spss练习题及简 答要点.docx
《spss练习题及简 答要点.docx》由会员分享，可在线阅读，更多相关《spss练习题及简 答要点.docx（34页珍藏版）》请在冰点文库上搜索。
spss练习题及简答要点
SPSS练习题
1、现有两个SPSS数据文件，分别为“学生成绩一”和“学生成绩二”，请将这两份数据文件以学号为关键变量进行横向合并，形成一个完整的数据文件。
先排序data---sortcases再合并data---mergefiles
2、有一份关于居民储蓄调查的数据存储在EXCEL中，请将该数据转换成SPSS数据文件，并在SPSS中指定其变量名标签和变量值标签。
转换Data---transpose，输题目
3、利用第2题的数据，将数据分成两份文件，其中第一份文件存储常住地是“沿海或中心繁华城市”且本次存款金额在1000-2000之间的调查数据，第二份数据文件是按照简单随机抽样所选取的70%的样本数据。
选取数据data---selectcases
4、利用第2题数据，将其按常住地（升序）、收入水平（升序）存款金额（降序）进行多重排序。
排序data---sortcases一个一个选，加
5、根据第1题的完整数据，对每个学生计算得优课程数和得良课程数，并按得优课程数的降序排序。
计算transform---count按个输，把所有课程选取，define设区间，再排序
6、根据第1题的完整数据，计算每个学生课程的平均分和标准差，同时计算男生和女生各科成绩的平均分。
描述性统计，先转换Data---transpose学号放下面，全部课程（poli到his）放上面，ok，analyze---descriptivestatistics---descriptives，全选，options。
先拆分data---splitfile按性别拆分，analyze---descriptivestatistics---descriptives全选所有课程options---mean
7、利用第2题数据，大致浏览存款金额的数据分布状况，并选择恰当的组限和组距进行组距分组。
数据分组Transform---recode---下面一个，输名字，change，old，range，newvalue---add挨个输，从小加到大，等距
8、在第2题的数据中，如果认为调查“今年的收入比去年增加”且“预计未来一两年收入仍会会增加”的人是对自己收入比较满意和乐观的人，请利用SPSS的计数和数据筛选功能找到这些人。
（计算transform---count或）选取data---selectcases
9、利用第2题数据，采用频数分析，分析被调查者的常住地、职业和年龄分布特征，并绘制条形图。
Analyze---descriptivestatistics---frequencies
10、利用第2题数据，从数据的集中趋势、离散程度和分布形状等角度，分析被调查者本次存款金额的基本特征，并与标准分布曲线进行对比，进一步，对不同常住地住房存款金额的基本特征进行对比分析。
AnDSdAnalyze---DescriptiveStatistics---Descriptives,选择存款金额到Variable（s）中。
按Option,然后选择Mean,std.deviation,Minlmum,Variance,Maximum,Range,Kutosis,Skewness,Variablelist.然后按continue，ok
11、将第1题的数据看作来自总体的样本，试分析男生和女生的课程平均分是否存在显著差异；试分析哪些课程的平均差异不显著。
Transformcompute课程平均分=mean（）analyze->comparemeans->independent-samplesT；选择若干变量作为检验变量到testvariables框（课程平均分）；选择代表不同总体的变量（sex）作为分组变量到groupingvariable框；.定义分组变量的分组情况DefineGroups...：
（填1，2）。
1.两总体方差是否相等F检验：
F的统计量的观察值为0.257,对应的P值为0.614,；如果显著性水平为0.05,由于概率P值大于0.05,两种方式的方差无显著差异.看eaualvariancesassumend。
2.两总体均值的检验：
.T统计量的观测值为-0.573,对应的双尾概率为0.569,T的P值＞显著水平0.05,故不能推翻原假设,所以女生男生的课程平均分无显著差异。
配对差异:
analyze->comparemeans->paired-samplesT…pairedvariables框中每科与不同科目配对很麻烦略
12、某公司经理宣称他的雇员英语水平很高，如果按照英语六级考试的话，一般平均得分为75，现从雇员中随机随出11人参加考试，得分如下：
80、81、72、60、78、65、56、79、77、87、76，请问该经理的宣称是否可信？
步骤：
采用单样本T检验（原假设H0:
u=u0,总体均值与检验值之间不存在显著差异.）；菜单选项：
Analyze->comparemeans->one-samplesTtest；指定检验值:
在test后的框中输入检验值（填75），最后ok!
