统计分析软件范文第1篇

关键词 SPSS软件；成绩分析；数据统计

中图分类号：G642 文献标识码：B

文章编号：1671-489X（2016）18-0038-03

1 高校成绩分析方法介绍

对学生成绩进行分析是每所学校期末对教学常规管理的一项基本要求，也是全面提高教学成绩的重要方法和途径。随着IT技术的发展，各高校分别采用不同的应用软件对成绩进行质量分析，从中发现问题并加以改进，以提高教师的教学质量。目前各高校采用的应用统计软件有很多，在文中介绍以SPSS统计软件为主的相关分析及应用，并选取大连财经学院成绩统计分析与试卷分析作为研究样本，建立成绩分析模型，并给出对学生考试成绩进行分析的SPSS软件操作方法。通过SPSS统计软件对学生成绩的处理和分析，学生成绩的各项指标等数据变量都很直观地反映出来。

SPSS作为一款数据统计的专业性软件，目前越来越多的高校开始运用该软件进行成绩分析，随着不断地更新和改进，SPSS统计软件数据录入、数据管理、统计分析、资料编辑、报表制作、图形绘制也变得愈发容易操作。在教学管理中，利用SPSS统计软件对学生成绩等各项指标进行相关分析，更加直观科学高效，后面将通过大连财经学院营销2班和营销4班的统计学成绩比较，更加细致地反映这一点。

2 构建数学模型

学生的成绩分析是一项比较烦琐的工作，需要计算平均值、标准差以及各项指标，并绘出学生成绩分布的直方图，用统计软件SPSS来进行这类数据的处理和分析。在数学模型中，通过现实数据建立模型，通常采用回归分析的方法。回归分析是通过规定因变量和自变量来确定变量之间的因果关系，以此建立回归模型，然后根据参数来评价该模型的拟合情况，并可根据自变量做进一步预测。

任何事物都是发展变化的，在其变化过程中受到多种因素的影响。同样，任何事物都不是孤立存在的，都与其他事物之间有着联系，而该事物的变化也会对其他事物产生或直接或间接的影响。而相关分析法就是研究事物之间线性相关，并且以统计指标表来表现相关程度强弱的统计分析方法。在实际的分析过程中，由于不同的研究目的需要选择不同的研究变量，因此，选用的研究分析方法也不相同。二元变量相关分析法是常用的相关分析方法，包括二元定距变量、二元定序变量等多种相关分析方法。

3 数据收集和内容分析

数据的收集 在所取得的大连财经学院成绩统计分析与试卷分析样本中，将该班级学生成绩情况作为分析对象。研究该班学生成绩的显著性，以及男生和女生成绩之间的差异，分析过程主要涉及的相关变量有平均成绩、参加考试人数、及格率、最低分及最高分、标准差及成绩分布是否符合正态分布。

操作步骤 先将该班级成绩输入Excel，然后将数据导入SPSS，为了直观分析该班级学生的成绩情况，以编号、姓名、性别、班级、成绩等作为描述变量。

第一步：根据班级学生的分数情况，将学生的成绩分为0～59、60～69、70～79、80～89、90～100五个分数段。

第二步：选用转换（Transform）重新定义不同变量（Recode Into Different Variables），不同的变量需要在弹出的对话框中重新进行设定，将编号、姓名等变量输入到输出变量（Output Variable）对话框中。

第三步：在不同的变量栏下输入“分数段”，单击改变（Change）。

第四步：单击旧的和新的值（Old and New value），选择不同分数段范围，并在相应的栏目中输入，统计学科目及格分为60分，科目总分为100分。

学生成绩分析以班级为单位进行，绘制成绩Q-Q概率图及分布直方图，对本次的考试成绩进行正态分布研究，具体步骤：单击分析统计学描述频数分析（AnalyzeDescriptive StatisticsFrequencies）。在弹出的对话框中将“统计学”和“分数段”两个变量导入变量（Variable）

中，单击统计（Statistics）选项，在弹出的频数分析对话框中，选中Mean（平均分）、标准差、最高分、最低分等常用指标。返回主对话框，单击绘图（Charts）按钮，在弹出的频数分析对话框中选中柱状图和其下的正态分布曲线。点击Continue（继续）返回主界面，单击OK按钮，即可获得学生人数、最高分、最低分、平均分以及百分比直方图。

