SPSS课程设计 (2)
利用spss课程设计
利用spss课程设计一、教学目标本课程的教学目标旨在帮助学生掌握SPSS软件的基本操作和数据分析方法，培养学生运用统计学知识解决实际问题的能力。
具体目标如下：1.知识目标：使学生了解SPSS软件的界面布局和功能模块，掌握数据导入、数据编辑、变量视图和数据视图的基本操作；掌握描述性统计、参数检验、非参数检验、相关分析、回归分析等数据分析方法。
2.技能目标：培养学生能够独立完成SPSS数据分析任务，具备处理和分析实际数据的能力，能够根据数据分析结果给出合理的结论。
3.情感态度价值观目标：培养学生对统计学学科的兴趣和好奇心，提高学生运用统计学知识解决实际问题的意识，培养学生的团队协作能力和创新精神。
二、教学内容本课程的教学内容主要包括SPSS软件的基本操作和数据分析方法。
具体安排如下：1.SPSS软件基本操作：介绍SPSS软件的界面布局、数据导入、数据编辑、变量视图和数据视图等基本操作。
2.描述性统计分析：包括频数分布、描述性统计量、图表绘制等方法。
3.参数检验：包括t检验、方差分析、卡方检验等方法。
4.非参数检验：包括秩和检验、威尔科克森符号秩检验等方法。
5.相关分析：包括皮尔逊相关系数、斯皮尔曼等级相关等方法。
6.回归分析：包括线性回归、多元回归等方法。
三、教学方法为了提高学生的学习兴趣和主动性，本课程将采用多种教学方法相结合的方式，包括讲授法、讨论法、案例分析法和实验法等。
1.讲授法：通过讲解SPSS软件的基本操作和数据分析方法，使学生掌握相关理论知识。
2.讨论法：学生针对实际案例进行讨论，培养学生的思考和分析问题的能力。
3.案例分析法：分析实际案例，引导学生运用SPSS软件进行数据分析，提高学生的实践能力。
4.实验法：安排实验课，让学生亲自动手操作SPSS软件，巩固所学知识。
四、教学资源为了支持教学内容和教学方法的实施，丰富学生的学习体验，我们将选择和准备以下教学资源：1.教材：选用《SPSS统计分析与应用》作为主讲教材，辅助以其他相关教材和参考书。
SPSS的正交实验设计课程设计
SPSS的正交实验设计课程设计1. 引言正交实验设计是一种高效、系统的设计分析工具，广泛应用于工程、科学研究以及市场调研等领域。
SPSS是一款功能强大的统计分析软件，提供了丰富的工具和功能用于设计和分析正交实验。
本文将介绍SPSS中正交实验设计的基本原理和应用方法，并通过一个具体案例进行实际操作。
2. 正交实验设计的基本原理正交实验设计是一种基于统计学原理的实验设计方法，可以通过少量的实验运行获得对多个因素和因素交互作用的有效估计。
其基本原理包括以下几个方面：•因素的选择：根据研究目的和实际情况，选择需要研究的因素和其水平，建立因素与水平的因素水平表。
•正交表的选择：根据因素的个数和水平数目，选择合适的正交表进行实验设计。
•实验方案生成：根据正交表，生成完整的实验方案，包括每个因素的水平组合和重复实验次数。
•数据收集和分析：按照实验方案进行实验运行，收集实验数据，并使用SPSS进行数据分析，得到因素效应和交互效应的估计。
3. SPSS中正交实验设计的应用方法SPSS提供了丰富的功能和工具，可以方便地进行正交实验设计的应用和分析。
下面将介绍SPSS中正交实验设计的具体应用方法。
3.1 建立因素水平表首先，在SPSS中创建一个数据文件，然后导入需要研究的因素和其水平。
在数据文件中，每个因素作为一个变量，每个水平作为一个值，可以使用数字或字符表示。
3.2 选择正交表根据因素个数和水平数目，选择合适的正交表。
SPSS提供了正交表的选择工具，可以根据设计要求自动选择适合的正交表。
3.3 生成实验方案根据选择的正交表，使用SPSS生成完整的实验方案。
