spss的数据分析报告范例
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简单数据分析报告
精选范文、公文、论文、和其他应用文档，希望能帮助到你们！SPSS简单数据分析报告目录一、数据样本描述 (4)二、要解决的问题描述 (4)1 数据管理与软件入门部分 (4)1.1 分类汇总 (4)1.2 个案排秩 (5)1.3 连续变量变分组变量 (5)2 统计描述与统计图表部分 (5)2.1 频数分析 (5)2.2 描述统计分析 (5)3 假设检验方法部分 (5)3.1 分布类型检验 (5)3.1.1 正态分布 (5)3.1.2 二项分布 (6)3.1.3 游程检验 (6)3.2 单因素方差分析 (6)3.3 卡方检验 (6)3.4 相关与线性回归的分析方法 (6)3.4.1 相关分析（双变量相关分析&偏相关分析） (6)3.4.2 线性回归模型 (6)4 高级阶段方法部分 (6)三、具体步骤描述 (7)1 数据管理与软件入门部分 (7)1.1 分类汇总 (7)1.2 个案排秩 (8)1.3 连续变量变分组变量 (10)2 统计描述与统计图表部分 (11)2.1 频数分析 (11)2.2 描述统计分析 (14)3 假设检验方法部分 (16)3.1 分布类型检验 (16)3.1.1 正态分布 (16)3.1.2 二项分布 (17)3.1.3 游程检验 (18)3.2 单因素方差分析 (22)3.3 卡方检验 (24)3.4 相关与线性回归的分析方法 (26)3.4.1 相关分析 (26)3.4.2 线性回归模型 (28)4 高级阶段方法部分 (32)4.1 信度 (32)一、数据样本描述本次分析的数据为某公司474名职工状况统计表，其中共包含11个变量，分别是：id（职工编号），gender(性别)，bdate(出生日期)，edcu（受教育水平程度），jobcat（职务等级），salbegin（起始工资），salary（现工资），jobtime(本单位工作经历<月>)，prevexp(以前工作经历<月>)，minority(民族类型)，age(年龄)。
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数据分析报告（共7篇）
spss数据分析报告(共7篇)：分析报告数据s pss spss数据报告怎么写spss数据分析实例说明 spss有哪些数据分析篇一：spss数据分析报告关于某班级2012年度考试成绩、获奖情况统计分析报告一、数据介绍：本次分析的数据为某班级学号排列最前的15个人在2012年度学习、获奖统计表，其中共包含七个变量，分别是：专业、学号、姓名、性别、第一学期的成绩、第二学期的成绩、考级考证数量，通过运用spss统计软件，对变量进行频数分析、描述分析、探索分析、交叉列联表分析，以了解该班级部分同学的综合状况，并分析各变量的分布特点及相互间的关系。
二、原始数据：三、数据分析1、频数分析（1）第一学期考试成绩的频数分析进行频数分析后将输出两个主要的表格，分别为样本的基本统计量与频数分析的结果1）样本的基本统计量，如图1所示。
样本中共有样本数15个，第一学期的考试成绩平均分为627.00，中位数为628.00，众数为630，标准差为32.859，最小值为568，最大值为675。
“第一学期的考试成绩”的第一四分位数是602，第二四分位数为628，第三四分位数为657。
2）“第一学期考试成绩”频数统计表如图2所示。
3) “第一学期考试成绩”Histogram图统计如图3所示。
（2）、第二个学期考试成绩的频数分析1）样本的基本统计量，如图4所示。
第二学期的考试成绩平均分为463.47，中位数为452.00，众数为419，标准差为33.588，最小值为419，最大值为522。
“第二学期的考试成绩”的第一四分位数是435，第二四分位数为452，第三四分位数为496。
3）”第二学期考试成绩”频数统计表如图5所示。
3) “第二学期考试成绩”饼图统计如图6所2、描述分析描述分析与频数分析在相当一部分中是相重的，这里采用描述分析对15位同学的考级考证情况进行分析。
输出的统计结果如图7所示。
从图中我们可以看到样本数15，最小值1，最大值4，标准差0.941等统计信息。
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地大数据分析资料报告案例
spss地大数据分析资料报告案例spss 的大数据分析资料报告案例在当今数字化时代，数据已成为企业和组织决策的重要依据。
SPSS （Statistical Product and Service Solutions）作为一款功能强大的统计分析软件，在处理和分析大数据方面发挥着重要作用。
本文将通过一个实际的案例，展示如何运用 SPSS 进行大数据分析，并从中得出有价值的结论。
一、案例背景假设我们是一家电商公司，拥有大量的用户交易数据。
我们希望通过对这些数据的分析，了解用户的购买行为、偏好以及市场趋势，以便优化产品推荐、营销策略和供应链管理。