Correlation Analysis（相关分析）是对不同现象之间是否存在依存关系进行研究，如果存在依存关系，则研究其相关方向及程度，通过上述操作对学生的成绩进行分析，得到的相关数据如表2、表3所示。

为了验证样本班级学生的期初平均分是否符合正态分布情况，综合分析该班级的学生成绩，同样运用SPSS统计软件进行检验，采用Q-Q概率图分析学生考试成绩的正态分布，操作步骤：执行图表（Graphs）Q-Q Polts。在弹出的对话框中将“期初平均分”输入变量对话框，其他设置不改变，单击OK便可以得到图1所示正态分布Q-Q概率图。

统计分析软件范文第2篇

本研究用SAS、SPSS、DPS 3种统计软件的两步使用，实现对正交试验结果的完整分析，并对数据输入、输出结果、交互搭配、多项指标、操作难易5方面进行综合评价。

【关键词】 正交试验； 统计软件； 两步分析

1 问题的提出

用正交表安排试验并进行试验结果分析的统计方法，称为正交设计。极差分析可以完成正交试验结果的统计描述，但是因素的极差大或小到何种程度，方能算主要或次要因素，往往需要主观界定。方差分析可以完成正交试验结果的统计推断，但是计算太复杂太困难，往往让统计学教师及医药科研工作者感到苦恼。

SAS（Statistical Analysis System，统计分析系统）和SPSS（Statistical Product and Service Solution，统计产品与服务解决方案）是美国著名统计软件，DPS（Data Processing System，数据处理系统）是国内优秀的统计软件。本研究用这3种统计软件对正交试验结果进行两步使用，实现对正交试验结果的完整分析。

正交试验结果方差分析的条件是：留出空白列或进行重复试验。空白列的平方和及小于空白列的平方和构成第一类误差，重复试验数据构成第二类误差。软件分析的困难，体现在重复试验数据的格式、误差平方和的确定和交互作用的搭配3个地方，其要害是误差平方和的确定。

为此，任何统计软件均需要使用两次。第一次探索分析，排除空白列，确定平方和小于空白列者及各水平优劣。第二次补充分析，排除平方和小于空白列的变量，确定主要因素及重要交互作用。主要因素取好水平，重要交互作用取好搭配，次要因素按实际问题取水平，得到最优试验方案。统计软件的这种两步使用，可以实现对正交试验结果的完整分析。

2 不同软件的两步分析

考虑最复杂的混合水平正交设计，因素A为4水平，因素B、C、D为2水平，交互作用A×B、A×C及B×C。在混合表L16(4×212)安排A、B、C、D于1、2、6、11列，第12、13列空白，2次重复试验结果见表1。

表1 提取麻黄碱正交设计2次重复试验结果（略）

2.1 SAS9.0操作

第一次调用glm过程作试探分析，确定空白列x1、x2的平方和，编辑程序为：

data L1; /*麻黄碱正交设计第一次探索分析*/

input A B AB1 AB2 AB3 C AC1 AC2 AC3 BC D x1 x2@@;

do i=1 to 2; input y@@; output; end;

cards;

1 1 1 1 1 1 1 1 1 1 1 1 1 61 75

1 1 1 1 1 2 2 2 2 2 2 2 2 83 84

...........................

4 2 1 1 2 2 1 1 2 1 2 2 1 80 70

;

proc glm; class A B C D; model y=A B A*B C A*C B*C D x1 x2;

means A B A*B C A*C B*C D/snk; run;

程序运行后，交互作用BC、因素D平方和42.7813、124.0313小于空白列x1、x2平方和相加57.7813+132.0313=189.8125，应当合并到一类误差中。由多重比较，因素C的水平2较好，交互作用A×B的搭配A1B1较好。

第二次调用glm过程作补充分析，修改程序L1.sas最后语句为：

proc glm; class A B C D; model y=A B A*B C A*C; run;

