SPSS实验报告
SPSS数据文件的建立和管理实验报告
第二题：
1.先打开常用软件里的SPSS 11.5 for Windows.exe,在Variable View中根据题目输入相关数据,如下图所示
2.在Data View中根据题目输入相关数据,结果如下图所示
3.对这个表格进行保存,并且命名为“减肥产品.sav”
3.选中“Match cases on key variables in sorted files”，将“学号”放入“Key Variables”中，结果如下所示
第二题：
因为题中要求将数据文件转换为EXCEL文件,所以通过【File】→【Save As】可实现
输入文件名“减肥产品”，再修改保存类型，选择EXCEL保存类型，即可得到升序排列，结果如下图所示
3.对第一个表格进行保存，并且命名为“学生成绩一.sav”
4.重新打开一个表格，在Variable View中根据题中要求输入数据，如下图所示
5.在Data View中先输入数据,再选中“学号”一列，选择升序排列，结果如下图所示
表1学生语文成绩
学号
1
3
4
5
8
9
10
2
6
7
姓名
张三
李四
王燕
赵宇
白艳
王洁
李丽
成功
孙昌
章建
语文成绩
89
76
87
65
97
74
82
90
67
88
表2学生数学成绩
学号
1
2
3
8
9
7
6
5
4
10
姓名
张三
成功
SPSS实验报告
重庆邮电大学课程报告2016 - 2017 学年第2 学期课程名称：《数据分析方法与实训》姓名：XX学号：*******XXX班级：0104150X专业：信息工程指导教师：**2017年7 月2 日(1)基于前述操作，继续在myzy.sav中完成以下任务：①分别绘制语文、数学、外语成绩的箱体图，并对箱体图的输出结果进行解释。
②分别绘制语文、数学、外语成绩的茎叶图，并对茎叶图的输出结果进行解释。
③分别绘制语文、数学、外语成绩的Q-Q图，并对Q-Q图的输出结果进行解释。
箱体图操作方法：1)在SPSS中打开yyyy.sav，处于“数据视图”状态。
2)利用【分析】——【描述统计】——【探索】命令。
3)变量“数学”从左侧列表移到右侧的“因变量列表”中；4)变量“姓名”从左侧列表移到右侧“标注个案”中；5)在“探索”对话框中，单击右侧【绘制】；6)在“探索.图”对话框中，从左上角的“箱图”选中【不分组】，“描述性”选中【茎叶图】，单击【继续】，【确定】。
操作结果：图1.1关于语文的数据分析图1.2关于语文的箱体图输出结果分析：矩形中部的横线表明，语文的中位数为84.50。
箱体部分对应四分位间距，箱体外无数据说明分值较为集中，无异常值（异常值被定义为小于Q1－1.5IQR或大于Q3＋1.5IQR的值）图1.3关于数学的数据分析图1.4关于数学的箱体图输出结果分析：矩形中部的横线表明，语文的中位数为82.00。
距离箱体很远的被标记“*”号的为极端值，“张一81”、“张一79”等为极端值。
图1.5关于外语的数据分析图1.6关于外语的箱体图输出结果分析：矩形中部的横线表明，语文的中位数为825.00。
距离箱体很远的被标记“*”号的为极端值，“张一75”、“张一73”等为极端值。
观测值位于触手之外但3倍箱体之内的个案位奇异值，标记为“o”，“张一71”、“张一17”为奇异值。
三个科目的茎叶图如下：图1.7语文图1.8数学图1.9外语输出结果分析：“Frequency”:频数，“Stem”:茎，“Leaf”:叶子。
spss对数据进行相关性分析实验报告
spss对数据进行相关性分析实验报告一、实验目的与背景在统计学的研究中，相关性分析是一种常见的分析方法，用于研究两个或多个变量之间的关联程度。
本实验旨在使用SPSS软件对收集到的数据进行相关性分析，并探索变量之间的关系。
