内容发布更新时间 : 2025/2/11 0:37:45星期一 下面是文章的全部内容请认真阅读。

实验二 描述性统计分析

一、实验目的

学习利用SPSS进行描述性统计分析，编制变量数列。

二、实验内容及实验步骤

（一）探索分析（Explore过程）

实验内容：

下表为30名10岁少儿的身高（cm）资料，试作探索性分析。

身高 身高

编号 编号

男孩 女孩 男孩 女孩 1 121.4 133.4 9 128.2 125.4 2 131.5 132.7 10 137.4 137.5 3 132.6 130.1 11 135.5 120.9 4 129.2 136.7 12 129.0 138.8 5 134.1 139.7 13 132.2 138.6 6 135.8 133.0 14 140.9 141.4 7 140.4 140.3 15 129.3 137.5 8 136.0 124.0

实验步骤：

1．建立数据文件。

定义少儿身高的变量名为Height，然后再定义一个变量为SEX，用于作性别分组。顺序输入少儿身高的原始数据，在变量SEX中，男孩输入1、女孩输入2，并设置其值标签。

2．选择菜单“Analyze→Descriptive Statistics→Explore”,弹出“Explore”对话框。现欲对少儿身高资料进行分组的探索性分析，故在对话框左侧的变量列表中选x，使之进入Dependent List框，再选变量sex，使之进入Factor List框。

3．单击“Statistics”按钮，弹出“Explore: Statistics”对话框，选中Descriptives、M-estimators、Outliers、Percentiles以及Grouped Frequency tables。单击“Continue”按钮返回“Explore”对话框。

4．点击“Plot”按钮弹出“Explore: Plot”对话框，在Boxplot栏内选“Factor levels together”，按组别进行箱图绘制；在“Descriptive”栏内选“Stem-and-leaf”，作茎叶情形描述。单击“Continue”按钮返回“Explore”对话框。

5．单击“OK”按钮，得到输出结果。 结果分析:

1. 描述统计量：

分组显示男女各组的均值、置信区间、5%修正均值、中位数、方差、标准差、最小值、最大值、全距、四分位间距、偏度和峰度。

DescriptivesHeightGender0Mean95% ConfidenceInterval for Mean5% Trimmed MeanMedianVarianceStd. DeviationMinimumMaximumRangeInterquartile RangeSkewnessKurtosisMean95% ConfidenceInterval for Mean5% Trimmed MeanMedianVarianceStd. DeviationMinimumMaximumRangeInterquartile RangeSkewnessKurtosisStatistic134.0000130.4765137.5235134.3167136.700040.4836.36261120.9141.420.508.70-.894-.275132.9000130.0706135.7294133.0944132.600026.1045.10924121.4140.919.506.80-.424.496Std. Error1.64282Lower BoundUpper Bound1.5801.1211.31920Lower BoundUpper Bound.5801.121 2.M估计

M-EstimatorsGender01Huber'saM-Estimator135.4183132.9127Tukey'sbBiweight136.2104133.0901Hampel'scM-Estimator135.1852133.0153Andrews'dWave136.2327133.0904Heighta. The weighting constant is 1.339.b. The weighting constant is 4.685.c. The weighting constants are 1.700, 3.400, and 8.500d. The weighting constant is 1.340*pi. 3.百分位数

PercentilesPercentiles50136.7000132.6000136.7000132.6000WeightedAverage(Definition 1)Tukey's HingesHeightHeightGender01015120.9000121.400010122.7600125.480025130.1000129.2000131.4000129.250075138.8000136.0000138.7000135.900090140.7400140.600095..

4.极值

Extreme ValuesHeightGender0Highest12345123451234512345Case Number2922202728262324181714710861912415Value141.4140.3139.7138.8138.6120.9124.0125.4130.1132.7140.9140.4137.4136.0135.8121.4128.2129.0129.2129.3Lowest1HighestLowest

5.正态性检验

Tests of NormalityKolmogorov-SmirnovStatisticdfSig..19815.119.11215.200*aHeightGender01Shapiro-WilkStatisticdf.89515.96315Sig..079.751*. This is a lower bound of the true significance.a. Lilliefors Significance Correction 由上可以看出，在0.05水平下不能拒绝正态性假设。

6.QQ图

Normal Q-Q Plot of Heightfor Gender= 021Expected Normal0-1-2120125130135140145Observed ValueNormal Q-Q Plot of Heightfor Gender= 121Expected Normal0-1-2120125130135140Observed Value

由上图可以看出，各组数据均在直线周围，因此可以认为他们服从正态分布。而

且男性数据与直线拟合更好，说明更近似于正态分布，这一点从正态性检验结果5可以证实。

（二）描述性分析（Descriptives过程）

实验内容：

调查20名男婴的出生体重（克）资料如下，试作描述性统计。

2770 2915 2795 2995 2860 2970 3087 3126 3125 4654 2272 3503 3418 3921 2669 4218 3707 2310 2573 3881

实验步骤：

1．建立数据文件。 激活数据管理窗口，定义男婴出生体重的变量名为X，然后输入男婴出生体重的原始数据。

2．选择菜单“Analyze→Descriptive Statistics→Descriptives”,弹出“Descriptives”对话框。在对话框左侧的变量列表中选x,进入“Variable(s)” 框。并选中“Save standardized value as variables”项。

3．单击“OK”按钮，得到输出结果。

（三）频数分析（Frequencies过程）

实验内容：

调查100名健康女大学生的血清总蛋白含量（g%）如下表，试作频数分析。

7.43 7.88 6.88 7.80 7.04 8.05 6.97 7.12 7.35 8.05 7.95 7.56 7.50 7.88 7.20 7.20 7.20 7.43 7.12 7.20 7.50 7.35 7.88 7.43 7.58 6.50 7.43 7.12 6.97 6.80 7.35 7.50 7.20 6.43 7.58 8.03 6.97 7.43 7.35 7.35 7.58 7.58 6.88 7.65 7.04 7.12 8.12 7.50 7.04 6.80 7.04 7.20 7.65 7.43 7.65 7.76 6.73 7.20 7.50 7.43 7.35 7.95 7.35 7.47 6.50 7.65 8.16 7.54 7.27 7.27 6.72 7.65 7.27 7.04 7.72 6.88 6.73 6.73 6.73 7.27 7.58 7.35 7.50 7.27 7.35 7.35 7.27 8.16 7.03 7.43 7.35 7.95 7.04 7.65 7.27 7.72 8.43 7.50 7.65 7.04 实验步骤：

1．建立数据文件。

定义血清总蛋白含量的变量名为X，然后输入血清总蛋白含量的原始数据. 2．数据预分析

选择菜单“Analyze→Descriptive Statistics→Explore”，在弹出对话框中选择 血清总蛋白含量 进入Dependent List；并在Display 选项中选择plots→plots?→Boxplots→None→Descriptive→Stem-and-leaf→continue. 根据茎叶图，观察数据是否分布均匀，从而确定是采用等距式分组还是异距式分组。根据经验公式确定组数以及组距，并确定适当组限。

3．计算频数

对原始数据进行重新编码，利用Transform→Recode→Into Different Variables将该100名健康女大学生的血清总蛋白含量分组并赋值给新变量NewVar。

选择菜单“Analyze→Descriptive Statistics→Frequencies”,弹出