《spss练习题及简-答要点(共25页).doc》由会员分享，可在线阅读，更多相关《spss练习题及简-答要点(共25页).doc（24页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上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-sort cases再合并data-merge files2、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
2、取的70%的样本数据。选取数据data-select cases4、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-sort cases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-descrip
3、tive statistics-descriptives，全选，options。先拆分data-split file按性别拆分，analyze-descriptive statistics-descriptives全选所有课程options-mean7、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，new value-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
4、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-select cases9、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- descriptive statistics-frequencies10、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。An DS d Analyze-Descriptive Statistics-Descriptives,选
5、择存款金额到Variable(s)中。按Option,然后选择Mean,std.deviation,Minlmum,Variance,Maximum,Range,Kutosis,Skewness,Variable list.然后按continue，ok11、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。Transform compute课程平均分=mean() analyze-compare means-independent-samples T；选择若干变量作为检验变量到test variables框（课程平均分）；选择代表不
6、同总体的变量（sex）作为分组变量到grouping variable 框；.定义分组变量的分组情况Define Groups.：（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eaual variances assumend。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-compare means-paired-sam
7、ples Tpaired variables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-compare means-one-samples T test；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（st
8、d.deviation）为9.55,均值标准误差(std error mean)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0.668a=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67.3180.14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
9、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descriptives LSD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18711未用单参注射液366合计22317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：fileopendatae
10、xample1.sav2、对count变量进行weight cases处理：dataweight cases选中weight cases by；在 Frequencies variable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31：用descriptive-cross tab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31 是否接受治疗与生存状况的相关性检验成果表（Chi-Square Tests）ValuedfAsymp. Sig. (2-sided)Pears
11、on Chi-Square6.040(b)1.014Linear-by-Linear Association6.0151.014有效个案数240表31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32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32 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Count18510195 % within 分组(g
12、roup)94.9%5.1%100.0% 未用单参注射液Count38745 % within 分组(group)84.4%15.6%100.0%总数Count22317240 % within 分组(group)92.9%7.1%100.0% 结论：根据表31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%
13、）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21012复合化疗141327合计162339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7161618111东北三省89182251180合计16024386929117、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
14、差。1、打开数据文件：fileopendatachild.sav2、均值比较与检验：AnalyzeCompare meansmeans3、在independent Var. 中选性别，dependent Var. 中选体重和身高4、在option子框中选择median/mean/Std. Deviation1、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
15、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：fi
16、leopendatachild.sav2、 均值比较与检验：analysiscompare meansmeans3、 在independent Var. 中选性别和年龄，dependent Var. 中选体重和身高4、 在option子框中选择median/mean/ Std. Deviation在statistic for first layer 区域内勾上ANOVA table and eta复选框统计表格及分析：表71 体重、身高与年龄的方差分析表 Sum of SquaresdfMean SquareFSig.体重(x4,kg) * 年龄(age)Between Groups286.2
17、152143.10723.518.000 Within Groups565.918936.085 Total852.13395身高(x5,cm) * 年龄(age)Between Groups1757.7072878.85352.567.000 Within Groups1554.8559316.719 Total3312.56295在表71中，分别列出了平方和（Sum of Squares）、自由度（df）、均方差（Mean Square）、F值以及F值的显著性水平（Sig.）。F对应的概率值P(sig)（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72 体重
18、、身高与性别的方差分析表dfMean SquareFSig.体重(x4,kg) * 性别(x2)Between Groups1.839.093.762 Within Groups949.056 Total95身高(x5,cm) * 性别(x2)Between Groups1.105.003.956 Within Groups9435.239 Total95在表72中，F对应的概率值P(sig)（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
19、平为5%）统计表格及分析：表81 配对样本的相关性分析表 NCorrelationSig.Pair 1铁饼（训练前） & 铁饼（训练后）24.976.000H0： 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81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82 配对样本T检验的成果表 Paired DifferencestdfSig. (2-tailed) MeanStd.
