spss练习作业具体步骤Word文档格式.doc

spss练习作业具体步骤Word文档格式.doc

《spss练习作业具体步骤Word文档格式.doc》由会员分享，可在线阅读，更多相关《spss练习作业具体步骤Word文档格式.doc（13页珍藏版）》请在冰点文库上搜索。

1、计算总体中上月平均工资95%的置信区间（见表3）。

总体中上月平均工资分布未知，但是样本容量大于30，且已知标准误，所以通过SPSS分析得出总体中上月平均工资95%的置信区间，见表3,假设；

H0：

总体中上月平均工资95%的不在此在此区间

H1：

总体中上月平均工资95%的在此区间

表3总体中上月平均工资95%的置信区间

均值95%的置信区间

下限

2844.37

Sig.（双侧）

上限

3005.63

0.000

答，总体中上月平均工资095的置信区间为[2844.37，3005.63]，p=0.000<

0.01,作出这样的推论正确的概率为0.95，错误的概率为0.05。

2、检验能否认为总体中上月平均工资等于2000元。

在本案例中，要检验样本中上月平均工资与总体中上月平均工资（为已知值：

2000元）是否存在差异，即某一样本数据与某一确定均值进行比较。

虽然不知道总体分布是否正态，但样本较大（N>

30），可以运用单样本T检验.通过SPSS检验结果见（表4、表5）

设;

Ho:

H1:

其中，μ表示总体中上月平均工资

表4单个样本统计量

N

均值的标准误

上月工资

2925.00

40.801

表5单个样本检验

t

df

均值差值

检验值

22.671

147

925.000

2000

答:

作出结论，均值差值为925，t=22.671,p=0.000<

0.01，所以拒绝原假设，接受备择假设，即否认总体中上月的平均工资等于2000元。

3、检验能否认为男生的平均工资大于女生

解：

两个样本均来自于正态分布的总体且男女上月工资独立，可以进行独立样本T检验，（见表6、表7）

表6组统计量

性别

男生

73

3156.16

442.840

51.831

女生

75

2700.00

441.129

50.937

假设1：

H0：

H1：

其中，

从表7中方差方程的Levene检验可以看出，F=0.101,P=0.751>

0.05,所以不能拒绝原假设，可以认为两组数据无显著差异，所以应该选择方差相等下的T检验。

表7独立样本检验

方差方程的Levene检验

T检验

F

Sig.

标准误差值

假设方差相等

0.101

0.751

6.277

146

456.164

72.667

假设方差不相等

145.859

72.670

假设2：

H0：

H1：

其中μ1代表男生总体平均数，μ2代表女生总体平均数，下同

作出结论：

从表6、表7中可以看出，男生有73人，平均工资3156.16元，女生75人，平均工资2700.00元。

t=6.277,且p=0.000<

0.001所以拒绝原假设，接受备择假设，差异极显著。

根据表6，可以最后得出结论，男生平均工资大于女生的结论。

4、一些学者认为，由于经济不景气，学生的平均工资今年和去年相比没有显著提高。

检验这一假说。

解：

根据题意可知，需要进行相关样本T检验,设：

H0：

μ1≤μ2

H1；

μ1＞μ2同上

表8相关样本T检验

均值标准误

T

相关系数

sig

去年同月工资

2721.62

447.296

36.767

上月工资&

203.378

183.101

15.501

13.531

0.93

通过表8可知，t=13.531,P=0.000<

0.01，所以拒绝原假设，接受备择假设，即学生的平均工资今年和去年相比有显著提高。

5、方差分析。

（1）使用单因素方差分析的方法检验：

能否认为不同学科的上月平均工资相等。

如果不能认为全相等，请做多重比较。

解：

第一步，提出假设，H0：

不同学科上月的平均工资是相同的

H1：

至少有两门学科上个月的平局工资是相同的

经过SPSS软件计算，见表9，

表9三门学科上月工资水平方差分析表

平方和

均方

显著性

组间

372977.879

2

186488.939

0.754

0.472

组内

3.584E7

145

247203.601

总数

3.622E7

第二步，决策，F=0.754，P=0.472>

0.05，接受H0，拒绝H1，三者之间没有显著性差异。

可以认为不同学科上月工资水平相同。

第三步，多重比较，经过Levene检验（见表10），p=0.724，方差没有显著性差异，方差齐性，经过LSD检验（见表11），P值均大于0.05，所以可以得出同样的结论，三门学科的上月工资水平没有差异。

