spss统计分析实习心得(精选10篇)
spss统计分析实习心得 第1篇
spss统计分析实习心得3篇
五天的SPSS软件实训终于结束了,虽然实训过程充满了酸甜苦辣,但实训结果却是甜的。看着小组的课题报告,心里有种说不出来的感触。高老师在对统计理论及 SPSS 软件功能模块的讲解的同时更侧重于统计分析在各项工作中的实际应用,使我们不仅掌握 SPSS 软件及技术原理而且学会运用统计方法解决工作和学习中的实际问题这个实训。我真真正正学到了不少知识,另外,也提高了自己分析问题解决问题的能力。
小组中每个人完成不同的任务,我的任务是用独立样本T检验的方法分析市、县及县以下的分类对社会消费品零售总额的影响,分析方差,均值,P值,显著性如何并进行T检验,得出结论报告。结果中比较有用的值为差值变量的均值Mean和Sig显著性在初级统计中,通常都要求所分析的数据呈现正态分布。通过对spss软件对数据的实践处理,我感觉显著性检验问题还是比较简单的,但对具体数据分析的目的性,实用性以及自己在做研究时如何使用,还有待进一步实践和提高。
SPSS 有具体的使用者要求的分析深度,同时是一个可视化的工具,使我们非常容易使用,这样我们可以自己对结果进行检查。电算化老师曾经说过,学习软件其实只是学习软件的操作流程,而要真正掌握整个软件,就得自己摸索探究,真真正正弄懂它,还要下一定的功夫的。我也深刻体会到了这点。前几次实训都是关于会计实验的,虽然时间安排比此次实训紧,任务量大,但实训结束后,基本的试训内容都完全掌握。而这次实训,虽然时间安排较为轻松,内容也不多,操作起来也有一定的难度,另外受外界因素的影响,根本就听不见看不见老师讲的,即便后来老师一讲就去前面,由于没有条件跟着操作,导致一部分内容总是不熟练,请教同学他们也不会,不过,问题也总会用解决的办法。经过我坚持不懈的努力,在本次实训结束之前,我终于弥补了自己不熟练的那部分内容。
学习SPSS软件,对于我们这些将来要时刻与数据打交道的人是有很大的帮助的,它主要的是运用SPSS软件结合所学统计知识对数据进行需要的处理,相对于EXCEL处理,SPSS软件处理不仅效率高,而且操作简单。我个人觉得,SPSS软件是一门专业性较强的课程,对于我们财务管理专业的学生是一门必备的课程,也是一门必须熟练掌握的课程,很庆幸,我是抱着将来要学习运用SPSS软件进行此次实训的。这次实训,使我对统计工作的过程和 SPSS应用的流程取得一定的感性认识,拓展了视野,巩固所学理论知识,提高了分析问题、解决问题的能力,也增强了我的职业意识、劳动观点以及适应社会的能力,最重要的是它使我获得了思想和课题分析处理上的双丰收。
在SPSS学习中,我对它的认识由浅入深,循序渐进,在实践中遇到的各种问题也能逐个攻克。学习这种在日常工作中有价值的分析方法,会使我们更能轻易应付日后的社会的信息工作;掌握这种高级的技能,对我们工作就业也提供了竞争优势.但是,软件的学习并不是一蹴而就的,在这个科技高速发达和知识不断更新的时代,我们应该不断学习不断更新自己的知识体系,争取做一名国家所需要的优秀的统计者。
本学期一周的SPSS软件实训结束了,我感触很深,因为本次实训过程是在共同努力下完成的。实训结果是可喜的。老师在对统计理论及 SPSS 软件功能模块的讲解的同时更侧重于统计分析在各项工作中的实际应用,使我们不仅掌握 SPSS 软件及技术原理而且学会运用统计方法解决工作和学习中的实际问题这个实训。我真真正正学到了不少统计知识,另外,也提高了自己分析问题和解决问题的能力。
SPSS 软件有具体的使用者要求的分析深度,同时是一个可视化的工具,使我们非常容易使用,这样我们可以自己对结果进行检查。我记得老师曾经说过,学习软件其实只是学习软件的操作流程,而要真正掌握整个软件,就得自己摸索探究,真真正正弄懂它,还要下一定的功夫的。我也深刻体会到了这点。这次实训,虽然时间安排较为轻松,内容也不多,操作起来也有一定的难度,一部分内容总是不熟练,请教同学他们也不会,不过,问题也总会用解决的办法。经过我坚持不懈的努力,在本次实训结束之前,我终于弥补了不熟练的那部分内容。
在SPSS学习中,我对它的认识由浅入深,循序渐进,在实践中遇到的各种问题也能逐个攻克。学习这种在日常工作中有价值的分析方法,会使我们更能轻易应付日后的社会的信息工作,掌握这种高级的技能,对我们工作就业也提供了竞争优势。
学习SPSS软件,对于我们这些将来要时刻与数据打交道的人是有很大的帮助的,它主要的是运用SPSS软件结合所学统计知识对数据进行需要的处理,相对于EXCEL处理,SPSS软件处理不仅效率高,而且操作简单。
我个人觉得,SPSS软件是一门专业性较强的课程,对于我们国际经济与贸易专业的学生是一门必备的课程,也是一门必须熟练掌握的课程,我是很喜欢本次的SPSS软件实训的。这次实训,使我对统计工作的过程和 SPSS应用的流程取得一定的感性认识,拓展了视野,巩固所学理论知识,提高了分析问题、解决问题的能力,也增强了我的职业意识、劳动观点以及适应社会的能力,最重要的是它使我获得了思想和课题分析处理上的双丰收。但是,软件的学习并不是一蹴而就的,在这个科技高速发达和知识不断更新的时代,我们应该不断学习不断更新自己的知识体系。最后,要感谢老师的认真指导。
通过本次的教学实习,使我们对统计工作有了一个初步的认识,以及统计软件在
统计工作中应用的重要性和方便性,认识实习的目的认识实习的目的就在于让同学们初步了解企业的基本情况,了解信息收集,处理过程加强感性认识,为以后专业理论课程的学习特别是毕业设计奠定必要的实践基础。就是要我们把所学的知识运用到实践中。学习了统计学软件SPSS,有力的将理论知识与实践联系在一起,并且进一步掌握了理论知识;其次,通过老师对普查与政府统计机构的讲解,使我对统计的了解更加深刻。这次认识实习可以说是理论与实践的联系,校园与社会的联系,使我了解社会统计工作的轮廓,使我对统计在现实中的运作有所了解,也对统计也有了进一步的掌握。使同学们对统计工作的过程和 SPSS应用的流程取得一定的感性认识,拓展了视野,巩固所学理论知识,提高了分析问题、解决问题的能力,增强了学生职业意识、劳动观点以及适应社会的能力,使学生获得业务和思想双丰收。
现在我将近期的实习的过程感受汇总如下:SPSS 有具体的使用者要求的分析深度,同时是一个可视化的工具,使我们非常容易使用,这样我们可以自己对结果进行检查。我觉得我们可以在全校范围内把 SPSS 作为数据分析工具进行推广,向学生提供日常工作需要的有价值的分析技术。如果我们能够掌握这种高级技术,毕业后就能够轻易地应付来信息社会和商业世界的挑战。在这次短学期实习中,我第一次接触到了统计分析软件spss,并对其进行了基本的学习。
首先,我们学习了数据编辑窗口的几个部分:窗口主菜单、工具栏、数据编辑区、系统状态显示区等,并先后学习了这几个部分的操作步骤及计算出的数据所表示的意义。通过学习,我深刻的体会到要想学会一套软件的操作,远没有我想象的那么容易,尤其是这套spss统计软件。学习软件的基本操作相对来讲是容易的,但要理解每一个步骤的意义及每一组所计算出来的数据的代表内容,就要付出更多的精力和时间。在学习过程中,细心和耐心是很必要的。在某些操作中,比如说spss线形回归的操作步骤,只要稍微马虎一些,就会弄错,导致操作结果错误。通过这次在实验室的认识实习,我们不仅对spss这套统计软件有了初步的认识,而且掌握了一些基本的spss的操作,但更重要的是,我学会了如何去学习一种操作软件,如何去理解统计学这门学科。
近两周的短学期实习,使我对统计学有了更深刻的理解,并且更加深刻的体会到了一位统计工作人员所必备的严谨的态度和一丝不苟的精神。正所谓实践出真知,通过实践,我发现自己在课堂上所掌握的理论知识还很不扎实,专业英语也不是很过关。在应用软件分析出的数据中,有很多都不知道是什么意思,还有的数据概念模糊,这都是在今后的学习中需要改进和加强的。我想,这对我今后的学习是有何大帮助的。总之,这次的短学期学习给我们很大的感触,对今后的学习还是将来的工作都有了一定的帮助,统计是一门理论性很强的课程,要求我们一定要统计知识的重要性,才能在将来做一名合格的统计工作者,为国家奉贤。
spss统计分析实习心得 第2篇
本学期专业开设了统计学课程,通过一学期的学习我们对统计学应用领域及