运行得到的程序L2.sas， Model的F＝7.89、P

指标为产率，越大越好。由多重比较的输出结果，因素C取2水平，交互作用A×B取搭配A1B1。根据实际，因素D取D2较好。故最佳试验方案为A1B1C2D2，即用4倍量0.1%的盐酸，浸煮1(h，调pH＝12。

2.2 SPSS13.0操作［1］

以A、B、AB1、AB2、AB3、C、AC1、AC2、AC3、BC、D、x1、x2为分组变量，y为数据变量，前面13列反复2次输入正交表各列，建立配伍格式数据文件。

第一次试探分析，选择General Linear ModelsUnivariate命令，指定y为Dependent variable变量，A、B、C、D、x1、x2为Fixed Factors变量。

鼠标击Model按钮，指定A、B、A*B、C、A*C、B*C、D、x1、x2为Model变量。

击Options按钮，指定A、B、A*B、C、A*C、B*C、D为Display Means for变量Compare main effectsLSD。

输出结果，交互作用BC、因素D平方和42.781、124.031小于空白列x1、x2平方和相加189.812，应当合并到一类误差中。由多重比较，因素C的水平2较好，交互作用A×B的搭配A1B1较好。

第二次补充分析，选择General Linear ModelsUnivariate命令，把x1、x2从Fixed Factors变量删除。

鼠标击Model按钮，把B*C、D、x1、x2从Model变量删除。

击Options按钮，把A、B、A*B、C、A*C、B*C、D从Display Means for变量删除。

输出结果， Model的F＝7.893、P＝0.000，当前模型有统计学意义。因素C的F＝31.95、P＝0.000，为主要因素，应当取好水平。交互作用A×B的F＝10.156、P＝0.000，为重要交互作用，应当取好搭配。

2.3 DPS7.55操作［2］

在区域A1：O16，前13列输入正交表的各列，第14、15列输入各次试验的结果。

第一次试探分析，选定数据块，选择"试验统计"菜单"正交试验方差分析"命令，指定第12、13列为空白列。

交互作用BC、因素D平方和42.781、124.031小于空白列x1、x2平方和相加189.812，应合并到一类误差中。由极差分析因素C的水平2较好，直接计算得到交互作用A×B的搭配A1B1较好。

第二次补充分析，选定数据块，选择"试验统计"菜单"正交试验方差分析"命令，指定第10、11、12、13列为空白列。

因素C的F＝31.95、P＝0.000，为主要因素，应当取好水平。交互作用A×B的3列F＝10.84、4.81、8.81，P＝0.00、0.04、0.00，为重要交互作用，应当取好搭配。

3 综合评判

从数据输入来看，重复试验结果分析，SAS与DPS只需要一次性输入正交表各列，SPSS需要重复输入正交表各列。

从输出结果来看，SAS与SPSS能把多列交互作用合并输出，能把多列一类误差列合并输出，DPS则不能。

从交互搭配来看，SAS与SPSS能输出交互作用的搭配，DPS则不能。

从多项指标来看，DPS需要以各项指标，分别进行多次分析，根据各次输出结果，使用综合平衡法得出结论。SPSS可以选择Multivariate（多变量）命令，SAS可以在程序中直接读入多个数据变量，同时得到多指标的输出结果。

从操作难易来看，DPS两步分析只需修改空白列，而SAS需要需要修改程序，SPSS需要修改各项参数的选择，均比DPS复杂。

综上所述，可以建立参评因素集"输入、输出、搭配、指标、操作"到评判集"SAS、SPSS、DPS"的模糊关系矩阵，即：

R=0.350.300.35

0.350.350.30

0.350.350.30

0.350.350.30

0.300.300.40

再根据参评因素集在检验中的重要程度，建立权重矩阵为：

W＝(0.30，0.30，0.20，0.10，0.10)

用先乘后加，计算评价值，即：

W R＝(0.3，0.3，0.2，0.1，0.1)0.350.300.35

0.350.350.30

0.350.350.30

0.350.350.30

0.300.300.40

＝(0.345，0.330，0.325)

完成正交试验结果分析，SAS、SPSS、DPS的各为0.345，0.330，0.325。

【参考文献】

1 周仁郁，主编.SPSS13.0统计软件.成都：西南交通大学出版社，2005，4，112～117.