表10方差齐性检验

Levene统计量

df1

df2

.323

0.724

表11多重比较

（I）学科

（J）学科

均值差（I-J）

标准误

95%置信区间

LSD

1

-112.348

99.458

.261

-308.92

84.23

3

-111.912

108.528

.304

-326.41

102.59

112.348

-84.23

308.92

.436

98.038

.996

-193.33

194.20

111.912

-102.59

326.41

-.436

-194.20

193.33

（2）在方差分析中同时考虑学科和性别因素，用双因素方差分析模型分析学科和性别对上月平均工资的影响。

第一步，提出假设，H0：

性别和学科对上月工资水平没有影响

H1：

性别和学科同时对上月工资水平有影响

第二步，经过SPSS计算，见表12，

表12主体间效应的检验

源

校正模型

5

1603013.899

8.071

.000

7202158.042

36.263

学科

153037.863

.771

.465

性别*学科

7642.822

.038

.962

总计

第三步，作出决策

性别因素P=0.000<

0.01,在0.01水平上差异显著，所以拒绝原假设，接受备择假设，即性别因素对工资水平有显著性影响，和前面结果一致。

学科因素P=0.465>

0.05,在0.05水平上差异不显著，所以接受原假设，拒绝备择假设，即学科因素对上月工资水平没有影响，和前面结果一致。

性别*学科p=0.962>

0.05,在0.05水平上差异不显著，所以接受原假设，拒绝备择假设，即学科和性别因素同时对上月工资水平没有影响。

6、非参数检验。

（1）用非参数检验方法检验能否认为男生和女生上月工资的中位数相等。

第一步，采用wilcoxon符号秩检验中位数 

，选择的原设与备择假设如下：

H0：

男生与女生上月工资的中位数相等；

H1：

男生与女生上月工资的中位数不相等 

。

第二步，通过SPSS软件计算，见表13、14

表13检验男女生上月工资中位数是否相等wilcoxon秩和检验中秩和的计算结果

秩均值

秩和

94.67

6911.00

54.87

4115.00

表14wilcoxon秩和检验的检验统计量和p值

Mann-WhitneyU

1265.000

WilcoxonW

4115.000

Z

-5.663

渐近显著性（双侧）

精确显著性（双侧）

精确显著性（单侧）

点概率

第三步，男生上月工资的平均秩为41.33，女生上月工资的平均秩是19.84，说明从样本看男生上月工资的中位数要高于女生。

用正态分布计算时的M=1265.000,W=4115.000,Z=-5.663,p=0.000<

0.01，可以拒绝原假设，认为男生与女生上月工资中位数不相等。

若进行单侧检验：

男生月收入中位数小于女生月收入的中位数；

H1：

男生月收入中位数大于于女生月收入的中位数。

P值为0.000，可以拒绝原假设。

男生月收入中位数大于女生月收入的中位数；

男生月收入中位数小于女生月收入的中位数。

P值为1-0.000/2=1，接受原假设。

因此可以认为男生上月工资中位数大于女生上月工资中位数。

（2）用非参数检验方法检验学生上月工资和去年同月工资的中位数是否有显著变化。

第一步，采用非参数检验中的两个相关样本样本，选择的原假设与备择假设如下：

H0：

上月工资与去年同月工资差值为0

H1：

上月工资与去年同月工资差值不为0

第二步，通过SPSS软件计算，结果如表15、16

表15wilcoxon秩和检验中秩和的计算结果

去年同月工资-上月工资

负秩

106

65.46

6938.50

正秩

13

15.50

201.50

结

29

表16wilcoxon秩和检验的检验统计量和p值

-8.990

第三步，作出结论，由于此样本为大样本，应该采用渐近显著性的p值（0.000）,小于0.01，拒绝原假设，接受备择假设，则可以认为上月工资与去年同月工资有显著差别。