20、 DeviationStd. Error Mean95% Confidence Interval of the Difference LowerUpper Pair 1铁饼（训练前） - 铁饼（训练后）-.2417.4323.0882-.4242-.0591-2.73923.012 表82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. Error Mean）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
21、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Compute Variable选项总成绩计算出来之后，选择Analyze选项下Compare Means选项下“两独立样本T
22、检验”选项卡 将总成绩放入Test Variable一栏中，性别放入Grouping Variable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 :50(-50=0)；即学生中文成绩无显著的下降。
23、H1:50(-500)；即学生中文成绩有显著的下降。操作步骤：1、 打开数据文件：fileopendataexample.sav2、 单一样本的均值检验：analysiscompare meansOne Sample T Test3、 在test value 中输入80，在test Variable中选“中文”。4、 在options中输入显著性水平5%统计表格及分析： 表91 数据统计量表 NMeanStd. DeviationStd. Error Mean中文2478.5411.1592.278表91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
24、（Std. Deviation）、均值的标准差（Std. Error Mean）。表92 单样本均值检验成果表 Test Value = 80tdfSig. (2-tailed)Mean Difference95% Confidence Interval of the DifferenceLowerUpper中文-.64023.528-1.458-6.173.25表92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（Mean Difference）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
25、，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 :1 =2 =3 ；即学生英文成绩不受年纪影响。 H1:1、2、3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：fileopendataexample.sav2、 单因方差分析检验：AnalysisCompare MeansOne-Way ANOVA 3、 在“depen
26、dent list”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101 数据方差分析表 Sum of SquaresdfMean SquareFSig.Between Groups105.000335.000.283.837Within Groups2475.00020123.750Total2580.00023表101中分别列出了方差来源、平方和（Sum of Squares）、自由度（df）、均方差（Mean Square）、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
27、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)170173160155173188178183180165臂长(cm)45424441475047464943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：fileopendataexample4.sav2、 相关性检验：CorrelationBivariate3、 选择Pea
28、rson(积距相关)；在option子框中选择means/Sd.统计表格及分析：表111 描述统计量表 MeanStd. DeviationN身高（cm）172.5010.34110臂长（cm）45.402.95110 表111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112 相关分析成果表 身高（cm）臂长（cm）身高（cm）Pearson Correlation1.823(*) Sig. (1-tailed).002 N1010臂长（cm）Pearson Correlation.823(*)1 Sig. (1-t
29、ailed).002 N1010* Correlation is significant at the 0.01 level (1-tailed)表112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性。结论：根据相关性分析结果，可知身高与臂长间存在显著的相关关系，其相关系数为0.823，属于强相关。24、已知学生铁饼与标枪的数据，请
30、计算其相关系数？（example.sav）提出假设：H0 : 学生铁饼与标枪成绩之间不存在显著关系。 H1: 学生铁饼与标枪成绩之间存在显著关系。操作步骤：1、打开数据文件：fileopendataexample.sav2、相关性检验：CorrelationBivariate3、选择Pearson(积距相关)；在option子框中选择means/Sd.统计表格及分析：表121 描述统计量表MeanStd. DeviationN标枪（m）32.7912.47624铁饼（训练前）8.1541.647924表111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. Dev
31、iation）和数据个数（N）。表122 相关分析成果表标枪（m）铁饼（训练前）标枪（m）Pearson Correlation1.644(*)Sig. (1-tailed).000N2424铁饼（训练前）Pearson Correlation.644(*)1Sig. (1-tailed).000N2424* Correlation is significant at the 0.01 level (1-tailed).表122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0.0
32、1的水平上显著。另外，从表中可以看出，显著性概率趋近于0，故拒绝原假设，接受备择假设，即学生铁饼与标枪成绩之间存在显著关系。结论：学生的铁饼与标枪的数据有较强的相关性，其相关系数为0.644。25、已调查97名儿童的生长发育数据，其中有左眼视力（x9）、右眼视力（x10），并已建立数据文件child.sav。试问左眼视力（x9）与右眼视力（x10）间有无相关关系？（显著性水平为5%）提出假设：H0 :12=0，即左眼视力与右眼视力间不存在显著的相关关系。 H1: 120，即左眼视力与右眼视力间存在显著的相关关系。操作步骤：1、打开数据文件：fileopendatachild.sav2、相关性检
