差为0.8、男性的购买行为得分略高于女性，且男性的购买行为得分的方差较小，说明男性在购买行为上更为稳定。
2.独立样本t检验结果显示，男性和女性在购买行为上存在显著差异(t=2.13,p<0.05)，即性别对购买行为有一定的影响。
3.方差分析结果显示，不同性别在购买行为上存在显著差异(F=4.28,p<0.05)。
通过事后比较发现，男性的购买行为得分显著高于女性。
五、讨论和结论本研究结果表明，性别在购买行为上具有一定的影响。
男性相比女性更倾向于积极主动地进行购买，具有更高的购买行为得分。
这可能与男性在社会角色、性别认同以及消费习惯上的差异有关。
本研究的结果对营销策略的制定具有一定的指导意义。
企业可以根据不同性别的消费特征来进行定向的营销活动，满足不同性别消费者的需求，提高销售额和市场份额。
然而，本研究也存在一些局限性。
首先，样本数量相对较小，可能导致结果的推广性有限。
其次，只考虑了性别因素，未考虑其他可能影响购买行为的因素，如年龄、教育水平等。
spss分析实验报告
SPSS分析实验报告引言SPSS（统计包括社会科学）是一种常用的统计分析软件，广泛应用于社会科学领域的数据分析。
本文将以“step by step thinking”为思维导向，详细介绍如何使用SPSS进行实验数据的分析和结果解读。
步骤一：数据导入首先，我们需要将实验数据导入SPSS软件中。
打开SPSS软件，点击“文件”菜单，并选择“导入数据”。
选择数据文件所在位置，并按照指示完成数据导入过程。
确认数据导入完成后，我们可以开始进行下一步分析。
步骤二：数据清洗在进行实验数据分析之前，我们需要对数据进行清洗，以确保数据的准确性和可靠性。
数据清洗的步骤包括删除重复数据、处理缺失值和异常值等。
通过点击SPSS软件中的“数据”菜单，我们可以找到相应的数据清洗工具，并按照指示进行操作。
步骤三：描述性统计描述性统计是对数据进行总体特征描述的过程。
在SPSS软件中，我们可以使用“统计”菜单中的“描述统计”工具进行描述性统计分析。
该工具可以计算数据的均值、标准差、中位数等统计量，为后续的分析提供参考。
步骤四：检验假设在进行实验数据分析时，我们通常需要检验某些假设是否成立。
SPSS软件提供了多种假设检验工具，如t检验、方差分析等。
通过点击“分析”菜单，并选择相应的假设检验工具，我们可以输入所需的参数，并进行假设检验。
根据检验结果，我们可以判断实验数据是否支持或拒绝了我们的假设。
步骤五：相关性分析相关性分析用于研究两个或多个变量之间的关系。
SPSS软件中的“相关”工具可以计算出变量之间的相关系数，并绘制相应的相关图表。
通过相关性分析，我们可以了解变量之间的线性关系，并得出相关系数的显著性程度。
步骤六：回归分析回归分析是一种用于预测和解释变量之间关系的统计方法。
在SPSS软件中，我们可以使用“回归”工具进行回归分析。
通过输入自变量和因变量，并进行回归分析，我们可以得到回归方程和相关统计指标，进而进行预测和解释。
结果解读根据以上分析步骤，我们可以得到一系列实验数据的统计分析结果。
spss数据分析报告
spss数据分析报告一、引言数据分析是科学研究中不可或缺的一环，它通过收集、整理和解释数据，为研究者提供可靠的依据和结论。
SPSS（统计分析软件包）是一种常用的数据分析工具，它提供了丰富的统计方法和功能，可以帮助研究者深入探究数据背后的规律。
本报告基于SPSS，对某项研究中的数据进行了深入分析。
二、研究目的与方法本研究旨在探究A地区人民对X产品的满意度与其年龄、性别、教育程度以及家庭收入之间的关系。
研究采用问卷调查的方法，共调查了200名居民。
问卷中分为多个维度的评价和个人信息，调查数据被输入SPSS软件进行分析处理。
三、数据处理与描述统计首先，对收集到的调查数据进行了处理和清洗，包括删除缺失值和异常值。
处理后得到完整的200个有效样本。
1.样本描述对于参与调查的200名居民，其中男性占比为50%，女性占比为50%。
年龄分布如下图所示：（插入年龄分布图表）调查结果显示，参与调查者的年龄跨度在20岁至65岁之间，平均年龄为35岁。
另外，在教育程度方面，本样本中具有高中学历的居民占比最高，达到40%，其次是大学学历（30%）、研究生学历（20%）和博士学历（10%）。
家庭收入方面，本研究将其按照万元进行划分，结果显示家庭收入在5万元至20万元之间的居民最多，达到60%，其次是20万元以上的居民（30%），5万元以下的居民占比最低（10%）。
