SPSS买房数据分析实施报告
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(二)
SPSS实验分析报告二一、婆媳关系*住房条件检验（一）、提出原假设原假设：婆媳关系的好坏程度与住房条件有关系H（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。
住房状况spss调查分析报告
唐 山 学 院专题分析报告题目：中国住房状况调查分析系 别：_________________________实 训 名 称：_________________________班 级：_________________________姓 名 学 号：________________________指 导 教 师：_________________________2015年7月3日经济管理系 １3财管本第七组 孙继斌332王锦涛336乔畅406 仇梦雅 413 高爱青 赵萌 SPSS 统计软件实训摘要：住房是人们生存发展的基本生活资料, 同时也是反映城市居民生活水平的重要指标。
本文利用spss软件对某地区住房状况抽样调查数据进行了频数分析、描述分析、探索分析，一维方差分析、相关分析、回归分析等一系列的分析，得出的结论有相当的咨询与决策价值。
对于存在的一些问题，提出了比较合理化的建议。
关键字：住房状况统计分析住房面积一、选题目的与意义住房是日常生活的基本需求，住房状况直接对人们的经济、工作和健康等方方面面产生深远的影响。
住房状况是对住户居住状况的综合评价。
住房状况实际是住户在制度约束下对住房属性选择的结果, 并受到了住房制度、地区自然环境、政治经济、社会文化和家庭状况等多因的影响。
它反映了住户的居住质量和数量, 并影响个人身体健康和社会稳定。
随着城市住房的发展，社会各界对城市住房状况也极为关注，因此，本文就有关住房状况的数据进行了相关分析。
二、静态分析统计分析往往是从了解数据的基本特征开始的。
通过对2993户住房基本状况的统计数据表，在户口状况、常住人口的不同状况下的频数分析，可以了解该地区居民的户口和常住人口的基本分布。
首先，对该地区的户口状况进行频数分析，结果如下：表2-1表2-2从表2-1可以看出，该地区的户口状况的均值为1.0561，大致可以了解该地区的大部分居民是本市户口，小部分人是外地户口。
spss买房数据分析报告
spss买房数据分析报告SPSS 买房数据分析报告在当今社会，买房是许多人人生中的重要决策之一。
为了更科学地了解买房相关的各种因素和趋势，我们借助 SPSS 软件进行了一系列数据分析。
首先，我们收集了大量的买房相关数据，包括房屋的地理位置、面积、价格、房龄、周边配套设施等多个方面。
这些数据来源广泛，涵盖了不同城市、不同区域的房产信息。
通过对房屋价格的分析，我们发现地理位置是影响房价的关键因素。
位于市中心或繁华地段的房屋价格普遍较高，而郊区或偏远地区的房价相对较低。
例如，在一线城市，市中心的房价每平方米可能高达数万元，而郊区可能只有几千元。
这一差异主要是由于市中心的交通便利性、商业配套设施完善以及就业机会多等因素所导致。
房屋的面积也对价格有着显著影响。
一般来说，面积越大的房屋价格越高，但并非呈线性增长关系。
在一定范围内，面积的增加会带来价格的大幅上涨，但超过某个阈值后，价格增长的幅度会逐渐减小。
这可能是因为对于大多数家庭来说，过大的面积并非必要，而且维护成本也较高。
房龄也是一个不可忽视的因素。
较新的房屋通常价格更高，因为它们在设计、建筑质量和设施配备上往往更符合现代的生活需求和标准。
而老旧房屋可能存在设施老化、维修成本高等问题，从而影响其价格。
周边配套设施对房价的影响同样重要。
周边有优质学校、医院、商场和公园的房屋，价格往往高于配套设施不完善的房屋。
这反映了人们对于生活便利性和品质的追求。
进一步的数据分析还发现，不同城市之间的房价差异巨大。
经济发达的城市房价普遍较高，而经济相对落后的城市房价则较为亲民。
这与城市的经济发展水平、人口流入流出情况以及政策调控等因素密切相关。
在购房人群方面，我们发现年龄、收入水平和家庭结构等因素也会影响购房决策。
年轻人通常更倾向于购买小户型、交通便利的房屋，以满足工作和社交的需求。
而有家庭的人则更注重房屋的面积、周边学校等因素。
