spss课后习题.docx
《spss课后习题.docx》由会员分享，可在线阅读，更多相关《spss课后习题.docx（28页珍藏版）》请在冰点文库上搜索。
spss课后习题
第三章统计描述
3-3
[数据集0]
统计量
销售额
N
有效
30
缺失
0
均值
277.4000
中值
277.0000
标准差
28.24596
百分位数
25
256.0000
50
277.0000
75
301.0000
销售额
频率
百分比
有效百分比
累积百分比
有效
210.00
1
3.3
3.3
3.3
234.00
1
3.3
3.3
6.7
239.00
1
3.3
3.3
10.0
249.00
2
6.7
6.7
16.7
252.00
1
3.3
3.3
20.0
256.00
2
6.7
6.7
26.7
257.00
1
3.3
3.3
30.0
258.00
1
3.3
3.3
33.3
265.00
1
3.3
3.3
36.7
267.00
1
3.3
3.3
40.0
268.00
1
3.3
3.3
43.3
273.00
1
3.3
3.3
46.7
276.00
1
3.3
3.3
50.0
278.00
2
6.7
6.7
56.7
286.00
1
3.3
3.3
60.0
290.00
1
3.3
3.3
63.3
297.00
1
3.3
3.3
66.7
298.00
2
6.7
6.7
73.3
301.00
2
6.7
6.7
80.0
309.00
1
3.3
3.3
83.3
310.00
1
3.3
3.3
86.7
311.00
1
3.3
3.3
90.0
316.00
1
3.3
3.3
93.3
318.00
1
3.3
3.3
96.7
322.00
1
3.3
3.3
100.0
合计
30
100.0
100.0
3-4⑴答：
应采用方差、标准差来比较成年组和幼儿组的身高差异，
分析结果如下
[数据集2]
描述统计量
N
极小值
极大值
均值
标准差
方差
成年
10
168.00
180.00
173.8000
4.15799
17.289
幼年
10
68.00
75.00
71.0000
2.40370
5.778
有效的N（列表状态）
10
⑵答：
通过分析，成年组的身高方差为17.29，标准差为4.16；幼儿组的身高方差为5.78，标准差为2.40。
第四章均值比较和T4检验
4-4
均值
[数据集1]
案例处理摘要
案例
已包含
已排除
总计
N
百分比
N
百分比
N
百分比
组别*血压
12
100.0%
0
.0%
12
100.0%
报告
组别
血压
均值
N
标准差
方差
102.00
2.00
1
.
.
107.00
1.50
2
.707
.500
108.00
2.00
1
.
.
115.00
1.00
1
.
.
120.00
1.50
2
.707
.500
123.00
2.00
1
.
.
127.00
1.00
1
.
.
138.00
1.00
1
.
.
141.00
1.00
1
.
.
152.00
2.00
1
.
.
总计
1.50
12
.522
.273
DATASETACTIVATE数据集0.GETFILE='C:
\TDDOWNLOAD\6.5.sav'.DATASETACTIVATE数据集0.DATASETCLOSE数据集2.DATASETACTIVATE数据集1.DATASETCLOSE数据集0.
4-5
NEWFILE.T-TESTGROUPS=组名（01）/MISSING=ANALYSIS/VARIABLES=成绩/CRITERIA=CI（.95）.
T检验
附注
创建的输出
09-十一月-201013时24分20秒
注释
输入
活动的数据集
数据集3
过滤器
权重
拆分文件
工作数据文件中的N行
40
缺失值处理
缺失的定义
用户定义的缺失值将作为缺失对待。
使用的案例
每个分析的统计量是根据分析中的每个变量的值都不缺失或超出范围的案例计算的。
语法
T-TESTGROUPS=组名（01）
/MISSING=ANALYSIS
/VARIABLES=成绩
/CRITERIA=CI（.95）.