2.满意度分析根据调查问卷中关于X产品的评价维度，对居民的满意度进行了评估。
结果显示，在外观方面，占比较高的是“非常满意”选项，达到55%；在性能方面，占比较高的是“满意”选项，达到60%；在价格方面，占比最高的是“一般满意”选项，达到45%；在服务方面，占比最高的是“非常满意”选项，达到50%。
通过综合评估，我们发现大约有40%的居民对X产品非常满意，30%的居民对产品满意，20%的居民认为产品一般，10%的居民表示不满意。
四、相关分析为了进一步探究A地区居民对X产品的满意度与其年龄、性别、教育程度和家庭收入之间的关系，我们进行了相关分析。
SPSS因子分析报告法-例子解释
因子分析的基本概念和步骤一、因子分析的意义在研究实际问题时往往希望尽可能多地收集相关变量，以期望能对问题有比较全面、完整的把握和认识。
例如，对高等学校科研状况的评价研究，可能会搜集诸如投入科研活动的人数、立项课题数、项目经费、经费支出、结项课题数、发表论文数、发表专著数、获得奖励数等多项指标；再例如，学生综合评价研究中，可能会搜集诸如基础课成绩、专业基础课成绩、专业课成绩、体育等各类课程的成绩以及累计获得各项奖学金的次数等。
虽然收集这些数据需要投入许多精力，虽然它们能够较为全面精确地描述事物，但在实际数据建模时，这些变量未必能真正发挥预期的作用，“投入”和“产出”并非呈合理的正比，反而会给统计分析带来很多问题，可以表现在：计算量的问题由于收集的变量较多，如果这些变量都参与数据建模，无疑会增加分析过程中的计算工作量。
虽然，现在的计算技术已得到了迅猛发展，但高维变量和海量数据仍是不容忽视的。
变量间的相关性问题收集到的诸多变量之间通常都会存在或多或少的相关性。
例如，高校科研状况评价中的立项课题数与项目经费、经费支出等之间会存在较高的相关性；学生综合评价研究中的专业基础课成绩与专业课成绩、获奖学金次数等之间也会存在较高的相关性。
而变量之间信息的高度重叠和高度相关会给统计方法的应用带来许多障碍。
例如，多元线性回归分析中，如果众多解释变量之间存在较强的相关性，即存在高度的多重共线性，那么会给回归方程的参数估计带来许多麻烦，致使回归方程参数不准确甚至模型不可用等。
类似的问题还有很多。
为了解决这些问题，最简单和最直接的解决方案是削减变量的个数，但这必然又会导致信息丢失和信息不完整等问题的产生。
为此，人们希望探索一种更为有效的解决方法，它既能大大减少参与数据建模的变量个数，同时也不会造成信息的大量丢失。
因子分析正式这样一种能够有效降低变量维数，并已得到广泛应用的分析方法。
因子分析的概念起源于20 世纪初Karl Pearson 和Charles Spearmen 等人关于智力测验的统计分析。
- 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)。
目录一、前言 (2)二、背景说明与研究意义 (2)三、工作流程 (3)（一）、问卷调查部分 (3)（二）、SPSS分析部分 (6)四、理论支持 (7)4.1、理论模型一 (8)4.2、理论模型二 (9)4.3、理论模型三 (10)五、统计数据展示 (10)六、统计分析 (11)（一）、列联表分析1 (11)（二）、列联表分析2 (13)（三）、方差分析1 (19)（四）、方差分析2 (21)（五）、方差分析3 (23)（六）、方差分析4 (24)（七）、相关分析1 (25)（八）、相关分析2 (28)（九）、相关分析3 (29)（十）、相关分析4 (31)七、总结与建议 (33)（一）、结论总结 (33)（二）、相关建议 (35)八、附录 (36)一、前言本报告为SPSS统计分析与行业应用课程中的期末报告，本报告核心内容为SPSS的数据统计与分析。
该报告为一般大学生作品，内容为我们按照自己的意志进行作业，权威性不作保证，请读者自行斟酌，谢谢！二、背景说明与研究意义宏观上看，计算机是当代文明的一个重要组成部分，可以说现在人类社会正处于一个高度发达和高速发展的信息时代，而信息时代的重要载体便是计算机，从微观上看，个人计算机素质是工作的一项重要影响因素，提高计算机素质也是人们所追求的。
在当代中国大学教育背景下，培养和提高大学生计算机素质是各个大学重点进行的教育任务。
因此，本次研究管理学院学生计算机素质课题是具有一定程度的符合时代需求的课题，通过对管理学院三个年级（大二、大三、大四）的学生进行问卷调查，再对获得的数据,利用SPSS软件进行处理和分析（用到列联表、方差和相关性分析方法），从而得到一个客观真实的管理学院学生计算机素质状况，然后通过小组讨论分析，针对调查得出的结论而进一步提出相关的建议。
