spss實習心得

spss實習心得1

以前學統計學的時候就聽老師講過SPSS有非常強大的統計功能，對我們學習、工作有很大的幫助，所以我一直認為SPSS很神祕。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強大的統計功能，更加讓我明白了SPSS與Excel的區別。

SPSS是“社會科學統計軟件包”(Statistical Package for the Social Science)的簡稱，是一種集成化的計算機數據處理應用軟件。1968年，美國斯坦福大學等三位大學生開發了最早的SPSS統計軟件，並於1975年在芝加哥成立了SPSS公司，已有30餘年的成長曆史，全球約有25萬家產品用户，廣泛分佈於通訊、醫療、銀行、證券、保險、製造、商業、市場研究、科研、教育等多個領域和行業。SPSS是世界上公認的三大數據分析軟件之一(SAS、SPSS和SYSTAT)。

在學習SPSS期間，我主要遇到的問題是後面幾章，SPSS的參數檢驗、方差分析、相關分析、線性迴歸分析、聚類分析、因子分析等。

在參數檢驗中我不知道原假設是什麼，導致分析的時候不知道該拒絕原假設還是接受原假設，不能分析出統計結果。不會區分單樣本t檢驗和兩配對樣本t檢驗的區別，現在懂得了它們都要服從正態分佈，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)，再用適當的統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間的兩兩比較，且各組個案數相等，適宜用Tukey法;其他情況宜用Scheffe法。最後，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，在繪製散點圖時，不知道哪個該做橫座標，哪個該做縱座標，明白了橫座標是解釋變量，縱座標是被解釋變量，還有對相關係數的種類分析不熟練等 。在學習迴歸分析的過程中，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、向後篩選、逐步帥選策略不能熟練掌握，特別是對向前向後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，儘量只使用相同類型的變量進行分析 。 分類數不明確，從實用角度講，2~8 類比較合適 。 掌握了K-means Cluster 分析，樣本量大於100時有必要考慮，只能使用連續性變量。

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後，我不禁想到了SPSS與Excel的區別，這一點是針對像我這樣開始只懂得用EXCEL的人來説。從個人的體會來説，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：

　　一、圖型的表現力是SPSS的主要優點之一

應該説，Excel的圖型表現主要是簡便，對許多的人來説基本夠用，但對於科學的表現，SPSS就更為詳細和準確，這一點據説在所有統計軟件中都突出。

　　二、通過SPSS檢驗方差齊性和數據分佈

假設檢驗中，採用的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.樣本總體呈正態分佈

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。但只要數據多於二組則無從下手;通過描述統計大約能從峯度和偏度來了解樣本的分佈實際工作中，只要分佈單峯且近似對稱分佈，也可應用，但要具體確定樣本的分佈也有難度。這二個問題在SPSS就可以解決

最後，在感歎它的方便與快捷的同時，對軟件開發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。雖然本科時曾經對這種邏輯性很強的東西很感興趣，並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的神奇之處在於，它省去了使用者巨大的計算量，並提高準確性。它開發了開發者的智慧，卻弱化了使用者的大腦。

spss實習心得2

　　一、什麼是SPSS?為什麼要學習SPSS?

新學期開始時，在信息化教育測量與評價的課程中第一次接觸

到SPSS這個軟件，作為本科是計算機專業出身的我，當時只知道SPSS是一套統計軟件，就是一套根據統計學原理所編寫出來的統計分析軟件，至於統計什麼?分

析什麼?我一無所知，尤其是看到老師推薦的《SPSS在教育統計中的應用》這本書的時候，就簡單的把它理解為用SPSS軟件來統計、分析與教育相關的數據，最終得出想要的結論而已，而現在看來，我當初的想法未免有點簡單與無知。下面就來讓我們瞭解一下SPSS。SPSS軟件是一組專業的、通用的統計軟件包，同時它也是一個組合式軟件包，兼有數據管理、統計分析、統計繪圖和統計報表功能。它廣泛用於教育、心理、醫學、市場、人口、保險等研究領域，也用於產品質量控制、人事檔案管理和日常統計報表等。SPSS軟件對計算機硬件系統的要求較低;對運行的軟件環境要求寬鬆，有各種版本可運行在WINDOWS XP、WIN7系統環境下， SPSS統計軟件採用電子表格的方式輸入與管理數據，能方便地從其他數據庫中讀入數據(如Dbase，Excel，Lotus等)。