其类型基本概念有了基本了解,掌握了数据的收集、展示、分析的技术。但这都
是些书本上的理论知识,是纸上谈兵。
然而通过一学期统计学的学习,由最初对
基于SPSS对成绩进行统计分析 第3篇
SPSS (Statistics Package for Social Science) 社会科学统计软件是世界著名的统计分析软件之一。本文以我校交通运输专业2008级二个班147名学生为研究对象, 对2010~2011年第一学期的站场与枢纽设计考试成绩通过SPSS进行统计分析。
1 基本统计分析
1.1 频数统计
通过频数分析能够了解变量取值的情况, 对把握数据的分布特征是非常有用的, 2个教学班学生的成绩统计分析 (见表1, 由于数据较多, 此表只摘录少量) 。
表1结果表明本次分析的数据包含了147个有效记录, 所有分数的分布范围, 不同分数各自出现的次数, 以及大多数学生的成绩分布在什么范围等信息。
1.2 基本描述统计量计算
基本描述性统计量包括平均值、样本标准差、样本方差、偏度、峰度等, 通过SPSS计算输出描述统计结果见表2。
该结果表明记录中最低成绩43分, 最高成绩96分, 极大值与极小值之间的全距是53, 平均值是72.67, 标准差是10.794, 样本方差是116.509, 偏度是-0.639, 表明成绩数据分布比标准正态分布负偏差数值较大, 接近于对称分布。峰度是0.325, 表明数据的分布比标准正态分布更陡峭, 为尖峰分布。
2 成绩正态性检验与差异分析
2.1 图形显示
对于正态分布情况, 通过SPSS做出Q-Q图 (图1) 、P-P图 (图2) 。从图1可以看出成绩的数据大致分布在对角线的两侧, 可以说明成绩总体近似服从正态分布。从图2中可以看出数据点基本分布在对角线上, 表明期望累计概率与实际累计频率吻合, 说明成绩总体近似服从正态分布。
2.2 正态性检验
对班级成绩进行正态性检验, 我们采用非参数检验的单样本K—S检验, 见表3。从结果上看, K—S的Z统计量为1.142, 对应的相对的相伴概率为0.147, 大于显著性水平0.05, 所以我们应该接受原假设, 认为考试成绩分布与理论正态分布无显著差异, 也就是说学生成绩在0.05水平的显著性下通过正态性检验。我们对于2个班级的成绩也可以分别进行检验发现2个班级的成绩均通过了正态性检验, 说明本次站场与枢纽设计的考试成绩结果好, 正常反应了学生分布, 有较高的分析价值。
2.3 差异分析
每班的成绩分布均为正态分布, 而各个班级成绩总体之间分布是不是存在显著的区别, 男生和女生成绩总体之间有没有显著的区别, 可以通过独立样本Mann-Whitney U检验分析, 我们对1班和2班、男生和女生进行独立样本的均值比较, 由SPSS输出结果见表4。
从表4中可以看出, 计算得到2个班级间的相伴概率为0.133, 大于显著性水平0.05, 因此没理由拒绝零假设, 认为两个独立样本的总体分布没有显著的差异, 即1班成绩和2班成绩在统计学上是没有显著差异的。说明在一个学期的站场与枢纽设计教学中, 2个老师的教学方法、教学技能和责任心有所不同, 但从最后的教学效果上来看没有了显著差异。
同样由表4中可以看出, 计算得到男女生间的相伴概率为0.000, 小于显著性水平0.05, 因此应该拒绝零假设, 认为两个独立样本的总体分布有显著的差异, 即男生成绩和女生成绩在统计学上是有显著差异的。说明在同样的教学条件下, 女生的学习成绩明显比男生好的多, 反映女学生在学习过程更加认真、努力、主动。
3 结束语
本论述主要采用了spss统计软件对于学生成绩进行了平行班级之间的比较, 在上述分析过程中, 我们可以看到用SPSS软件对学生成绩进行统计分析是方便易用的。
通过Q-Q图、P-P图、单样本k-s检验、独立样本Mann-Whitney U检验, 得出这次站场与枢纽设计的学生考试成绩总体、各班成绩分布均近似为正态分布, 不同任课教师对学生的成绩都没有显著性的影响, 但性别对学生成绩的有明显的影响。
参考文献
[1]杨晓明.SPSS在教育统计中的应用[M].北京:高等教育出版社, 2005.
[2]王秀玲.教育统计的基本理论与SPSS操作技术[M].杭州:杭州出版社, 2009.
spss统计分析实习心得 第4篇
摘 要: 考试是评价教育效果的重要手段,而命制试题则是考试中的重要一环。过去,对试卷命题的质量评价常以主观定性的方式为主。现在可以依靠SPSS(统计产品与服务解决方案)软件,实现对命题质量的定量分析。
关键词: 命题质量 定量分析 质量评价
一、命题定量分析的准备工作
启动SPSS19.0中文版,选择“变量视图”中,在名称下输入学号、题目1—12、总分等命题基本情况项目。在类型标记中,将学号定义为名义,将题目1—12定义为度量,小数根据实际情况设定,其他项保留默认设置。选择“数据视图”标签,在各行内输入学生的各题得分和总分数据(图2)。
图1 定义变量设定图
图2 数据输入图
二、命题的定量分析
(一)描述性统计量分析
用以描述考试总体情况的各分数统称为描述性统计量。在SPSS中,点击“分析—描述分析—频率”。将“总分”等变量名称选入待计算变量框中,在“统计”中选择要计算的统计量,选中均值、极值、标准差、中位数等项,最后输出结果(表3)。
表3 有效数据的得分描述性统计
(二)试题的正态分布预期
在學生群体足够大时,学生的能力呈正态分布。处于能力尖端和尾端的学生数量少,处于能力中端的学生数量多。在考试命题适宜,教学状况正常,学生水平相当,试卷评阅严谨的前提下,一份合格的试题,所反映出的学生成绩应呈现正态分布的特点。为研究试题能否体现学生能力的正态分布,可在SPSS软件中点击“分析—描述分析—频率”,在“频率”对话框中选择“图表”,点选绘制“总分”的直方图并标变化曲线(图4)。
图4 学生总分的直方—变化曲线图
若学生总分的直方—变化曲线图能呈现正态分布,那么,可进一步探究命制试题的正态分布预期。可利用单个样本K-S校验测查给定数据与正态分布间的显著差异。在SPSS中,点击“分析—非参数检验”,对“总分”进行单个样本K-S检验(表5)。
表5 试题总分的单样本Kolmogorov-Smirnov检验
(三)难度
试题的难度(P)是测验题目难易程度的统计量。试卷难度等于试卷内各题的平均难度。要观测命题试卷难度,应先测量命题试卷内各题难度。试题计分方法不同,难度计算方法不同。
二分法计分(选择题、判断题)题目的难度统计。对于二分法计分的题目,答案只有对与错两种可能的结果(即答对得分,答错不得分)。此类题目难度通常用通过率(P)表示。其中,P=1—R/N(其中R为答对该题的人数,N为答题总人数)。由此,可在SPSS中,运用“转换—计算变量”方法,在“计算变量”对话框中输入公式,直接算出二分法题目难度(表6)。
表6 二分法计分题目难度值
非二分法计分(主观题、论述题)题目的难度统计。对于非二分法计分的题目,难度(P)可以通过公式P=1—X/W(X为该题目均分值,W为该题满分值)计算。可采用“计算变量”方法直接输入公式,算出非二分法题目难度(表7)。
表7 非二分法题目难度值
全卷难度值(P)等于卷内各题难度平均值,采用SPSS“计算变量”可得p=0.4。
(四)区分度
区分度是反映试题区别学生水平和能力的统计量。在实际统计时,常以考试总分作为考生的实际水平,而把某题的得分与学生总分之间的相关系数作为该题的区分度。
客观题的区分度统计,可把客观题得分视为等间距测度的连续变量,采用Spearman等级相关分析统计区分度。主观题的区分度统计,可把主观题成绩视为非等间距测度的连续变量,采用Pearson相关分析。在SPSS中,点击“分析—相关—双相关”。先选择客观题各题分数和总分采用Pearson相关分析(1-6),再选择主观题(7-12(2))各题分数和总分采用Spearman相关系数分析,得到结果合成(表8)。
表8 各题区分度汇总表
(五)信度
信度是衡量一次考试可靠性、稳定性的统计量。信度代表着试题的可靠性,其取值在0至1之间。信度越高,可靠性越好,但容易造成成绩标准差过大。一般采用SPSS中克伦巴赫系数(Alpha模型)计算命题试卷一致性信度系数。在SPSS中,点击“分析—度量—可靠性分析”。在可靠性分析对话框中,选择试卷各题得分数据。点击“统计量”,选择“如果项已删除则进行度量”,结果如下(表9-10):