收入水平较高的人群在购房时更注重房屋的品质和环境，对价格的敏感度相对较低。
spss的数据分析报告范文
spss的数据分析报告范文SPSS 的数据分析报告范文一、引言在当今的信息时代，数据成为了决策的重要依据。
通过对数据的深入分析，我们可以发现隐藏在其中的规律和趋势，为企业的发展、学术研究以及社会问题的解决提供有力的支持。
本报告将以具体数据集名称为例，运用 SPSS 软件进行数据分析，旨在揭示数据背后的有价值信息。
二、数据来源与背景（一）数据来源本次分析所使用的数据来源于具体的收集途径，如问卷调查、数据库等。
共收集了具体数量个样本，涵盖了相关的变量或指标。
（二）背景介绍这些数据是为了研究研究的主题或问题而收集的。
例如，可能是为了了解消费者的购买行为、员工的工作满意度，或者是某种疾病的发病因素等。
三、数据预处理（一）数据清理首先，对数据进行了初步的清理工作。
检查并处理了缺失值，对于少量的缺失值，采用了具体的处理方法，如均值填充、删除等；对于存在异常值的数据，通过具体的判断方法和处理方式进行了处理。
（二）数据编码对分类变量进行了编码，将其转换为数字形式，以便于后续的分析。
例如，将性别变量编码为 0 和 1，分别代表男性和女性。
（三）数据标准化为了消除不同变量量纲的影响，对部分数据进行了标准化处理，使得各个变量在相同的尺度上进行比较和分析。
四、描述性统计分析（一）集中趋势计算了各个变量的均值、中位数和众数。
例如，年龄变量的均值为具体数值，中位数为具体数值，众数为具体数值，从而了解数据的中心位置。
（二）离散程度通过计算标准差、方差和极差，来描述数据的离散程度。
例如，收入变量的标准差为具体数值，方差为具体数值，极差为具体数值，反映了收入的分布范围。
（三）分布形态绘制了直方图和箱线图，观察数据的分布形态。
例如，成绩变量呈现出近似正态分布，而工作时间变量则呈现出偏态分布。
五、相关性分析（一）变量之间的相关性计算了各个变量之间的皮尔逊相关系数，以判断变量之间的线性关系。
结果发现，变量 A 与变量 B 之间存在显著的正相关关系（r ＝具体数值，p ＜ 005），而变量 C 与变量 D 之间则不存在显著的相关性（p ＞ 005）。
利用SPSS进行数据分析：报告撰写中的实践
利用SPSS进行数据分析：报告撰写中的实践引言：在现代社会，数据的收集和分析成为了各行各业的一项重要任务。
无论是学术研究、市场调研还是决策制定，数据的准确分析和对结果的科学解读都是至关重要的。
而SPSS作为一种常用的数据统计分析软件，在数据分析中扮演着重要的角色。
本文将探讨SPSS在报告撰写过程中的实践，旨在帮助读者更好地利用SPSS进行数据分析和报告撰写。
第一部分：数据清洗与整理数据清洗与整理是数据分析的基础，也是报告撰写中不可忽视的一环。
在数据分析之前，我们需要对原始数据进行清洗和整理，以保证数据的准确性和完整性。
具体来说，我们可以通过下面几个步骤来完成数据清洗与整理的工作：1. 数据清洗：删除重复数据、处理缺失值和异常值等。
2. 数据变量命名与编码：给每个变量起一个简洁明了的名称，并为其进行编码，方便后续的分析和报告撰写。
3. 数据转换与格式调整：将数据转换为适合分析的格式，如将文本数据转换为数值型数据，并调整日期和时间的格式等。
4. 数据筛选与抽样：根据具体需求进行数据筛选和抽样，以便针对特定群体或时间段进行分析。
第二部分：描述性统计分析描述性统计分析是对数据进行初步探索的一种方法，通过计算各个变量的均值、标准差、最大值、最小值等指标，可以对数据的整体情况有一个大致了解。
在利用SPSS进行描述性统计分析时，我们可以使用下面几个功能：1. 频数分析：统计各个变量的频数和频率，并绘制频数分布表或频数分布图。
2. 中心趋势测度：计算各个变量的均值、中位数和众数等中心趋势指标，以评估数据的集中程度。
3. 离散程度测度：计算各个变量的标准差、方差和极差等离散程度指标，以评估数据的分散情况。
4. 分布形态测度：通过偏度和峰度等指标，判断数据是否符合正态分布。
第三部分：相关性分析相关性分析是用来研究两个或多个变量之间关系的一种方法，通过计算相关系数，可以判断变量之间的相关性强弱和方向。
在利用SPSS进行相关性分析时，我们可以使用以下功能：1. 相关系数矩阵：计算各个变量两两之间的相关系数，并绘制相关系数矩阵。
