华东交通大学10市场营销一班徐振20100410080129 spss 统计数据分析期末作业。
一、数据的简单处理。
在数据文件建立好后，通常还需要对待分析的数据进行必要的预加工处理，这是数据分析过程中不可缺少的一个关键环节。首先，为了便于数据的浏览，快捷的找到数据的最大值和最小值，同时，快捷的发现数据的异常值，先将数据按照降序重新进行排列。
按照房屋竣工率降序排列如下：
由图可以看出，房屋建筑面积竣工率在2023年最高，为38.1%，在2023年竣工率最低，为19.40%。而且，随着时间的推进，竣工率越来越低。
二。描述性分析：
描述统计量。
n 极小值极大值均值标准差。
竣工房屋价值13 2139.19 17542.73 7454.6800 4929.38392
有效的n （列表状态）13
对竣工房屋价值的描述性分析可见，竣工房屋价值的均值为7454.6800，极大值为17542.73，极小值为2139.19.
三：线性回归分析。
从施工房屋面积（x）跟竣工房屋价值(y)一元线性回归分析变量选择说明：被解释变量即自变量：施工房屋面积y，解释变量即因变量：竣工房屋价值x。
输入／移去的变量b
模型输入的变量移去的变量方法。
1 施工房屋面积a. 输入。
a. 已输入所有请求的变量。
b. 因变量： 竣工房屋价值。
模型汇总b模型。
r r 方调整r 方标准估计的误。
差。1 .998a.996 .996 320.62046
a. **变量： (常量), 施工房屋面积。
b. 因变量： 竣工房屋价值。
2.方差分析表，f=2825.508，p=0.000<0.05,表明回归方程高度显著，即施工房。
屋面积对竣工房屋价值有高度影响。
anova b
模型平方和df 均方 f sig.
1 回归 2.905e8 1 2.905e8 2825.508 .000a
残差1130772.284 11 102797.480
总计 2.916e8 12
a. **变量： (常量), 施工房屋面积。
b. 因变量： 竣工房屋价值。
系数a模型非标准化系数标准系数。
t sig.
b 标准误差试用版。
1 (常量) 2.441 166.020 .015 .989
施工房屋面积。044 .001 .998 53.156 .000 a. 因变量： 竣工房屋价值。
残差统计量a
极小值极大值均值标准偏差n
**值2226.8606 17762.5547 7454.
6800 4919.81654 13 残差-465.77628 650.
45239 .00000 306.97072 13 标准**值-1.
063 2.095 .000 1.
000 13 标准残差-1.453 2.029 .
000 .957 13 a. 因变量：
竣工房屋价值。
四、单样本的t检验。
单个样本统计量。
n 均值标准差均值的标准误。
房屋建筑面积竣工率13 30.9846 6.48702 1.79918
单个样本检验。
检验值= 30
t df sig.(双侧) 均值差值差分的95% 置信区间下限上限。
房屋建筑面积竣工率。547 12 .594 .98462 -2.9355 4.9047
由上图分析可知，被调查的房屋建筑面积竣工率的年份中，各年份的竣工率平均值为30.98465,标准差为6.48702，均值的标准误为1.
79918,。单样本检验中，t统计量的双尾概率p-值为0.594，比例总体均值95%置信区间为（-2.
9355,4.9047）。如果显著性水平a为0.
05，进行单尾检验0.594/2大于显著性水平a，因此接受原假设，房屋建筑面积竣工率平均值不显著，高于30%。
三：两配对样本的t检验。
对施工房屋面积跟竣工房屋面积进行配对检验。
成对样本统计量。
均值n 标准差均值的标准误。
对 1 施工房屋面积170089.7231 13 1.12290e5 31143.
57923 竣工房屋面积46205.7846 13 20072.69373 5567.
16358
由此表明，施工房屋面积与竣工房屋面积有较大差异，竣工房屋面积明显小于施工房屋面积，只占不到30%。
成对样本相关系数。
n 相关系数sig.