在实验方案中，将因素的水平组合和重复实验次数进行排列和组合，得到每个实验的具体条件。
3.4 数据收集和分析按照生成的实验方案进行实验运行，收集实验数据。
数据收集完毕后，使用SPSS进行数据分析，计算因素效应和交互效应的估计。
SPSS提供了多种统计分析工具和方法，可以进行方差分析、回归分析等。
spss主成分分析课程设计
spss 主成分分析课程设计一、课程目标知识目标：1. 理解主成分分析的基本概念、原理和应用场景；2. 掌握运用SPSS软件进行主成分分析的操作步骤；3. 学会解释主成分分析结果，提取关键信息；4. 了解主成分分析在现实生活中的具体应用。
技能目标：1. 能够独立运用SPSS软件进行主成分分析的实操；2. 能够结合实际数据，运用主成分分析对多变量数据进行降维；3. 能够通过主成分分析结果，发现数据中的潜在规律和联系；4. 能够运用主成分分析为决策提供科学依据。
情感态度价值观目标：1. 培养学生对数据分析的兴趣，提高数据素养；2. 培养学生的团队协作意识和沟通能力；3. 增强学生运用所学知识解决实际问题的自信心；4. 使学生认识到数据在现实生活中的重要作用，培养学生的数据伦理观念。
课程性质：本课程为高年级统计学或数据分析相关课程，以实践操作为主，注重培养学生的动手能力和实际应用能力。
学生特点：学生具备一定的统计学基础，对数据分析有一定了解，对SPSS软件有一定操作经验。
教学要求：结合学生特点，注重理论与实践相结合，强调操作技能的培养，提高学生的实际应用能力。
通过本课程的学习，使学生能够独立运用主成分分析解决实际问题，并在此过程中形成正确的情感态度价值观。
二、教学内容1. 主成分分析基本概念与原理：- 定义及作用- 数学模型与算法- 主成分选择标准2. SPSS软件操作步骤：- 数据预处理- 主成分分析操作流程- 结果解读与输出3. 主成分分析应用实例：- 实际数据案例选取- 案例分析与讨论- 案例报告撰写4. 教学内容的安排与进度：- 第一周：主成分分析基本概念与原理学习；- 第二周：SPSS软件操作步骤讲解与实操；- 第三周：主成分分析应用实例分析与讨论；- 第四周：总结与巩固，撰写案例分析报告。
教材章节关联：1. 主成分分析基本概念与原理：《统计学》（或相关教材）中关于多元统计分析的章节；2. SPSS软件操作步骤：《SPSS实用教程》（或相关教材）中关于主成分分析的章节；3. 主成分分析应用实例：结合现实生活中的实际问题，选取教材中的案例或自编案例。
SPSS实验报告2
SPSS实验报告2SPSS 统计分析实验报告实验二 SPSS 的图形功能一实验目的：1. 掌握常见统计图的创建与编辑2. 掌握常见交互图的创建与编辑二实验内容：1、已知不同人群每月钙的应摄入量及实际摄入量如下表所示，试绘制不同人群的应摄入量与实际摄入量的分类条形图。
某地人的钙摄入量情况表儿童青少年成人更年期起孕女应摄入量 800 1200 800 1000 1200实际摄入量 322 418 350 350 6501.1数据的组织题目所给的数据是EXCL表格，不能直接导入SPSS进行操作，先重新数据组织。
SPSS和ACCESS一样，只能定义每一列的数据，而不像EXCL，可以定义行和列。
本题定义三个变量：人群分类（1—儿童，2—青少年，3—成人，4—更年期起，5—孕女），摄入量分类（1—应摄入量，2—实际摄入量），数据。
1.2 实验操作输入数据→Graphs→Bar选择Clustered→Define在Define Clusters by:中选择”摄入量分类”在Category Axis:中选择”人群分类”在Bars Represent 复选框中选择 other summary function在variable 中选择“数据”点击 ok1.3 实验结果2、已知我国历年国务院机构数如下表所示，试绘制国务院机构沿革的简单线图。