关于住房状况调查的SPSS统计数据分析论文
关于住房状况调查的SPSS统计数据分析一、数据介绍数据来源于统计分析方法与SPSS的应用（第二版）案例数据住房情况调查，分析的数据为2993个样本的住房状况，其中包含21个变量，分别为编码、所在区（A、B、C D、E）、性别（男、女）、年龄、文化程度（初中及以下、高中、大学、研究生及以上）、从业状况（行政事业单位、国营企业、私营企业、大专院校科研单位、失业、其他）婚姻（已婚、否）、常住人口、户口状况（本地户口、外地户口）、家庭收入、现住面积、人均面积、房屋产权、住房满意（满意、不满意）、未来三年（不买、购买）、计划面积、计划户型、购买类型、地理位置、购房价位、是否贷款（自筹、申请贷款）。
通过运用SPSS统计软件，对变量进行频数分析、样本T检验、相关分析等以了解2993个样本的住房状况并分析变量的分布特点及相互间的关系。
频数分析频数分析能够了解变量取值的状况，便于把握数据的分布特征。
（一）分析被调查家庭中户主文化程度与从业情况。
文化程度从业状况N有效29932993缺失00频率表频率百分比有效百分比累积百分比有效初中及以下80526.926.926.9高中（中专）125842.042.068.9大学（专、本科）89629.929.998.9研究生及以上34 1.1 1.1100.0合计2993100.0100.0从业状况条形图:由上表可以得到以下分析结论：首先，本次调查的总家庭为2993户，户主的文化程度是：人数最多的是高中，其次是大学和初中以下，人数大致相当，人数最少的是研究生及以上。
其次，本次被调查家庭户主从业情况是：人数最多的是国营企业、其次是行政事业单位和私营企业人数大致相当，人数最少的是大专院校科研单位。
三、单样本T检验：（一）提出原假设假设H0:总体均值与检验值之间不存在显著差异（二）选择检验统计量（三）计算检验统计量观测值和概率p值（四）给定显著性水平a,并作出决策检验被调查样本中的现住面积是否大于80平方米原假设H o：现住面积平均值等于80平方米对居民现住面积进行单样本T检验结论：由上表可知，在调查的2993个样本中，现有面积的平均值为62.7241平方米，标准差为25.90383，单样本T检验中t统计量的双尾概率P值为0.47349，比例中体均值的95%置信区间为(1.7957,3.6525 )。
- 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)。
《统计分析软件（双语）》实验报告题目：关于“某地区买房数据”的分析报告姓名：学号：1204100215专业：统计学院系：统计学院指导教师：完成日期：2014年12月10日摘要利用SPSS统计分析软件对“某地区买房”数据进行了描述性统计分析，比较均值，相关分析，回归分析四大类型的数据分析。
其中在描述性统计分析中作了频数分析，探索分析，交叉分析，得出了该地区中年龄段在25~45居多，就业大多在国企，文化程度高中和大学所占比重大；大学学历的现居住面积较大，其最大值，最小值以及均值均大于其他三种学历的居住面积。
人均居住面积的单样本T检验的出了的结论是人均居住面积与均值之间存在显著性差异。
现居住面积和人居住面积的双变量的相关分析得出了两者之间存在显著性差异。
在回归分析中得出的结论是现居住面积是服从正态分布的且和满意度是显著相关的。
目录一、数据简要 (3)二、数据分析 (3)（一）描述分析性统计, (3)1，就业状况的频数分析 (3)2，文化程度的频数分析 (3)3，现居住面积及人均居住面积的描述性分析 (3)4，居住面积和文化程度的探索分析 (3)5，文化程度与年收入的交叉列联表分析 (3)（二）均值比较 (3)1，人均现住面积和年龄段的描述统计 (3)2，人均居住面积的单样本T检验 (3)3，现居住面积的独立样本T检验 (3)（三）相关分析 (3)1，现居住面积和人居住面积的双变量的相关分析 (3)2，人均居住面积，现居住面，居住类型的偏相关分析 (3)（四）回归分析 (3)三、小结 (3)一、数据简要本次分析的数据为某年某地719个人买房情况统计表，一共有11个变量，其中现居住面积与人均居住面积为scale变量，其余9个变量为nonscale变量，依次为年龄段，文化程度，从业状况，家庭类型，家庭年收入，住房满意度，卖掉现房，购买户型，是否贷款。