表9 信度统计值表
表10 删除变量后项目统计值表
(六)效度
效度是指测试结果的准确性与有效性程度的统计量,即一个测验能够测量学生水平的程度[2]。可采用效标效度法测量试题的效度。将学生的平时成绩作为效度分析的校标,利用皮尔森相关系数法计算命题测试分数与校标之间的相关系数,结果即为试题效度(表11)。
图表11 命制试题得分与平时成绩间皮尔逊相关系数分析
三、命题质量评价
第一,描述性统计量分析。由表3可知,命题平均成绩为32.54分(满分49分),最高分45分,最低分12分,标准差为6.94。平均分、标准差数值适当,极值差距较大,体现了学生个体之间对题目的理解差异大。由此可见,试卷命题中,部分题目可能表意不清,引发部分学生无从下手作答的情况。此卷应注意题干的表达,使学生清晰了解题目意图。
第二,正态分布预期分析。由图4可知,学生总分变化曲线呈正态分布曲线样式,因而命制试题具有正态分布预期。由表5进一步分析K-S检验中的各数值可知,Z值为0.493,sig(双侧P值)=0.851>0.05,由sig(渐进显著性)>0.05,可得给定数据与正态分布没有显著性差异,即总分数据符合正态分布要求。
第二,试题难度分析。一般认为,命题难度在0.4至0.7之间为宜,难度值小于0.4的题目难度较小,难度值大于0.7的题目较大。一般认为,最好的试题难度应接近于中等难度(即p=0.5)。因此,本命制试题全试卷具有中等偏下的难度(p=0.4)。这份命制试题如果运用在终结性考核中,用以检测学生在群体中知识掌握水平,作为合格水平测验,则效果较好。但作为过程性考核,则其难度水平较低,需适当加大难度。由表6、7可知,T9、T1难度过小,建议予以删改。T6、T3难度过大,应进一步结合课程评价标准加以研究,检验是否超纲。
第三,区分度分析。一般认为区分度在0.4以上的题目,鉴别能力优秀;区分度在0.3至0.39间的题目,鉴别能力良好;区分度在0.39以下的题目,应进行删改。由表8可知,全卷区分度总体水平适宜,能够区分学生掌握知识程度的优劣。但T1、T3、T4、T6四题区分度较低(<0.39),说明学生在作答这些题目时,掌握的知识和对知识理解、运用的能力不能充分体现在试卷答题分数上,因此,应作删改。
第四,信度分析。从表9可知,本次考试的信度为0.455。普遍而言,学校测验采用试卷信度应达到0.5以上。本命题试卷达不到可信要求,为提高本卷信度,本卷应进行修改。从表10可知,删除T1后全卷信度提升至5.0,故可考虑对T1进行替换。同时,目前本卷题量共12题,题目数量较少,可考虑通过适当增加题量的方法,提高全卷信度。
第五,效度分析。从表11可知,全卷效度值为0.837,在0.01的显著性水平下,sig.值(显著性)为0.000,表明学生完成命制试题的得分与学生平时的成绩两者间呈显著的相关关系。命制试题具有较高的效度。
参考文献:
[1]张雪冰.试卷分析中的正态分布和非正态分布[J].安徽建筑工程学院学报(自然科学版),2009.8(17-4).
SPSS学习心得 第5篇
大四的时候,学过spss相关课程,初步了解到它有非常强大的统计功能,对我们的学习、工作都会有很大的帮助,所以一直想学好这门课程。通过这个学期颜老师的课,让我了解了许多,也学到了SPSS一些强大的功能,相信这对我以后,会有一定的帮助,至少等以后需要用,要再学习的时候,不至于太陌生。
平时,我们用的较多的数据分析软件是Excel。虽然使用Excel可以对数据进行透视、分类、筛选以及计算机相关系数等,但是这些操作都需要自己一步一步进行手动操作,而在使用spss软件对数据进行整理时,只需要对软件某选项内设置变量条件,系统便会自动的进行整理。而且,在学习与应用SPSS过程中,我了解到应用SPSS软件只要了解统计分析的原理无需知晓统计方法的各种算法就能得到自己所需要的统计分析结果。另外对于常见的统计方法,SPSS的命令语句、子命令及选择项的选择绝大部分在软件内的对话框操作完成,都无需花费大量的时间记忆大量的命令和选择项。在这方面,SPSS软件的应用可以使我们节省大量时间,而且软件操作比较容易上手。
另外在与SPSS的接触中,我逐渐了解到SPSS软件的强大与方便。SPSS提供了从简单的统计描述到复杂的多因素统计分析方法,其中有数据的统计分析、统计描述、交叉表分析、方差分析、多元回归、因子分析等分析方法。利用这些方法可以得出计算数据和统计图形,看出数据的离散程度、集中趋势和分散程度,单变量的比重,还有对数据进行标准化处理。利用这个软件对问卷数据进行分析是非常好的。虽然,这些方法大部分我还是不会使用,能够让我利用并成功分析的方法只有寥寥几种,但是这种简单便捷的操作让我对SPSS的兴趣却是越来越浓。
但在学习SPSS期间,也遇到了一些问题,主要是后面几章,SPSS的方差分析、线性回归分析、因子分析等。
在参数检验中我不知道原假设是什么,导致分析的时候不知道该拒绝原假设还是接受原假设,不能分析出统计结果。不会区分单样本t检验和两配对样本t检验的区别,现在懂得了它们都要服从正态分布,基本思想是小概率反证法,反证法思想是先提出假设(检验假设H0),再用适当的统计方法确定假设成立的可能性大小,如果可能性小,则认为假设不成立,否则,还不能认为假设不成立。
在学习方差分析中,开始常常把观测变量和控制变量弄混淆,在分析的时候应分别送入哪个对应框中,如果反了的话会导致结果的不准确。其次,对LSD、Bonferroni、Tukey、Scheffe等方法的使用不清楚,现在基本掌握了多重比较方法选择:一般如果存在明确的对照组,要进行的是验证性研究,即计划好的某两个或几个组间(和对照组)的比较。宜用Bonferroni(LSD)法;若需要进行多个均数间的两两比较,且各组个案数相等,适宜用Tukey法;其他情况宜用Scheffe法。最后,对方差齐性检验、多重比较检验、趋势检验理解不够透彻,在方差检验中,Post Hoc键有LSD的选项:当方差分析F检验否定了原假设,即认为至少有两个总体的均值存在显著性差异时,须进一步确定是哪两个或哪几个均值显著地不同,则需要进行多重比较来检验。LSD即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验。
在学习相关分析的过程中,在绘制散点图时,不知道哪个该做横坐标,哪个该做纵坐标,明白了横坐标是解释变量,纵坐标是被解释变量,还有对相关系数的种类分析不熟练等。在学习回归分析的过程中,对DW可检验的含义不理解,不记得对应的DW表示的残差序列的相关性。对解释变量向前筛选、向后筛选、逐步帅选策略不能熟练掌握,特别是对向前向后筛选时到处的结果不会进行分析。
学习因子分析的过程中,对提取出来的因子的实际含义不清晰,不能使因子具有命名解释性等。此外,由于我们所学专业并非必须拥有计算机,导致我们平时能够练习的机会比较少,造成了掌握不牢固,前学后忘现象比较严重。这些问题,也许会随着对spss应用的深入,经验慢慢的积累,而得到解决。很希望能够把SPSS的应用熟练操作,并且能把它变为自己的一种本能,使自己在今后的工作与学习中,可以轻松运用。
SPSS软件学习心得 第6篇
常见的统计软件有SAS,SPSS,MINITAB,EXCEL等。这些统计软件的功能大同小异,各有所侧重。其中的SAS和SPSS是目前在大型企业,各类院校及科研机构中较为流行的两种统计软件。特别是SPSS,其界面友好,功能强大,易学,易用,包含了几乎全部尖端的统计方法,具备完善的数据定义,操作管理和开放的数据接口以及灵活美观的统计图表制作。作为专业的统计软件,SPSS感觉比EXCEL更丰富,也更准确。
从表1中分析,抗拉强度的极小值为67.89,极大值为80.36,均值标准误差为0.86948,标准差为3,47793,方差为12.096。屈服强度的极小值为47.14,极大值为8.227。
表
2从表2中分析,回归平方和为176.469,自由度为1,均值方差,176.469,显著性为
497.056,残差平方和为4.970,自由度为14,均值方差为0.355。
表
3从表3从分析,常数量B为12.514,非标准化系数的标准误差为2.719,T值为4.602。标准系数使用版为0.986,T值为22.自变量的B值为1.196,非标准化系数的标准误差为0.054,295。