历年国务院机构数年份 1945 1954 1956 1959 1965 1970 1981 1982 1987 1988 1992 1993机构数 35 64 81 60 79 32 99 61 72 68 70 592.1数据的组织输入数据到SPSS,先转置2.2实验操作Graphs→line选择simple→Define在Category Axis:中选择”年份”在line Represent 复选框中选择 other summary function在variable 中选择“机构”点击 ok2.3 实验结果3、Excel 表2-10 是某刀具厂次品情况分类，其中1 表示短料、2 表示裂缝、3 表示刃口、4 表示硬度、5表示光洁度和6 表示其他，请用简单Pareto 图对次品情况进行分析。
应用数理统计与SPSS操作第二版课程设计
应用数理统计与SPSS操作第二版课程设计1. 课程设计背景数理统计作为现代统计学的重要分支之一，已经普及至各个领域。
而在实际应用中，SPSS作为一款经典的统计软件也已经被广泛运用于各行各业。
本课程旨在通过结合应用数理统计与SPSS操作，使学生对于统计学的基础知识和实际应用有更深入的了解。
同时，通过课程设计，学生将亲手完成使用SPSS进行数据分析的流程，提高实际操作能力。
2. 课程设计内容2.1 教学目标通过此课程设计，学生应该掌握以下技能：•了解统计学的基本概念、方法和原理；•掌握SPSS软件的使用方法，能够正确地进行数据输入、清洗、验证、分析和可视化；•能够熟练运用SPSS软件进行常见的数据统计分析、假设检验和回归分析等操作；•能够将数据分析结果进行解释、总结和描述，并能够有效地使用图表和报告呈现。
2.2 课程大纲•第一章绪论–1.1 引言–1.2 统计学的基本概念–1.3 SPSS软件的简介和安装•第二章数据的收集和准备–2.1 数据的类型和概念–2.2 数据的收集方法和注意事项–2.3 数据的预处理和清洗•第三章数据的描述和表示–3.1 描述性统计分析–3.2 图形展示和可视化–3.3 数据的摘要和总结•第四章参数估计和假设检验–4.1 总体参数估计–4.2 假设检验的基本原理和步骤–4.3 假设检验的常见类型和实例•第五章方差分析和回归分析–5.1 单因素方差分析–5.2 多因素方差分析–5.3 简单线性回归分析和多元线性回归分析•第六章实验设计和质量控制–6.1 实验设计的基本原则和步骤–6.2 质量控制的方法和重要性•第七章课程总结和报告–7.1 课程总结和复习–7.2 报告的基本结构和要点–7.3 设计和完成一份科学报告3. 考核要求根据本课程设计的教学目标和大纲，考核方式如下：•日常作业和练习：占总成绩30%，需要学生进行SPSS操作练习和数据分析作业。
•期末考试：占总成绩50%，需要学生进行现场的手写或电脑操作试题。
SPSS多元统计分析方法及应用课程设计 (2)
SPSS多元统计分析方法及应用课程设计引言多元统计分析是研究几个变量之间关系的一种统计学方法。
SPSS是一款常用的统计分析软件，可以用来进行多元统计分析。
本文将介绍如何使用SPSS进行多元统计分析，并结合具体案例，设计SPSS多元统计分析课程。
SPSS多元统计分析方法相关分析相关分析是研究两个变量之间的关系的统计方法。
可以使用SPSS进行相关分析，步骤如下：1.打开SPSS软件，导入数据文件。
2.选择“Analyze”菜单中的“Correlate”选项，然后选择“Bivariate”。
3.将需要进行相关分析的变量添加到“Variables”框中。
4.点击“OK”按钮，SPSS会生成相关系数以及P值。
回归分析回归分析用来研究一个自变量和一个或多个因变量之间的关系。