分析：
N=11人的平均值（mean）为73.7，标准差（std.deviation）为9.55,均值标准误差（stderrormean）为2.87.t统计量观测值为-4.22，t统计量观测值的双尾概率p-值（sig.（2-tailed））为0.668，六七列是总体均值与原假设值差的95%的置信区间,为（-7.68,5.14）,由此采用双尾检验比较a和p。
T统计量观测值的双尾概率p-值（sig.（2-tailed））为0.668＞a=0.05所以不能拒绝原假设；且总体均值的95%的置信区间为（67.31,80.14）,所以均值在67.31~80.14内,75包括在置信区间内,所以经理的话是可信的。
13、利用促销方式数据，试分析这三种推销方式是否存在显著差异，绘制各组均值的对比图，并利用LSD方法进行多重比较检验。
单因素方差分析对比图为options中的descriptivesLSD为post…中的P值大于a接受所以无关
14、已知240例心肌梗塞患者治疗后24小时内的死亡情况如表1所示，问两组病死亡率相差是否显著？
（example1.sav）（显著性水平为5%）
表1：
急性心肌梗塞患者治疗后24小时生死情况
生存
死亡
用单参注射液
187
11
未用单参注射液
36
6
合计
223
17
·提出假设：
H0：
是否接受治疗的急性心肌梗塞患者的病死率相差不显著
H1：
是否接受治疗的急性心肌梗塞患者的病死率相差显著
·操作步骤：
1、打开数据文件：
file－open－data－example1.sav
2、对count变量进行weightcases处理：
data－weightcases
选中weightcasesby；在Frequenciesvariable中加入变量count。
3、对数据进行交叉汇总，如得出的下列频次交叉表，如图表3－1：
用descriptive-crosstab过程，column填status,row填group。
在cell选项中，选中percentages，以计算频数百分比。
·统计表格及分析：
表3－1是否接受治疗与生存状况的相关性检验成果表（Chi-SquareTests）
Value
df
Asymp.Sig.（2-sided）
PearsonChi-Square
6.040（b）
1
.014
Linear-by-LinearAssociation
6.015
1
.014
有效个案数
240
表3－1是相关性卡方检验成果表。
表中依次列出了Pearson卡方系数、线性相关的值（Value）、自由度（df）和双尾检验的显著水平（Asymp.Sig.（2-sided））。
表3－2显示了根据是否使用单参注射液对急性心肌梗塞患者进行分组后，患者的生存和死亡状况频数和所占总数的百分比。
表3－2急性心肌梗塞患者是否治疗与生死情况的列联表
状况（status）
总数
生存
死亡
分组（group））
用单参注射液
Count
185
10
195
%within分组（group）
94.9%
5.1%
100.0%
未用单参注射液
Count
38
7
45
%within·分组（group）
84.4%
15.6%
100.0%
总数
Count
223
17
240
%within·分组（group）
92.9%
7.1%
100.0%
·结论：
根据表3－1可以看出，双侧检验的显著性概论为0.014，小于显著性水平0.05；因此否定原假设，接受备择假设，即两组患者的完全缓解率之间差别显著。
15、已知数据如表2所示，比较单用甘磷酰芥（单纯化疗组）与复合使用光霉素、环磷酰胺等药（复合化疗组）对淋巴系统肿瘤的疗效，问两组患者的完全缓解率之间有无差别？
（example2.sav）（显著性水平为5%）
表2：
两化疗组的缓解率比较
治疗组
缓解
未缓解
合计
单纯化疗
2
10
12
复合化疗
14
13
27
合计
16
23
39
同上小于拒绝显著
16、已知数据如表3所示，问我国南北方鼻咽癌患者（按籍贯分）的病理组织学分类的构成比有无差别？
（example3.sav）（显著性水平为5%）同上小于拒绝显著
表3：
我国南北方鼻咽癌患者病理组织学分类构成
地域
淋巴上皮癌
未分化癌
磷癌
其他
合计
南方四省
71
6
16
18
111
东北三省
89
18
22
51
180
合计
160
24
38
69
291
17、已知97名被调查儿童体检数据文件为child.sav，请分别计算男性、女性与两性合计的儿童的平均身高与体重、中位身高与体重以及身高与体重的标准差。
1、打开数据文件：
file－open－data－child.sav
2、均值比较与检验：
Analyze－Comparemeans－means
3、在independentVar.中选性别，dependentVar.中选体重和身高
4、在option子框中选择median/mean/Std.Deviation
1、男性儿童的平均身高为109.962厘米；平均体重为18.202千克；中位身高为109.10厘米；中位体重为17.50千克；身高的标准差为6.084厘米；体重的标准差为2.786千克。
2、女性儿童的平均身高为109.896厘米；平均体重为18.389千克；中位身高为109.450厘米；中位体重为17.750千克；身高的标准差为5.770厘米；体重的标准差为3.235千克。
3、两性儿童的平均身高为109.930厘米；平均体重为18.292千克；中位身高为109.250厘米；中位体重为17.605千克；身高的标准差为5.905厘米；体重的标准差为2.995千克。
18、已知97名被调查儿童体检数据文件为child.sav，请问儿童的身高与体重是否分别受到性别与年龄的影响？
（显著性水平为5%）
·提出假设：
1、H0：
身高与体重受到年龄的影响不显著
H1：
身高与体重受到年龄的影响显著
2、H0：
身高与体重受到性别的影响不显著
H1：
身高与体重受到性别的影响显著
·操作步骤：
1、打开数据文件：
file－open－data－child.sav
2、均值比较与检验：
analysis－comparemeans－means
3、在independentVar.中选性别和年龄，dependentVar.中选体重和身高
4、在option子框中选择median/mean/Std.Deviation
在statisticforfirstlayer区域内勾上ANOVAtableandeta复选框
·统计表格及分析：
表7－1体重、身高与年龄的方差分析表
SumofSquares
df
MeanSquare
F
Sig.
