《统计分析与SPSS的应用(第6版)课后习题参考答案人大版.docx》由会员分享，可在线阅读，更多相关《统计分析与SPSS的应用(第6版)课后习题参考答案人大版.docx（40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、统计分析与 SPSS 的应用第六版课后练习参考答案名目第一章练习题答案1其次章练习题答案3第三章练习题答案4第四章练习题答案4第五章练习题答案12第六章练习题答案16第七章练习题答案20第八章练习题答案23第九章练习题答案27第十章练习题答案30第十一章练习题答案32第十二章练习题答案37第一章练习题答案1、SPSS 的中文全名是：社会科学统计软件包后改名为：统计产品与效劳解决方案英文全名是： Statistical Package for the Social Science.(Statistical Product and Service Solutions)2、 SPSS 的两个主要窗口
2、是数据编辑器窗口和结果查看器窗口。l 数据编辑器窗口的主要功能是定义SPSS 数据的构造、录入编辑和治理待分析的数据；l 结果查看器窗口的主要功能是现实治理SPSS 统计分析结果、报表及图形。3、SPSS 的数据集：l SPSS 运行时可同时翻开多个数据编辑器窗口。每个数据编辑器窗口分别显示不同的数据集合简称数据集。l 活动数据集：其中只有一个数据集为当前数据集。SPSS 只对某时刻的当前数据集中的数据进展分析。4、SPSS 的三种根本运行方式：l 完全窗口菜单方式、程序运行方式、混合运行方式。l 完全窗口菜单方式：是指在使用SPSS 的过程中，全部的分析操作都通过菜单、按钮、输入对话框等方式
3、来完成，是一种最常见和最普遍的使用方式，最大优点是简洁和直观。l 程序运行方式：是指在使用SPSS 的过程中，统计分析人员依据自己的需要，手工编写 SPSS 命令程序，然后将编写好的程序一次性提交给计算机执行。该方式适用于大规模的统计分析工作。l 混合运行方式：是前两者的综合。5、.sav 是数据编辑器窗口中的SPSS 数据文件的扩展名.spv 是结果查看器窗口中的SPSS 分析结果文件的扩展名.sps 是语法窗口中的SPSS 程序6、SPSS 的数据加工和治理功能主要集中在 编辑、数据等菜单中；统计分析和绘图功能主要集中在 分析、图形等菜单中。7、概率抽样(probability sampl
4、ing)：也称随机抽样，是指按肯定的概率以随机原则抽取样本，抽取样本时每个单位都有肯定的时机被抽中，每个单位被抽中的概率是的，或是可以计算出来的。概率抽样包括简洁随机抽样、系统抽样等距抽样、分层抽样类型抽样、整群抽样、多阶段抽样等。l 简洁随机抽样(simple random sampling)：从包括总体N 个单位的抽样框中随机地抽取n 个单位作为样本，每个单位抽入样本的概率是相等的。是最根本的抽样方法，是其它抽样方法的根底。优点：简洁、直观，在抽样框完整时，可直接从中抽取样本，用样本统计量对总体参数进展估量比较便利。局限性：当N 很大时，不易构造抽样框，抽出的单位很分散，给实施调查增加了困
5、难。l 分层抽样(stratified sampling)：将抽样单位按某种特征或某种规章划分为不同的层，然后从不同的层中独立、随机地抽取样本。优点：保证样本的构造与总体的构造比较相近，从而提高估量的精度，组织实施调查便利(当层是以行业或行政区划分时)，既可以对总体参数进展估量，也可以对各层的参数进展估量。l 整群抽样(cluster sampling)：将总体中假设干个单位合并为组(群),抽样时直接抽取群，然后对选中群中的全部单位全部实施调查。优点：抽样时只需群的抽样框， 可简化工作量；调查的地点相对集中，节约调查费用，便利调查的实施。缺点：估量的精度较差。l 系统抽样(systematic
6、 sampling)：将总体中的全部单位(抽样单位)按肯定挨次排列，在规定的范围内随机地抽取一个单位作为初始单位，然后按事先规定好的规章 确定其它样本单位，先从数字 1 到 k 之间随机抽取一个数字r 作为初始单位，以后依次取r+k，r+2k等单位。优点：操作简便，可提高估量的精度。缺点：对估量量方差的估量较困难。l 多阶段抽样(multi-stage sampling)：先抽取群，但并不是调查群内的全部单位，而是再进展一步抽样，从选中的群中抽取出假设干个单位进展调查。群是初级抽样单 位，其次阶段抽取的是最终抽样单位。将该方法推广，使抽样的段数增多，就称为 多阶段抽样。优点：具有整群抽样的优点