在SPSS中进行回归分析的步骤如下：1.打开SPSS软件，导入数据文件。
2.选择“Analyze”菜单中的“Regression”选项，然后选择“Linear”。
3.将自变量和因变量添加到“Dependent”和“Independent”框中。
4.点击“OK”按钮，SPSS会生成回归分析结果。
方差分析方差分析是一种用于比较两个或多个组之间差异的统计方法。
使用SPSS进行方差分析的步骤如下：1.打开SPSS软件，导入数据文件。
2.选择“Analyze”菜单中的“Analyze of Variance”选项，然后选择“One-Way ANOVA”。
3.将需要进行方差分析的变量添加到“Dependent List”框中，将分组变量添加到“Factor”框中。
4.点击“OK”按钮，SPSS会生成方差分析结果。
SPSS多元统计分析课程设计为了帮助学生更好地掌握SPSS多元统计分析方法，我们可以设计以下课程：第一节课：相关分析1.介绍相关分析的概念和应用场景。
2.通过具体案例演示如何使用SPSS进行相关分析。
3.让学生自行导入数据文件，并进行相关分析，并展示分析结果。
spss实验报告一,二
实验报告
实验目的: 通过上机操作, 熟练掌握spss相关知识。
实验内容:
（一）1、首先将表格导入到spss中, 出现如下图结果：
2.选择: 分析——描述统计—频率, 出现如下图的表格,
, /
3、将V1导入到变量中, 然后点击统计量, 出现如下图的表格, 在表格中, 点击, 均值、中位数、四分位数, 标准差。
点击继续, 就完成第一题, 出现下图的结果。
以上就是第一题的结果。
（二）
1.首先将表格导入到spss中, 如下图:
2.从上表中, 可知, 方法A要比B.C的只都要高, 可见平均值要高于B.C, 就应该对这三组进行平均值, 方差的计算进行比较。
选择: 分析——描述统计——描述, 出现如下图的表格:
将方法A.B.C分别导入到变量中, 然后点击选项这个按钮, 出现如下图的表格进行选择:
可以选择标准差, 最大值, 最小值, 均值, 然后点击继续, 则会出现结果, 通过对结果进行对比, 选择方案。
由图可知, 方法A的平均值高于B、C, 而且最小值也都大于B、C的最大值, 可知A的组装优越于B、C, 即使标准差大于B, 稳定性稍微差于B, 但总体上组装的结果要比B好, 所以要选择方案A。
数据统计分析—SPSS原理及应用课程设计
数据统计分析—SPSS原理及应用课程设计1. 课程设计背景在当前大数据时代，数据分析与挖掘已成为各行各业的必备技能。
其中，统计工具SPSS（Statistical Package for the Social Sciences）是目前最常用的数据分析软件之一，广泛应用于社会科学研究、商业决策、医学研究等领域。
本课程旨在帮助学生掌握SPSS的基本原理和应用方法，了解统计学的基本概念和方法，培养学生数据收集和分析的能力，提高学生在测量、实验、问卷调查等方面的技能。
2. 课程设计目标通过本课程的学习，学生应该达到以下几个目标：1.掌握SPSS软件的基本操作和数据分析方法。
2.理解统计学的基本概念和原理，能够运用基本统计方法进行数据分析。
3.了解常用的数据可视化方法，能够使用SPSS绘制图表展示数据分析结果。
4.能够进行研究设计和实验方案的制定，具备科学研究和数据分析的能力。
3. 课程设计内容本课程设计分为以下三个部分：3.1 基础知识讲解首先，我们将介绍SPSS软件的基础知识和操作方法，包括：1.SPSS软件安装和界面介绍。
2.数据类型和数据输入。
3.数据预处理和清洗。
4.数据分析方法概述。
在讲解完基础知识后，我们将详细介绍各种常用的统计分析方法，包括：1.描述性统计分析。
2.探索性因子分析。