（3）用非参数检验方法不同学科学生平均学分绩点的中位数是否相等。

第一步，采用Kruskal-Wallis检验不同学科学生平均学分绩点的中位数是否相等，原假设和备择假设设置如下：

H0：

不同学科学生平均学分绩点的中位数相等；

H1：

不同学科学生平均学分绩点的中位数不相等

第二步，通过SPSS软件计算结果如表17、18；

表17Kruskal-Wallis检验中计算的各组平均秩

平均学分绩点

经济类

41

69.39

管理类

64

75.73

其他

43

77.53

表18Kruskal-Wallis检验的检验统计量和p值

卡方

.851

渐近显著性

.653

第三步，作出结论，因为p=0.653>

0.05，不可拒绝原假设，认为三个学科平均学分绩点的中位数没有显著差异.。

（4）检验学生的上月工资是否服从正态分布。

第一步，样本是否来自正态分布，可用单样本K-S检验，原假设和备择假设设置如下

学生的上月工资服从正态分布

H1：

学生的上月工资不服从正态分布

第二步，通过SPSS软件计算结果如表19

表19单样本Kolmogorov-Smirnov检验

Kolmogorov-SmirnovZ

0.981

0.291

第三步，作出结论，p=0.291，大于0.05，不能拒绝原假设，也就是说能认为此样本来自正态分布。

（5）检验学生对专业的满意程度是否为离散的均匀分布

第一步，采用卡方分布进行检验，H0：

学生对专业的满意程度服从离散的均匀分布

H1：

学生对专业的满意程度不服从离散的均匀分布

第二步，通过SPSS软件计算结果表20、21

表20不同专业满意度频数与期望频数

观察数

期望数

残差

非常不满意

4

29.6

-25.6

不满意

17

-12.6

基本满意

45

15.4

比较满意

52

22.4

非常满意

30

.4

表21卡方分布检验计算结果和相应的p值

对专业的满意度

52.473a

第三步，作出结论，因为p=0.000，小于0.01，可以拒绝原假设，接受备择假设认为学生对专业的满意程度不服从离散的均匀分布。

7、回归分析。

（1）计算上月工资与平均学分绩点的相关系数并作假设检验。

第一步，假设如下：

H1：

第二步，通过SPSS计算，见表22

表22上月工资与平均学分绩点的相关性

Pearson相关性

显著性（双侧）

平均学分绩点—去年同月工资

.763**

第三步，根据计算相关系数为0.763，P=0.000<

0.01,所以可以拒绝原假设，在0.01水平上二者显著相关。

（2）以上月工资为因变量，平均学分绩点为自变量做回归分析，分析模型的拟合效果和假设检验的结果。

（第一次抽样无法做回归分析，需要重新抽样）

第一步，假设1，H0：

回归模型无意义，H1:

回归模型有意义

假设2，Ho；

常量为H1：

常量不等于0

假设3，Ho：

平均学分绩点的系数为0，H1:

平均学分绩点的系数不等于0

第二步，通过SPSS分析，见表23、24、25

表23模型汇总

模型

R

R方

调整R方

标准估计的误差

Durbin-Watson

.764a

.584

.581

346.581

2.163

表24回归模型

回归

2.273E7

189.216

.000a

1.622E7

135

120118.458

3.894E7

136

表25模型回归系数表

B

（常量）

-661.720

269.159

-2.458

.015

1177.971

85.636

13.756

图6

图7

图8

说明：

图6为残差的直方图，图中残差的分布基本均匀

图7为残差的正态P-P概率图，图中散点基本呈直线趋势，且并未发现异常点

图8残差是否有随标准化预测值增大而改变的趋势。

从图中可以看出分布基本均匀，可以认为残差的方差是齐性的

第三步，作出结论，从表23中可以看出此表为拟合模型的拟合优度的情况，其中R方为0.584，Durbin-Watson统计量为2.163，比较接近2，可以认为残差之间相互独立。

从表24中可以到F=189.216.P=0.000，可以认为这个回归模型是有统计意义的。

从表25中可以得到模型的常量为-661.720，平均学分点的系数为1177.971，通过以上综合分析，最后得出的模型为：

月工资=-661.720+1177.971*平均学分绩点

（3）以上月工资为因变量，平均学分绩点和性别为自变量做回归分析，分析模型的拟合效果和假设检验的结果。

回归模型无意义，H1:

假设2，Ho；

常量为H1：

假设3，Ho：

第二步，通过SPSS计算可以得出表26、27、28、29，

表26模型汇总c

.914b

.835

.832

219.020

1.887

表27回归模型

3.252E7

1.626E7

338.928

6427926.055

134

47969.597

表28模型回归系数

-137.317

174.010

-.789

.431

1098.030

54.406

20.182

-537.566

37.633

-14.285

表29共线性诊断a

维数

特征值

条件索引

2.616

1.000

.378

2.629

.006

21.027

第三步，作出结论，从表26中可以看出此表为拟合模型的拟合优度的情况，其中调整R方为0.835，Durbin-Watson统计量为1.887，比较接近2，可以认为残差之间相互独立。

从表24中可以到F=338.928，.P=0.000，可以认为这个回归模型是有统计意义的。

从表25中可以得到模型的常量为-137.317，P=0.431>

0.05,所以在统计学中，没有意义。

平均学分点的系数为1098.030，性别的系数为-537.566，通过以上综合分析，最后得出的模型为：

月工资=-537.566*性别+1098.030*平均学分绩点

图9

图10

图11

说明：

图9为残差的直方图，图中残差的分布基本均匀

图10为残差的正态P-P概率图，图中散点基本呈直线趋势，且并未发现异常点

图11残差是否有随标准化预测值增大而改变的趋势。

（4）在

（2）和（3）模型中你会选择哪一个模型用于预测？

为什么？

假设一名男生的平均学分绩点为3.5，试预测他的上月工资的点估计值和区间估计。

（2）中模型的R方等于0.584，（3）中模型的R方等于0.835，R方越大，所以选择（3）中的模型作为预测模型。

假设一名男生的平均学分绩点为3.5，根据（3）中的模型公式：

月工资=-537.566*性别+1098.030*平均学分绩点=-537.566*0+1098.030*3.5=3843.105，

其置信区间为3843.105+/-219.02,结果为【3624.085，4062.125.】

第13页共13页