SPSS数据案例分析
spss案例分析
1、某班共有28个学生，其中女生14人，男生14人，下表为某次语文测验的成绩，请用描述统计方法分析女生成绩好，还是男生成绩好. 方法一：频率分析（1） 步骤：分析→描述统计→频率→女生成绩、男生成绩右移→统计量设置→图表（直方图）→确定 （2） 结果：统计量女生成绩男生成绩N有效 1515 缺失73 73 均值 69.9333 67.0000 中值 71.0000 72.0000 众数 76.00a48。
00a标准差 8。
91601 14.53567 方差 79.495 211。
286 全距 30。
00 46。
00 极小值 54.00 43。
00 极大值 84。
00 89。
00 和1049.001005.00a 。
存在多个众数。
显示最小值(3）分析：由统计量表中的均值、标准差及直方图可知，女生成绩比男生成绩好。
方法二:描述统计（1）步骤:分析→描述统计→描述→女生成绩、男生成绩右移→选项设置→确定（2）结果：描述统计量N 极小值极大值均值标准差方差女生成绩15 54。
00 84。
00 69.9333 8.91601 79。
495 男生成绩15 43.00 89.00 67.0000 14.53567 211.286 有效的 N （列表状态）15（3）分析：由描述统计量表中的均值、标准差、方差可知，女生成绩比男生成绩好。
2、某公司经理宣称他的雇员英语水平很高，现从雇员中随机随出11人参加考试，得分如下：80、81、72、60、78、65、56、79、77、87、76,请问该经理的宣称是否可信？（1）方法：单样本T检验H 0：u＝u,该经理的宣称可信H 1:u≠u,该经理的宣称不可信(2)步骤：①输入数据:(80，81，…76）②分析→比较均值→单样本T检验→VAR00001右移→检验值（75)→确定(3）结果：单个样本统计量N 均值标准差均值的标准误VAR00001 11 73.73 9。
551 2.880（4）分析：由单个样本检验表中数据知t＝0。
SPSS上机实验案例分析
SPSS上机实验案例分析练习一：下表为10个人对两个不同的问题作出的回答（回答为“Yes”或“No”）后得到的练习二: 某百货公司连续40天的商品销售额（单位：万元）如下：根据上面的数据进行适当分组，编制频数分布表。
（2）按规定，销售收入在125万元以上为先进企业，115万元-125万元为良好企业，105万元-115万元为一般企业，105万元以下为落后企业，按先进企业、良好企业、一般企业、落后企业进行分组。
练习四：某班的统计学成绩如下表所示：条件1:总评成绩的构成：总评成绩=0.2*平时成绩+0.8*期末成绩（即总评成绩中，平时成绩占20%，期末成绩占80%）条件2：总评成绩请保留为整数（2）请按100-90分，89-80分，79-70分，69-60分，59分及以下，将该班全体同学按照期末成绩进行分组得出各组人数。
练习五：如下表中所示的是20个股票经纪商对于两种不同交易收取佣金数据的一个样本。
这两种交易分别为: 买卖500股每股50美元和买卖1000股每股5美元的股票。
（1）计算两种交易佣金的全距和四分位数间距。
（2）计算两种交易佣金的方差和标准差。
（3）计算两种交易佣金的变异系数。
（4）比较两种交易的成本变异程度。
练习六：某生产部门利用一种抽样程序来检验新生产出来的产品的质量，该部门使用下面的法则来决定检验结果：如果一个样本中的14个数据项的方差大于0.005，则生产线必须关闭整修。
假设搜集的数据如下：问此时的生产线是否必须关闭？为什么？练习七：将50个数据输入到SPSS工作表中。
并使用SPSS计算这些数据描述统计量（如最大值、平均值、方差、标准差等）练习八：广告协会记录了在半点时段和最佳时段电视节目中广告所占时间。
在主要通信网中晚8：30分时段的20个最佳时段的电视节目中，广告所占时间的数据如下（单位：分钟）求晚8：30分时段电视节目中广告所占时间均值的点估计的95％置信区间。
练习九：某年度我国部分工业品产量如下表所示请据表中数据对如下六个问题进行统计图形描述（1）请选择一个适当图形描述各地区所含省市数目（2）请选择一个适当图形描述各地区水泥的平均产量（3）请选择一个适当图形描述每个地区水泥产量低于800万吨的省市数目（4）请选择一个适当图形描述该年度全国生铁、钢、水泥、塑料的平均产量（5）请选择一个适当图形描述该年度华北五省市工业品产量（6）请选择一个适当图形描述各地区塑料总产量占全国总量的比例练习十：以下数据记录了美国最大的旅馆业市场的客房使用率和平均房价的统计资料。
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。
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。