7、，保证样本相对集中，节约调查费用。在大规模的抽样调查中，常常被承受的方法。非概率抽样是指抽取样本时不是依据随机原则，而是依据争论目的对数据的要求，承受某种方式从总体中抽出局部单位对其实施调查，包括便利抽样、自愿抽样、配额抽样、推断抽样和滚雪球抽样等。l 便利抽样：样本限于总体中易于抽到的一局部。最常见的便利抽样是偶遇抽样，即争论者将在某一时间和环境中所遇到的每一总体单位均作为样本成员。“街头拦人法”就是一种偶遇抽样。便利抽样是非随机抽样中最简洁的方法，省时省钱，但样本代表性因受偶然因素的影响太大而得不到保证。l 自愿抽样：某些调查对被调查者来说是不开心的、麻烦的，这时为便利起见就承受以自愿被调
8、查者为调查样本的方法。l 推断抽样：争论人员从总体中选择那些被推断为最能代表总体的单位作样本的抽样 方法。当争论者对自己的争论领域格外生疏，对争论总体比较了解时承受这种抽样 方法，可获代表性较高的样本。这种抽样方法多应用于总体小而内部差异大的状况， 以及在总体边界无法确定或因争论者的时间与人力、物力有限时承受。l 滚雪球抽样：以假设干个具有所需特征的人为最初的调查对象，然后依靠他们供给认识的合格的调查对象，再由这些人供给第三批调查对象，依次类推，样本如同 滚雪球般由小变大。滚雪球抽样多用于总体单位的信息缺乏或观看性争论的状况。这种抽样中有些分子最终仍无法找到，有些分子被供给者漏而不提，两者都可
9、能造 成误差。l 配额抽样也称定额抽样，是将总体依某种标准分层群；然后依据各层样本数与该层总体数成比例的原则主观抽取样本。配额抽样与分层概率抽样很接近，最大的 不同是分层概率抽样的各层样本是随机抽取的，而配额抽样的各层样本是非随机的。总体也可依据多种标准的组合分层(群)，例如，在争论问题时，考虑到婚姻与 性别都可能对有影响，可将争论对象分为未婚男性、已婚男性、未婚女性和已 婚女性四个组，然后从各群非随机地抽样。配额抽样是通常使用的非概率抽样方法， 样本除所选标识外无法保证代表性。8、利用SPSS 进展数据分析的一般步骤：数据的预备-数据的加工处理-数据的分析-分析结果的阅读和解释。其次章练习题
10、答案1、SPSS 中两个根本的数据组织方式：原始数据的组织方式和计数数据的组织方式。l 原始数据的组织方式：待分析的数据是一些原始的调查问卷数据，或是一些根本的统计指标。l 计数数据的组织方式：所采集的数据不是原始的调查问卷数据，而是经过分组汇总后的数据。2、个案：在原始数据的组织方式中，数据编辑器窗口中的一行称为一个个案或观测。变量：数据编辑器窗口中的一列。3、默认的变量名：VAR；默认的变量类型：数值型。变量名标签和变量值标签可增加统计分析结果的可读性。 4、数据文件如下图：5、缺失值分为用户缺失值User Missing Value和系统缺失值System Missing Value。用
11、户缺失值指在问卷调查中，将无答复的一些数据以及明显失真的数据当作缺失值来处理。用户缺失值的编码一般用争论者自己能够识别的数字来表示，如“0”、“9”、“99”等。系统缺失值主要指计算机默认的缺失方式，假设在输入数据时空缺了某些数据或输入了 非法的字符，计算机就把其界定为缺失值，这时的数据标记为一个圆点“”。在变量视图中定义。6、变量类型包括：数值型身高、定序型受教育程度以及定类型性别。在变量视图中定义。79 题 软件操作，答案略Valid户户第三章练习题答案18 题 软件操作，答案略9、SPSS 排序功能仅实现将观测按用户指定挨次重排列；拆分功能在按序排列的根底上， 能够实现对数据按排序变量进
12、展分组，并分组进展后续的统计分析。第四章练习题答案StatisticsN1、户口所在地职业年龄Valid282282282Missing000户口所在地FrequencyPercentValidPercentCumulativePercent中心城市20070.970.970.9Valid遥远郊区8229.129.1100.0Total282100.0100.0Frequency职业PercentValid PercentCumulative Percent国家机关248.58.58.5商业效劳业5419.119.127.7文教卫生186.46.434.0公交建筑业155.35.339.4经营
13、性公司186.46.445.7学校155.35.351.1一般农户3512.412.463.5种粮棉专业41.41.464.9种果菜专业103.53.568.4工商运专业3412.112.180.5户退役人员176.06.086.5金融机构3512.412.498.9现役军人31.11.1100.0Total282100.0100.0Frequency年龄PercentValid PercentCumulative Percent20 岁以下41.41.41.42035 岁14651.851.853.2Valid3550 岁9132.332.385.550 岁以上4114.514.5100.0