资源
处理器时间
0:
00:
00.015
已用时间
0:
00:
00.046
4—5
[数据集3]
组统计量
组名
N
均值
标准差
均值的标准误
成绩
0
20
83.60
6.700
1.498
1
20
75.45
9.179
2.053
独立样本检验
方差方程的Levene检验
均值方程的t检验
F
Sig.
t
df
Sig.（双侧）
均值差值
成绩
假设方差相等
1.110
.299
3.207
38
.003
8.150
假设方差不相等
3.207
34.768
.003
8.150
独立样本检验
均值方程的t检验
差分的95%置信区间
标准误差值
下限
上限
成绩
假设方差相等
2.541
3.006
13.294
假设方差不相等
2.541
2.990
13.310
答：
用两独立样本T检验进行检验得出，甲乙两个班级学生的数学成绩方差无显著性差异，而这两个班级的学生数学成绩均值之间有差异，甲班成绩要高于乙班同学的数学成绩。
第五章方差分析
5-4
ONEWAY用力肺活量BY组别/STATISTICSHOMOGENEITY/PLOTMEANS/MISSINGANALYSIS.
单向
附注
创建的输出
01-十一月-201016时11分49秒
注释
输入
活动的数据集
数据集2
过滤器
权重
拆分文件
工作数据文件中的N行
29
缺失值处理
缺失定义
用户定义的缺失值以缺失对待。
使用的案例
每个分析的统计量都基于对于该分析中的任意变量都没有缺失数据的案例。
语法
ONEWAY用力肺活量BY组别
/STATISTICSHOMOGENEITY
/PLOTMEANS
/MISSINGANALYSIS.
资源
处理器时间
0:
00:
01.406
已用时间
0:
00:
03.781
[数据集2]
方差齐性检验
用力肺活量
Levene统计量
df1
df2
显著性
.408
2
26
.669
ANOVA
用力肺活量
平方和
df
均方
F
显著性
组间
10.919
2
5.460
97.103
.000
组内
1.462
26
.056
总数
12.381
28
均值图
5-5
方差齐性检验
Levene统计量
df1
df2
显著性
治疗前
2.702
2
15
.100
治疗后
4.650
2
15
.027
成对样本检验
成对差分
差分的95%置信区间
均值
标准差
均值的标准误
下限
上限
对1
治疗前-治疗后
-39.444
24.064
5.672
-51.411
-27.478
成对样本检验
t
df
Sig.（双侧）
对1
治疗前-治疗后
-6.954
17
.000
答：
这三个组别的接受治疗的患者在接受治疗之前各组之间没有显著性差异，在接受治疗之后，三个组别之间仍然没有显著性差异。
第六章相关分析
6-4
相关系数
Jud1
Jud2
Jud3
Jud4
Jud5
Jud6
Kendall的tau_b
Jud1
相关系数
1.000
.889**
.835**
.784**
.844**
.688**
Sig.（双侧）
.
.000
.000
.001
.000
.002
N
12
12
12
12
12
12
Jud2
相关系数
.889**
1.000
.866**
.880**
.766**
.688**
Sig.（双侧）
.000
.
.000
.000
.001
.002
N
12
12
12
12
12
12
Jud3
相关系数
.835**
.866**
1.000
.794**
.729**
.636**
Sig.（双侧）
.000
.000
.
.000
.001
.005
N
12
12
12
12
12
12
Jud4
相关系数
.784**
.880**
.794**
1.000
.819**
.551*
Sig.（双侧）
.001
.000
.000
.
.000
.015
N
12
12
12
12
12
12
Jud5
相关系数
.844**
.766**
.729**
.819**
1.000
.615**
Sig.（双侧）
.000
.001
.001
.000
.
.006
N
12
12
12
12
12
12
Jud6
相关系数
.688**
.688**
.636**
.551*
.615**
1.000
Sig.（双侧）
.002
.002
.005
.015
.006
.
N
12
12
12
12
12
12
Jud7
相关系数
.719**
.844**
.729**
.709**
.615**
.677**
Sig.（双侧）
.001
.000
.001
.002
.006
.002
N
12
12
12
12
12
12
Jud8
相关系数
.375
.250
.326
.252
.308
.215
Sig.（双侧）
.097
.268
.147
.266
.168
.335
N
12
12
12
12
12
12
Spearman的rho
Jud1
相关系数
1.000
.963**
.933**
.899**
.942**
.817**
Sig.（双侧）
.