二、实验过程1. 数据收集：根据研究目的，我们收集了一份包含多个变量的数据集。
其中，变量包括A、B、C等。
2. 数据准备：在进行相关性分析之前，我们需要对数据进行准备。
首先，我们载入数据集到SPSS软件中。
然后，对于缺失数据，我们根据需要采取相应的填补或删除策略。
接着，我们进行数据的清洗和整理，以确保数据的准确性和一致性。
3. 相关性分析：使用SPSS软件，我们可以轻松地进行相关性分析。
在SPSS的分析菜单中，选择相关性分析功能，并设置相应的参数。
我们将选择Pearson相关系数，该系数用于衡量两个变量之间的线性相关关系。
此外，还可以选择其他类型的相关系数，如Spearman相关系数，用于非线性关系的探索。
设置参数后，我们点击“运行”按钮，即可得到相关性分析的结果。
4. 结果解读：SPSS将为我们提供一份详细的结果报告。
我们可以看到每对变量之间的相关系数及其显著性水平。
如果相关系数接近1或-1，并且P值低于显著性水平（通常为0.05），则可以得出两个变量之间存在显著的线性相关关系的结论。
此外，我们还可以通过散点图、线性回归等方法进一步分析相关性结果。
5. 结论与讨论：根据相关性分析的结果，我们可以得出结论并进行讨论。
如果发现两个变量之间存在显著的相关关系，我们可以进一步探究其原因和意义。
同时，我们还可以提出假设并设计更深入的实验，以验证和解释这些相关性。
三、结果与讨论根据我们的研究目的和数据集，通过SPSS软件进行的相关性分析显示了一些有意义的结果。
我们发现变量A与变量B之间存在显著的正相关关系（Pearson相关系数为0.7，P<0.05）。
这表明随着A的增加，B也会相应增加。
spss实验报告---方差分析
实验报告——（方差分析）一、实验目的熟练使用SPSS软件进行方差分析。
学会通过方差分析分析不同水平的控制变量是否对结果产生显著影响。
二、实验内容1、某职业病防治院对31名石棉矿工中的石棉肺患者、可疑患者及非患者进行了用力肺活量（L）测定，问三组石棉矿工的用力肺活量有无差别?（自建数据集）石棉肺患者可疑患者非患者1.82.3 2.91.42.13.21.52.1 2.72.1 2.1 2.81.92.6 2.71.72.53.01.82.33.41.92.43.01.82.43.41.8 3.32.03.5SPSS计算结果：在建立数据集时定义group1为石棉肺患者，group2为可疑患者，group3为非患者。
零假设：各水平下总体方差没有显著差异。
相伴概率为0.075，大于0.05，可以认为各个组的方差是相等的，可以进行方差检验。
从上表可以看出3个组之间的相伴概率都小于显著性水平0.05，拒绝零假设，说明3个组之间都存在显著差别。
2、某汽车经销商在不同城市进行调查汽车的销售量数据分析工作，每个城市分别处于不同的区域：东部、西部和中部，而且汽车经销商在不同城市投放不同类型的广告，调查数据放置于附件中数据文件“汽车销量调查.sav”。
（1）试分析不同区域与不同广告类型是否对汽车的销量产生显著性的影响？（2）如果考虑到不同城市人均收入具有差异度时，再思考不同区域和不同广告类型对汽车销量产生的影响差异是否改变，这说明什么问题？SPSS计算结果：（1）此为多因素方差分析相伴概率为0.054大于0.05，可以认为各个组总体方差相等可以进行方差检验。
不同地区贡献的离差平方和为7149.781，均方为3574.891；不同广告贡献的离差平方和为7625.708，均方为3812.854。
说明不同广告和不同地区对汽车销量都有显著性影响。
广告对于销量的影响略大于地区对销量的影响。
从地区这个变量比较：第一组和第三组的相伴概率为0.000，低于显著性水平，一、三组均值差异显著；第二组和第三组的相伴概率为0.028，低于显著性水平，二、三组均值差异显著。