表
4图
1从散点图可以看出,抗拉强度Y与屈服强度X大致呈线性关系。人们假设Y与X之间的内在关系是一条直线,这些点与直线的偏离是实验过程中其他一些随机因素的影响而引起的。
心得体会
在学习SPSS中必须学会的是“数据组织方式和数据测度”,这个对于那些学习信息的人容易理解,对文科出身的人不容易理解。但是这个问题对于初学者很重要。在实际使用SPSS时,就得按部就班地按照先定义变量,测调度,在录入(导入数据),再分析。分析并不是整个流程。
在大二快结束的学习过程中参加了SPSS的课程学习,尽管我只是大略地学习,泛泛地接触这门课程,但是对这门课的兴趣很浓。参与这次实践的经历深刻改变了我对这门课的认识。我越发感到我需要这门课程,我必须掌握这门统计技术,分析方法。这就是社会的需求,学校的标准,也是个人发展得需要。
虽然只有几周的学习时间,但我已经对该课程有了更多的了解,十分感谢黄璟老师讲解的这门课,提供了这个平台。理论加实践,为不同基础的学生提供了好的学习环境。我认为开设很有必要,应当成为重点。
现实生活中的数据多不胜数,但要得到有用的数据并不容易,这就要应用数据分析的方法确定数据的属性,再用清理工具(清洗、集成、转换、消减)进行筛选转化为有用的信息,再用SPSS深入分析,得出规律。
对数据的分析是以统计学为基础的,统计学提供了一套完整的科学方法论,统计软件则是实现的手段,统计分析软件具有很多有点。它功能全面,系统地集成了多种成熟的统计分析方法;有完善的数据定义、操作和管理功能;方便地生成各种统计图形和统计表格;使用方式简单,有完备的联机帮助功能;软件开放性好,能方便地和其他软件进行数据交换。我们接触最多的统计软件是EXCEL 和SPSS。在统计学中应用EXCEL,在数据分析中则主要是SPSS,它具有很好的人机界面和完善的输出结果。
这门课程中我们学了另外一种数据分析方法就是聚类分析。它与“物以类聚,人以群分”是同样的道理。多元统计分析方法就是对样品或指标进行量化分类的问题,它们讨论的对象是大量的样品,要求能合理地按各自的特性也就是相似性来进行合理的分类,没有任何模式可供参考或依循,即是在没有先验知识的情况下进行的。我们学习了Q型聚类法、R型聚类法以及系统聚类法。Q型聚类分析样品间的聚类,用距离来测度亲疏程度。R型聚类分析变量间的聚类,用相似系数来测度亲疏程度。
spss心得体会 第7篇
选择[转换]—计算变量,在目标变量框中输入变量名“Spinn”,在“数字表达式”框中输入“trunc(rv.uniform(1,5))”,然后单击(确定)按钮,
(1)选择(分析)—描述统计—频率,然后把变量“spinn”选入“变量”框中,
(2)单击(图表(C))按钮,“频率:图表”对话框,勾选“直方图(h)”选项。
(3)单击(继续)按钮,返回“频率”对话框,然后单击(确定)按钮。以上过程也可以通过在语法编辑器中运行如下的语法程序实现。
并且要打开本章的数据文件“sim.sav”。
然后选择“转换”—计算变量,
保存该文件为“sim norm.sav”。
从该组随机数的分布能否确定该样本数据的确是从正态分布的总体中随机抽取的呢?
如果随机试验只有两个可能的结果,不妨称为成功和失败,设该试验中成功的概率为p(0
选择“条形图”。然后在右侧的示例图预览中双击第一个图标。预览图将出现在右上角的画布中。用鼠标把“变量”中的变量x拖放到“是否x轴”虚线框中,把变量prob25拖放到“计数”虚线框中,。该条形图可以编辑修改。
(3)得到随机变量x的条形图,该条形图可以编辑修改
(4)双击该图,得到“图形编辑器”窗口。
(5)双击图形编辑器窗口中的图形,即可出现属性窗口,在属性窗口中,可以设置条形图的各种属性,如宽度,填充颜色,边框,图形大小等。
(6)改变条形图的填充颜色和条子的宽度,修改后的条形图。
选择文件——新建——数据,在数据编辑器中打开一个空的数据文件,在数据视图的第一例分别输入0,1,2,3,···,10,即随机变量x的所有可能的取值。
单击变量视图,把变量名称“var00001”改为“x”,小数位数设为0;建立另外两个新的变量,分别命名为“c25”和“c40,小数位数都设为4。”
SPSS软件在统计课程中的应用 第8篇
关键词:SPSS软件;概率统计;优越性与可行性;应用与完善
在计算机网络技术快速发展的时代,人们接触的信息元素也迅速增多,因此如何快速的从大量的信息数据中提取有用的信息,并应用于人们的社会实践活动中,显得尤其重要。
概率统计课程是一门应用性很强的学科,主要研究在生活过程中的随机现象统计规律,而在教学过程中培养学生对概率统计课程中基本方法以及解决实际问题的能力尤其重要,SPSS软件具有操作简单,统计分析方法丰富、全面的特点,利用SPSS软件对实际问题进行辅助教学,可以有效的对大量的数值进行计算,并可以对数据进行对应分析、联合分析、多分类变量Logistic回归分析等,可涉及300多个变量、100万个以上样本的数据资料文件。
一、SPSS软件应用于统计课程教学的必要性和可行性
统计学主要以数字为语言,针对数据资料进行收集、整理和分析,是一门描述和分析客观事物数量的科学,目前统计学已经深入的渗透到了自然和社会科学中的各个领域,也是一门实用性很强的基础课程。在社会工作中应用的统计技能主要在于学生在统计学课程中学习得到,学生应了解统计学课程中的统计思想,并掌握应用统计分析方法分析问题和解决问题。在传统的教学过程中,统计课程中的公式计算一般是通过计算机器和手工完成的,很难把含有大量复杂数据的一些典型案例引入到教学中,同时,一些包含数据的图形在统计学课程中也起着非常重要的作用,但在数据量比较大的情况下,手工绘图的精确度很难掌握准确,这些都给统计学课程的教学造成了很大的障碍,影响了学生对统计理论和方法的理解,因此在统计课程中系统并灵活的应用SPSS软件教学在激发学生学习的积极性和提高学生解决问题的能力具有较强的现实意义。
二、在统计课程教学中应用SPSS的方法
1.强调更新统计学课程的教学思想,并转移教学重点
在统计学课程中应用SPSS软件辅助教学后,统计学的教学重点应由原始统计数据过程转向对统计数据结果的实际意义的理解和应用,在对统计原理充分重视的基础上,应该摒弃统计过程繁琐的理论证明、推导和计算步骤,增加在教学过程中应用SPSS软件,让学生通过SPSS软件解决繁琐的证明和计算步骤。在统计课程的理论教学中,侧重的是从实际问题中引申出统计学的基本概念,理解统计学的基本原理思路和主要的用途特点,并能深入的分析不同的统计方法适用的条件和数据类型,且能通过具体的案例分析掌握相应的统计知识的应用,而具体的统计计算则是由SPSS软件完成。
2.加强统计课程教学过程的实验教学,通过学生上机操作完成
在统计课程教学过程中,当每一个理论要点讲解完成后,应该及时安排学生在实验室上机实践,通过具体的数据案例、完成作业和有针对性的研究性教学等各种方法应用所学的理论,培养学生在应用软件的过程中解决问题的能力。在上机实验的过程中,教师应先对本节所授内容进行讲解和回顾,亲自在主机上动态演示SPSS软件的具体操作步骤,并对得出的结果进行解释,然后让学生应用SPSS软件独立完成课后习题或其他典型习题,要求学生完成软件的基础操作步骤和基础统计训练,并对计算机运行出的结果进行解释。
3.鼓励学生运用所学的统计知识分析实际问题
统计学课程应用案例分析、习题作业、小组讨论和上机练习等多种不同的教学方法,让学生在不同的教学过程中掌握相关的统计概念和理论,能利用相关专业的软件解决实际的生活问题,具体方法包括:鼓励学生组成团队,针对具体的管理问题通过收集数据,选择恰当的统计方法,运用SPSS软件对数据进行分析处理,得出结论,并给出相应的修改意见;鼓励学生运用所学的统计知识分析实际生活问题,例如大学生就业的统计分析,学生考试成绩的分析,教师教学水平的分析等问题,通过进行相应的校园问卷调查和收集数据,用软件对收集的数据进行分析和处理,得出相应的结论。因此,在统计课程教学过程中应用SPSS软件开展教学,能激发学生对统计课程的积极性,提高学生应用统计分析方法解决实际生活问题的能力,提高统计学课程的教学效果。
三、在统计课程教学过程中应用SPSS软件应注意的问题
1.教学过程中SPSS统计软件的使用