我為什麼要學習SPSS呢?其實很簡單，一方面，做為一名

研究生，要具備一定的科研能力，如今量化研究的方法大行其道，一切要以事實説話、要以數據説話，有了數據支持的研究才能更容易被認可、被推論。另一方面，根據對AECT94定義的理解，教育技術

學研究的對象是學習過程和學習資源，包含大量的偶然現象和非精確現象。因此，要深入研究教育技術現象及其規律，必須運用統計描述、統計分析方法和模糊數學分析方法，才可能使這門學科達到真正完善的地步。教育技術學研究的現象多數是偶然的現象，其變化發展往往具有幾種不同的可能性，究竟出現哪一種結果，那是帶有偶然性的，是隨機的。這類偶然現象是遵循統計規律的，當隨機現象是由大量的成份組成，或者隨機現象出現大量的次數時，就能體現統計平均規律。我們只有對數據資料作統計處理，才可能可以發現它們的內在規律，掌握現象的特徵，檢驗研究的假設，才能得出準確的、可靠的研究結果。

　　二、對本SPSS各章節學習的心得

新課程老師帶領下，採取一種新的學習方式，老師講解了基礎部分後，全班同學採取小組分工、協作學習，然後對全班同學進行講解學習內容，教師進行當堂指導，這種方法改變了同學們的學習態度，同學們不再是課前不預習，課下不復習的狀態，每組都有自己的任務，課前有一定的壓力，同學間的討論也明顯的增多，例如：一次課下同學們在一起吃飯，有幾位同學還在調侃説“兩個菜之間用SPSS進行分析後得出的結果不接受H0假設，也就是兩個菜之間不相關”，雖然這只是一個課下的玩笑，但是這也可以體現出對學習的態度的轉變。下面就本學期的所學SPSS的各章節做一下歸納，這些歸納也是基於本人平時在課前預習，課上及課後的一些所思所想，也許會有一些理解上的偏頗在內，但這僅限於心得而已。本學期學習各個章節

及分工如下表：

章節名稱

的認識及數據文件的處理

2.數據清理與基本統計及測量質量分析

3.T檢驗

4.方差分析

1、 2人 3人 7.聚類分析 8.統計圖形 2人 1人 2人 6.卡方檢驗 3人 2人 5.相關分析 3人 分工人數 章節名稱 分工人數 SPSS的認識及數據文件的處理心得體會

可能是由於是同學們第一次講，萬事開頭難，壓力很大，在大家認為最為簡單的內容講解上，兩位同學並沒有完全展現出二人實際水平，大家在這一節課上都感覺到很壓抑，總的感覺是這節內容很簡單，但是內容又很鬆散，可講的東西太多，講的東西多就沒有突出重點和難點，所以聽過之後就有種無數的碎片漂浮在腦海中一樣，很難將知識系統化，課後總結一下無非就是兩塊，一塊是瞭解SPSS軟件的歷史及基本功能，還有一塊就是SPSS軟件當中一個模塊叫做數據文件的處理，在認識SPSS軟件當中瞭解到它是一組社會科學統計軟件包，誕生於1968年，當時美國的3位大學生開發出了它，經過這麼多年的後續開發，SPSS已經有了很多的版本，具有了更的兼容性、和更友好的操作界面，也在很多的學科領域得到了應用，而在教育中的應用

只是它的一個分支。此外它對硬件的要求也很低，當前一般的電腦都能安裝它，安裝的過程中也沒有什麼特殊的方法，傻瓜式的安裝方式完全就可以滿足。在數據文件的處理方面，主要是要學會定義變量、處理變量兩方面;定義變量是要注意根據自己實際採集的數據來定義變量，例如是數值型的變量還是文本型的變量及變量的長度，小數點保留尾數等，總之就是一句話，根據實際調查的數據要求來定義相應變量。變量定義只有只要細心的將實際調查的數據錄入到SPSS當中即可，當然也可以在SPSS軟件之外進行數據編制，可以通過EXECEL等編輯後可以直接導入到SPSS中。在處理變量模塊當中，可以對變量進行添加、刪除、拆分與合併等操作，只要根據實際調查數據，細心調整變量，使操作更加簡便和明瞭。