希望本次报告可为管理学院对未来学生计算机素质的培养和提高提供一定的参考价值。
三、工作流程（一）、问卷调查部分问卷调查的作业流程我们将按照指导老师的授课内容，结合本组查阅的资料与实际情况进行。
问卷调查法采集信息的步骤（一）调查对象：管理学院大二，大三，大四学生调查方式：问卷调查样本量：350样本量的确立：n=P(1-P)/(e2/Z2+ P(1-P)/N)其中，样本变异度P：0.5调查结果的精度值e：0.05统计量Z：1.96（置信区间95%）总体个数N：1404（统计自各班级学委）计算得n=301.63，由于需要考虑到误差等因素，最终取值需大于这个理论值，因此，为了方便统计，最终选取的样本量为350样本抽样方式：分层抽样。
由于本次调查的总体中各个样本间无明显排序关系，群与群之间差异大，群内个体之间差异小，故本组采用分层抽样方式，以年级和专业为分层，按比例确立各年级各专业应有的样本量，再根据情况进行适度的调整，以最终确立样本量。
抽样汇总表：问卷调查法采集信息的步骤（二）本步骤主要确立此次问卷的调查方式，经小组商议，结合实际情况，本组最终决议为采用委托式现场调查，即将各年级各专业的问卷委托给其班内成员进行现场调查。
一方面节约了时间，提高了调查效率，另一方面由于是班内同学发放更容易获得被调查者的信任，从而相对更认真填写。
问卷调查法采集信息的步骤（三）本步骤为问卷的结构与设计部分。
考虑到本次问卷调查时间有限，为降低难度，本组采用完全结构化的问卷结构，问卷题目全部为单项选择题。
在问卷的设计上，我们遵从指导老师给的建议，首先查阅了相关的理论指导文献等相关资料，阅读后根据资料进行问卷题目的设计。
具体的理论模型将在下一部分详细说明。
问卷调查法采集信息的步骤（四）问卷收回的统计与分析部分。
问卷在全数回收后我组首先进行问卷的计数，并剔除空白问卷等无效问卷，而后进行问卷的信息采集。
统计软件我们使用的是EXCEL进行工作辅助。
分析维度上，我们由于在问卷开始设计了两道提问进行年级和专业的问题，因此我们以年级和专业为分析维度。
（二）、SPSS分析部分承接指导老师的课堂指导和课本知识的学习，在小组共同的讨论下，本组最终确立了基于课题的目标与步骤。
SPSS分析步骤（一）基于本次的研究目标和已有的事实数据，本组选择出一部分合适的问题作为分析对象。
这类合适的问题是根据本组的研究课题—管理学院学生计算机素质调查研究确立，根据问卷建立的参考模型，我们以计算机能力作为主要研究的一级指标对象，同时辅助以其它一级指标中的部分合适对象。
以最终在科学的一句下支撑我们的研究目标，力求结论的科学和严谨。
SPSS分析步骤（二）在确立了研究的对象，本组从统计问卷的数据总表中抽调出需要的数据制成原始的分析数据表，考虑到SPSS数据分析的特性，结合课程学习到的知识，本组首先选择了对数据先进行预处理。
在小组讨论和相关知识的查找下，本组确立了以数字代表所有具体属性值信息，以此制成最终的数据总表。
（详细请见统计数据展示部分）SPSS分析步骤（三）在获取了最终的数据总表后，本组开始进行以SPSS软件为核心的数据分析，为保证数据分析的逻辑性和科学性，本组以教材中的案例步骤为参考，制定了合适本次分析的步骤与选用的分析方法。
（详细请见统计分析部分）四、理论支持本次我组的理论支持上除了指导老师的授课内容部分，还自行进行了相关的文献资料查阅，在这一部分我们将详细描述我组此次工作的理论支持。
4.1、理论模型一（信息来源：《中职计算机操作课中学生发展性评价指标体系的构建》）计算机知识：主要为识记教材中所涉及的关于信息，信息技术，计算机硬件，应用软件的使用等一般知识。
如计算机发展过程及应用领域，计算机硬件与软件的系统组成，计算机的常用设备，计算机信息安全意识和病毒防范意识以及网络相关概念等。
计算机技能：（1）文字录入技能（2）基本操作技能（3）办公软件应用技能（4）网络应用技能（5）多媒体技术应用技能计算机能力：（1）分析解决问题能力（2）信息能力（3）创新能力（4）协作能力（5）自主学习能力（6）发布成果能力（7）反思能力计算机态度：（1）计算机学习态度（2）计算机学习兴趣（3）计算机道德意识4.2、理论模型二（信息来源：《计算机专业学生IT能力测评指标体系设计》）针对该评价指标体系，由于实际设计问卷上不肯能覆盖到该指标体系的所有指标，我们只能选取部分指标应用于本次问卷设计中。