在统计课程教学过程中适当地增加SPSS统计软件的使用,将统计概念、统计思想和统计方法适当的引入到教学中,让学生能形象的理解和掌握相应的统计方法,通过采用SPSS软件教学后,可通过软件的绘图和数据分析、统计分析等功能利用计算机特有的程序和演示功能使统计学的知识变得直观、具体和形象,从而增强学生对统计学概念的理解和方法的掌握运用。教师也可在教授过程中随时发现学生学习的问题,能及时解决问题,并能了解学生在课堂教学中所出现的状况。
2.把课程的重点应放在具体实例的应用上
在课程教学过程中,应选择具有实际背景和较高的应用价值的问题作为统计教学的研究主题,应淡化相应的计算细节的处理,鼓励学生应用自己所学的统计知识分析实际生活问题或经济管理问题,例如:大学生目前就业情况、校园餐厅卫生情况、大学生使用手机情况、大学生网购情况、学生上课出勤率问题等,鼓励学生对实际生活中的问题搜集数据,并建立相应具体的数学模型,应用SPSS软件对数据进行统计分析,让学生学会运用相应的统计学知识解决生产和生活中的实际问题,并为将来从事统计专业工作做铺垫。
参考文献:
[1]何晓群,刘文卿.应用回归分析[M].第2版.北京:中国人民大学出版社,2007
[2]宋志刚等.SPSS16.0实用教程[M].北京.人民邮电出版社,2008.10.1
[3]吴世军.SPSS在数据分析中的应用[J].统计与决策,2006.9
SPSS软件学习心得(模版) 第9篇
SPSS(Statistical Product and Service Solutions),名称是“统计产品与服务解决方案”软件。SPSS软件的统计分析步骤:
(1)读入数据文件,或直接建立SPSS数据文件,或调用其它类型的数据文件,如:Excel、纯文本文件等;
(2)调用统计分析程式或模板;
(3)选择变量,设定参数并运行;
(4)查看统计分析输出结果。
SPSS的主要功能分为两个方面:一个是对数据文件的建立和管理;另一个是提供了各种统计分析方法。对数据文件的建立和管理主要通过Data菜单和Transform菜单实现,可以对数据进行修改编辑、查找、排序、合并、分割、抽样、加权、重新编码、编秩、设定种子数及计算或转换新的变量等多种功能;提供各种统计分析方法则是通过Analyze菜单实现.可以对数据集进行一般统计分析,如描述性统计、探索性分析、t检验、单因素和多因素方差分析、协方差分析、四格表和列联表卡方检验、相关分析、线性回归分析、非参数检验、生存分析等。
特点:不需编程,完全采用菜单和对话框的操作方式,绝大多数操作过程仅靠鼠标点击即可完成,简便易学,易于操作;具备完备的统计图表制作功能,能绘制精美的统计图表,并可以极其方便地对其编辑和修饰。
SPSS课程学习心得体会 第10篇
本科的时候有概率统计和数理分析的基础,但是从来没有接触过应用统计分析的东西,spss也只是听说过,从来没有学过。一直以为这一块儿会比较难,这学期最初学的时候,因为没有认真看老师给的英文教材,课下也没有认真搜集相关资料,所以学起来有些吃力,总感觉听起来一头雾水。老师说最后的考核是通过提交学习报告,然后我从图书馆里借了些教材查了些资料,发现很多问题都弄清楚了。结合软件和书上的例子,实战一下,发现spss的功能相当强大。最后总结出这篇报告,以巩固所学。spss,全称是statistical product and service solutions,即“统计产品与服务解决方案”软件,是ibm公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称,也是世界上公认的三大数据分析软件之一。spss具有统计分析功能强大、操作界面友好、与其他软件交互性好等特点,被广泛应用于经济管理、医疗卫生、自然科学等各个领域。具体到管理方面,spss也是一个进行数据分析和预测的强大工具。这门课中也会用到amos软件。
关于spss的书,很多都是首先介绍软件的。这个软件易于安装,我装的是19.0的,虽然20.0有一些改变和优化,但是主体都是一样的,而且都是可视化界面,用起来很方面且容易上手。所以,我学习的重点是卡方检验和t检验、方差分析、相关分析、回归分析、因子分析、结构方程模型等方法的适用范围、应用价值、计算方式、结果的解释和表述。
首先是t检验这一部分。由于参数检验的基础不牢固,这部分也是最初开始接触应用统计的东西,学起来很多东西拿不准,比如说原假设默认的是什么。结果出来后依然分不清楚是接受原假设还是拒绝原假设。不过现在弄懂了。这部分很有用的是t检验。t检验应用于当样本数较小时,且样本取自正态总体同时做两样本均数比较时,还要求两样本的总体方差相等时,已知一个总体均数u,可得到一个样本均数及该样本标准差,样本来自正态或近似正态总体。t检验分为单样本t检验、独立样本t检验、配对样本t检验。其中,单样本t 检验是样本均数与总体均数的比较的t检验,用于推断样本所代表的未知总体 均数μ与已知的总体均数uo有无差别;独立样本t检验主要用于检验两个样本是否来自具有相同均值的总体,即比较两个样本的均值是否相同,要求两个样本是相互独立的;配对样本t检验中,要正确理解“配对”的含义,主要用于检验两个有联系的正态总体的均值是否有显著差异,跟独立检验的区别就是样本是否是配对样本。这几个方法用软件操作起来都是相对简单的,关键是分清楚什么时候用这个什么时候用那个。
然后是方差分析。方差分析就是将索要处理的观测值作为一个整体,按照变异的不同来源把观测值总变异的平方和以及自由度分解为两个或多个部分,获得不同变异来源的均值与误差均方,通过比较不同变异来源的均方与误差均方,判断各样本所属总体方差是否相等。方差分析主要包括单因素方差分析、多因素方差分析和协方差分析等。这一部分在学习的过程中出现一些问题,就是用spss来操作的时候分不清观测变量和控制变量,如果反了的话会导致结果的不准确。其次,对bonferroni、tukey、scheffe等方法的使用目的不清楚,现在基本掌握了多重比较方法选择:一般如果存在明确的对照组,要进行的是验证性研究,即计划好的某两个或几个组间(和对照组)的比较。宜用bonferroni(lsd)法;若需要进行多个均数间的两两比较,且各组个案数相等,适宜用tukey法;其他情况宜用scheffe法。最后,对方差齐性检验、多重比较检验、趋势检验理解不够透彻,在方差检验中,post hoc键有lsd的选项:当方差分析f检验否定了原假设,即认为至少有两个总体的均值存在显著性差异时,须进一步确定是哪两个或哪几个均值显著地不同,则需要进行多重比较来检验。lsd即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验。相关分析是研究现象之间是否存在某种依存关系,并对具体有依存关系的现象探讨(转载于:spss课程学习心得体会)其相关方向以及相关程度,是研究随机变量之间的相关关系的一种统计方法。相关分析研究现象之间是否相关、相关的方向和密切程度,一般不区别自变量或因变量。主要有双变量相关分析、偏相关、距离相关几个方法。双变量相关分析是相关分析中最常使用的分析过程,主要用于分析两个变量之间的线性相关分析,可以根据不同的数据类型和条件,选用pearson积差相关、spearman等级相关和kendall的tau-b等级相关。当数据文件包括多个变量时,直接对两个变量进行相关分析往往不能真实反映二者之间的关系,此时就需要用到偏相关分析,从中剔除其他变量的线性影响。距离相关分析是对观测变量之间差异度或相似程度进行的测量,其中距离需要弄清楚,距离分析是对观测量之间相似或不相似程度的一种测度,是计算一对观测量之间的广义距离。这些相似性或距离测度可以用于其他分析过程,例如因子分析、聚类分析或多维定标分析,有助于分析复杂的数据集。接着是回归分析。相关分析研究的是现象之间是否相关、相关的方向和密切程度,一般不区别自变量或因变量。而回归分析则要分析现象之间相关的具体形式,确定其因果关系,并用数学模型来表现其具体关系。比如说,从相关分析中我们可以得知“质量”和“用户满意度”变量密切相关,但是这两个变量之间到底是哪个变量受哪个变量的影响,影响程度如何,则需要通过回归分析方法来确定。回归分析的目的在于了解两个或多个变量间是否相关、相关方向与强度,并建立数学模型以便观察特定变量来预测研究者感兴趣的变量。