2、 數據清理與基本統計及測量質量分析的心得體會

數據的清理與基本統計及測量質量分析由兩名同學進行講解，由於吸取了上節課兩名同學的經驗，本節講授的明顯好於上節課，這裏我也是把它分為兩塊進行學習，一塊是數據的清理，另一塊是相關統計理論的學習。在數據清理方面主要學習了奇異數據的檢查與清理，在這裏本人覺得非常有必要進行數據清理，在實際的調查數據時難免會出現錯誤或者碰到極為特殊的典型案例，所以這些數據很難符合大眾規律，在統計、分析過程中可能會造成分析結果異常，從而直接影響最終的結論。所以覺得非常有必要進行數據檢查與清理。而我認為本節的難點不是怎樣熟練運用SPSS軟件，而是在第二塊中的，相關統計理論的學習，學習這些理論需要一定的數學基礎，只有明確這些

理(論如均值、標準誤差、中數、眾數、全距、四分位等)原理，知其然，知其所以然，這才是關鍵，在SPSS中想要實現對數據進行以上分析只需要輕輕點擊一下按鈕就可以是輕鬆實現，但是如果不清楚到底用它們來做什麼就無從談起做數據分析了，所以本節內容知道分析原理的重要性要遠遠大用SPSS對數據做出相關分析的重要性。總結為一句話“知道它們是做什麼的後才會讓它們去做該做的工作”。

3、 T檢驗的心得體會

T檢驗由兩名同學講解，在學習T檢驗時，首先要明確什麼樣的數據適合T檢驗，T檢驗的結果要説明什麼問題?經過學習可以知道，T檢驗是對兩組數據間的平均水平或均數的比較，通過比較可以得出兩組數據間的顯著性水平，而這兩組數據都要符合正態分佈，方差具有齊同性，T檢驗由兩種情況，一種配對提檢驗，要求兩組數據不可以獨立顛倒順序，如果顛倒順序就會改變問題的性質，這種T檢驗稱為配對T檢驗;另一種情況下的T檢驗是兩組數據可以任意顛倒順的檢驗稱為獨立樣本的T檢驗。但是這兩種情況都必須符合最先的要求，即都是符合正態分佈，方差都具有齊同性。通過SPSS的相關操作可以輕鬆完成檢驗，但是在檢驗的過程中必須設置置信區間，一般設置為95%，在設置置信區間時必須要考慮到所做分析的數據，如果像要得到顯著性差異的結果則可儘量將置信區間設置小些，如果想要得到不顯著差異就要將置信區間甚至大些，本人的理解為若置信區間小，則可以理解為在小範圍內是可以相信的，但如果將分析結果的置信區間值調大則説明在很大的範圍內這個結果可信，反之則不可信

spss實習心得3

本科的時候有概率統計和數理分析的基礎，但是從來沒有接觸過應用統計分析的東西，SPSS也只是聽説過，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，課下也沒有認真蒐集相關資料，所以學起來有些吃力，總感覺聽起來一頭霧水。老師説最後的考核是通過提交學習報告，然後我從圖書館裏借了些教材查了些資料，發現很多問題都弄清楚了。結合軟件和書上的例子，實戰一下，發現SPSS的功能相當強大。最後總結出這篇報告，以鞏固所學。

SPSS，全稱是Statistical Product and Service Solutions，即“統計產品與服務解決方案”軟件，是IBM公司推出的一系列用於統計學分析運算、數據挖掘、預測分析和決策支持任務的軟件產品及相關服務的總稱，也是世界上公認的三大數據分析軟件之一。SPSS具有統計分析功能強大、操作界面友好、與其他軟件交互性好等特點，被廣泛應用於經濟管理、醫療衞生、自然科學等各個領域。具體到管理方面，SPSS也是一個進行數據分析和預測的強大工具。這門課中也會用到AMOS軟件。