spss实验报告格式
spss实验报告格式篇一：spss实验报告模板实验报告实验三连续变量的统计描述与参数估计实验目的：1.了解连续变量的统计描述指标体系和参数估计指标体系。
2.掌握具体案例的统计描述和分析。
3.学会bootstrap等方法。
实验原理：1、spss的许多模块均可完成统计描述的任务。
2、spss有专门用于连续变量统计描述的过程。
3、spss可以进行频率等数据分析。
实验内容：1根据ccSS数据，分析受访者的年龄分布情况，分城市/合并描述，并给出简要结果分析。
2对ccSS中的总指数、现状指数和预期指数进行标准正态变换，对变换后的变量进行统计描述，并给出简要说明。
3根据ccSS数据，分城市对现状指数的均数和标准差进行Bootstrap 方法的参数点估计和区间估计，并同时与传统方法计算出的均值95%置信区间进行比较，给出简要结果分析。
4根据ccSS项目数据，对职业和婚姻状况进行统计描述，并进行简要说明。
5根据ccSS项目数据，对职业和家庭月收入情况的关系进行统计描述，并进行行列百分比的汇总，对结果进行简要说明。
6根据ccSS项目数据，给出变量a3a各选项的频数分布情况，并分析每个选项的应答人次和应答人数百分比。
7根据ccSS项目数据，分城市考察a3a各选项的频数分布情况，并给出简要分析。
实验步骤：（1）在分析菜单中点击描述统计，打开对话框“探索”。
把“S3年龄”添加到“因变量列表”，把“S0城市”添加到“因子列表”，把“id”添加到“标注个案”，点击“确定”。
（2）在分析菜单中点击描述统计，打开对话框“描述性”。
把总指数[index1]、现状指数[index1a]和预期指数[index1b]添加到“变量”框中，选中下方的“将标准化得分另存为变量（z）”，点击“确定”。
（3）同（2），打开对话框“描述性”，把“现状指数[index1a]”添加到“变量”框中，打开对话框“Bootstrap”，选择“执行”“水平”框中填95，选择“分层”，把“S0城市”添加到“分层变量”中，点击“继续”，点击“确定”。
最新《SPSS统计软件应用》实验报告册
《SPSS统计软件应用》实验报告册20 15 - 20 16 学年第 1 学期班级： T1353-3 学号： 20130530305 姓名：徐云授课教师：薛昌春实验教师：薛昌春实验学时：一周实验组号：目录1.实验一 SPSS的数据管理2.实验二描述性统计分析3.实验三均值检验4.实验四相关分析5.实验五因子分析6.实验六聚类分析7.实验七回归分析8.实验八判别分析实验一 SPSS的数据管理一、实验目的1．熟悉SPSS的菜单和窗口界面，熟悉SPSS各种参数的设置；2．掌握SPSS的数据管理功能。
二、实验内容：1、定义spss数据结构。
下表是某大学的一个问卷调查，要求将问卷调查结果表示成spss可识别的数据文件，利用spss软件进行分析和处理。
练习：创建数据文件的结构，即数据文件的变量和定义变量的属性。
实验步骤：（1）打开SPSS 软件，新建一张date数据表；（2）打开 variable view 界面，对相应的变量数据进行属性设置；（3）打开 date view界面，输入数据，点击保存；实验结果及分析：略2 、高校提前录取名单的确定某高校今年对部分考生采取单独出题、提前录取的招生模式。
现有20名来自国内不同省市的考生报考该校，7个录取名额。
见数据文件compute.sav. 该校制定了如下录取原则：（1）文化课成绩由数学、语文、英语和综合四门成绩组成。
文化课成绩制定最低录取分数线：400分。
（2）个人档案中若有“不良记录”，不予录取。
（3）对西部考生和少数民族考生，给予加分优惠。
少数民族考生加20分，西部考生加10分。
（4）对参加过省以上竞赛并取得三等奖以上名次的考生，每项加10分。