二、数据收集与整理首先，我们从数据库中提取了相关的数据，包括用户的基本信息（如年龄、性别、地域等）、购买记录（产品类别、购买时间、购买金额等）以及浏览行为等。
这些数据量庞大，可能达到数百万甚至数千万条记录。
在将数据导入 SPSS 之前，我们需要对数据进行预处理，包括数据清洗、缺失值处理和异常值检测。
例如，删除重复的记录、填充缺失的关键信息，并剔除明显不符合常理的异常值。
三、数据分析方法1、描述性统计分析通过计算均值、中位数、标准差等统计量，对用户的年龄、购买金额等变量进行概括性描述，了解数据的集中趋势和离散程度。
2、相关性分析分析不同变量之间的相关性，例如用户年龄与购买金额之间、购买频率与产品类别之间的关系。
3、分类分析使用聚类分析将用户分为不同的群体，以便针对不同群体制定个性化的营销策略。
4、时间序列分析对于购买时间等变量，运用时间序列分析方法预测未来的销售趋势。
四、SPSS 操作与结果解读1、描述性统计分析结果例如，我们发现用户的平均年龄为 30 岁，购买金额的中位数为 500 元，标准差为 200 元。
这表明大部分用户年龄较为年轻，购买金额分布相对较为集中。
2、相关性分析结果发现用户年龄与购买金额之间存在较弱的正相关关系，即年龄较大的用户可能购买金额相对较高。
- 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359359缺失00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19855.255.255.2男16144.844.8100.0合计359100.0100.0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17147.647.647.6一般7922.022.069.6比较好7922.022.091.6好24 6.7 6.798.3非常好 6 1.7 1.7 100.0合计359100.0 100.0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 NValid359Statistics通道N Valid359Missing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性别Case Processing Summary性别CasesValid Missing TotalNPercent NPercent NPercentDescriptives性别StatisticStd.Error收入女Mean1005.2856249.51479695% Confidence Interval for Mean Lower Bound907.63853 Upper Bound1102.932725% Trimmed Mean957.92011 Median937.50000 Variance485439.577 Std. Deviation696.734940Minimum7.426 Maximum3125.000Range3117.574 Interquartile Range937.563 Skewness.896.173 Kurtosis.310.344男Mean1066.9279165.99321995% Confidence Interval for Mean Lower Bound936.59779 Upper Bound1197.258025% Trimmed Mean986.95497 Median937.50000 Variance701171.907 Std. Deviation837.360082Minimum58.630Maximum6250.000Range6191.370Interquartile Range718.750Skewness 2.370.191Kurtosis10.166.380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 .310 10.166（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 bMode l VariablesEnteredVariablesRemoved Method1收入a.Enter a. All requested variables entered.b. Dependent Variable: 旅游花费ANOVA bModel Sum ofSquares dfMeanSquare F Sig.1Regression 120443.8091120443.8097.170.008aResidual5996596.23935716797.188Total6117040.048358a. Predictors: (Constant), 收入b. Dependent Variable: 旅游花费Coefficients aCharts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。