關於SPSS的書，很多都是首先介紹軟件的。這個軟件易於安裝，我裝的是19.0的，雖然20.0有一些改變和優化，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、迴歸分析、因子分析、結構方程模型等方法的適用範圍、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。由於參數檢驗的基礎不牢固，這部分也是最初開始接觸應用統計的東西，學起來很多東西拿不準，比如説原假設默認的是什麼。結果出來後依然分不清楚是接受原假設還是拒絕原假設。不過現在弄懂了。這部分很有用的是T檢驗。T檢驗應用於當樣本數較小時，且樣本取自正態總體同時做兩樣本均數比較時，還要求兩樣本的總體方差相等時，已知一個總體均數u，可得到一個樣本均數及該樣本標準差，樣本來自正態或近似正態總體。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 檢驗是樣本均數與總體均數的比較的T檢驗，用於推斷樣本所代表的未知總體

均數μ與已知的總體均數uo有無差別;獨立樣本T檢驗主要用於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，主要用於檢驗兩個有聯繫的正態總體的均值是否有顯著差異，跟獨立檢驗的區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，關鍵是分清楚什麼時候用這個什麼時候用那個。

然後是方差分析。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方差分析等。這一部分在學習的過程中出現一些問題，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間的兩兩比較，且各組個案數相等，適宜用Tukey法;其他情況宜用Scheffe法。最後，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。

相關分析是研究現象之間是否存在某種依存關係，並對具體有依存關係的現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係的一種統計方法。相關分析研究現象之間是否相關、相關的方向和密切程度，一般不區別自變量或因變量。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，主要用於分析兩個變量之間的線性相關分析，可以根據不同的數據類型和條件，選用Pearson積差相關、Spearman等級相關和Kendall的tau-b等級相關。當數據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係，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於其他分析過程，例如因子分析、聚類分析或多維定標分析，有助於分析複雜的數據集。

接着是迴歸分析。相關分析研究的是現象之間是否相關、相關的方向和密切程度，一般不區別自變量或因變量。而回歸分析則要分析現象之間相關的具體形式，確定其因果關係，並用數學模型來表現其具體關係。比如説，從相關分析中我們可以得知“質量”和“用户滿意度”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，則需要通過迴歸分析方法來確定。迴歸分析的目的在於瞭解兩個或多個變量間是否相關、相關方向與強度，並建立數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，迴歸分析按照涉及的自變量的多少，可分為一元迴歸分析和多元迴歸分析;按照自變量和因變量之間的關係類型，可分為線性迴歸分析和非線性迴歸分析。如果在迴歸分析中，只包括一個自變量和一個因變量，且二者的關係可用一條直線近似表示，這種迴歸分析稱為一元線性迴歸分析。如果迴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係，則稱為多元線性迴歸分析。應用迴歸分析時應首先確定變量之間是否存在相關關係，如果變量之間不存在相關關係，對這些變量應用迴歸預測法就會得出錯誤的結果。正確應用迴歸分析預測時應注意：①用定性分析判斷現象之間的依存關係;②避免迴歸預測的任意外推;③應用合適的數據資料;

接下來是因子分析。因子分析是指研究從變量羣中提取共性因子的統計技術。最早由英國心理學家C.E.斯皮爾曼提出。他發現學生的各科成績之間存在着一定的相關性，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着學生的學習成績。因子分析可在許多變量中找出隱藏的具有代表性的因子。將相同本質的變量歸入一個因子，可減少變量的數目，還可檢驗變量間關係的假設。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係，而讓數據“自己説話”。而驗證性因子分析假定因子與測度項的關係是部分知道的，即哪個測度項對應於哪個因子，雖然我們尚且不知道具體的係數。這一部分不能用SPSS來操作，要用AMOS，用起來也很方便。