.000
.000
.000
.000
.001
N
12
12
12
12
12
12
Jud2
相关系数
.963**
1.000
.945**
.940**
.912**
.842**
Sig.（双侧）
.000
.
.000
.000
.000
.001
N
12
12
12
12
12
12
Jud3
相关系数
.933**
.945**
1.000
.892**
.847**
.803**
Sig.（双侧）
.000
.000
.
.000
.001
.002
N
12
12
12
12
12
12
Jud4
相关系数
.899**
.940**
.892**
1.000
.929**
.677*
Sig.（双侧）
.000
.000
.000
.
.000
.016
N
12
12
12
12
12
12
Jud5
相关系数
.942**
.912**
.847**
.929**
1.000
.746**
Sig.（双侧）
.000
.000
.001
.000
.
.005
N
12
12
12
12
12
12
Jud6
相关系数
.817**
.842**
.803**
.677*
.746**
1.000
Sig.（双侧）
.001
.001
.002
.016
.005
.
N
12
12
12
12
12
12
Jud7
相关系数
.875**
.944**
.889**
.845**
.800**
.847**
Sig.（双侧）
.000
.000
.000
.001
.002
.001
N
12
12
12
12
12
12
Jud8
相关系数
.576
.408
.457
.406
.484
.291
Sig.（双侧）
.050
.187
.135
.190
.111
.358
N
12
12
12
12
12
12
**.在置信度（双测）为0.01时，相关性是显著的。
*.在置信度（双测）为0.05时，相关性是显著的。
相关系数
Jud7
Jud8
Kendall的tau_b
Jud1
相关系数
.719**
.375
Sig.（双侧）
.001
.097
N
12
12
Jud2
相关系数
.844**
.250
Sig.（双侧）
.000
.268
N
12
12
Jud3
相关系数
.729**
.326
Sig.（双侧）
.001
.147
N
12
12
Jud4
相关系数
.709**
.252
Sig.（双侧）
.002
.266
N
12
12
Jud5
相关系数
.615**
.308
Sig.（双侧）
.006
.168
N
12
12
Jud6
相关系数
.677**
.215
Sig.（双侧）
.002
.335
N
12
12
Jud7
相关系数
1.000
.246
Sig.（双侧）
.
.270
N
12
12
Jud8
相关系数
.246
1.000
Sig.（双侧）
.270
.
N
12
12
Spearman的rho
Jud1
相关系数
.875**
.576
Sig.（双侧）
.000
.050
N
12
12
Jud2
相关系数
.944**
.408
Sig.（双侧）
.000
.187
N
12
12
Jud3
相关系数
.889**
.457
Sig.（双侧）
.000
.135
N
12
12
Jud4
相关系数
.845**
.406
Sig.（双侧）
.001
.190
N
12
12
Jud5
相关系数
.800**
.484
Sig.（双侧）
.002
.111
N
12
12
Jud6
相关系数
.847**
.291
Sig.（双侧）
.001
.358
N
12
12
Jud7
相关系数
1.000
.344
Sig.（双侧）
.
.274
N
12
12
Jud8
相关系数
.344
1.000
Sig.（双侧）
.274
.
N
12
12
**.在置信度（双测）为0.01时，相关性是显著的。
*.在置信度（双测）为0.05时，相关性是显著的。
有分析可知：
裁判1至裁判7的判决结果比较类似，裁判8与其他7名裁判在平分上有显著差异。
6-5
PARTIALCORR/VARIABLES=v1v2v3BYv4/SIGNIFICANCE=TWOTAIL/STATISTICS=CORR/MISSING=LISTWISE.
偏相关
[数据集1]C:
\DocumentsandSettings\user\桌面\6.5.sav
相关性
控制变量
v1
v2
v3
v4
-无-a
v1
相关性
1.000
.719
.602
.342
显著性（双侧）
.
.000
.001
.075
df
0
26
26
26
v2
相关性
.719
1.000
.958
.826
显著性（双侧）
.000
.