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。
统计学课SPSS数据分析实战案例
统计学课SPSS数据分析实战案例SPSS（统计分析系统）是一款常用的统计软件，被广泛应用于社会科学、商业、医学等领域的数据分析工作中。
通过这个案例，我们将运用SPSS软件进行数据分析，以展示统计学课的实战应用。
案例背景假设你是一位市场研究员，你的公司正在调查消费者对某产品的满意度。
你已经收集了一份随机抽样的数据集，包含了消费者的满意度评分以及他们的一些个人信息。
你的任务是对这些数据进行分析，以了解消费者满意度与个人信息之间是否存在关联。
数据集说明数据集包括了500个消费者的信息，具体变量如下：1. 变量1：满意度评分（连续变量，取值范围从1到10）；2. 变量2：性别（分类变量，取值为男性和女性）；3. 变量3：年龄（连续变量）；4. 变量4：收入水平（分类变量，取值为低、中、高三个层次）；5. 变量5：购买次数（连续变量，表示过去一年内购买该产品的次数）。
数据分析步骤以下是对这份数据集进行分析的步骤：1. 数据清洗和准备首先，我们需要检查数据集中是否存在缺失值或异常值，并进行数据清洗。
在SPSS中，我们可以使用数据查看和数据清洗的功能来完成这一步骤。
确保数据集中的每一列都没有缺失值，并且所有的异常值已经得到恰当的处理。
2. 描述性统计分析接下来，我们可以使用SPSS的描述性统计分析功能，对数据集进行描述性统计分析。
我们可以计算满意度评分、年龄和购买次数的平均值、标准差、最小值、最大值，并生成频数分布表和柱状图。
3. 相关性分析为了确定满意度评分与其他个人信息变量之间的关联性，我们可以使用SPSS的相关性分析功能。
通过计算满意度评分与性别、年龄、收入水平和购买次数之间的相关系数，我们可以评估它们之间的相关性。
4. 单因素方差分析我们可以使用SPSS进行单因素方差分析，以了解不同收入水平的消费者在满意度评分上是否存在显著差异。
通过观察方差分析表和显著性水平，我们可以得出初步结论。
5. 多元线性回归分析最后，我们可以使用SPSS的多元线性回归分析功能来建立一个回归模型，以预测满意度评分。
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)。
SPSS数据案例分析
目录
一、手机APP 广告点击意愿的模型构建 (2)
1、1构建研究模型 (2)
1、2研究变量及定义 (2)
1、3研究假设 (3)
1、4变量操作化定义 (3)
1、5问卷设计 (3)
二.实证研究 (5)
2、1基础数据分析 (5)
2、2频数分布及相关统计量 (5)
2、3相关分析 (7)
2、4回归分析 (8)
2、5假设检验 (10)
一、手机APP 广告点击意愿的模型构建
1、1构建研究模型
我们知道效用期望、努力期望、社会影响对行为意愿会产生一定的影响,在模型中的性别、年龄、经验与自愿性等四个控制变量,通常都就是作为控制变量来观察她们对采用因素与使用意向之间的关系的影响。
因此,目前手机APP 广告的使用人群年龄相对比较年轻,而且年龄特征分布高度集中,年龄在30 岁以下的人群占到70%以上,因此本研究考虑性别了这一变量,同时根据手机APP 广告用户的特性,加入了手机流量作为控制变量,去观察它们对外部变量与点击意愿之间的关系就是否有显著影响。
在本研究中,主要把调节变量与控制变量作为两个不同的研究变量,对于调节变量感知风险来说,它就是直接影响了感知风险与手机APP 广告点击意愿二者的关系;而控制变量性别、手机流量这些变量就是对广告效用期望、APP 效用期望与社会影响与点击意愿直接的关系就是否有显著影响。
最后,本文根据手机APP 广告的特点对UTAUT 模型进行扩展,构建了手机APP 广告点击意愿的影响因素研究模型。
1、2研究变量及定义
1、3研究假设
(1) 广告效用期望、APP 效用期望、社会影响与手机APP 点击意向的关系
H1:用户的广告效用期望与点击手机APP 广告意愿正相关。
H2:用户的APP 效用期望与点击手机APP 广告意愿正相关
H3:社会影响与手机APP 广告点击意愿正相关
(2)感知风险与点击手机APP 广告意愿的关系
H4:感知风险与手机APP 广告点击意愿负相关
H5:性别,手机流量对手机APP 广告点击意愿没有显著影响
1、4变量操作化定义
➢广告效用期望:广告对我了解某品牌来说很有用
➢APP 效用期望:使用APP 能够让我了解到多方面的信息
➢社会影响:身边的人都在使用手机APP 广告,所以我也要使用
➢感知风险:在点击手机APP 广告时,我担心我的个人隐私安全得不到保护
➢感知隐私安全重要性:确保点击手机APP 广告就是安全的,对我来说就是很重要的