运用十分广泛,回归分析按照涉及的自变量的多少,可分为一元回归分析和多元回归分析;按照自变量和因变量之间的关系类型,可分为线性回归分析和非线性回归分析。如果在回归分析中,只包括一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量,且因变量和自变量之间是线性关系,则称为多元线性回归分析。应用回归分析时应首先确定变量之间是否存在相关关系,如果变量之间不存在相关关系,对这些变量应用回归预测法就会得出错误的结果。正确应用回归分析预测时应注意:①用定性分析判断现象之间的依存关系;②避免回归预测的任意外推;③应用合适的数据资料; 接下来是因子分析。因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家c.e.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性,一科成绩好的学生,往往其他各科成绩也比较好,从而推想是否存在某些潜在的共性因子,或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子,可减少变量的数目,还可检验变量间关系的假设。因子分析的主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的,但又无法直接
测量到的隐性变量。从显性的变量中得到因子的方法有两类。一类是探索性因子分析,另一类是验证性因子分析。探索性因子分析不事先假定因子与测度项之间的关系,而让数据“自己说话”。而验证性因子分析假定因子与测度项的关系是部分知道的,即哪个测度项对应于哪个因子,虽然我们尚且不知道具体的系数。这一部分不能用spss来操作,要用amos,用起来也很方便。
最后一部分学习的是结构方程模型。结构方程模型是一种融合了因素分析和路径分析的多元统计技术。它的强势在于对多变量间交互关系的定量研究。在近三十年内,其大量应用于社会科学及行为科学的领域里,并在近几年开始逐渐应用于市场研究中。结构方程模型是对顾客满意度的研究采用的模型方法之一。其目的在于探索事物间的因果关系,并将这种关系用因果模型、路径图等形式加以表述。结构方程模型与传统的回归分析不同,结构方程分析能同时处理多个因变量,并可比较及评价不同的理论模型。与传统的探索性因子分析不同,在结构方程模型中,我们可以提出一个特定的因子结构,并检验它是否吻合数据。通过结构方程多组分析,我们可以了解不同组别内各变量的关系是否保持不变,各因子的均值是否有显著差异。这门课要学习完了,整个学习的过程是充满曲折和挑战的,我见证了自己从一无所知到困惑迷茫再到略懂再到会用的过程。甚至学完之后有些问题还没有彻底搞清楚,自己接下来还会不断的探索的。spss是个很神奇的工具,结合amos和excel更是如虎添翼,相信学习了spss在以后的论文和数据分析中很有用。这门课给我的感觉是看起来很难,但是实际学起来就好很多,因为当我结合具体实例和软件的时候,很多抽象的问题就豁然开朗了。但是想给老师一个建议,这门课需要很强的统计和概率论的基础,要不然就会很难听懂或者听得半懂。然后这门课的很多方法的相关资料都是用在医疗卫生、自然科学领域的,在管理中的应用的资料不怎么多。老师希望我们上课的时候结合在管理中的应用来学习,但是资料有限,希望老师在这个方面多给学生一些引导。篇二:spss心得体会
学习spss在教育统计中的应用心得体会
一、什么是spss?为什么要学习spss?
新学期开始时,在信息化教育测量与评价的课程中第一次接触
到spss这个软件,作为本科是计算机专业出身的我,当时只知道spss是一套统计软件,就是一套根据统计学原理所编写出来的统计分析软件,至于统计什么?分析什么?我一无所知,尤其是看到老师推荐的《spss在教育统计中的应用》这本书的时候,就简单的把它理解为用spss软件来统计、分析与教育相关的数据,最终得出想要的结论而已,而现在看来,我当初的想法未免有点简单与无知。下面就来让我们了解一下spss。spss软件是一组专业的、通用的统计软件包,同时它也是一个组合式软件包,兼有数据管理、统计分析、统计绘图和统计报表功能。它广泛用于教育、心理、医学、市场、人口、保险等研究领域,也用于产品质量控制、人事档案管理和日常统计报表等。spss软件对计算机硬件系统的要求较低;对运行的软件环境要求宽松,有各种版本可运行在windows xp、win7系统环境下,spss统计软件采用电子表格的方式输入与管理数据,能方便地从其他数据库中读入数据(如dbase,excel,lotus等)。
我为什么要学习spss呢?其实很简单,一方面,做为一名 研究生,要具备一定的科研能力,如今量化研究的方法大行其道,一切要以事实说话、要以数据说话,有了数据支持的研究才能更容易被认可、被推论。另一方面,根据对aect94定义的理解,教育技术
学研究的对象是学习过程和学习资源,包含大量的偶然现象和非精确现象。因此,要深入研究教育技术现象及其规律,必须运用统计描述、统计分析方法和模糊数学分析方法,才可能使这门学科达到真正完善的地步。教育技术学研究的现象多数是偶然的现象,其变化发展往往具有几种不同的可能性,究竟出现哪一种结果,那是带有偶然性的,是随机的。这类偶然现象是遵循统计规律的,当随机现象是由大量的成份组成,或者随机现象出现大量的次数时,就能体现统计平均规律。我们只有对数据资料作统计处理,才可能可以发现它们的内在规律,掌握现象的特征,检验研究的假设,才能得出准确的、可靠的研究结果。
二、对本spss各章节学习的心得
新课程老师带领下,采取一种新的学习方式,老师讲解了基础部分后,全班同学采取小组分工、协作学习,然后对全班同学进行讲解学习内容,教师进行当堂指导,这种方法改变了同学们的学习态度,同学们不再是课前不预习,课下不复习的状态,每组都有自己的任务,课前有一定的压力,同学间的讨论也明显的增多,例如:一次课下同学们在一起吃饭,有几位同学还在调侃说“两个菜之间用spss进行分析后得出的结果不接受h0假设,也就是两个菜之间不相关”,虽然这只是一个课下的玩笑,但是这也可以体现出对学习的态度的转变。下面就本学期的所学spss的各章节做一下归纳,这些归纳也是基于本人平时在课前预习,课上及课后的一些所思所想,也许会有一些理解上的偏颇在内,但这仅限于心得而已。本学期学习各个章节 及分工如下表:
章节名称
1.spss的认识
及数据文件的处理
2.数据清理与
基本统计及测
量质量分析 3.t检验 4.方差分析1、2人 3人 7.聚类分析 8.统计图形 2人 1人 2人 6.卡方检验 3人 2人 5.相关分析 3人 分工人数 章节名称 分工人数 spss的认识及数据文件的处理心得体会
可能是由于是同学们第一次讲,万事开头难,压力很大,在大家认为最为简单的内容讲解上,两位同学并没有完全展现出二人实际水平,大家在这一节课上都感觉到很压抑,总的感觉是这节内容很简单,但是内容又很松散,可讲的东西太多,讲的东西多就没有突出重点和难点,所以听过之后就有种无数的碎片漂浮在脑海中一样,很难将知识系统化,课后总结一下无非就是两块,一块是了解spss软件的历史及基本功能,还有一块就是spss软件当中一个模块叫做数据文件的处理,在认识spss软件当中了解到它是一组社会科学统计软件包,诞生于1968年,当时美国的3位大学生开发出了它,经过这么多年的后续开发,spss已经有了很多的版本,具有了更的兼容性、和更友好的操作界面,也在很多的学科领域得到了应用,而在教育中的应用
只是它的一个分支。此外它对硬件的要求也很低,当前一般的电脑都能安装它,安装的过程中也没有什么特殊的方法,傻瓜式的安装方式完全就可以满足。在数据文件的处理方面,主要是要学会定义变量、处理变量两方面;定义变量是要注意根据自己实际采集的数据来定义变量,例如是数值型的变量还是文本型的变量及变量的长度,小数点保留尾数等,总之就是一句话,根据实际调查的数据要求来定义相应变量。变量定义只有只要细心的将实际调查的数据录入到spss当中即可,当然也可以在spss软件之外进行数据编制,可以通过execel等编辑后可以直接导入到spss中。在处理变量模块当中,可以对变量进行添加、删除、拆分与合并等操作,只要根据实际调查数据,细心调整变量,使操作更加简便和明了。