（5）文化课成绩和加分总和构成综合分，录取综合排名为前7名的学生。
练习：利用spss软件，综合利用所学，给出成绩排名的操作步骤。
实验步骤：（1）打开给的原数据文件；（2）执行 date/select case 命令，打开select case对话框，选择 if condiction is satisfatied ，输入“(数学 + 语文 + 英语 + 综合) >= 400 and 不良记录 = 0”，点击continue。
SPSS回归分析实验报告
中国计量学院现代科技学院实验报告实验课程：应用统计学实验名称：回归分析班级：学号：姓名：实验日期： 2012.05.23 实验成绩：指导教师签名：一．实验目的一元线性回归简单地说是涉及一个自变量的回归分析，主要功能是处理两个变量之间的线性关系，建立线性数学模型并进行评价预测。
本实验要求掌握一元线性回归的求解和多元线性回归理论与方法。
二．实验环境中国计量学院现代科技学院机房310三．实验步骤与内容1打开应用统计学实验指导书，新建excel表地区供水管道长度（公里）全年供水总量（万平方米）北京15896 128823 天津6822 64537 河北10771.2 160132 山西5669.3 77525 内蒙古5635.5 59276 辽宁21999 280510 吉林6384.9 159570 黑龙江9065.9 153387 上海22098.8 308309 江苏36632.4 380395 浙江24126.9 235535 安徽7389.4 204128 福建6270.4 118512 江西5094.7 143240 山东26073.9 259782 河南11405.6 185092 湖北15668.6 257787 湖南9341.8 262691 广东35728.8 568949 广西6923.1 134412 海南1726.7 20241 重庆6082.7 71077 四川12251.3 165632 贵州3275.3 45198 云南5208.5 52742 西藏364.9 5363陕西4270 73580甘肃5010 62127青海893 14390宁夏1538.2 22921新疆3670.2 766852．打开SPSS，将数据导入3．打开分析，选择回归分析再选择线性因变量选全年供水总量，自变量选供水管道长度统计里回归系数选估计，再选择模型拟合按继续再按确定会出来分析的结果对以上结果进行分析：（1）回归方程为：y=28484.712+11.610X（X是自变量供水管道长度，Y是因变量全年供水总量）（2）检验1）拟合效果检验根据表2可知，R2=0.819，即拟合效果好，线性成立。
spss对数据进行相关性分析实验报告
spss对数据进行相关性分析实验报告SPSS数据相关性分析实验报告一、引言数据相关性分析是一种用统计方法来研究变量之间关系的方法。
SPSS作为一种常用的统计软件，具有丰富的功能和灵活性，能够对数据进行多角度的分析和解读。
本报告旨在利用SPSS对一组样本数据进行相关性分析，并通过报告的形式详细介绍分析的步骤和结果。
二、实验设计和数据采集本次实验选取了一个包括X变量和Y变量的数据集，通过观察这两个变量之间的相关关系，探究它们之间是否存在一定的线性关系。
三、数据清洗与统计描述在进行相关性分析之前，需要对数据进行清洗和统计描述。
首先，通过观察数据的分布情况，检查是否存在异常值。
如果出现异常值，可以采取删除或者替换的方式进行处理。
其次，计算数据的均值、标准差、最大值、最小值等统计指标，了解数据的基本特征。
四、Pearson相关系数分析Pearson相关系数是一种常用的衡量两个变量之间的相关性的方法。
它的取值范围在-1到1之间，接近于1表示正相关，接近于-1表示负相关，接近于0则表示无相关性。