体重（x4,kg）*年龄（age）
BetweenGroups
286.215
2
143.107
23.518
.000
WithinGroups
565.918
93
6.085
Total
852.133
95
身高（x5,cm）*年龄（age）
BetweenGroups
1757.707
2
878.853
52.567
.000
WithinGroups
1554.855
93
16.719
Total
3312.562
95
在表7－1中，分别列出了平方和（SumofSquares）、自由度（df）、均方差（MeanSquare）、F值以及F值的显著性水平（Sig.）。
F对应的概率值P（sig）＜α（α＝0.05）；故拒绝原假设，接受备择假设，即身高与体重受到年龄的影响显著。
表7－2体重、身高与性别的方差分析表
df
MeanSquare
F
Sig.
体重（x4,kg）*性别（x2）
BetweenGroups
1
.839
.093
.762
WithinGroups
94
9.056
Total
95
身高（x5,cm）*性别（x2）
BetweenGroups
1
.105
.003
.956
WithinGroups
94
35.239
Total
95
在表7－2中，F对应的概率值P（sig）>α（α＝0.05）；故接受原假设,即身高与体重受到性别的影响不显著。
19、文件example.sav中列出了某学校四个年级同学接受专业训练前后的铁饼成绩，问接受专业训练后同学们的铁饼成绩有无显著提高？
（显著性水平为5%）
统计表格及分析：
表8－1配对样本的相关性分析表
N
Correlation
Sig.
Pair1
铁饼（训练前）&铁饼（训练后）
24
.976
.000
H0：
铁饼（训练前）和铁饼（训练后）的数据之间不存在线性关系
H1：
铁饼（训练前）和铁饼（训练后）的数据之间存在线性关系
表8－1列出了配对样本的个数（N）、相关系数（Correlation）、显著性概率（Sig.）。
显著性概率趋近于0，远小于0.05，所以认为铁饼（训练前）和铁饼（训练后）的数据之间存在线性关系。
表8－2配对样本T检验的成果表
PairedDifferences
t
df
Sig.（2-tailed）
Mean
Std.Deviation
Std.ErrorMean
95%ConfidenceIntervaloftheDifference
Lower
Upper
Pair1
铁饼（训练前）-铁饼（训练后）
-.2417
.4323
.0882
-.4242
-.0591
-2.739
23
.012
表8－2中为铁饼（训练前）和铁饼（训练后）的数据的T检验结果。
表中前4项分别为配对样本数据差异的均值（Mean）、标准离差（Std.Deviation）、均值的标准差（Std.ErrorMean）以及95％置信区间。
后3项为t值（t）、自由度（df）和双尾显著性概率（Sig.（2-tailed））。
表中双尾显著性概率为0.012，远小于0.05，故拒绝原假设，接受备择假设，认为配对样本之间有显著差异，即接受专业训练后同学们的铁饼成绩提高显著。
·结论：
铁饼（训练前）和铁饼（训练后）的数据之间存在线性关系。
且配对样本之间有显著差异，即接受专业训练后同学们的铁饼成绩有显著提高。
20、文件example.sav中列出了某学校四个年级同学的外语与中文成绩，问男女生总成绩（英文+中文）之间有无显著差异？
（显著性水平为5%）做法：
先计算出总成绩，计算方法：
Transform菜单栏下的ComputeVariable选项
总成绩计算出来之后，选择Analyze选项下CompareMeans选项下“两独立样本T检验”选项卡
将总成绩放入TestVariable一栏中，性别放入GroupingVariable一栏中并为其定义。
点Ok即可得出结果。
结果分析：
方差齐次性，采用F检验，0.235，大于0.05，所以认为男女生总成绩两样本的的方差是没有显著性差异的；
校正t检验的显著性水平Sig（2-tailed）为0.951，大于0.05，所以男女生总成绩之间没有显著性差异。
21、根据以往的资料，学生中文的平均成绩为80分。
文件example.sav中列出了某学校四个年级学生的中文成绩，问学生中文成绩有无显著的下降？
（显著性水平为5%）
·提出假设：
H0:
μ＝50（μ-50=0）；即学生中文成绩无显著的下降。
H1:
μ≠50（μ-50≠0）；即学生中文成绩有显著的下降。
·操作步骤：
1、打开数据文件：
file－open－data－example.sav
2、单一样本的均值检验：
analysis－comparemeans－OneSampleTTest
