- 相關推薦
spss的實習總結
總結是指對某一階段的工作、學習或思想中的經(jīng)驗或情況進行分析研究，做出帶有規(guī)律性結論的書面材料，它能夠給人努力工作的動力，因此我們要做好歸納，寫好總結。那么你真的懂得怎么寫總結嗎？以下是小編為大家整理的spss的實習總結，希望能夠幫助到大家。
spss的實習總結1
以前學統(tǒng)計學的時候就聽老師講過SPSS有非常強大的統(tǒng)計功能，對我們學習、工作有很大的幫助，所以我一直認為SPSS很神秘。通過這個學期周老師的課讓我對此清楚了許多，也學到了SPSS強大的統(tǒng)計功能，更加讓我明白了SPSS與Excel的區(qū)別。
SPSS是“社會科學統(tǒng)計軟件包”(Statistical Package for the Social Science)的簡稱，是一種集成化的計算機數(shù)據(jù)處理應用軟件。1968年，美國斯坦福大學H.Nie等三位大學生開發(fā)了最早的SPSS統(tǒng)計軟件，并于1975年在芝加哥成立了SPSS公司，已有30余年的成長歷史，全球約有25萬家產(chǎn)品用戶，廣泛分布于通訊、醫(yī)療、銀行、證券、保險、制造、商業(yè)、市場研究、科研、教育等多個領域和行業(yè)。SPSS是世界上公認的三大數(shù)據(jù)分析軟件之一(SAS、SPSS和SYSTAT)。
在學習SPSS期間，我主要遇到的問題是后面幾章，SPSS的參數(shù)檢驗、方差分析、相關分析、線性回歸分析、聚類分析、因子分析等。
在參數(shù)檢驗中我不知道原假設是什么，導致分析的時候不知道該拒絕原假設還是接受原假設，不能分析出統(tǒng)計結果。不會區(qū)分單樣本t檢驗和兩配對樣本t檢驗的區(qū)別，現(xiàn)在懂得了它們都要服從正態(tài)分布，基本思想是小概率反證法，反證法思想是先提出假設(檢驗假設H0)，再用適當?shù)腵統(tǒng)計方法確定假設成立的可能性大小，如果可能性小，則認為假設不成立，否則，還不能認為假設不成立。
在學習方差分析中，開始常常把觀測變量和控制變量弄混淆，在分析的時候應分別送入哪個對應框中，如果反了的話會導致結果的不準確。其次，對LSD、Bonferroni、Tukey、Scheffe等方法的使用不清楚，現(xiàn)在基本掌握了多重比較方法選擇：一般如果存在明確的對照組，要進行的是驗證性研究，即計劃好的某兩個或幾個組間(和對照組)的比較。宜用Bonferroni(LSD)法;若需要進行多個均數(shù)間的兩兩比較，且各組個案數(shù)相等，適宜用Tukey法;其他情況宜用Scheffe法。最后，對方差齊性檢驗、多重比較檢驗、趨勢檢驗理解不夠透徹，在方差檢驗中，Post Hoc鍵有LSD的選項：當方差分析F檢驗否定了原假設，即認為至少有兩個總體的均值存在顯著性差異時，須進一步確定是哪兩個或哪幾個均值顯著地不同，則需要進行多重比較來檢驗。LSD即是一種多因變量的三個或三個以上水平下均值之間進行的兩兩比較檢驗。
在學習相關分析的過程中，在繪制散點圖時，不知道哪個該做橫坐標，哪個該做縱坐標，明白了橫坐標是解釋變量，縱坐標是被解釋變量，還有對相關系數(shù)的種類分析不熟練等。在學習回歸分析的過程中，對DW可檢驗的含義不理解，不記得對應的DW表示的殘差序列的相關性。對解釋變量向前篩選、向后篩選、逐步帥選策略不能熟練掌握，特別是對向前向后篩選時到處的結果不會進行分析。
學習聚類分析中，變量的選擇分不清，無關變量有時會引起嚴重的錯分，應當只引入在不同類間有顯著差別的變量，盡量只使用相同類型的變量進行分析。分類數(shù)不明確，從實用角度講，2~8類比較合適。掌握了K-means Cluster分析，樣本量大于100時有必要考慮，只能使用連續(xù)性變量。
學習因子分析的過程中，對提取出來的因子的實際含義不清晰，不能使因子具有命名解釋性。
學習了SPSS后，我不禁想到了SPSS與Excel的區(qū)別，這一點是針對像我這樣開始只懂得用EXCEL的人來說。從個人的體會來說，二種軟件有一定相似，操作都簡便，同時又有一些可以互補的地方。但是SPSS又比Excel更加強大。
spss的實習總結2