在SPSS中，进行Pearson相关系数分析非常简便。
五、Spearman相关系数分析Spearman相关系数是一种非参数检验方法，用于观察变量之间的单调关系。
相比于Pearson相关系数，它对于异常值的鲁棒性更强。
在SPSS中，可以选择Spearman相关系数分析来研究数据集中的变量之间的关系。
六、结果分析与讨论经过Pearson相关系数和Spearman相关系数的分析，我们得出如下结论：X变量与Y变量之间存在显著的正相关关系。
通过相关系数的计算，结果显示相关系数为0.8，说明二者之间具有较强的线性相关性。
这一结果与我们的研究假设相吻合，证明了X变量对Y变量的影响。
七、实验结论通过SPSS对数据进行相关性分析，我们得出结论：X变量与Y变量之间存在显著的正相关关系。
这一结论进一步加深了对于变量之间关系的理解，为后续的研究提供了参考。
- 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)。
CENTRAL SOUTH UNIVERSITYSPSS实验报告学生姓名王强学号**********指导教师邵留国学院商学院专业工商1101实验一、数据集实验目的:掌握基本的统计学理论,学会使用SPSS录入数据，建立SPSS数据集。
实验内容:1.3:三十名儿童身高、体重样本数据如下表所示。
建立SPSS数据集。
三十名儿童身高、体重样本数据实验步骤：步骤一：启动SPSS。
步骤二：选择文件，新建,数据，如图。
步骤三:切换到变量视图，定义变量。
其中，性别变量需要设置值标签。
如图所示。
步骤四：切换到数据视图，按照次序依次输入数据。
步骤五：保存数据.实验结果：实验二：统计量描述实验目的:(1)结合图表描述掌握各种描述性统计量的构造原理及其应用.（2)熟练掌握运用SPSS进行统计描述的基本技能。
实验内容：大学生在校期间的各门课程考试成绩，尽管在学生与学生之间、院系之间、男女生之间以及不同的课程之间，都存在着各种各样的差异，但整体上的分布状况还是有规律可循的.今有两个学院共1040名男女生的统计学和经济学期末考试成绩数据，储存在SPSS数据文件中，文件名：lytjcj。
sav。
试运用图表描述与统计量描述的方法，对此数据展开尽可能全面和深入的描述与分析。
实验步骤:步骤一：打开SPSS数据，文件名：lytjcj.sav。
如图。
步骤二：点击“分析"中的“描述统计",选择“频率",如图所示。
步骤三：弹出一个“频率"对话框，如图。
步骤四:将“统计成绩”和“经济成绩”拖入“变量"框中，点击确定。
实验结果：实验三：参数估计实验目的：（1)掌握单样本总体均值区间估计。
（2)掌握总体均值差区间估计.(3）熟练掌握相关的SPSS操作。
实验内容：某地区的一位针对老年人市场的电视节目赞助商，希望了解老年人每周看电视的时间,因为这个信息对电视节目设计以及广告策略和广告数量的制定有着重要的参考价值。
赞助商决定开展这项有关老年人看电视时间情况的抽样调查，但由于经费的限制,样本容量只能限制在200以内，并认为95％置信度是可以接受的.实验步骤：步骤一：由总体中抽取容量为100的样步骤二:对老年人总体平均每周看电视时间做出95％的置信区间。
实验结果：实验四、单样本T检验实验目的：(1）掌握单样本总体均值检验。
(2）掌握总体均值差检验.（3)熟练掌握相关的SPSS操作。
实验内容：某城市甲乙两家最大的商场，最近各自都在采取自认为最奏效的手段，积极开展促销活动，而且都自认为取得了好于竞争对手的促销效果.如何评价两家商场促销效果的优劣?这里有一个比较客观的评价标准:两家商场各自顾客群体中的每一位成员，如果都认为自己比预先的打算多支出了消费额，那么,哪一家商场的顾客群体所多支出的消费额多，就应当认为哪一家商场的促销效果更好一些。