2、数据清理与基本统计及测量质量分析的心得体会
数据的清理与基本统计及测量质量分析由两名同学进行讲解,由于吸取了上节课两名同学的经验,本节讲授的明显好于上节课,这里我也是把它分为两块进行学习,一块是数据的清理,另一块是相关统计理论的学习。在数据清理方面主要学习了奇异数据的检查与清理,在这里本人觉得非常有必要进行数据清理,在实际的调查数据时难免会出现错误或者碰到极为特殊的典型案例,所以这些数据很难符合大众规律,在统计、分析过程中可能会造成分析结果异常,从而直接影响最终的结论。所以觉得非常有必要进行数据检查与清理。而我认为本节的难点不是怎样熟练运用spss软件,而是在第二块中的,相关统计理论的学习,学习这些理论需要一定的数学基础,只有明确这些
理(论如均值、标准误差、中数、众数、全距、四分位等)原理,知其然,知其所以然,这才是关键,在spss中想要实现对数据进行以上分析只需要轻轻点击一下按钮就可以是轻松实现,但是如果不清楚到底用它们来做什么就无从谈起做数据分析了,所以本节内容知道分析原理的重要性要远远大用spss对数据做出相关分析的重要性。总结为一句话“知道它们是做什么的后才会让它们去做该做的工作”。
3、t检验的心得体会 t检验由两名同学讲解,在学习t检验时,首先要明确什么样的数据适合t检验,t检验的结果要说明什么问题?经过学习可以知道,t检验是对两组数据间的平均水平或均数的比较,通过比较可以得出两组数据间的显著性水平,而这两组数据都要符合正态分布,方差具有齐同性,t检验由两种情况,一种配对提检验,要求两组数据不可以独立颠倒顺序,如果颠倒顺序就会改变问题的性质,这种t检验称为配对t检验;另一种情况下的t检验是两组数据可以任意颠倒顺的检验称为独立样本的t检验。但是这两种情况都必须符合最先的要求,即都是符合正态分布,方差都具有齐同性。通过spss的相关操作可以轻松完成检验,但是在检验的过程中必须设置置信区间,一般设置为95%,在设置置信区间时必须要考虑到所做分析的数据,如果像要得到显著性差异的结果则可尽量将置信区间设置小些,如果想要得到不显著差异就要将置信区间甚至大些,本人的理解为若置信区间小,则可以理解为在小范围内是可以相信的,但如果将分析结果的置信区间值调大则说明在很大的范围内这个结果可信,反之则不可信,篇三:spss课程学习感悟(交)spss学习总结与反思 财管132 1330443233 王天茜 在这学期以前我并没有学过统计学,甚至没有接触过它,因此对它的认识可谓是从零开始的,但经过这一段的学习,也算是受益良多,下面我就简单说下感想吧。
第一节课老师简单讲述了下这门课的概况,当时只觉得毫无头绪,对于没接触过的事物人总有莫名的恐惧,这门课看似还很难,就比较担忧。
接着说说学习过后对spss的整体认识吧,我专门去百度了下它的全称,定义为spss是“社会科学统计软件包”(statistical package for the social science)的简称,是一种集成化的计算机数据处理应用软件。之前看论文的时候会经常看到各种表格图形,各种结果输出,当时并不明白,以前也没见过,因此总会跳过实验整个设计直接看结果。在学了这门课后总算对其有了初步的认识。
1、spss的认识及数据文件的处理心得体会
一块是了解spss软件的历史及基本功能,还有一块就是spss软件当中一个模块叫做数据文件的处理,在认识spss软件当中了解到它是一组社会科学统计软件包,诞生于1968年,当时美国的3位大学生开发出了它,经过这么多年的后续开发,spss已经有了很多的版本,具有了更的兼容性、和更友好的操作界面,也在很多的学科领域得到了应用,而在教育中的应用只是它的一个分支。此外它对硬件的要求也很低,当前一般的电脑
都能安装它,安装的过程中也没有什么特殊的方法,傻瓜式的安装方式完全就可以满足。在数据文件的处理方面,主要是要学会定义变量、处理变量两方面;定义变量是要注意根据自己实际采集的数据来定义变量,例如是数值型的变量还是文本型的变量及变量的长度,小数点保留尾数等,总之就是一句话,根据实际调查的数据要求来定义相应变量。变量定义只有只要细心的将实际调查的数据录入到spss当中即可,当然也可以在spss软件之外进行数据编制,可以通过execel等编辑后可以直接导入到spss中。在处理变量模块当中,可以对变量进行添加、删除、拆分与合并等操作,只要根据实际调查数据,细心调整变量,使操作更加简便和明了。
2、数据清理与基本统计及测量质量分析的心得体会
这里我也是把它分为两块进行学习,一块是数据的清理,另一块是相关统计理论的学习。在数据清理方面主要学习了奇异数据的检查与清理,在这里我觉得非常有必要进行数据清理,在实际的调查数据时难免会出现错误或者碰到极为特殊的典型案例,所以这些数据很难符合大众规律,在统计、分析过程中可能会造成分析结果异常,从而直接影响最终的结论。所以觉得非常有必要进行数据检查与清理。而我认为本节的难点不是怎样熟练运用spss软件,而是在第二块中的,相关统计理论的学习,学习这些理论需要一定的数学基础,只有明确这些理(论如均值、标准误差、中数、众数、全距、四分位等)原理,知其然,知其所以然,这才是关键,在spss中想要实现对数据进行以上分析只需要轻轻点击一下按钮就可以是轻松实现,但是如果不清楚到底用它们来做什么就无从谈起做数据分析了,所以本节内容知道分析原理的重要性要远远大用spss对数据做出相关分析的重要性。总结为一句话“知道它们是做什么的后才会让它们去做该做的工作”。
3、t检验的心得体会
在学习t检验时,首先要明确什么样的数据适合t检验,t检验的结果要说明什么问题?经过学习可以知道,t检验是对两组数据间的平均水平或均数的比较,通过比较可以得出两组数据间的显著性水平,而这两组数据都要符合正态分布,方差具有齐同性,t检验由两种情况,一种配对提检验,要求两组数据不可以独立颠倒顺序,如果颠倒顺序就会改变问题的性质,这种t检验称为配对t检验;另一种情况下的t检验是两组数据可以任意颠倒顺的检验称为独立样本的t检验。但是这两种情况都必须符合最先的要求,即都是符合正态分布,方差都具有齐同性。通过spss的相关操作可以轻松完成检验,但是在检验的过程中必须设置置信区间,一般设置为95%,在设置置信区间时必须要考虑到所做分析的数据,如果像要得到显著性差异的结果则可尽量将置信区间设置小些,如果想要得到不显著差异就要将置信区间甚至大些,我的理解为若置信区间小,则可以理解为在小范围内是可以相信的,但如果将分析结果的置信区间值调大则说明在很大的范围内这个结果可信,反之则不可信,也就是说范围越大,不可
信的因素就会越多,做出可信的结果的可能性就会越小,所以在用spss的进行t检验时,一定要提前考虑想要得到的检验结果,尽可能将预想结果与实际结果吻合。本节课最主要的是学会进行t检验,根据数据选择适合的t检验,值得思考的是,两组数据是否符合正态分布、方差的齐同性都需要在t检验前明确,不然无法进行t检验,但是在t检验的过程中spss也提供了一项进行是否符合正态分布的选项,是否也可以理解为在未知两组数据的分布情况时也可以进行t检验?只要先证明两组数据方差具有齐同性后,就进行t检验,检验后spss会输出两组数据是否符合正态分布,如果符合则结果可取,否则结果不可取。
4、方差分析的心得与体会 t检验和方差分析是有很大关联的,t检验是分析两组间数据的关系,而方差分析则是分析两组以上的组间的关系,两组方法都是要求数据符合正态分布,方差具有齐同性。其各组间要同质,组内异质,这样数据才具有说服力。本节课方差分析包括四部分,分别为单因素方差分析、无重复实验的双因素方差分析、重复试验的双因素方差分析及协方差分析。分为以上四种主要是基于分析的问题所包含的变量个数和各变量间有无相互影响,还有就是排除无法控制的协变量的影响的分析来区分分析方法。例如,只有一个变量的分析就用单因素分析;基于问题中的两个变量间没有相互影响的分析就用无重复实验的双因素方差分析,两个变量有影响就用重复试验的双因素方差分析,要排除无法控制 的因素进行分析就用协方差分析。以上各种方差分析情况都基于不同的统计公式,要是学习这些理论则需要很好的数学基础。对最终分析结果的解读则需要t检验的解读结果知识。归结为一点:最终想得到差异性显著的结果还是差异不明显的结果则要再分析前就有预设。以此来证明自己的结果分析。
5、相关分析的心得与体会
