您的当前位置:首页正文

spss案例分析报告精选文档

2021-03-13 来源:步旅网


spss案例分析报告精

选文档

TTMS system office room 【TTMS16H-TTMS2A-TTMS8Q8-

Spss分析身高与体重的相互影响

一、 案例介绍:这是某幼儿园学生的身高体重数据,数据中主要包括编

号,学生姓名,性别,学生年龄,每个学生的体重以及身高数值。主要是看下幼儿园学生体重与身高的相互关系。

二、 研究案例的目的:分析幼儿园学生身高体重的相互关系和影响。 三、 下面是数据来源:

四、 研究的方法:主要是使用spss中的描述统计分析和线性回归分析;

在描述统计分析中主要是分析出身高体重的最大值和最小值、均值,在图表中可以看出身高的最大值;在线性回归分析中主要是采用身高为自变量,体重为因变量来进行分析的。 五、 研究的结果: 1) 描述分析:

打开文件“某班23名同学的身高、体重、年龄数据”,通过菜单兰中的分析选项,进行描述性分析,选择体重和身高,求最大值最小值和均值,得到如下结果:

从结果看出,该班学生样本数为23,体重最小值为13.7kg,最大值为23kg,平均体重为17.7167kg。身高最小值为105cm,最大值为116cm,平均身高为108.85cm。

以身高为例子,选择描述中的频率选项可以得出分布,在频率对话框的图形选项中,选择条形图,即可用图形直观看到结果。

从图形中可以很直观的看出不同身高段的人数分布情况,其中108cm左右的人数最多。从表格中则可以清楚地看到具体数目。 2)

线性回归分析:

选择分析——回归——线性,在弹出的对话框中,以身高作为自变量,体重作为因变量,结果如下:

从表中可以得出。R=0.223,即两者具有弱相关性。

从图表中,可以看出它们之间的线性关系大概可以表示为y=-0.139x+2.617 六、 研究结论:

从描述分析和回归分析可以身高和体重的相关性是相对比较弱的,也就是弱相关性。

因篇幅问题不能全部显示,请点此查看更多更全内容