2 周仁郁，主编，中医药统计学.北京：中国中医药出版社，2004，9，221～223.

3 方积乾，主编．卫生统计学.第5版．北京：人民卫生出版社，2003，145～147.

4 金丕焕，主编．医用SAS统计分析．上海：上海医科大学出版社，2000，135～142.

统计分析软件范文第3篇

关键词：矢量网络分析仪 校准 数据采集 滤波器

中图分类号：TN98 文献标识码：A 文章编号：1007-9416（2013）03-0166-01

1 引言

矢量网络分析仪以高速度、高精度和多种测量能力及便宜的价格为许多具有大量重复测试的工业生产环境提供了新的测量工具。下面就具体分析一下新一代矢量网络分析仪软件的工作与设计原理。

2 软件工作流程

矢量网络分析仪开机后，在BOOTROM的引导下，先初始化系统变量，下装图形系统处理器和数字信号处理器软件，在图形系统处理器开机后，开始系统自检。自检结束后，进入操作系统程序，初始化系统状态，计算误差校准系数，最后进入事件分支处理流程。

3 数据采集和数据处理

3.1 数据采集

矢量网络分析仪的数据采集过程是由数字信号处理器来完成的。在矢量网络分析仪的设计中用DSP软件生成的数字滤波器代替了传统的模拟滤波器，将接收机的中频信号转换成原始测量数据。这里数字处理技术与模拟的信号处理技术相比具有灵活性好、精度高、可靠性好、可大规模集成等的优点。

当信号通过时不变系统后，会产生幅度响应和相位响应。如在矢量网络分析仪中，接收机混频滤波后的中频信号为Acos（2πf+θ），其中A为产生的幅度响应，θ为相位响应，f为27.778KHz的载波中频。在DSP实际软件设计中，构造了一个函数cos（2πf）与该信号混频，得出信号cos（4πf+θ）和cosθ，进行滤波后，得出cosθ，同样再构造了一个函数sin（2πf）进行混频，滤波后得出sinθ，这样由cosθ与sinθ就可以求出响应信号矢量值。中频数字滤波也就是要用软件构造这样一个低通滤波器，以滤除频率为两倍于中频的混频信号。低通滤波过程可以看做为输入信号频谱与低通滤波器的频谱的乘积，又因为信号频域的乘积等于信号时域上的卷积，所以数字滤波实际上是在DSP软件构造逼近低通滤波器时域特性一个波形，用它来对输入信号进行时域卷积。

数据采集过程是数据的采样过程，采样的结果是离散序列。因为是离散信号的处理过程，这里对应于连续信号模拟频谱的是Z平面上数字频谱。因为付氏级数的突然截尾造成级数收敛性变差而形成振荡，所以频域上实际的滤波特性与理想低通滤波器不完全一致，在通带内会形成肩峰，在阻带内会形成余振，还会形成过渡带。这些可以改善截取窗函数的特性加以弥补，这里不给出详细的公式推导。

矢量网络分析仪软件设计中，数字中频带宽总共有四种15Hz、250Hz、3700Hz、6500Hz，分别对应于设计的四种数字滤波器3dB带宽，在这四种数字滤波方式中，对每个测量点的采样点数即数字滤波器的阶数分别为2025、245、15，5，带宽越窄，滤波器特性越理想，采样和卷积次数越多，测量的速度也就越慢。矢量网络分析仪数字滤波器采用横截型的结构，最小阻带衰减达-70dB。

3.2 数据处理

射频矢量网络分析仪的数据流图如上图所示，椭圆形框表示数据源或数据终点，方形框表示对数据的处理过程。数字中频滤波后的原始数据为R、A、B、AUX，经过A/R或B/R的比例变换后，根据当前的测量模型及测量环境计算所得来的误差校准系数矩阵进行系统误差修正和矢量平均，矢量平均是多次测量去平均值以消除随机误差的方法，校准好的测量数据被送往主机，主机可以将测量数据和存储的数据曲线进行轨迹运算，并负责反FFT变换，将测量数据转换到时域，最后进行单位运算、比例和偏移运算，将结果送往图形系统处理器输出到屏幕。

参考文献

[1]温小雨.《四端口矢量网络分析仪误差校准及修正》[D].西安电子科技，2008.

