SPSS综合实验报告.docx
- 文档编号:9083686
- 上传时间:2023-02-03
- 格式:DOCX
- 页数:28
- 大小:243.91KB
SPSS综合实验报告.docx
《SPSS综合实验报告.docx》由会员分享,可在线阅读,更多相关《SPSS综合实验报告.docx(28页珍藏版)》请在冰豆网上搜索。
SPSS综合实验报告
综合试验
前提:
某中学对两个实验班进行了为期一个月的写作培训,聘请了两位风格迥异的老师对学生进行培训。
实验一班的老师偏向于从词、句着手,加强同学们的写作水平。
而实验二班的老师则偏向于从文章入手,向同学们分析文章特色,解释文章构思。
我们从两个实验班分别随机抽选了20名同学(共40名),进行了三次作文测试。
(最高分为50分。
)我们得到了以下的数据,对这些数据进行一系列的分析,得到我们需要的资料。
问题1:
统计量描述
内容:
对第一次成绩进行统计量描述:
(一):
对40名同学的作文成绩进行整体的统计量描述:
【注解】:
样本量为40.最小值为11,最大值为40,均值为29.30,标准差为7.673.
(二):
对各班级学生作文成绩的统计量描述:
【注解】:
试验一班有20个数据量,最小值为11,最大值为40.均值为26.95,标准差为8.236.
试验二班有20个数据量,最小值为19,最大值为40,均值为31.65,标准差为6.434.
问题2:
单样本t检验
学校要求学生的作文成绩要达到人均30分。
以此来判断两个老师是否完成自己的教学任务。
对第一次作文成绩进行分析:
内容:
对样本进行单样本t检验,得到:
One-SampleStatistics
N
Mean
Std.Deviation
Std.ErrorMean
成绩
40
29.30
7.673
1.213
【注解】:
样本个数为40.平均的作文成绩为:
29.30,标准差为:
7.673,均值的标准误为:
1.213。
One-SampleTest
TestValue=30
t
df
Sig.(2-tailed)
MeanDifference
95%ConfidenceIntervaloftheDifference
Lower
Upper
成绩
-.577
39
.567
-.70
-3.15
1.75
注解:
t检验统计量=-0.577,自由度df=N-1=39,双侧概率P值(sig)=0.567,显著性水平a=0.05。
因为P值大于a,所以由此可以得,不能拒绝原假设。
即:
人均作文成绩30分在95%的置信度下不存在显著性差异。
结论:
两个实验班的作文成绩已经达到了学校所要求的人均30分。
所以两个老师都完成了自己的教学任务。
问题3:
两个独立样本t检验
为了教学水平的提高,学校决定对两班的第一次作文成绩进行调查,得到提高写作质量的最佳途径。
分析两种不同的教学方法是否存在差异
内容:
(一):
对两个实验班的成绩进行描述性分析,分别得到了两个班的平均值,标准差,最高分和最低分。
班级
Statistic
Std.Error
成绩
一班
Mean
26.95
1.842
95%ConfidenceIntervalforMean
LowerBound
23.10
UpperBound
30.80
5%TrimmedMean
27.11
Median
28.00
Variance
67.839
Std.Deviation
8.236
Minimum
11
Maximum
40
Range
29
InterquartileRange
12
Skewness
-.559
.512
Kurtosis
-.384
.992
二班
Mean
31.65
1.439
95%ConfidenceIntervalforMean
LowerBound
28.64
UpperBound
34.66
5%TrimmedMean
31.89
Median
33.50
Variance
41.397
Std.Deviation
6.434
Minimum
19
Maximum
40
Range
21
InterquartileRange
9
Skewness