事物间的相互联系与影响大致分为两种,一种是函数关系即一一对应关系,而另一种是统计关系。函数关系比较容易分析和测量,而实际数据并不都像函数关系那样简单,这时则需要另一种测量方法----相关分析,衡量事物之间或变量间的线性相关程度的强弱,并用适当的统计指标表示出来,这个过程就是相关分析。相关分析分多种情况,分为联系变量的相关分析、等级变量的相关分析、偏相关分析和距离相关分析,之所以分为几种也是根据要分析的对象的变化而定,如连续变量的相关分析主要是只变量不是函数关系,而是统计关系且变量数据间可以比较大小,可以加减来计算差异的数据,此外其依据的是pearson相关系数,还有就是因为数据小于30次分析无意义,所以就要求分析数据要大于30个。如果数据小于30则用等级相关分析,且两种方法分析的数据都要符合正态分布。当数据小于30且符合正态分布且又是表达为有序或顺序(等级、方位、大小等)时则用等级变量的相关分析。与协方差分析类似,二元变量无法有效真实反映事物间的相关关系时,且数据都符合以上要求是则用偏相关分篇四:spss学习心得 spss学习心得
本学期是我在大学学习的最后一个学期。在这个学期里,学校根据我系专业特点开设了一些专业应用性课程,其中有一门课程便是spss。spss的中文名称是社会科学统计软件包,是世界上最早的统计软件。我们学期学习所使用的软件为英文版,起初接触时由于我英语水平问题,spss软件的操作让我很是头疼。但是通过对这门课程的学习,我了解到spss具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。在日常的工作与学习中,我所接触到的数据比较多,但是我想从中获得有用的数据却很难,通过spss软件应用,使我处理数据的时间大幅度的缩短,另外也能客观直接的对我所需要的数据进行简单分析。
在我平日课下进行统计调查技能培训的时候,我起初分析数据所用的软件是excel。虽然使用excel可以对数据进行透视、分类、筛选以及计算相关系数等,但是这些操作都需要自己每一步每一步的进行手动操作,而使用spss软件在对数据进行整理时,只需对软件某选项内设置变量条件,系统便自动的进行整理。而且,在学习与应用spss过程中,我了解到应用spss软件只要了解统计分析的原理无需知晓统计方法的各种算法就能得到自己所需要的统计分析结果。另外对于常见的统计方法,spss的命令语句、子命令及选择项的选择绝大部分在软件内的对话框操作完成,我们无需花费大量的时间记忆大量的命令和选择项。在这方面,spss软件的应用可以使我们节省大量时间,而且软件操作比较容易上手,在当今这个时间就是金钱的社会上,我们掌握spss软件的应用,也就是为自己赚取了不少金钱。
另外在与spss的接触中,我逐渐了解到spss软件的强大与方便。spss提供了从简单的统计描述到复杂的多因素统计分析方法,其中有数据的统计分析、统计描述、交叉表分析、二维相关、方差分析、多元回归、因子分析、聚类分析、降维等分析方法。利用这些方法可以得出计算数据和统计图形,看出数据的离散程度、集中趋势和分散程度,单变量的比重,还有对数据进行标准化处理。利用这个软件对问卷数据进行分析是极好的。虽然,这些方法大部分我还是不会使用,能够让我利用并成功分析的方法只有寥寥几种,但是这种简单便捷的操作让我对spss的兴趣却是越来越浓。
这门课程是我们这学期从始至终一直开设的课程,在课堂上我们的导师马杰老师针对各种案例对我们进行讲解,让我们了解spss的各种应用,在课下系内陈主任对我进行指点,让我能够利用多种spss的方法进行数据处理与数据分析。
现在,学期即将结束,同样的这门课程也到了尾期,在这学期学到了很多,并且还有很多没有学到。我们学习时所操作的软件是英文版,这对英语基础不好的我来说是个考验。同时,由于我们所学专业并非必须拥有计算机,导致我们平时能够练习的机会比较少,造成了掌握不牢固,前学后忘现象比较严重。现在呢,很是希望能够把spss的应用熟练操作,并且能把它变为自己的一种本能,使自己在今后的工作与学习中,可以轻松运用。篇五:spss学习总结
学习spss感想
以前学统计学的时候就听老师讲过spss有非常强大的统计功能,对我们学习、工作有很大的帮助,所以我一直认为spss很神秘。通过这个学期周老师的课让我对此清楚了许多,也学到了spss强大的统计功能,更加让我明白了spss与excel的区别。spss是“社会科学统计软件包”(statistical package for the social science)的简称,是一种集成化的计算机数据处理应用软件。1968年,美国斯坦福大学h.nie等三位大学生开发了最早的spss统计软件,并于1975年在芝加哥成立了spss公司,已有30余年的成长历史,全球约有25万家产品用户,广泛分布于通讯、医疗、银行、证券、保险、制造、商业、市场研究、科研、教育等多个领域和行业。spss是世界上公认的三大数据分析软件之一(sas、spss和systat)。
在学习spss期间,我主要遇到的问题是后面几章,spss的参数检验、方差分析、相关分析、线性回归分析、聚类分析、因子分析等。
在参数检验中我不知道原假设是什么,导致分析的时候不知道该拒绝原假设还是接受原假设,不能分析出统计结果。不会区分单样本t检验和两配对样本t检验的区别,现在懂得了它们都要服从正态分布,基本思想是小概率反证法,反证法思想是先提出假设(检验假设h0),再用适当的统计方法确定假设成立的可能性大小,如果可能性小,则认为假设不成立,否则,还不能认为假设不成立。
在学习方差分析中,开始常常把观测变量和控制变量弄混淆,在分析的时候应分别送入哪个对应框中,如果反了的话会导致结果的不准确。其次,对lsd、bonferroni、tukey、scheffe等方法的使用不清楚,现在基本掌握了多重比较方法选择:一般如果存在明确的对照组,要进行的是验证性研究,即计划好的某两个或几个组间(和对照组)的比较。宜用bonferroni(lsd)法;若需要进行多个均数间的两两比较,且各组个案数相等,适宜用tukey法;其他情况宜用scheffe法。最后,对方差齐性检验、多重比较检验、趋势检验理解不够透彻,在方差检验中,post hoc键有lsd的选项:当方差分析f检验否定了原假设,即认为至少有两个总体的均值存在显著性差异时,须进一步确定是哪两个或哪几个均值显著地不同,则需要进行多重比较来检验。lsd即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验。
在学习相关分析的过程中,在绘制散点图时,不知道哪个该做横坐标,哪个该做纵坐标,明白了横坐标是解释变量,纵坐标是被解释变量,还有对相关系数的种类分析不熟练等。在学习回归分析的过程中,对dw可检验的含义不理解,不记得对应的dw表示的残差序列的相关性。对解释变量向前筛选、向后筛选、逐步帅选策略不能熟练掌握,特别是对向前向后筛选时到处的结果不会进行分析。
学习聚类分析中,变量的选择分不清,无关变量有时会引起严重的错分,应当只引入在不同类间有显著差别的变量,尽量只使用相同类型的变量进行分析。分类数不明确,从实用角度讲,2~8 类比较合适。掌握了k-means cluster 分析,样本量大于100时有必要考虑,只能使用连续性变量。
学习因子分析的过程中,对提取出来的因子的实际含义不清晰,不能使因子具有命名解释性。
学习了spss后,我不禁想到了spss与excel的区别,这一点是针对像我这样开始只懂得用excel的人来说。从个人的体会来说,二种软件有一定相似,操作都简便,同时又有一些可以互补的地方。但是spss又比excel更加强大:
一、图型的表现力是spss的主要优点之一
应该说,excel的图型表现主要是简便,对许多的人来说基本够用,但对于科学的表现,spss就更为详细和准确,这一点据说在所有统计软件中都突出。
二、通过spss检验方差齐性和数据分布
【spss统计分析实习心得】相关文章:
spss期末统计分析报告07-01
SPSS统计分析工具在纳税评估中的应用09-13
统计学实验报告spss05-28
统计学暑期实习心得08-14
运用spss分析影响因素07-01
spss分析主要影响因素07-01
基于SPSS的31个地区的聚类分析01-22
统计局能源统计分析10-25