统计分析软件范文第4篇

关键词： 统计软件 问卷调查 数据处理 数据分析 SPSS

科学研究理论认为：具备严谨科学的态度并运用合理科学的方法进行的研究是一种科学研究。所以，我们认为采取“有系统的实证研究方法”所进行的研究就是一种科学研究。多年来，实证主义下的符号逻辑思考体系，是当代科学研究的主流思想，量化研究方法作为学术训练的主体的现象，也普遍存在于各学科之中。可以说，在学术与应用领域中，量化研究一直起着非常重要的作用。

社会与行为科学的量化研究，是实证科学范式的产物，依循科学研究的概念与逻辑，主要的研究方法包括调查、测验与实验法。调查研究是指研究者向一定数量的受访者发放问卷或是进行访谈，并对量化数据进行统计整理，从而推论出总群体对于某特定问题的态度或行为反应。SPSS是Statistical Package for the Social Science的简称，是一套全方位多功能统计软件。

本文介绍了如何运用SPSS对问卷调查进行综合的数据处理与分析，以期为问卷调查分析提供模式参考。

一、问卷调查基本情况

本问卷调查是一份教师授课质量问卷调查。调查内容为10项，分别为教学目的明确、重点突出、讲授清晰；认真备课，内容充实；合理使用多媒体课件；注重培养学生能力，有较好的教学互动；认真批改作业，答疑辅导耐心、仔细；布置网络学习任务并加以监督和指导；教师英语语言素质；教师仪表整洁，教态自然大方；尊重学生，平易待人及教学效果。评价等级4级，分别为4分（非常满意）、3分（满意）、2分（一般）和1分（不满意）。共发放问卷100份，收回问卷及有效问卷100份，无效问卷0份。

二、数据的输入与保存

运用SPSS进行数据处理和分析时，我们应首先针对所需内容定义变量、输入数据及保存数据。一旦数据保存完毕，就可以进行各种各样的检验和统计分析。

现对问卷调查的内容和结果进行数据文件的建立。首先启动SPSS后进入一个空白数据编辑视窗，进入变量视图工作表，定义变量（12项），并输入相应的变量名称（受测者编号、性别及10项调查内容）、类型、宽度、小数、标签（性别分为男女两项；10项调查内容均标签为非常满意、满意、一般、不满意四项）、值（女性设定值为1而男性则为2）、缺失、格式等各种信息；然后利用数据视图工作表，在相对应的变量下输入数据；最后储存所有工作，建立一个扩展名为.sav的SPSS数据文件。

三、基本描述性统计分析

描述统计是用来描述研究中获得的数据的基本特征，并提供关于样本与测量结果的简单总结。此次调查结果的基本描述统计量包括平均数、全距、标准差、方差、峰度和偏度。平均数也称均值，是取得某一变量的所有数值的总和除以观察值个数所得到的值，代表数据的集中趋势。平均数越接近中间值越好。全距是一组数据中最大值与最小值之差。数据的离散程度可用全距和标准差来进行描述，标准差越小说明数据间的差异越少。标准差的平方即是方差，是利用离均差作为变异指标的计算基础。偏度和峰度用来描述数据分布是否对称、是否为正态、偏斜程度如何及分布陡缓程度等。

为了对数据有一个基本了解，我们现在对数据进行描述性统计分析。首先选择菜单“分析”“报表”“观察值摘要”；点选“观察值摘要”后，获得观察值摘要对话框；选取所需变量（10项调查内容）并输入类别变量（性别）作为分组变量；最后进行统计量的选择及标题的设定等工作，确定后得到所需数据。对10项调查内容，以性别为分组变量（女性53人，男性47人，共100人）的观察值摘要分析结果为：

（一）均值

女性为3.47，3.62，3.66，3.11，3.60，3.51，3.77，3.81，3.70，3.36；男性为3.38，3.66，3.60，3.30，3.72，3.55，3.74，3.85，3.81，3.49；总计为3.43，3.64，3.63，3.20，3.66，3.53，3.76，3.83，3.75，3.42。