二、数据分析（一）描述分析性统计,1，就业状况的频数分析图1：就业状况条形图2，文化程度的频数分析图2：文化程度扇形图从图二中可以看出文化程度最比例最多的为高中占42.98%，接下来是大学为35.47%，初中以下为19.61%，最少的为研究生及以上只占1.95%。
3，现居住面积及人均居住面积的描述性分析表1：现居住面积及人均居住面积的描述性分析表Descriptive StatisticsN Minimum Maximum Mean Std. Deviation现居住面积719 6.00 168.00 58.9062 24.03677人均现住面积719 2.400 101.000 20.55481 12.728884Valid N (listwise) 719现居住面积及人均居住面积的描述性分析表表示现居住面积的有效数据为719，最小值，最大值，均值，标准差依次为6，168，58.9062，24.03677.由此可以得出现居住面积平均面积为58.9062，居住面积的围在6~168平方米之间，标准差为24.03677平方米。
而均值的有效数据为719，最小值，最大值，均值，标准差依次2.4，101,20.55481,12.728884。
,4，居住面积和文化程度的探索分析图3：居住面积和文化程度的探索分析箱图从居住面积和文化程度的探索分析箱图可以得出，大学学历的现居住面积较大，其最大值，最小值以及均值均大于其他三种学历。
也可以知道初中学历，高中，大学均有离群值，而研究生及以上没有离群值。
5，文化程度与年收入的交叉列联表分析表3：文化程度与年收入的交叉列联表Case Processing SummaryCasesValid Missing TotalN Percent N Percent N Percent文化程度* 家庭年收入719 100.0% 0 .0% 719 100.0%文化程度与年收入的交叉列联表给出了参加分析计算的样品统计，共有样品719个，没有缺失值，均为有效值。
图4：文化程度与年收入的交叉列联表从图3交叉分组下的频数分布图，从图中可以得出年收入最多75000元以上的在大学学历中，在高中及大学中年收入最多的为10000~25000元之间。
在初中学历中年收入大多都在5000~25000元之间。
研究生及以上的在10000~25000居多。
（二）均值比较1，人均现住面积和年龄段的描述统计表3：人均现住面积和年龄段的描述统计表Report表人均现住面积和年龄段的描述统计表是以年龄段为分组变量的统计结果，可以看出，不同年龄段的人均居住面积的有较大差异，人均居住面积最多的26.63721平方米在25岁以下，最少的18.01224平方米在35~45之间。
2，人均居住面积的单样本T检验表4：One-Sample StatisticsOne-Sample StatisticsN Mean Std. Deviation Std. Error Mean人均现住面积719 20.55481 12.728884 .474707基本统计量分析，如表可知，参与分析的样品数有719，平均值为20.55481，标准差为12.72884，均值误差为0.474707。
表5：One-Sample Test从表5可知单样本T检验结果为：自由度为718，t统计量为43.300，对应的置信水平为0,000,95%的置信区间为（19.6228,21.4868），因T=43.300对应的置信水平为0远小于0.05,因此拒绝原假设。
既人均现住面积与均值20.55481存在显著性差异。
3，现居住面积的独立样本T检验表6：Independent Samples Test表为独立样本T检验的结果，从表中可知，对样本的方差是否相等检验的结果为统计量F=0.，对应的置信水平为0.771，既拒绝原假设，两样本方差不等。
而对于T检验的结果为自由度为277，T=-0.，对应的置信水平为0.954远远大于设置的0.05，因此现居面积不存在显著新差异。
Group Statistics购买户型N Mean Std. Deviation Std. Error Mean现居住面积两室两厅94 56.0851 20.47378 2.11171 三室一厅185 56.2330 20.09668 1.47754表7：Group Statistics从上表中可知，参与分析的样本中两室两厅的有94个，其均值为56.0851，标准差为20.47378，均值误差为2.11171。