應該說，Excel的圖型表現(xiàn)主要是簡便，對許多的人來說基本夠用，但對于科學的表現(xiàn)，SPSS就更為詳細和準確，這一點據(jù)說在所有統(tǒng)計軟件中都突出。
二、通過SPSS檢驗方差齊性和數(shù)據(jù)分布
假設檢驗中，采用的.t檢驗和方差檢驗都需要滿足二個要求，即
1.樣本方差齊性
2.樣本總體呈正態(tài)分布
在Excel中，提供了F檢驗來檢驗方差齊性問題，也就是可以先通過F檢驗確定方差齊性與否來選擇下一步用哪個T檢驗或方差檢驗分析工具。但只要數(shù)據(jù)多于二組則無從下手;通過描述統(tǒng)計大約能從峰度和偏度來了解樣本的分布實際工作中，只要分布單峰且近似對稱分布，也可應用，但要具體確定樣本的分布也有難度。這二個問題在SPSS就可以解決
最后，在感嘆它的方便與快捷的同時，對軟件開發(fā)人員的智慧到了肅然起敬的地步。一直覺得計算機語言是最難的一門外語。雖然本科時曾經(jīng)對這種邏輯性很強的東西很感興趣，并在編程課上取得不錯的成績，但一直覺得這似乎不是我能掌控的東西。SPSS的神奇之處在于，它省去了使用者巨大的計算量，并提高準確性。它開發(fā)了開發(fā)者的智慧，卻弱化了使用者的大腦。
spss的實習總結3
課堂上所掌握的理論知識還很不扎實，專業(yè)英語也不是很過關。在應用軟件費希出的數(shù)據(jù)中，有很多都不知道是什么意思，還有的數(shù)據(jù)概念模糊，這都是在今后的學習中需要改進和加強的。
除了兩周的計算機實習，這次認識實習還包括兩次聽講座。20xx年7月23日，我們聽了省統(tǒng)計局王玉昭同志給我們作的講座。，我們又在二教414聽了省統(tǒng)計局苑國武同志作的`講座。這兩次講座讓我們認識到普查和政府統(tǒng)計工作的必要性和重要性，以及對我國統(tǒng)計事業(yè)產(chǎn)生的影響，進一步體會到了普查工作對人民生活、國家經(jīng)濟發(fā)展的重要意義。無論人口普查還是工業(yè)普查或是農(nóng)業(yè)普查，都對國家整體的宏觀調(diào)控具有指導意義，我國目前政府統(tǒng)計有哪些部門計部門的劃分類別也有了一個較為清晰的認識，并更加深刻的體會到統(tǒng)計工作的重要意義和統(tǒng)計工作的必要性。我想，這對我今后的學習是有何大幫助的。
總之，這次的認識實習給我們很大的感觸，對今后的學習還是將來的工作都有了一定的幫助，統(tǒng)計是一門理論性很強的課程，要求我們一定要統(tǒng)計知識的重要性，才能在將來做一名合格的統(tǒng)計工作者，為國家奉賢。
spss的實習總結4
本科的時候有概率統(tǒng)計和數(shù)理分析的基礎，但是從來沒有接觸過應用統(tǒng)計分析的東西，SPSS也只是聽說過，從來沒有學過。一直以為這一塊兒會比較難，這學期最初學的時候，因為沒有認真看老師給的英文教材，課下也沒有認真搜集相關資料，所以學起來有些吃力，總感覺聽起來一頭霧水。老師說最后的考核是通過提交學習報告，然后我從圖書館里借了些教材查了些資料，發(fā)現(xiàn)很多問題都弄清楚了。結合軟件和書上的例子，實戰(zhàn)一下，發(fā)現(xiàn)SPSS的功能相當強大。最后總結出這篇報告，以鞏固所學。
SPSS，全稱是Statistical Product and Service Solutions，即“統(tǒng)計產(chǎn)品與服務解決方案”軟件，是IBM公司推出的一系列用于統(tǒng)計學分析運算、數(shù)據(jù)挖掘、預測分析和決策支持任務的軟件產(chǎn)品及相關服務的總稱，也是世界上公認的三大數(shù)據(jù)分析軟件之一。SPSS具有統(tǒng)計分析功能強大、操作界面友好、與其他軟件交互性好等特點，被廣泛應用于經(jīng)濟管理、醫(yī)療衛(wèi)生、自然科學等各個領域。具體到管理方面，SPSS也是一個進行數(shù)據(jù)分析和預測的強大工具。這門課中也會用到AMOS軟件。