（二）全距

女性为2，2，2，2，2，2，1，1，3，3；男性为2，2，2，2，1，2，1，1，1，2；总计为2，2，2，2，2，2，1，1，3，3。

（三）标准差

女性为.696，.527，.553，.698，.599，.608，.423，.395，.607，.710；男性为.677，.522，.538，.720，.452，.583，.441，.360，.398，.547；总计为.685，.523，.544，.711，.536，.594，.429，.378，.520，.638。

（四）方差

女性为.485，.278，.306，.487，.359，.370， .179，.156，.369，.504；男性为.459，.273，.290，.518，.204，.340，.194，.130，.158，.299；总计为.470，.273，.296，.505，.287，.353，.184，.143，.270，.408。

（五）峰度

女性为-.301，-.296，1.063，-.882，.616，-.241，-.198，.709，7.024，1.004；男性为-.614，

.341，-.429， -.888，-.978，-.123，-.686，2.246，.651，-1.038；总计为-.614， .341，-.429，-.888，-.978，-.123，-.686，2.246，.651，-1.038。

（六）偏度

女性为-.961，-.926，-1.389，-.157，-1.253，-.836，-1.346，-1.638，-2.427，-.985；男性为-.649，-1.167，-.837，-.520，-1.032，-.904，-1.160， -2.038，-1.620，-.373；总计为-.799，-1.020，-1.113，-.310，-1.276，-.856，-1.236，-1.784，-2.449，-.882。

由上述数据可知，男女生对教师的授课质量总体满意，均值都已超过满意分值（3分）。但同时过高的平均数、较小的标准差与严重的偏态三种倾向，代表测验项目可能存在鉴别度不足的问题。第四项（注重培养学生能力，有较好的教学互动）的全体平均是3.20，就男女分别来看，则为3.30与3.11，显示男生在此项调查中对教师的满意度明显比女生高。标准差分别为.720与.698，亦有明显的差距。显示男生对教师注意培养学生能力，有较好教学互动满意度高，相对的女生的调查结果则显一般。从偏度与峰度的角度来看，第九项（尊重学生，平易待人），女生则有明显的负偏态（-2.427）与高狭峰现象（7.024），男生则是弱负偏态（-1.620）且峰度正常（.651），显示女生分数集中但有偏低的极端值存在，形成了天花板效应。天花板效应与负偏态有关，指数据多集中在偏高的一端，但在低分端却有极端值，分数不容易突破高分端。如在问卷中100名同学大部分都填选了4分这个分值，此时4分就是高分的阻隔分数，而选择1分的同学就成为低分的偏离值，形成负偏态现象。

四、t检验

t检验是指当数据分布不是正态分布，或有不符合正态的疑虑时，用t统计量，配合t分布进行的统计决策。t检验可以反映抽样过程是否具有偏差而违反正态分布的基本要求，进行项目鉴别度检验。

现在我们使用小样本的极端比较法，在100名调查者中，将整体得分最高与最低的两端者归类为极端组，进行平均数差异检验，从而反映出题目的鉴别力。首先建立新数据文件，选择菜单“转换”“计算”，增加新变量total，计算数据总分。接着选择菜单“分析”“描述统计”“频率”，变量为total；选择统计量对话框，选择百分位数，寻找前后27%调查者的切割点，确定后得到结果，找到极端组的切割点为31与34。再次选择菜单“转换”“重新编码成不同变量”，把旧变量（total）变更为新变量（group，极端组分组变项）；点选新值与旧值选项，设定极端组范围与新值，设定1为低分组（0至31），2为高分组（34至40）；确定后创造分组变量group。最后，选择菜单“分析”“比较均值”“独立样本t检验”，检验变量为10个考评项目，分组变量为group，定义组别为1与2，确定后得到t检验结果。