最後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計技術。它的強勢在於對多變量間交互關係的定量研究。在近三十年內，其大量應用於社會科學及行為科學的領域裏，並在近幾年開始逐漸應用於市場研究中。結構方程模型是對顧客滿意度的研究採用的模型方法之一。其目的在於探索事物間的因果關係，並將這種關係用因果模型、路徑圖等形式加以表述。結構方程模型與傳統的迴歸分析不同，結構方程分析能同時處理多個因變量，並可比較及評價不同的理論模型。與傳統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，並檢驗它是否吻合數據。通過結構方程多組分析，我們可以瞭解不同組別內各變量的關係是否保持不變，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。甚至學完之後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在以後的論文和數據分析中很有用。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計和概率論的基礎，要不然就會很難聽懂或者聽得半懂。然後這門課的很多方法的相關資料都是用在醫療衞生、自然科學領域的，在管理中的應用的資料不怎麼多。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實習心得4

五天的SPSS軟件實訓終於結束了，雖然實訓過程充滿了酸甜苦辣，但實訓結果卻是甜的。看着小組的課題報告，心裏有種説不出來的感觸。高老師在對統計理論及SPSS軟件功能模塊的講解的同時更側重於統計分析在各項工作中的實際應用，使我們不僅掌握SPSS軟件及技術原理而且學會運用統計方法解決工作和學習中的實際問題這個實訓。我真真正正學到了不少知識，另外，也提高了自己分析問題解決問題的能力。

小組中每個人完成不同的任務，我的任務是用獨立樣本T檢驗的方法分析市、縣及縣以下的分類對社會消費品零售總額的影響，分析方差，均值，P值，顯著性如何並進行T檢驗，得出結論報告。結果中比較有用的值為差值變量的均值Mean和Sig顯著性在初級統計中，通常都要求所分析的數據呈現正態分佈。通過對spss軟件對數據的實踐處理，我感覺顯著性檢驗問題還是比較簡單的，但對具體數據分析的目的性，實用性以及自己在做研究時如何使用，還有待進一步實踐和提高。

SPSS有具體的使用者要求的分析深度，同時是一個可視化的工具，使我們非常容易使用，這樣我們可以自己對結果進行檢查。電算化老師曾經説過，學習軟件其實只是學習軟件的操作流程，而要真正掌握整個軟件，就得自己摸索探究，真真正正弄懂它，還要下一定的功夫的。我也深刻體會到了這點。前幾次實訓都是關於會計實驗的，雖然時間安排比此次實訓緊，任務量大，但實訓結束後，基本的試訓內容都完全掌握。而這次實訓，雖然時間安排較為輕鬆，內容也不多，操作起來也有一定的難度，另外受外界因素的影響，根本就聽不見看不見老師講的，即便後來老師一講就去前面，由於沒有條件跟着操作，導致一部分內容總是不熟練，請教同學他們也不會，不過，問題也總會用解決的辦法。經過我堅持不懈的努力，在本次實訓結束之前，我終於彌補了自己不熟練的那部分內容。

學習SPSS軟件，對於我們這些將來要時刻與數據打交道的人是有很大的幫助的，它主要的是運用SPSS軟件結合所學統計知識對數據進行需要的處理，相對於EXCEL處理，SPSS軟件處理不僅效率高，而且操作簡單。我個人覺得，SPSS軟件是一門專業性較強的課程，對於我們財務管理專業的學生是一門必備的課程，也是一門必須熟練掌握的課程，很慶幸，我是抱着將來要學習運用SPSS軟件進行此次實訓的。這次實訓，使我對統計工作的過程和SPSS應用的流程取得一定的感性認識，拓展了視野，鞏固所學理論知識，提高了分析問題、解決問題的能力，也增強了我的職業意識、勞動觀點以及適應社會的能力，最重要的是它使我獲得了思想和課題分析處理上的雙豐收。

在SPSS學習中，我對它的認識由淺入深，循序漸進，在實踐中遇到的各種問題也能逐個攻克。學習這種在日常工作中有價值的分析方法，會使我們更能輕易應付日後的社會的信息工作；掌握這種高級的技能，對我們工作就業也提供了競爭優勢。但是，軟件的學習並不是一蹴而就的，在這個科技高速發達和知識不斷更新的時代，我們應該不斷學習不斷更新自己的知識體系，爭取做一名國家所需要的優秀的統計者。