3.方差分析和卡方分析。
4.相关分析和回归分析。
3.2 数据可视化和结果展示在数据分析过程中，数据可视化是非常重要的一环。
在本部分中，我们将介绍如何使用SPSS进行数据可视化和结果展示，包括：1.常用的数据可视化方法。
2.如何使用SPSS绘制各种图表。
3.如何对数据进行解释和分析。
3.3 研究设计和实验方案制定在最后一部分，我们将介绍如何进行研究设计和实验方案制定。
具体内容包括：1.研究问题和研究设计。
2.实验方法和实验方案制定。
3.数据采集和数据分析方法。
4. 课程设计方式和评估方式本课程采用线上教学方式，通过视频课程、讲解PPT、案例解析等方式进行教学。
- 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统计分析软件>> 课程设计报告SPSS在经济中的应用分析摘要经济发展,就是整个人类社会追求的目标之一。
在宏观经济理论中,经济的发展主要受到消费,投资,政府购买的影响。
在经济理论中,我们通常用GDP来描述经济的发展,同时GDP也会受到价格水平的影响。
衡量价格水平,我们一般用居民消费价格指数,商品零售价格指数来描述;投资一般用固定资产投资与工业总产值来衡量。
本文通过我国近20年的国内生产总值与影响国内生产总值的一些重要指标,如居民消费水平,财政支出,工业总产值,商品零售价格指数,居民消费价格指数,城镇居民收入,农村居民收入,能源消费总量等数据,利用SPSS软件提供的对各个影响因素的描述性统计分析,各个影响因素之间的相关性分析,回归分析,因子分析等方法对数据进行了深入的分析,并就分析结果所反映的问题给出了一些针对性的建议。
【关键词】经济发展描述统计相关性分析回归分析因子分析引言中国作为世界上的发展中国家,其经济实力及综合国力水平在近几十年的时间里都得到了长足的发展。
经济实力的不断攀升,以及经济增长速度的持续加速,令中国经济已成为世界各国所关注的焦点。
我国经济持续高速增长带来了社会财富的迅速增加,目前人均国内生产总值(GDP)迈过3000美元大关,已步入中等收入国家的行列。
那么影响GDP快速增长的原因有哪些？我国经济的迅速发展中就是否还存在一些问题呢？就是我们需要进一步探讨与研究的。
随着我国改革开放的实践与经济理论的发展,实证方法与数据分析成为了经济研究中的重要方面。
大量经验证据的分析与运用对于经济理论的发展与决策的支持都具有重要的意义。
而经济实证研究离不开现代统计分析方法的运用,SPSS作为统计分析工具,理论严谨、内容丰富,具有数据管理、统计分析、趋势研究、制表绘图、文字处理等功能。
为经济管理研究提供了有力的工具。
而因子分析,回归分析等方法就是经济管理研究中常用的分析方法。
一、分析目的与思路本次实验的目的就是研究我国近20年经济发展的基本情况,主要分析在众多影响经济发展的指标中哪些指标处就是主要因素,同时如果就是控制某些指标,观测其她指标对经济的影响,这样就可以更好的通过控制一些影响因素来促进我国的经济发展,在经济迅速发展的过程中还存在哪些问题,为以后经济发展战略提供依据。
本实验的分析思路如下,首先利用描述性统计分析对我经济发展的各个主要指标进行基础性描述,以便对整体经济发展状况形成直观印象,然后利用相关性分析,分析不同的指标之间就是否存在相关性,同时可以分析前后十年的指标描述性统计量,来分析其间主要影响经济发展的主要因素,再利用因子分析提取对经济发展较为明显的因素,分析经济发展的决定因素,最后用回归分析方法确定这些因素对经济发展的影响方向与强弱。
本实验利用经济主要指标数据分析经济发展影响因素,观测了国内生产总值,全体居民消费水平,财政支出,居民消费价格指数,商品零售价格指数,城镇居民人均收入,农村居民人均收入,工业总产值,能源消费总量,所有数据均来源于中国统计年鉴2015,本实验的原始数据见附表。