關于SPSS的書，很多都是首先介紹軟件的。這個軟件易于安裝，我裝的是19.0的，雖然20.0有一些改變和優(yōu)化，但是主體都是一樣的，而且都是可視化界面，用起來很方面且容易上手。所以，我學習的重點是卡方檢驗和T檢驗、方差分析、相關分析、回歸分析、因子分析、結構方程模型等方法的適用范圍、應用價值、計算方式、結果的解釋和表述。
首先是T檢驗這一部分。由于參數(shù)檢驗的基礎不牢固，這部分也是最初開始接觸應用統(tǒng)計的東西，學起來很多東西拿不準，比如說原假設默認的是什么。結果出來后依然分不清楚是接受原假設還是拒絕原假設。不過現(xiàn)在弄懂了。這部分很有用的是T檢驗。T檢驗應用于當樣本數(shù)較小時，且樣本取自正態(tài)總體同時做兩樣本均數(shù)比較時，還要求兩樣本的總體方差相等時，已知一個總體均數(shù)u，可得到一個樣本均數(shù)及該樣本標準差，樣本來自正態(tài)或近似正態(tài)總體。T檢驗分為單樣本T檢驗、獨立樣本T檢驗、配對樣本T檢驗。其中，單樣本T檢驗是樣本均數(shù)與總體均數(shù)的比較的T檢驗，用于推斷樣本所代表的未知總體均數(shù)μ與已知的總體均數(shù)uo有無差別;獨立樣本T檢驗主要用于檢驗兩個樣本是否來自具有相同均值的總體，即比較兩個樣本的均值是否相同，要求兩個樣本是相互獨立的;配對樣本T檢驗中，要正確理解“配對”的含義，主要用于檢驗兩個有聯(lián)系的正態(tài)總體的均值是否有顯著差異，跟獨立檢驗的區(qū)別就是樣本是否是配對樣本。這幾個方法用軟件操作起來都是相對簡單的，關鍵是分清楚什么時候用這個什么時候用那個。
然后是方差分析。方差分析就是將索要處理的觀測值作為一個整體，按照變異的不同來源把觀測值總變異的平方和以及自由度分解為兩個或多個部分，獲得不同變異來源的均值與誤差均方，通過比較不同變異來源的均方與誤差均方，判斷各樣本所屬總體方差是否相等。方差分析主要包括單因素方差分析、多因素方差分析和協(xié)方差分析等。這一部分在學習的過程中出現(xiàn)一些問題，就是用SPSS來操作的時候分不清觀測變量和控制變量，如果反了的話會導致結果的不準確。其次，對Bonferroni、Tukey、Scheffe等方法的使用目的不清楚，現(xiàn)在基本掌握了多重比較方法選擇：一般如果存在明確的對照組，要進行的是驗證性研究，即計劃好的某兩個或幾個組間(和對照組)的比較。宜用Bonferroni(LSD)法;若需要進行多個均數(shù)間的兩兩比較，且各組個案數(shù)相等，適宜用Tukey法;其他情況宜用Scheffe法。最后，對方差齊性檢驗、多重比較檢驗、趨勢檢驗理解不夠透徹，在方差檢驗中，Post Hoc鍵有LSD的選項：當方差分析F檢驗否定了原假設，即認為至少有兩個總體的均值存在顯著性差異時，須進一步確定是哪兩個或哪幾個均值顯著地不同，則需要進行多重比較來檢驗。LSD即是一種多因變量的三個或三個以上水平下均值之間進行的兩兩比較檢驗。
相關分析是研究現(xiàn)象之間是否存在某種依存關系，并對具體有依存關系的現(xiàn)象探討其相關方向以及相關程度，是研究隨機變量之間的相關關系的一種統(tǒng)計方法。相關分析研究現(xiàn)象之間是否相關、相關的方向和密切程度，一般不區(qū)別自變量或因變量。主要有雙變量相關分析、偏相關、距離相關幾個方法。雙變量相關分析是相關分析中最常使用的分析過程，主要用于分析兩個變量之間的線性相關分析，可以根據(jù)不同的數(shù)據(jù)類型和條件，選用Pearson積差相關、Spearman等級相關和Kendall的tau-b等級相關。當數(shù)據(jù)文件包括多個變量時，直接對兩個變量進行相關分析往往不能真實反映二者之間的關系，此時就需要用到偏相關分析，從中剔除其他變量的線性影響。距離相關分析是對觀測變量之間差異度或相似程度進行的測量，其中距離需要弄清楚，距離分析是對觀測量之間相似或不相似程度的一種測度，是計算一對觀測量之間的廣義距離。這些相似性或距離測度可以用于其他分析過程，例如因子分析、聚類分析或多維定標分析，有助于分析復雜的數(shù)據(jù)集。