检验结果为：1.教学目的明确、重点突出、讲授清晰（t=-6.5，p=.000）；2.认真备课，内容充实（t=-5.7，p=.000）；3.合理使用多媒体课件（t=-6.3，p=.000）；4.注重培养学生能力，有较好的教学互动（t=-6.7，p=.000）；5.认真批改作业，答疑辅导耐心、仔细（t=-4.7，p=.000）；6.布置网络学习任务并加以监督和指导（t=-1.9，p=.066）；7.教师英语语言素质（t=-5.6，p=.000）；8.教师仪表整洁，教态自然大方（t=-4.5，p=.000）；9.尊重学生，平易待人（t=-4.3，p=.000）；10.教学效果（t=-3.4，p=.001）。

从上述数据发现，t检验未达标.05显著水平的有第6项（t=-1.9，p=.066），显示此题明显无法鉴别高低分者。t检验未达标.001水平的有第10项（t=-3.4，p=.001），显示此题鉴别度稍差。

五、同质性检验

同质性检验也称相关分析法，可以运用各项目与相对应总分的相关系数来检验项目的成效，相关越高，题目越佳。

现在我们打开菜单“分析”“度量”“可靠性分析”，选取10项调查内容为欲分析的项目后点选统计量进行设置，确定后得到项目与总分相关结果，其中Cronbach’s Alpha为.600，基于标准化项的Cronbachs Alpha为.607。10个调查项目的相关系数分别为.151，.102，.187，.293，.131，.229，.184，.284，.248及.184。再次打开菜单“分析”“降维”“因子分析”，选取10项调查内容为欲分析的变量后点选抽取对话，选择主轴法，设定因子个数为1，确定后得到因素负荷量结果，分别为.418，.263，.297，.466，.404，.261，.308，.513，.388以及.368。

分析结果发现，调查表的同质性一般，内部一致性系数为.61，显示出调查表项目不具有相当的同质性。整个调查表个项目之间相关不显著，反映出整体的量表内部一致性不理想。一些项目的同质性检验以相关系数低于.3或因素负荷量低于.3为标准，这两项指标不够理想的项目有第2，3，6共3项。这些项目显示出与整个调查表不同质，应考虑重新设计。

六、结语

通过运用SPSS对问卷调查进行综合的数据处理与分析，可以迅速定位问卷调查各项指标的合理性及有效性并对各项数据进行科学的分析，以期达到指导教学的根本目的。

参考文献：

统计分析软件范文第5篇

[关键词]生产管理；计算机软件；对策措施

中图分类号：TP315 文献标识码：A 文章编号：1009-914X（2015）36-0248-01

0 引言

计算机软件在油田生产管理中具有重要作用，可提高油气生产和集输自动化水平、生产数据信息化管理水平，有效整合生产数据，提高企业生产运行管理水平。因此，有必要对当前我国油田生产管理中存在的问题进行分析，并结合油田生产管理实际需要，通过应用计算机软件技术提升企业管理水平，推动油田更好更快的发展。

1 油田企业生产经营管理现状

油田企业生产运输的油气资源具有易燃易爆特性，安全生产工作成为生产管理中的一项重要工作，胜利油田油气集输管网有相当一部分经过城镇等人口密集区、集市等商业繁华区，地处黄河三角洲，环境敏感，地域分布广阔、人烟稀少，偷盗现象较为频发，所以，对计算机软件实时监控、预警要求较高。同时，原油生产和油气集输中对生产工艺、设施设备和管网运行参数等重要数据也要建立完善的管理体系，油田生产运行涉及环节众多，不同系统缺乏有效的沟通联系，数据在不同系统中沟通性不强，容易形成信息孤岛，影响管理决策，如何充分利用生产信息提升数据价值，构建相互贯通联系的信息化平台，成为油田信息化建设的重要内容。