二、数据的选取经济发展的指标有地区生产总值,工业增加值,固定资产投资,地方财政一般预算收入,地方财政一般预算支出,对外贸易(海关进出口总额),社会消费品零售总额,消费物价指数(CPI),城镇居民人均可支配收入,农牧民人均现金收入,外商直接投资(FDI),外汇储备,货币存量或流通量等等,本文选取了一些主要的指标:国内生产总值(GDP),全体居民消费水平,财政支出,居民消费价格指数,商品零售价格指数,城镇居民人均收入,农村居民人均收入,工业总产值,能源消费总量。
三、问题的提出问题一:国内生产总值(GDP),全体居民消费水平,财政支出,居民消费价格指数,商品零售价格指数,城镇居民人均收入,农村居民人均收入,工业总产值,能源消费总量。
各个指标近20年的描述性统计量(均值,标准差,方差等)问题二:国内生产总值(GDP)与全体居民消费水平之间就是否存在着必然关系,国内生产总值越高全体居民消费水平就越高不问题三:国内生产总值与全体居民消费水平,财政支出,居民消费价格指数,商品零售价格指数,城镇居民人均收入,农村居民人均收入,工业总产值,能源消费总量之间有没有函数关系四、问题的分析及处理问题一分析:虽然已经知道了我国近20年的经济主要指标的数据,但就是依然需要知道各个指标在这20年的具体情况,比如说,各个指标的标准差,方差,均值。
通过这些处理可以很明显的瞧出国家经济发展就是否稳定。
处理:利用SPSS软件对数据进行描述性统计分析描述性统计分析步骤:在菜单栏中依次选择分析→描述统计→描述,依次选择变量国内生产总值(GDP),全体居民消费水平,财政支出,居民消费价格指数,商品零售价格指数,城镇居民人均收入,农村居民人均收入,工业总产值,能源消费总量。
结果(见下表1)结果分析:根据描述性统计分析,由图1可知,我国国内生产总值的平均值为216712、19亿元,标准差为1、63773E5,方差为2、68217E10,可见我国的经济发展呈直线上升趋势,且发展迅速。
而城镇居民人均收入与农村居民的人均收入有很大的差距,城镇居民人均收入均值大概就是农村居民的人均收入均值的4倍多,这就说明虽然我国总体经济增长较快,但就是城乡居民收入差距不断扩大,不均等程度加剧,要经济更好的发展,可以通过减小城乡居民收入差距。
问题二国内生产总值(GDP)与全体居民消费水平之间就是否存在着必然关系,国内生产总值越高全体居民消费水平就越高不？分析:在假设其她指标没有影响的条件下,全体居民消费水平的高低就是否与国内生产总值(GDP)的高低有关问题处理:先对两个变量进行正态性分析,如果服从正态性,则进行相关性分析实验操作步骤:正态性检验:分析→描述统计→探索→因变量列表(全体居民消费水平与国内生产总值)(结果见表2)相关性检验:分析→相关→双变量→变量(全体居民消费水平与国内生产总值)(结果见表3)两变量的散点图:图形→旧对话框→散点图/点图→简单散点图→X轴国内生产总值Y轴全体居民消费水平。
结果:结果分析:由柯尔莫戈洛夫-斯米诺夫检验的结果可知P值>0、05,服从正态性。
结果分析:有相关性分析可知,显著性为0、000<0、05,拒绝原假设,说明国内生产总值与全体居民消费水平相关,接下来分析其就是否就是线性相关就是否具有线性相关分析:散点图:图形→旧对话框→散点图/点图→简单散点图→X轴国内生产总值Y轴全体居民消费水平 (结果见图1)结果分析:由国内生产总值(GDP)与全体居民消费水平的散点图可知,国内生产总值(GDP)与全体居民消费水平具有很强的线性相关性线性回归分析:分析→回归→线性→自变量:国内生产总值(GDP) 