-.720
.512
Kurtosis
-.384
.992
注解:
实验一班的样本平均值为:
26.95,实验二班的样本平均成绩为:
31.65。
且实验二班的最低成绩高于实验一班的最低成绩。
结论:
从各种指标可以得出:
实验二班的作文水平比实验一班的作文水平高。
所以从样本分析可以得出,实验一班的老师比实验二班的教学水平低。
(二):
两个班的成绩可以看做是独立的样本,且服从正态分布。
因此可以对两个样本进行t检验,来进行统计推断。
GroupStatistics
班级
N
Mean
Std.Deviation
Std.ErrorMean
成绩
一班
20
26.95
8.236
1.842
二班
20
31.65
6.434
1.439
【注解】:
一班和二班分别抽取了20名同学,分别得到了两个班的平均成绩,一班为26.95、二班为31.65。
一班的标准方差为8.236,二班的标准方差为6.434。
【注解】:
利用F检验对两个总体方差是否相等进行检验,检验的F值=0.892,对应的P值(sig)=0.351;概率P值大于显著性水平a=0.05;所以接受原假设,即两个总体方差相等,通过了Leven方差检验。
然后,利用t检验对两总体均值差是否存在差异进行检验,得:
T统计量=-2.011,对应的p值=0.051大于显著性水平a=0.05,接受原假设,即两总体均值差不存在显著性差异。
两个总体均值差在置信度为95%的情况下,置信区间为:
[-9.431,0.031]包含0,同时说明了两总体均值差不存在显著性差异。
两总体均值差的均值为-4.700。
结论:
虽然通过样本得到了实验二班的作文成绩比实验一班的作文成绩好,实验一班老师的教学方法更有效。
但是样本所反映的信息不够全面,而通过对两个样本进行t检验得到,两个总体的均值差并没有显著性差异,即:
实验一班老师的教学方法相比实验二班老师的教学方法没有显著性的区别。
两种不同的作文提升方法对学生的作文成绩的影响是没有明显的差异的。
两种方法都可以采取,对教学水平的提高有益,对学生作文成绩的提高也有益。
从整体上来说,都是可行的提高作文成绩的方式。
对个人的影响在于学生个人的偏好。
问题4:
配对样本t检验
内容:
对这些前两次作文成绩进行配对样本t检验。
得到了如下的数据:
PairedSamplesStatistics
Mean
N
Std.Deviation
Std.ErrorMean
Pair1
第一次成绩
29.30
40
7.673
1.213
第二次成绩
28.95
40
7.387
1.168
【注解】:
第一次作文成绩的平均值为:
29.30,第二次作文成绩的平均值为:
28.95。
样本一共40个。
第一次作文成绩的标准差为:
7.673,第二次作文成绩的标准差为:
7.387.
PairedSamplesCorrelations
N
Correlation
Sig.
Pair1
第一次成绩&第二次成绩
40
.618
.000
【注解】:
(相关分析)总共40个样本,它们的相关系数为:
0.618.。
对应的概率P值小于a=0.05,所以拒绝原假设,即:
第一次作文考试的成绩和第二次作文考试的成绩之间有一定的线性关系。
PairedSamplesTest
PairedDifferences
t
df
Sig.(2-tailed)
Mean
Std.Deviation
Std.ErrorMean
95%ConfidenceIntervaloftheDifference
Lower
Upper
Pair1
第一次成绩-第二次成绩
.350
6.585
1.041
-1.756
2.456
.336
39
.739
【注解】:
两次成绩的的平均差为:
0.350。
差值的标准差为:
6.585。
差值的均值标准误为:
1.041。
在95%的置信度下,置信区间为:
[-1.756,2.456].T统计量的值为:
0.336,df=N-1=39,对应的概率P值为:
0.739大于a=0.05,所以接受原假设,即:
两次作文考试的成绩不存在显著性的差异。
结论:
对两次作文考试进行分析得到,第一次作文考试成绩和第二次作文考试成绩之间不存在显著性的差异,表明持续的教学并没有让两个实验班的作文成绩有明显的提高。
学校要寻求其他的方法来进一步的提高两个实验班的成绩。
问题5:
单因素方差分析
在一个班上,有的同学会主动的练习作文来提高自己的作文成绩,一些同学被父母强制的要求练习作文来提高自己的成绩,另一些同学根本不会在课余的时间练习作文。
这些练习作文的同学中一些一个月写20篇以上的作文,一些不及20篇。
我们从一个实验班中抽取了24名同学最近一次的作文成绩。
学习方式(way)取值0=不练习,1=被动练习,2=主动练习。
练习量(N)取值0=练习不足20篇,1=练习20篇及其以上。
我们来分析,学习方式对成绩的影响。
数据如下:
内容:
对数据进行方差检验,得到以下数据:
TestofHomogeneityofVariances
Levene统计量
df1
df2
显著性
.087
2
21
.917
【注解】:
方差齐性检验结果:
Levene统计量值为:
0.087,对应的概率P值为:
0.917,大于显著性水平0.05,所以接受原假设。
即:
认为三种不同的学习方法的成绩的总体方差无显著性差异,满足方差分析的前提条件。
ANOVA
成绩
平方和
df
均方
F
显著性
组间
1232.583
2
616.292
25.458
.000
组内
508.375
21
24.208
总数
1740.958
23
【注解】:
不同的学习方法对成绩单因素方差分析结果:
1:
观测变量成绩的总离差平方和为:
1740.958;
2:
不同学习方法对成绩产生的(组间)离差平方和为:
1232.583;对应的方差为:
616.292;
3:
抽样误差所引起的(组内)离差平方和为:
508.375;对应的方差为:
24.208;F统计量为:
25.458=组间对应的方差-组内对应的方差=616.292-508.375。
F统计量对应的概率P值=0.000,小于显著性水平=0.05,应该拒绝原假设,即:
这三种学习方法对成绩产生了显著性的影响。
或不同的练习量对作文成绩的影响效应不全为0。
MultipleComparisons
成绩
LSD
(I)学习方式
(J)学习方式
标准差(I-J)
标准误
显著性
95%ConfidenceInterval
下限
上限
无
被动学习
-4.25000
2.46010
.099
-9.3661
.8661
主动学习
-16.87500*
2.46010
.000
-21.9911
-11.7589
被动学习
无
4.25000
2.46010
.099
-.8661
9.3661
主动学习
-12.62500*
2.46010
.000
-17.7411
-7.5089
主动学习
无
16.87500*
2.46010
.000
11.7589
21.9911
被动学习
12.62500*
2.46010
.000
7.5089
17.7411
*.Themeandifferenceissignificantatthe0.05level.
【注解】:
不学习与被动学习的概率P值为:
0.099,大于a=0.05。
说明不学习和被动学习均值不具有显著性差异;
不学习与主动学习的概率P值为:
0.000,小于a=0.05。
说明不学习和主动学习均值具有显著性差异;
主动学习与被动学习的概率P值为:
0.000,小于a=0.05。
说明主动学习和被动学习均值具有显著性的差异。
结论:
三种学习方法对成绩都有一定的影响,其中主动学习对成绩的影响较大,而被动学习虽然也有影响,但是不像主动学习那样明显,不学习对成绩也是有影响,但不是好的影响。
被动学习和不学习之间不具有显著性。
说明了,如果想提高自己的作文成绩,我们还是应该主动的去学习,老师布置作业和父母压迫都不能造成一个好的结果,所谓学习靠自觉,读书靠自己,就是这个道理。
根据这个实验,学校应该着重的培养学生的学习兴趣,加强学生的学习意识,让同学对学习感兴趣,从传统的被动学习转换到主动学习。
问题6:
多因素方差分析
为了再加上学习量对成绩的影响,我们决定对数据进行多因素的方差分析.