3、在testvalue中输入80，在testVariable中选“中文”。
4、在options中输入显著性水平5%
·统计表格及分析：
表9－1数据统计量表
N
Mean
Std.Deviation
Std.ErrorMean
中文
24
78.54
11.159
2.278
表9－1为单样本数据的统计量表，列出了变量“中文”对应的数据个数（N）、均值（mean）、标准离差（Std.Deviation）、均值的标准差（Std.ErrorMean）。
表9－2单样本均值检验成果表
TestValue=80
t
df
Sig.（2-tailed）
MeanDifference
95%ConfidenceIntervaloftheDifference
Lower
Upper
中文
-.640
23
.528
-1.458
-6.17
3.25
表9－2为单样本均值检验的成果表。
表中分别为t值（t）、自由度（df）和双尾显著性概率（Sig.（2-tailed））均值差（MeanDifference）以及均值差的95％置信区间。
表中的显著性概率为0.528，远大于0.05；因此，可以认为该样本数据的均值与总体均值之间没有显著差异。
故接受原假设，即学生中文成绩无显著的下降。
·结论：
样本数据的均值与总体均值之间没有显著差异，即学生中文成绩无显著的下降。
22、文件example.sav中列出了某学校四个年级同学的英文成绩，问学生英文成绩是否受到年级因素的影响？
（显著性水平为5%）
H0:
μ1=μ2=μ3；即学生英文成绩不受年纪影响。
H1:
μ1、μ2、μ3不完全相等；即学生英文成绩受年纪影响。
·操作步骤：
1、打开数据文件：
file－open－data－example.sav
2、单因方差分析检验：
Analysis→CompareMeans→One-WayANOVA
3、在“dependentlist”列表中输入变量名“英语”；在“factor”文本框中输入变量名“年纪”。
4、在options中输入显著性水平5%
·统计表格及分析：
表10－1数据方差分析表
SumofSquares
df
MeanSquare
F
Sig.
BetweenGroups
105.000
3
35.000
.283
.837
WithinGroups
2475.000
20
123.750
Total
2580.000
23
表10－1中分别列出了方差来源、平方和（SumofSquares）、自由度（df）、均方差（MeanSquare）、F值以及F值的显著性水平（Sig.）。
由于表中的显著性水平为0.837，远大于0.05；故接受原假设，即认为学生英文成绩不受年级影响。
23、已知10名20岁男青年身高与臂长的数据，请计算其相关系数，身高与臂长间存在显著的相关关系吗？
（显著性水平为5%）（example4.sav）
表4青年身高与臂长的数据
身高（cm）
170
173
160
155
173
188
178
183
180
165
臂长（cm）
45
42
44
41
47
50
47
46
49
43
·提出假设：
H0:
身高与臂长间不存在显著的相关关系。
H1:
身高与臂长间存在显著的相关关系。
·操作步骤：
1、打开数据文件：
file－open－data－example4.sav
2、相关性检验：
Correlation－Bivariate
3、选择Pearson（积距相关）；在option子框中选择means/Sd.
·统计表格及分析：
表11－1描述统计量表
Mean
Std.Deviation
N
身高（cm）
172.50
10.341
10
臂长（cm）
45.40
2.951
10
表11－1为描述统计量表。
表中列出的统计量包括变量的均值（Mean）、标准离差（Std.Deviation）和数据个数（N）。
表11－2相关分析成果表
身高（cm）
臂长（cm）
身高（cm）
PearsonCorrelation
1
.823（**）
Sig.（1-tailed）
.002
N
10
10
臂长（cm）
PearsonCorrelation
.823（**）
1
Sig.（1-tailed）
.002
N
10
10
**Correlationissignificantatthe0.01level（1-tailed）
表11－2为相关分析成果表，表中列出了2个变量之间的Pearson相关系数、单侧显著性检验概率（Sig.（1-tailed））和数据组数（N）。
脚注内容显示相关分析结果在0.01的水平上显著。
另外，从表中可以看出，显著性概率为0.002，远小于0.05，故拒绝原假设，接受备择假设；可以认为身高和臂长的数据有较强的相关
升级会员 