对 1 施工房屋面积& 竣工房屋。面积。
第三列是施工房屋面积跟竣工房屋面积两组样本的简单相关系数，第四列是相关系数检验的概率p-值。它表明在显著性水平a为0.05时，施工房屋面积与竣工房屋面积有明显的变化，即存在显著性差异。
成对样本检验。
由此图可以看出，施工面积与竣工面积的差值，相差了123884，差值样本的标准差为92965.590，差值样本均值抽样分布的标注差为25784.01564，差值95%的置信区间为（67705.
39438，180062），t 检验统计量的观测值为4.805，t 分布的自由度为12，t 检验统计量所对应的双尾p-值为0.00，显著性水平为0.
05，由于p-小于0.05，所以认为将竣工房屋面积与施工房屋面积有显著性差异。
图表分析：由此可见，竣工面积的发展趋势明显小于施工面积的发展趋势，房屋开发的较多，但是完成量很小。
五、相关分析：
成对差分。t df sig.(双侧) 均值。
标准差。均值的标准误差分的 95% 置信区间下限上限对 1
施工房屋面积 - 竣工房屋面积。
1.23884e5 92965.590
1.80062e5
绘制散点图：
由此图分析可以得出，随着时间的推进，房屋建筑面积的竣工率逐渐变小，两者之间存在强负相关关系。
相关性。竣工房屋造价竣工房屋价值。
竣工房屋造价pearson 相关性 1 .990**
显著性（双侧）.000
n 13 13
竣工房屋价值pearson 相关性。990** 1
显著性（双侧）.000
n 13 13
*. 在。01 水平（双侧）上显著相关。
由此可见，竣工房屋价值跟竣工房屋造价显著相关。
六、因子分析：
相关矩阵。施工房屋面积竣工房屋面积房屋建筑面积。
竣工率竣工房屋价值竣工房屋造价。
相关施工房屋面积 1.000 .969 -.966 .998 .990 竣工房屋面积。969 1.000 -.931 .973 .942
房屋建筑面积竣工。
率。.966 -.931 1.000 -.959 -.976 竣工房屋价值。998 .973 -.959 1.000 .990
竣工房屋造价。990 .942 -.
976 .990 1.000 sig.
（单侧）施工房屋面积。000 .000 .
000 .000 竣工房屋面积。000 .
000 .000 .000
房屋建筑面积竣工。
率。000 .000 .000 .000 竣工房屋价值。000 .000 .000 .000
竣工房屋造价。000 .000 .000 .000
由此表可看，大多数相关系数都较高，各变量具有较强的线性关系，能够从中提取公共因子，适合进行因子分析。
公因子方差。
初始。施工房屋面积 1.000
竣工房屋面积 1.000
房屋建筑面积竣工率 1.000
竣工房屋价值 1.000
竣工房屋造价 1.000
提取方法：主成份分析。
解释的总方差。
成份初始特征值。
合计方差的% 累积%
5 8.595e-5 .002 100.000
提取方法：主成份分析。
由此可以看出，第一个因子的特征值为4.879，解释原有7个变量总方差的97.576%，累计方差贡献率诶97.576%。
spss回归分析作业
统计与数据挖掘实验。学生姓名 学号 学院 经济与管理学院。指导老师 专业 日期 2016 1 19 数据挖掘。回归分析。一 回归分析概述。回归分析是一种应用极为广泛的数量分析方法。它用于分析事物之间的统计关系，侧重考察变量之间的数量变化规律，并通过回归方程的形式描述和反映这种关系，帮助人们准确把握变...
spss统计分析作业
一分析使用长托宁和阿托品致全麻患者术后谵妄的比较。随机抽取100人，其中50人使用长托宁，50人使用阿托品。使用长托宁致术后谵妄的有23人，使用阿托品致术后谵妄的有8人。分析两者在致术后谵妄方面是否有区别。具体过程如下 首先打开spss1的软件后，点击切换到变量输入窗口录入数据组，然后选择 人数 建...
spss数据分析结果 作业
已知某大型游乐园五月份 六月份 七月份 八月份每天不同时间段入园游玩人数统计表，现在利用spss统计分析原理对这些数据进行一些分析处理。1.打开 分析 比较均值 均值 菜单项 统计100个个案中，12点至20点之间入园人数的均值 标准差 极小值以及方差。2.将数据中12点至14点之间入园人数小于等于...