➢使用意向:我愿意把手机APP 广告推荐给我周围的人
1、5问卷设计
1、使用APP 能够让我了解到多方面的信息[单选题] [必答题]
很不同意○ 1○ 2○ 3○ 4○ 5 很同意
2、广告对我了解某品牌来说很有用[单选题] [必答题]
很不同意○ 1○ 2○ 3○ 4○ 5 很同意
3、身边的人都在使用手机APP 广告,所以我也要使用[单选题] [必答题]
很不同意○ 1○ 2○ 3○ 4○ 5 很同意
4、在点击手机APP 广告时,我担心我的个人隐私安全得不到保护[单选题] [必答题]
很不同意○ 1○ 2○ 3○ 4○ 5 很同意
5、确保点击手机APP 广告就是安全的,对我来说就是很重要的[单选题] [必答题]
很不同意○ 1○ 2○ 3○ 4○ 5 很同意
6、我愿意把手机APP 广告推荐给我周围的人[单选题] [必答题]
很不满意○ 1○ 2○ 3○ 4○ 5 很满意
7、您的性别就是[单选题] [必答题]
○男
○女
8、您每月的手机上网流量[单选题] [必答题] ○够用
○不够用
9、您的年龄就是[单选题] [必答题]
○ 18 岁以下○ 18-24 ○ 25-30 ○ 30 岁以上
二.实证研究
2、1基础数据分析
➢样本的调查情况显示男女比例的基本上都差不多,男性占63、3%,女性占36、
7 %,在年龄的分布上,18 岁到24 岁之间的比例占了90%;
2、2频数分布及相关统计量
➢利用频数分布可以很方便地观察变量的取值情况,并用描述性统计量进行概括。
2、3相关分析
➢根据相关矩阵系数
使用意愿与APP效用期望相关系数r=0、262>0,说明二者正相关,且相关程度较低。
使用意愿与广告效用期望相关系数r=0、576>0,说明二者正相关,且相关程度较高。
使用意愿与社会影响相关系数r=0、494>0,说明二者正相关,且相关程度较高。
使用意愿与感知风险相关系数r=0、129>0, 说明二者正相关,且相关程度较低。
使用意愿与感知隐私安全重要性r=0、008>0, 说明二者正相关, 且相关程度较低。
2、4回归分析
➢有R方为0、399,数值较小,说明方程拟合度低,在ANOVA中,满足F检验,sig
为0、003小于0、005,说明具有显著性。
➢根据上表
使用意愿与APP效用期望之间的非标准化回归系数为0、391,标准差0、226标准化回归系数B=0、281、根据t分布可知,此时的t为1、730,sig为0、096>0、05,接受假设。
说明使用意愿与APP效用期望不存在显著的线性关系,但斜率系数为正,表示二者关系就是正向的,也就就是说,APP效用期望越强,使用意愿越强。
使用意愿与广告效用期望之间的非标准化回归系数为0、334,标准差0、135,标准化回归系数B=0、393,根据t分布可知,此时的t为2、479,sig为0、021<0、05,拒绝假设。
说明使用意愿与广告效用期望存在显著的线性关系。
使用意愿与社会影响之间的非标准化回归系数为0、421,标准差0、166,标准化回归系数B=0、455,根据t分布可知,此时的t为2、535,sig为0、018<0、05,拒绝假设。
说明使用意愿与社会影响存在显著的线性关系。
使用意愿与感知风险之间的非标准化回归系数为-0、219,标准差0、228,标准化回归系数B=-0、170,根据t分布可知,此时的t为-0、960,sig为0、347>0、05,接受假设。
说明使用意愿与感知风险不存在显著的线性关系,但斜率系数为负,表示二者关系就是反向的,也就就是说,感知风险越强,使用意愿越弱。
使用意愿与感知隐私安全重要性之间的非标准化回归系数为-0、04,标准差0、158,标准化回归系数B=-0、038,根据t分布可知,此时的t为-0、249,sig为0、805>0、05, 接受假设。
说明使用意愿与感知隐私安全重要性不存在显著的线性关系,但斜率系数为负,表示二者关系就是反向的,也就就是说,感知隐私安全重要性越强,使用意愿越弱。
2、5假设检验
2、5、1单样本检验
➢根据上图表显示
➢社会影响平均值为3、27,标准差为0、828,标准误差为0、151,t值为1、765,sig 为0、088>0、05,拒绝原假设,说明身边的人都在使用手机APP 广告,所以我也要使用不成立,因为在统计意义上,平均值没有大于3
2、5、2独立样本检验
➢F为1、137,sig为0、295>0、05,接受假设,应使用方差相等的F检验,得到t 值为1、007,sig为0、322>0、05,说明男女性别差异对使用意愿没有显著性差异
➢F为0、675,sig为0、418>0、05,接受假设,应使用方差相等的F检验,得到t 值为0、409,sig为0、686>0、05,说明手机流量足够与否对使用意愿没有显著差异。
➢支持H5:性别,手机流量对手机APP 广告点击意愿没有显著影响假设。