胜利油田生产地点相对分散，生产装置众多、信息量大，虽已逐步加大了计算机信息技术应用力度，但在生产中对数据主要是自动采集、网络传输，有相当一部分信息需要手工录入，影响了管理效率和质量，具体工作中存在以下几个问题。一是管网运行监控系统布局不科学，受到地理位置和自然环境等因素的影响，现有的油气生产装置监控系统布局不科学，对位置偏僻地区缺乏有效的监控，对人口密集区也没有实现无死角监控，计算机软件应用程度有限，监控软件应用效率不高，报警和摄像装置不足，无法及时准确的反映存在的泄漏等危险，存在一定的安全隐患。二是管理模式比较分散，油田企业生产运行涉及众多工序和环节，不同系统间存在条块分割管理问题，油气勘探开发和下游综合利用环节存在脱节现象，造成软件应用系统不完善，增加了油气计量、交换和财务结算等中间环节，降低了管理效率。三是计算机软件系统应用水平不高，与国际石油化工行业相比，我国计算机软件在生产管理中应用较少，软件功能也相对不足，无法有效整合信息资源，缺少对重要数据的联动分析，智能预警系统不完善，很多工作需要人工进行处理。四是计算机系统开发人才比较匮乏，油田长期以油气生产为中心工作，对信息化工作重视程度相对不足，已有的信息工作中也侧重网络安全和软硬件系统的维护，软件系统多是直接购买，软件应用的针对性不强，采购成本较高，并且会在后期的软件应用、升级和维护等方面埋下隐患，最为突出的问题是计算机软件应用开发人才匮乏，人才引进培育力度不大，培训工作偏重油气生产，专项培训不足，制约了计算机专业人才素质的提升。

2 提升油田生产管理系统中计算机软件应用水平的对策措施

随着油田勘探开发力度的加大，胜利油田生产运行中点多、面广、线长的发散型发展模式，必然会影响油田的管理效率和生产效益，因此，有必要根据具体生产运行特点进行专项调研，有效整合数据资源，构建高效的计算机软件应用系统，提高管理效率和水平。当前油田的生产和安全监控已基本实现信息化要求，工控系统承载力和数据采集能力也有了大幅提升，但结合油田的发展战略和目标任务，需要进一步完善生产运行数据采集能力和安全监控效率，采用先进的软件技术手段和相关的模型，对各类生产运行基础数据进行加工利用，强化流程模拟、HSE监管、故障诊断等专业软件系统应用，实现计算机软件应用由数字化、信息化向智能化方向发展，构建符合油田生产运行管理实际的软件管理系统。

2.1 提升数据化管理水平

要根据油田生产运行特点，充分利用计算机软件，建立实时数据采集监控系统，在信息管理部门中心服务器上安装具有网上功能的组态软件平台，建立联系上位机和工作站的数据库系统，可通过计算机软件将上位机构数据传送到服务器数据中，实现现场生产和集输控制，通过计算机系统实现数据和生产运行状态的实时对接，提高数据化利用水平。

2.2 构建智能化数据平台

开发设计适合油田发展需要的计算机软件，建立信息模型和交互平台，在提升现场仪表采集数据效率的基础上，整合各类生产信息，借助计算机软件的融合、汇总、关联等功能，提高数据利用价值，用来指导改进油田管理中日常工作、调度指挥、智能监控等模块，实现企业的智能化管理。

2.3 引进先进的计算机软件进行应用

要根据油田生产运行管理现状，在现有数据采集和信息化建设基础上，借鉴国内外先进经验，开发适合油田生产运行管理的实时数据采集监控系统，通过现场数据采集监控网络，借助软件应用优化和数字化平台建设，构建起集油田勘探开发、生产运输和加工利用为一体的数字化、信息化管理系统，实现远程数据信息共享和生产管理调控，并提供支持远程移动和异地查询等功能，提高管理效率。

2.4 培养计算机软件开发人才

油田可以探索设置专项软件开发基金，成立独立的软件开发部门，并加强与专业化的软件开发机构的交流合作，提升油田自身软件开发和应用水平。同时，要加强专项培训，使软件开发人员可以结合油田生产运行管理实际，有效改进系统功能，拓展计算机软件的兼容性和可靠性，打造更加切合油田发展实际的实用性软件应用平台。

3 结论

综上所述，油田企业生产运行涉及众多工序和环节，生产运行管理任务繁重，当前胜利油田基本实现了信息化数据管理，但依然存在一些问题，通过采取提升计算机软件应用水平的措施，必然会推动企业生产管理由信息化、数字化管理向智能化管理转变，提升企业的管理水平。

参考文献

[1] 谢萌.浅谈网络数据库的安全管理与维护[J].河南科技，2010（16）.

[2] 孙芳.浅议天然气计算机软件的应用[J].商业经济，2009（02）.