请对两家商场促销效果的高低做出科学的统计推断。
实验步骤:步骤一：分别由两个总体中抽取容量为100的样本。
方法同实验三。
步骤二:描述统计量。
操作如图。
步骤三：对两家商场各自的促销效果总体均值给出95％的估计区间。
实验结果:实验五、两个独立样本T检验实验目的：（1）掌握两个独立样本总体均值检验。
（2)掌握总体均值差检验。
（3）熟练掌握相关的SPSS操作。
实验内容：某对外汉语教学中心进行了一项汉语教学实验，同一年级的两个平行班参与了该实验。
两个班分别采用两种不同的教学方式学习40个生字，其中一班采用的是集中识字的方式，即安排外国留学生在学习课文以前集中学习生字，然后再学习课文；二班采用的是分散识字的方式，即安排留学生一边学习课文一边学习生字。
为了考察两种教学方式对生字读音的记忆效果是否有影响，教学效果是否有差异，分别从一班和二班随机抽取了20名学生,要求他们对40个学过的汉字进行注音，每注对一个得1分,注错不得分。
从而获得了两个独立样本的数据。
此数据包含学生编号（NUM)、成绩（SCORE）、班级（CLASS）3个变量的40个观测。
其中，班级为定类型变量，一班的取值标签为1,二班的取值标签为2（参见数据集“data7—1.sav”）.试根据此数据评价两种教学方式的优劣。
实验步骤：步骤一：打开“分析”下的“比较均值”，选择“独立样本T检验”。
步骤二:在弹出的“独立样本T检验”中，将成绩拖入“检验变量”框中，将CLASS拖入分组变量中。
步骤三：单击定义组，在弹出的定义组对话框中分别输入“1”、“2”。
实验结果：实验六、配对样本T检验实验目的:(1）掌握配对样本总体均值检验。
(2)掌握总体均值差检验.(3）熟练掌握相关的SPSS操作。
实验内容：为研究某种减肥茶是否具有明显的减肥效果，某健身机构对35名肥胖志愿者进行了减肥效果跟踪调研.首先，将其喝减肥茶以前的体重记录下来，三个月后再依次将这35名志愿者喝茶后的体重记录下来.从而获得了一个配对样本数据集.该数据集包含喝茶前体重(hcq)、喝茶后体重（hch）两个变量的35个观测.每个观测的两个变量下的观测值都是出自同一个被测试者（参见数据集“data8—1。
sav"）。
试通过这两组数据的对比分析，推断减肥茶是否具有明显的减肥效果。
实验步骤：步骤一：打开“分析"下的“比较均值"，选择“配对样本T检验”.步骤二：在弹出的“配对样本T检验”中，将“喝茶前体重”和“喝茶后体重”一起拖入“成对变量”中.步骤三：单击确定，得到实验结果. 实验结果：实验七、简单线性回归实验目的：(1）准确理解简单线性回归分析的方法原理(2）熟练掌握SPSS简单线性回归分析及曲线估计的基本技能（3)合理运用回归分析方法解决现实中的问题。
实验内容：一家市场调查公司经常为各类厂商提供有关消费者行为的数据分析报告。
在最近的一项研究课题中，厂商所关注的焦点是不同收入阶层的消费者采用信用卡进行支付的数额有多大。
市场调查公司技术人员认为,信用卡支付数额受多种因素影响,除收入因素外,家庭成员人数或许也是一个影响因素。
为此他们就“年收入（美元）”、“家庭成员人数”和“信用卡支付数额（美元）”3个变量采集了一个容量为50的样本数据，如下表所示:50名消费者有关信用卡支付数额的数据年收入家庭成员人数信用卡支付数额年收入家庭成员人数信用卡支付数额54 30 32 50 31 55 37 40 66 51 25 48 27 33 65 63 42 21 44 37 62 21 55 42 32452212433412346215637240163159510047421864407027313348476441104208421924772514421449654412244829954171567836235301302054304834675067555262642229393539542327266130224661254256232342143627224555732583386635865037360553455370389047054157357938902972312141833730412729214603427330673074482041 7 4828 66 4 5149实验步骤：步骤一：建立散点图.步骤二：在弹出的简单散点图对话框中，将信用卡支付额拖入Y轴框中，将年收入拖入X框中。