三室一厅的有185个，其均值为562330，标准差为20.09668均值误差为1.47754。
（三）相关分析1，现居住面积和人居住面积的双变量的相关分析表8：现居住面积和人居住面积的双变量的相关分析表Correlations现居住面积人均现住面积现居住面积Pearson Correlation 1 .572**Sig. (2-tailed) .000N 719 719人均现住面积Pearson （）Correlation .572** 1Sig. (2-tailed) .000N 719 719**. Correlation is significant at the 0.01 level (2-tailed).从现居住面积和人居住面积的双变量的相关分析表可以看出，现居住面积和人居住面积的相关系数为r=0,517，显著性水平为0.000（Sig.(2-tailed)）,因此在相关系数旁以两个“**”号进行标记，现居住面积和人居住面积的相关性十分显著。
2，人均居住面积，现居住面，居住类型的偏相关分析表9：人均居住面积，现居住面，居住类型的偏相关分表CorrelationsControl Variables 人均现住面积家庭类型现居住面积-none-a人均现住面积Correlation 1.000 -.564 .572Significance (2-tailed) . .000 .000df 0 717 717 家庭类型Correlation -.564 1.000 .169Significance (2-tailed) .000 . .000df 717 0 717 现居住面积Correlation .572 .169 1.000Significance (2-tailed) .000 .000 .df 717 717 0 现居住面积人均现住面积Correlation 1.000 -.817Significance (2-tailed) . .000df 0 716家庭类型Correlation -.817 1.000Significance (2-tailed) .000 .df 716 0a. Cells contain zero-order (Pearson) correlations.从人均居住面积，现居住面，居住类型的偏相关分表可以看出人均居住面积，居住类型偏相关系数的r=-0.564，对应的显著性水平为0.000（Sig.(2-tailed)），既人均居住面积和居住类型为负显著相关。
（四）回归分析表10：现居住面积和居住满意度的一元线性回归分析表Model Sum of Squares df Mean Square F Sig.1 Regression 36018.768 1 36018.768 68.174 .000aResidual 378817.382 717 528.337Total 414836.150 718a.Predictors: (Constant), 住房满意度b.Dependent variadble:现居住面积从现居住面积和居住满意度的一元线性回归分析表可以看出离差平方和为36018.768，残差平方和为378817.382，而回归平方和为414836.150。
统计量F=68.174，对应的置信水平为0.000，远比0.05要小，因此可以认为现居住面积和居住满意度是显著的。
图6：正态P-P图图5：标准化残差的直方图标准化残差的直方图，用来表示残差的分布情况。
图6：正态P-P图正态P-P图，该图是用观察标准化残差分布是否符合正态分布，如果是，则图中散点图近似为一条直线，且为对角线重叠。
而图6的结果刚好满足，所以现居住面积服从正态分布。
三、小结从以上分析可以了解到买房与年龄段，文化程度，就业情况，家庭年收入等有一定的关系。
不同年龄段的人均居住面积的有较大差异，人均居住面积最多的26.63721平方米在25岁以下，最少的18.01224平方米在35~45之间。
这个结果的原因可能是因为在25岁以下的时候还和父母一起居住，而这个时候家庭已到成熟期，故人均居住面积较大，而在35~45岁之间自己的小家庭才是发展期，有小孩儿出生，且事业刚刚稳定，所以人均居住面积会相对较小。