因变量:全体居民消费水平结果输出:(见表4,5,6)结果分析:由线性回归分析可知检验优度为0、993,相关度为0、997,所有具有很强的线性相关性,线性回归方程(1)为全体居民消费水平=0、025*国内生产总值(GDP)+960、584、、、、、、、、、、、、(1)问题三国内生产总值与全体居民消费水平,财政支出,居民消费价格指数,商品零售价格指数,城镇居民人均收入,农村居民人均收入,工业总产值,能源消费总量之间有没有函数关系处理方法:因子分析,回归分析因子分析实验步骤:①在菜单栏中依次选择分析—降维—因子分析,依次选择变量国内生产总值,全体居民消费水平,财政支出,居民消费价格指数,商品零售价格指数,城镇居民人均收入,农村居民人均收入,工业总产值,能源消费总量进入变量列表中;②单击描述按钮,选择原始分析结果复选框与KMO与Bartlett球形度检验复选框,单击继续保存设置返回;③单击提取按钮,选中碎石图复选框,单击继续保存设置返回;④单击旋转按钮,选择最大方差法复选框,其余都为默认选项,⑤单击得分按钮,选择保存为变量与显示因子得分系数复选框,单击继续保存设置返回,单击确定。
结果输出:由表7得,其中KMO值越接近1越适合做因子分析,从该表可以得到KMO值为0、59,比较接近1,表示比较适合做因子分子;Sig值为0、000小于显著水平0、05, 因此拒绝原假设表示变量之间存在相关关系,适合做因子分析。
由表8可知,经济指标的变量共同度分析,该表左侧表示每个变量可以被所有因素能解释的方差,右侧表示变量的共同度。
从该表可以瞧出因子分析的变量共同度都非常高,都达到了0、9以上。
表明变量中的大部分信息均能够被因子所提前,说明因子分析的结果就是有效的。
表9 经济指标的因子贡献率。
该表中左侧部分为初始特征值,中间为提前主因子结果,右侧为旋转后的主因子结果。
“合计”指因子的特征值,“方差的%”表示该因子的特征值占总特征值的百分比。
可以瞧到只有前两个因子的特征值大于1,并且前两个因子的特征值之与占总特征值的99、182%,因此提取前两个因子作为主因子足以描述经济的发展水平。
图2给出了特征值的碎石图,具有较强解释能力的因子在图中表现为较大的斜率,从该图可以瞧出前两个因子都处于非常陡峭的斜率上,从第三个开始变平缓,因此选择前两个因子作为主因子。
表10给出了旋转后的因子载荷值,其中旋转方法就是Kaiser 标准化的正交旋转法。
通过因子旋转,各个引子有了比较明确的含义。
第一个因子中,GDP,居民消费水平,财政支出,工业总产值的系数比较大。
第二个因子中,居民消费价格指数,商品零售价格指数的系数比较大,因此将商品零售价格指数作为对第二个因子的解释。
回归分析实验步骤:1)在菜单栏中依次选择分析—回归—线性回归,将国内生产总值变量选入因变量,将工业生产总值,居民消费水平,财政支出选入自变量列表;2)选择估计、模型拟合度与Durbin-Watson复选框,其余为默认选项, 单击选项按钮,选中在等式中包含常量,单击继续保存设置返回,单击确定结果输出从表11可以得到R,R方,调整后R方,标准估计的误差以及D-W统计量。
本实验中回归模型调整的R方就是1、000,说明该回归模型的拟合程度非常好,并且D-W统计量为1、683,说明模型残差不存在自相关。
从表12中,P值就是0、000,小于显著水平0、05,因此可以判断居民消费水平,政府购买,工业生产总值与商品零售价格指数对GDP解释能力非常显著。
表13, 给出了线性回归模型的回归系数及相应的一些统计量。
从该表可以瞧到除了常量P值>0、05,其她都就是<0、05,拒绝原假设,则线性回归方程(2)为国内生产总值=1、241*财政支出+1、433*工业总产值+5、24*全体居民消费水平 +4151、605………………………………、(2)五、实验的评价与改进该实验就是使用SPSS的相关知识对近20年我国经济的分析,通过选取一些主要的经济指标进行分析。