内容:
(一):
现对数据进行饱和模型检验:
Between-SubjectsFactors
ValueLabel
N
学习方式
0
无
8
1
被动学习
8
2
主动学习
8
练习量
0
一月写作无20篇
12
1
一月写作有20篇
12
【注解】:
学习方式的水平为3,每个水平8个案例;练习量的水平为2,每个水平12个案例。
TestsofBetween-SubjectsEffects
因变量:
成绩
Source
TypeIIISumofSquares
df
均方
F
Sig.
校正模型
1371.708(a)
5
274.342
13.373
.000
截距
26202.042
1
26202.042
1277.283
.000
学习方式
1232.583
2
616.292
30.043
.000
学习量
126.042
1
126.042
6.144
.023
学习方式*学习量
13.083
2
6.542
.319
.731
误差
369.250
18
20.514
总计
27943.000
24
校正总计
1740.958
23
aRSquared=.788(AdjustedRSquared=.729)
【注解】:
1:
观测变量(成绩)总变差平方和(SST)=1740.958;被分解为4个部分:
(1):
学习方式不同引起的变差为:
1232.583;
(2):
学习量不同引起的变差为:
126.042;
(3):
学习方式和学习量交互作用引起的变差为:
13.083;
(4):
随机因素引起的变差为:
369.250.
2:
学习方式对应的概率P值为:
0.000,小于显著性a=0.05,所以拒绝原假设,即:
学习方式对成绩均值产生显著性的影响。
学习量对应的概率P值为:
0.023,小于显著性a=0.05,所以拒绝原假设,即:
学习量对成绩均值产生显著性的影响。
学习方法和学习量的交互作用对应的概率P值为:
0.731,大于显著性水平a=0.05,所以接受原假设,即:
学习方法和学习量的交互作用对成绩均值的影响不显著。
3:
校正模型对应的变量为:
1371.708=学习方式的变差(1232.583)+学习量的变差(126.042)+学习方式和学习量交互作用引起的变差(13.083),这表示线性模型整体对观测变量变差解释的部分,对应的概率P值为:
0.000,小于显著性水平a=0.05,所以拒绝原假设,即:
线性模型整体对成绩均值产生了显著性影响,即:
成绩变动主要是由控制变量的不同水平所引起的,线性模型对观测变量(成绩)具有一定的解释能力。
(二):
由于数据交互不显著,所以对数据进行非饱和模型检验:
Between-SubjectsFactors
ValueLabel
N
学习方式
0
无
8
1
被动学习
8
2
主动学习
8
练习量
0
一月写作无20篇
12
1
一月写作有20篇
12
【注解】:
学习方式的水平为3,每个水平8个案例;练习量的水平为2,每个水平12个案例。
TestsofBetween-SubjectsEffects
DependentVariable:
成绩
Source
TypeIIISumofSquares
df
MeanSquare
F
Sig.
CorrectedModel
1358.625(a)
3
452.875
23.690
.000
Intercept
26202.042
1
26202.042
1370.639
.000
WAY
1232.583
2
616.292
32.238
.000
N
126.042
1
126.042
6.593
.018
Error
382.333
20
19.117
Total
27943.000
24
CorrectedTotal
1740.958
23
aRSquared=.780(AdjustedRSquared=.747
【注解】:
1:
成绩总变差平方和(SST)为:
1740.958,被分解为3个部分:
(1):
学习方式不同引起的变差为:
1232.583;
(2):
学习量不同引起的变差为:
126.042;(3):
学习方式和学习量交互作用引起变差并入随机因素引起的变差=382.333.