接著是回歸分析。相關分析研究的是現(xiàn)象之間是否相關、相關的方向和密切程度，一般不區(qū)別自變量或因變量。而回歸分析則要分析現(xiàn)象之間相關的具體形式，確定其因果關系，并用數(shù)學模型來表現(xiàn)其具體關系。比如說，從相關分析中我們可以得知“質(zhì)量”和“用戶滿意度”變量密切相關，但是這兩個變量之間到底是哪個變量受哪個變量的影響，影響程度如何，則需要通過回歸分析方法來確定�；貧w分析的目的在于了解兩個或多個變量間是否相關、相關方向與強度，并建立數(shù)學模型以便觀察特定變量來預測研究者感興趣的變量。運用十分廣泛，回歸分析按照涉及的自變量的多少，可分為一元回歸分析和多元回歸分析;按照自變量和因變量之間的關系類型，可分為線性回歸分析和非線性回歸分析。如果在回歸分析中，只包括一個自變量和一個因變量，且二者的關系可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。如果回歸分析中包括兩個或兩個以上的自變量，且因變量和自變量之間是線性關系，則稱為多元線性回歸分析。應用回歸分析時應首先確定變量之間是否存在相關關系，如果變量之間不存在相關關系，對這些變量應用回歸預測法就會得出錯誤的結果。正確應用回歸分析預測時應注意：①用定性分析判斷現(xiàn)象之間的依存關系;②避免回歸預測的任意外推;③應用合適的數(shù)據(jù)資料;
接下來是因子分析。因子分析是指研究從變量群中提取共性因子的統(tǒng)計技術。最早由英國心理學家C.E.斯皮爾曼提出。他發(fā)現(xiàn)學生的各科成績之間存在著一定的相關性，一科成績好的學生，往往其他各科成績也比較好，從而推想是否存在某些潛在的共性因子，或稱某些一般智力條件影響著學生的學習成績。因子分析可在許多變量中找出隱藏的具有代表性的因子。將相同本質(zhì)的變量歸入一個因子，可減少變量的數(shù)目，還可檢驗變量間關系的假設。因子分析的主要目的是用來描述隱藏在一組測量到的變量中的一些更基本的，但又無法直接測量到的隱性變量。從顯性的變量中得到因子的方法有兩類。一類是探索性因子分析，另一類是驗證性因子分析。探索性因子分析不事先假定因子與測度項之間的關系，而讓數(shù)據(jù)“自己說話”。而驗證性因子分析假定因子與測度項的關系是部分知道的，即哪個測度項對應于哪個因子，雖然我們尚且不知道具體的系數(shù)。這一部分不能用SPSS來操作，要用AMOS，用起來也很方便。
最后一部分學習的是結構方程模型。結構方程模型是一種融合了因素分析和路徑分析的'多元統(tǒng)計技術。它的強勢在于對多變量間交互關系的定量研究。在近三十年內(nèi)，其大量應用于社會科學及行為科學的領域里，并在近幾年開始逐漸應用于市場研究中。結構方程模型是對顧客滿意度的研究采用的模型方法之一。其目的在于探索事物間的因果關系，并將這種關系用因果模型、路徑圖等形式加以表述。結構方程模型與傳統(tǒng)的回歸分析不同，結構方程分析能同時處理多個因變量，并可比較及評價不同的理論模型。與傳統(tǒng)的探索性因子分析不同，在結構方程模型中，我們可以提出一個特定的因子結構，并檢驗它是否吻合數(shù)據(jù)。通過結構方程多組分析，我們可以了解不同組別內(nèi)各變量的關系是否保持不變，各因子的均值是否有顯著差異。
這門課要學習完了，整個學習的過程是充滿曲折和挑戰(zhàn)的，我見證了自己從一無所知到困惑迷茫再到略懂再到會用的過程。甚至學完之后有些問題還沒有徹底搞清楚，自己接下來還會不斷的探索的。SPSS是個很神奇的工具，結合AMOS和EXCEL更是如虎添翼，相信學習了SPSS在以后的論文和數(shù)據(jù)分析中很有用。這門課給我的感覺是看起來很難，但是實際學起來就好很多，因為當我結合具體實例和軟件的時候，很多抽象的問題就豁然開朗了。但是想給老師一個建議，這門課需要很強的統(tǒng)計和概率論的基礎，要不然就會很難聽懂或者聽得半懂。然后這門課的很多方法的相關資料都是用在醫(yī)療衛(wèi)生、自然科學領域的，在管理中的應用的資料不怎么多。老師希望我們上課的時候結合在管理中的應用來學習，但是資料有限，希望老師在這個方面多給學生一些引導。
【spss的實習總結】相關文章：
spss實習心得范文05-15
spss統(tǒng)計分析實習心得04-07
SPSS在外語教育實證研究中的應用12-08
SPSS軟件在廢水排放及處理分析中的應用12-14