33、验：CorrelationBivariate3、选择Pearson(积距相关)；在option子框中选择means/Sd.4、在options中输入显著性水平5%统计表格及分析：表131 描述统计量表 MeanStd. DeviationN左眼视力(x9)1.039.294696右眼视力(x10)1.033.293396表131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132 相关分析成果表 左眼视力(x9)右眼视力(x10)左眼视力(x9)Pearson Correlation1.779(*) Sig. (1-ta
34、iled).000 N9696右眼视力(x10)Pearson Correlation.779(*)1 Sig. (1-tailed).000 N9696* Correlation is significant at the 0.01 level (1-tailed).表132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，显著性概率趋近于0，远小于0.05，故拒绝原假设，接受备择假设；可以认为儿童左眼视力与右眼视力有较强的相关性。结论：
35、儿童左眼视力与右眼视力有较强的相关性，其相关系数为0.779。26、某地29名13岁男童身高（x1，cm），体重（x2，kg）及肺活量（y，L）的实测数据文件是：example5.sav。试计算其简单相关系数，当体重（x2）被控制（即固定）时，计算身高（x1）与肺活量（y）的偏相关系数r31.2，并作假设检验提出假设：H0 : 身高与肺活量的偏相关系数与零无显著差异。 H1:身高与肺活量的偏相关系数与零有显著差异。操作步骤：1、打开数据文件：fileopendataexample5.sav2、偏相关计算：AnalyzeCorrelatePartial3、把参与分析的变量”身高”、”肺活量”选择
36、到Variables；将控制变量”体重”选择到Controlling for。在option中的statistics中选择Zero-order Correlations，表示输出零阶偏相关系数。统计表格及分析：表141 偏相关因素的偏相关分析成果表Control Variables 身高(cm)肺活量(L)体重(kg)-none-(a)身高(cm)Correlation1.000.588.742 Significance (2-tailed).001.000 df02727 肺活量(L)Correlation.5881.000.736 Significance (2-tailed).001.0
37、00 df27027 体重(kg)Correlation.742.7361.000 Significance (2-tailed).000.000. df27270体重(kg)身高(cm)Correlation1.000.093 Significance (2-tailed).639 df026 肺活量(L)Correlation.0931.000 Significance (2-tailed).639. df260a Cells contain zero-order (Pearson) correlations.由上表可以知道一系列简单相关系数和当体重被控制时，身高与肺活量的偏相关系数。检验
38、统计量的概率P值为0.639，大于给定的显著性水平0.05；故接受原假设，认为身高与肺活量的偏相关系数与零无显著差异。结论：1、男童身高与体重的简单相关系数为0.742；肺活量与身高的简单相关系数为0.588；体重与肺活量的简单相关系数为0.736。2、身高与肺活量的偏相关系数为0.093，P=0.639。身高与肺活量的偏相关系数与零无显著差异，即身高与肺活量无显著的的偏相关。27、世界各国的统计数据表明：妇女生育率与人均国民生产总值之间呈现出对数关系。请依据example6.sav中所提供的数据写出其回归方程与多元相关系数，在显著水平为5%时显著吗？AnalyzeRegressionLine
39、ar 28、文件example7.sav中列出了我国分地区家庭年人均食品支出、人均收入与粮食单价的数据。请建立人均食品支出与人均收入间的一元线性回归方程，,同时建立人均食品支出与人均收入和粮食单价间的二元线性回归方程。操作步骤：1、打开数据文件：fileopendataexample7.sav2、线性回归：AnalyzeRegressionLinear3、一元线性回归方程：在dependent中输入变量“人均食品支出”；在independent中输入变量“人均收入”。-Bivariate4、二元线性回归方程：在dependent中输入变量“人均食品支出”；在independent中输入变量“人
40、均收入”和“粮食单价”。统计表格及分析： 表151 相关系数矩阵 人均食品支出人均收入Pearson Correlation人均食品支出1.000.923 人均收入.9231.000Sig. (1-tailed)人均食品支出.000 人均收入.000.N人均食品支出3030 人均收入3030提出假设：H0 : 人均食品支出和变量人均收入之间无显著关系。 H1: 人均食品支出和变量人均收入之间有显著关系。表151为相关系数矩阵。表中第二行为相关系数矩阵；第三行为不相关的显著性水平。变量人均食品支出和变量人均收入的相关系数为0.923，说明两者关系紧密。单尾显著性检验的概率值趋近于0，所以拒绝两变
41、量没有相关性的假设，接受备择假设，即人均食品支出和人均收入之间有显著关系。表152 数据方差分析表Model Sum of SquaresdfMean SquareFSig.1Regression.3341.334161.149.000(a) Residual.132285450.755 Total.46729表152为方差分析表。利用该表作回归系数的显著性检验。表中列出了回归项（Regression）、残差项（Residual）的平方和（Sum of Squares）、自由度（df）、均方（Mean Square）F值和显著性概率（Sig.）。由于表中的显著性概率趋近于0，小于0.05；所以
42、拒绝原假设，即认为回归系数不为零，回归方程是有意义的。表153 一元线性回归方程系数表 Unstandardized CoefficientsStandardized CoefficientstSig.95% Confidence Interval for BCorrelationsCollinearity Statistics ModelBStd. Error Lower BoundUpper BoundZero-orderPartialPartToleranceVIF1(Constant)-53.08667.963 -.781.441-192.30386.131 人均收入.422.033.92312.694.000.354.490.923.923.9231.0001.00