2:
学习方式对应的概率P值为:
0.000,小于显著性a=0.05,所以拒绝原假设,即:
学习方式对成绩均值产生显著性的影响。
学习量对应的概率P值为:
0.018,小于显著性a=0.05,所以拒绝原假设,即:
学习量对成绩均值产生显著性的影响。
3:
校正模型对应的变量为:
1358.625=学习方式的变差(1232.583)+学习量的变差(126.042),这表示线性模型整体对观测变量变差解释的部分,比饱和模型的解释部分少,对应的概率P值为:
0.000,小于显著性水平a=0.05,所以拒绝原假设,即:
线性模型整体对成绩均值产生了显著性影响,即:
成绩变动主要是由控制变量的不同水平所引起的,线性模型对观测变量(成绩)具有一定的解释能力。
问题7:
相关分析
我们已经得到了关于学习方法,学习量同作文成绩之间的数据,我们决定再做一个相关分析,进一步确定,学校方法、学习量同成绩之间的关系。
内容:
(1)因为学习方法和学习量都是定序数据,因此求学习方法和成绩之间的相关性,学习量和成绩之间的相关性,得
Correlations
学习方式
成绩
Kendall'stau_b
学习方式
CorrelationCoefficient
1.000
.675**
Sig.(2-tailed)
.
.000
N
24
24
成绩
CorrelationCoefficient
.675**
1.000
Sig.(2-tailed)
.000
.
N
24
24
Spearman'srho
学习方式
CorrelationCoefficient
1.000
.799**
Sig.(2-tailed)
.
.000
N
24
24
成绩
CorrelationCoefficient
.799**
1.000
Sig.(2-tailed)
.000
.
N
24
24
**.Correlationissignificantatthe0.01level(2-tailed).
【注解】:
两个相关变量(学习方式和成绩)的Kendall相关系数为:
0.675>0,表示呈一定的线性关系;相关系数检验对应的概率P值为:
0.000,小于显著性水平0.05,应该拒绝原假设(两个变量具有相关性),即:
成绩和学习方式之间相关性显著。
两个相关变量(学习方式和成绩)的Spearman相关系数为:
0.799>0,表示呈一定的线性关系;相关系数检验对应的概率P值为:
0.000,小于显著性水平0.05,应该拒绝原假设(两个变量具有相关性),即:
成绩和学习方式之间相关性显著。
Correlations
练习量
成绩
Kendall'stau_b
练习量
CorrelationCoefficient
1.000
.251
Sig.(2-tailed)
.
.156
N
24
24
成绩
CorrelationCoefficient
.251
1.000
Sig.(2-tailed)
.156
.
N
24
24
Spearman'srho
练习量
CorrelationCoefficient
1.000
.296
Sig.(2-tailed)
.
.160
N
24
24
成绩
CorrelationCoefficient
.296
1.000
Sig.(2-tailed)
.160
.
N
24
24
【注解】:
两个相关变量(学习量和成绩)的Kendall相关系数为:
0.251>0,表示呈一定的线性关系;相关系数检验对应的概率P值为:
0.156,大于显著性水平0.05,应该接受原假设(两个变量不具有相关性),即:
成绩和学习量之间相关性不显著。
两个相关变量(学习方式和成绩)的Spearman相关系数为:
0.296>0,表示呈一定的线性关系;相关系数检验对应的概率P值为:
0.16,大于显著性水平0.05,应该接受原假设(两个变量不具有相关性),即:
成绩和学习方式之间相关性不显著。
(2)求学习方式与成绩,学习量与成绩的偏相关系数:
求学习方式与成绩的偏相关系数,需要剔除其他相关因素(学习量),得:
Correlations
控制变量
学习方式
成绩
练习量
学习方式
相关性
1.000
.840
显著性(双侧)
.
.000
df
0
21
成绩
显著性
.840
1.000
显著性(双侧)
.000
.
df
21
0
【注解】两个相关变量(学习方式和成绩)的偏相关系数为:
0.84,呈较强的线性关系;对应的概率P值为:
0.00,小于显著性水平0.05,应该拒绝原假设,即:
学习方式和成绩的相关性显著。
偏相关系数大于相关系数,说明控制变量(学习量)使得两个变量的相关性下降。
Correlations
ControlVariables
成绩
学习方式
练习量
成绩
Correlation
1.000
.840
Significance(2-tailed)
.
.000
df
0
21
学习方
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- SPSS 综合 实验 报告