4.3、理论模型三（信息来源：《构建贵州商专非计算机专业学生信息素养评价指标体系》）本模型的参考意义在于从更高层次的视角去看待本次问卷设计，本次问卷调查主题属于信息素质调查的范畴，因而，参考更高一级的理论模型出发设计问卷有助于体现本次调查问卷的宏观科学性。
五、统计数据展示承接前面提到的数据处理，我们将年级专业选择项等属性预处理转化为数字，方便理解和统计分析，最终形成的总表如图所示：年级：1代表10级，2代表11级，3代表12级；专业：1代表公管与社保，2代表人力，3代表信管，4代表财管；选择项:1代表A，2代表B，3代表C，4代表D，5代表E，6代表F。
由此形成的数据总表便是我们对接下要进行各类分析方法的对象。
六、统计分析（一）、列联表分析11、操作步骤进入数据文件，选择“分析”|“描述统计”|“交叉表”命令，在对话框左侧选择“专业”进入“行”列表框。
在左侧对话框选择“年级”进入“列”列表框。
因为没有其它变量参与列联表分析，所以我们没有层控制变量。
然后，单击“交叉表”对话框右侧的“单元格”按钮，选中“观察值”复选框，在“百分比”选项组中选中“行”、“列”、“总计”复选框。
如下图所示：2、结果分析（1）、数据信息如表3.1.1所示，样本数为340，没有缺失值。
表3.1.1（2）、列联表分析如表6.1.2所示，参与调查的有三个年级，4个专业的学生，其中公管社保专业的学生有70人（占总数20.6%），人力专业的学生有137人（占总数的40.3%），信管专业的学生有74人（占总数的21.8%），财管专业有59人（占总数的17.4%）。
年级方面，2010级有98人（占总数28.8%），2011级有136人（占总数40.0%），2012级有106人（占总数的31.2%）。
从专业和年级上看，样本都是很有代表性的。
表6.1.2（二）、列联表分析21、操作步骤选择“分析”|“描述统计”|“交叉表”命令，选择“是否考证”进入“行”列表框。
在左侧选择“使用办公软件”，“了解计算机部件”，“通过计算机进行学习”，“思考可信度”，“社交活动”，“了解计算机语言”进入“列”列表框。
在“单元格”选项中，单击“交叉表”对话框右侧的“单元格”按钮，选中“观察值”复选框，在“百分比”选项组中选中“行”，“列”，“总计”复选框。
如下图所示：2、结果分析（1）、数据信息如表6.2.1所示，样本数为340，没有缺失值。
表6.2.1（2）、列联表分析表6.2.2可以看出，已经持有计算机相关证书或有意向考取证书的人占65%，其中30.3%的人使用办公软件很熟练，这比没有考证意向的人中熟练的人比例（24.4%）要高，而总体上看是否考证与能否熟练使用办公软件的百分比差别不大。
表3.2.2从表6.2.3可以看出，完全知道计算机部件的占总人数15.6%，部分知道的占68.5%，完全不知道的占15.9%。
考证的人完全知道计算机部件占14%，低于不考证的人（18.5%），考证的人完全不知道计算机部件的人占17.2%，高于不考证的人（13.4%），这两项形成对比。
看以看出，不考证的学生计算机基础知识并不比考证的人掌握得差。
表6.2.2表6.2.3可以看出，学院50%学生并没有学习过计算机编程，在不考证的人中，不知道计算机编程的占62.2%，而考证的人不知道编程的人占43.4%，说明考证学习编程比不考证的人多。
而学生大部分最了解的是C类语言和JAVA，说明学院在安排编程课程有一定的侧重性。
表3.2.3表6.2.4可以看出，考证的人大部分都通过计算机学习的频率高，这与不考证的人形成对比，不考证的人通过计算机学习的频率低的百分比比考证的人高。
表6.2.4表6.2.5可以看出，学生在获取信息时，基本都会思考信息的可信度，而不考证的人从未思考信息可信度的比例比考证的要高。
表3.2.5表6.2.6可以看出，考证的人经常通过计算机社交的占44.8%，明显比不考证（36.1%）的人要高，不考证的人从不使用计算机进行社交的占10.1%，这明显比考证的人（3.2%）要高，这也形成对比。
表6.2.6通过列联表的分析，可以看出考证的人的计算机能力比不考证的人要高，而在计算机知识方面两类的人差别不大。
这说明学院在安排课程上，比较注重安排计算机的基础课程，学生对于计算机的基本概念有一定的了解，而考证的人使用计算机的能力较不考证的人稍高。
（三）、方差分析11、操作步骤选择“分析”|“比较均值”|“单因素ANOVA”命令。