步骤三：单击确定，得到散点图。
步骤四:根据散点图建立线性回归方程.步骤五：在弹出的线性回归对话框中，将年收入拖入自变量,将信用卡支付额拖入因变量。
单击确定。
实验结果：实验八、多元线性回归分析实验目的:（1）准确理解多元线性回归分析的方法原理（2）熟练掌握SPSS多元线性回归分析及曲线估计的基本技能(3）合理运用回归分析方法解决现实中的问题。
实验内容:大家都知道，软饮料需求受价格、人均收入和季节的影响。
因此，可以用经验数据（时间序列数据或截面数据）建立回归方程对需求进行估计,从而针对不同的收入人群、在不同的季节制定不同的生产和销售计划.数据集“data13-1。
sav”列出的是美国48个邻近州的截面数据.此数据集包含州(z）、罐/（人·年)(Y）、6罐装饮料价格（P）、收入/人（I）、平均气温（T）5个变量的48条观测。
罐/(人·年）（Y）是每年每人的软饮料需求量,6罐装饮料价格（P）是6罐装饮料的价格，收入/人（I）是人均年收入，平均气温（T）是平均气温,这4个变量均为数值型变量.下面以每年每人的软饮料需求量为因变量，以6罐装饮料的价格、人均收入、平均气温为自变量建立多元线性回归模型，来研究三种影响因素对因变量的影响程度，估计解释变量发生变化时，软饮料需求的变动。
实验步骤：步骤一：单击“分析”下的“回归"，选择“线性”。
步骤二：在弹出的线性对话框中，将“罐”拖入因变量对话框中,将“6罐装饮料价格”“收入”“平均气温”拖入自变量框中.步骤三:单击确定。
实验结果：实验九:曲线估计实验目的：（1）准确理解曲线估计的方法原理。
（2）熟练掌握SPSS曲线估计的基本技能。
（3）合理运用曲线估计解决现实中的问题.实验内容：税收收入模型的设计和建立是近几年新的尝试，这适合我国以流转税为主体的税制结构。
由于个别年份税收收入受一些政策性因素、行政性和不可预见性因素的影响，所以在建立模型来分析各种因素对税收收入的影响机理和影响程度时,不仅要使模型预测的结果能准确反映税收收入实际，而且要使模型预测体系能对经济、政策变化所造成的税收收入变动进行精确的动态模拟分析，从而为税收管理和政府决策提供科学依据。
综观国内外关于税收收入预测的研究可知，不同学者从不同的视角关注税收收入问题,并构建了多种预测模型。
有的从税收自身角度建立模型，预测税收收入，有的从社会经济因素与税收收入关系角度来建立模型，预测税收收入，预测模型多种多样、差异很大。
但以时间因素为外生变量建立曲线模型来预测税收收入的文献相对较少,用各种曲线模型比较税收预测精度的研究就更少了。
本实验利用1985－2004年的税收收入数据建立曲线模型来预测我国2005年、2006年税收收入，比较预测误差,最终构建一种预测误差最小的曲线模型作为税收收入预测模型，力求为税收理论研究与税收工作实践提供一个有效工具。
本数据集包含年度（n)和税收收入现值(y）2个变量的20个观测。
为体现税收收入的时间效应,在本数据集中，将1985－2004年这20年的数据按时间1，2,…，20排序（参见数据集“data14-1.sav”）.实验步骤:步骤一：单击“分析”下的“回归"，选择“曲线估计”。
步骤二:如图,将“税收收入现值”拖入因变量框中，将“年度”拖入个案标签框中.步骤三：单击确定。