.000
.000
df
26
0
26
26
v3
相关性
.602
.958
1.000
.934
显著性（双侧）
.001
.000
.
.000
df
26
26
0
26
v4
相关性
.342
.826
.934
1.000
显著性（双侧）
.075
.000
.000
.
df
26
26
26
0
v4
v1
相关性
1.000
.824
.839
显著性（双侧）
.
.000
.000
df
0
25
25
v2
相关性
.824
1.000
.927
显著性（双侧）
.000
.
.000
df
25
0
25
v3
相关性
.839
.927
1.000
显著性（双侧）
.000
.000
.
df
25
25
0
a.单元格包含零阶（Pearson）相关。
第七章回归分析
7-4利用非线性回归分析的方法进行分析得出如下结果：
模型汇总和参数估计值
因变量:
y
方程
模型汇总
参数估计值
R方
F
df1
df2
Sig.
常数
线性
.051
.974
1
18
.337
对数
.063
1.219
1
18
.284
倒数
.075
1.452
1
18
.244
二次
.184
1.918
2
17
.177
三次
.194
2.050
2
17
.159
复合
.069
1.334
1
18
.263
144.928
幂
.082
1.610
1
18
.221
.656
S
.094
1.857
1
18
.190
6.779
增长
.069
1.334
1
18
.263
4.976
指数
.069
1.334
1
18
.263
144.928
Logistic
.069
1.334
1
18
.263
.007
自变量为x。
模型汇总和参数估计值
因变量:
y
方程
参数估计值
常数
b1
b2
b3
线性
74.346
.296
对数
-1811.633
316.488
倒数
703.053
-324293.807
二次
-2946.859
6.570
-.003
三次
-2050.300
3.612
.000
-1.139E-6
复合
1.001
幂
.908
S
-915.785
增长
.001
指数
.001
Logistic
.999
自变量为x。
由上表可以看出拟合度最优的是三次函数，故y对x的回归方程为y=-2050.3+3.612x-1.139×106x3
7-5
模型汇总和参数估计值
因变量:
y
方程
模型汇总
参数估计值
R方
F
df1
df2
Sig.
常数
b1
倒数
.725
10.538
1
4
.031
168.698
605.604
自变量为x。
经分析得到的结果如上图所示，
（1）由上图可知y对x的回归方程为：
y=168.698+605.604/x
（2）由R2=0.725可得R=0.851，即y对1/x的相关系数为0.851。
7-6
（1）根据题中所给的数据可知判决系数R2=SSR/SST=1252.095/1790.550=0.699，由此可以判定两者之间的拟合度较好，有部分的观测值落下了回归线上。
建立的假设为：
①H0：
β0=β1②H1：
β0和β1不全为0。
通过题中数据可以知道，F的相伴概率小于α，因此拒绝原假设，接受备则假设，即两者之间的线性关系不显著。
（2）据题可得出估计回归方程为y=8.184+0.855x,其中的回归系数表明高等数学对概率统计的线性影响程度。
建立的假设与
（1）中相同，由第二个表中的t检验的相伴概率小于α可得出结论：
接受备则假设，即高等数学对概率统计具有显著的影响作用。
7-7
模型汇总和参数估计值
因变量:
y
方程
模型汇总
R方
F
df1
df2
Sig.
对数
.802
44.470
1
11
.000
三次
.891
24.422
3
9
.000
自变量为x。
模型汇总和参数估计值
因变量:
y
方程
参数估计值
常数
b1
b2
b3
对数
106.497
1.591
三次
104.450
1.507
-.119
.003
自变量为x。
经分析得到如上图表，由以上图表可知三次函数的曲线的拟合度更好。
第八章
8-4答：
采用Q型聚类。
聚类表
阶
群集组合
首次出现阶群集
群集1
群集2
系数
群集1
群集2
下一阶
1
4
12
.100
0
0
2
2
1
4
.120
0
1
5
3
6
17
.350
0
0
11
4
13
15
.360
0
0
12
5
1
8
.450
2
0
12
6
7
19
.590
0
0
15
7
2
10
升级会员 