14、Total282100.0100.0分析：本次调查的有效样本为 282 份。常住地的分布状况是：在中心城市的人最多， 有 200 人，而在遥远郊区只有 82 人；职业的分布状况是：在商业效劳业的人最多，其次是一般农户和金融机构；年龄方面：在35-50 岁的人最多。由于变量中无缺失数据，因此频数分布表中的百分比一样。分析：由表中可以看出，有效样本为282 份，存取款金额的均值是 4738.09，标准差为10945.09，峰度系数为 33.656，偏度系数为 5.234。 与标准正态分布曲线进展比照，由峰度系数可以看出，此表的存款金额的数据分布比标准正态分布更陡峭；由偏度系数可以看 出，此表的存款
15、金额的数据为右偏分布，说明此表的存款金额均值对平均水平的测度偏 大。2、分析：由表中可以看出，中心城市有 200 人，遥远郊区为 82 人。两局部样本存取款金额均呈右偏尖峰分布，且遥远郊区更明显。3、利用描述菜单下窗口对话框中的“将标准得分另存为变量”功能实现。对标准分数变量按降序排列，确定值大于 3 的可视为“与众不同”的样本。理由：标准化值反映的是样本值与样本均值的差是几个标准差单位。假设标准化值等于 0，则表示该样本值等于样本均值；假设标准化值大于0，则表示该样本值大于样本均值；假设标准化值小于 0，则表示该样本值小于样本均值。在正态分布的假设下，假设标准化值确实定值大于 3，则可认为是
16、特别值。4、利用列联分析实现。首先编制列联表，然后进展卡方检验。以户口和收入的列联分析为例：表中，卡方统计量的观测值等于32.064，概率P 值等于 0.001。假设显著性水平设为 0.05，由于 0.0010.05，拒绝原假设，说明户口地与收入水平不独立。5、多项选择项分类法；存款的最主要目的是正常生活零用6、计算结果：卡方统计量：c 2 = rc ( fo - fijf ee )2 ij，用于测度各个单元格的观测频数与期望频数的差异，i=1 j =1ij并依卡方理论分布推断差异是否统计显著。由于期望频数代表的是行列变量独立下的分布， 所以卡方值越大说明实际分布与期望分布差异越明显。本例中，
17、由于概率P 值小于显著性水平，应拒绝原假设，婆媳关系与住房条件有关系。7、将计数数据复原为原始数据，承受穿插分组下的频数分析，并进展卡方检验。表中，卡方统计量观测值为 4.339，对应的概率 P 值为 0.037，小于显著性水平 0.05，应拒绝原假设，说明减肥效果并不全都。8、多项选择项二分法；102794 份、101514 份、401400 份赚钱比例：30.3%，赔钱比例 38%主要依据：根本因素法；最少依据：跟风方法承受列联分析。卡方检验结果说明：专职和业余投资者在投资结果上存在显著差异。9、1变量：汽车价格、居住地区；类型：定序型变量、定类型变量2上述是计数数据的组织方式，应首先组织
18、到 SPSS 的数据编辑器窗口中，再利用穿插分组下的频数分析方法。列联分析。原假设：不同居住区的私家车主承受的汽车价格具有全都性的。上表可知， 假设显著性水平为 0.05，由于卡方检验的概率 P-值小于显著性水平，因此应拒绝原假设。第五章练习题答案1、承受单样本T 检验原假设 H0:u=u0=75,总体均值与检验值之间不存在显著差异；One-Sample StatisticsVAR00001NMean1173.7273Std.Deviation9.55082Std. Error Mean2.87968One-Sample TestTest Value = 75tdfSig. (2-tailed
19、)MeanDifference95% Confidence Interval ofthe DifferenceVAR00001-.44210.668-1.27273Lower-7.6891Upper5.1436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(std error mean)为 2.87。t 统计量的观测值为-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：(-7.68,5.14)。承受双尾检验比较 a 和 p。T 统计量观测值的双尾概率
20、p-值sig.(2-tailed)为 0.668a=0.05 所以不能拒绝原设；且总体均值的 95%的置信区间为(67.31,80.14)，检验值 75 包括在置信区间内，所以没有充分理由认为经理的话不具有可信的。2、每周上网时间的样本平均值为 27.5，标准差为 10.7，总体均值 95%的置信区间为 23.831.2.Group Statisticsa23、利用两独立样本的T 检验实现，本质为两个总体比例差的检验。首先将计数数据通过加权功能复原为原始数据，然后，承受两独立样本 T 检验实现。检验变量为行为，分组变量为方式。方式NMeanStd.DeviationStd. ErrorMean
21、方式一200.4600.49965.03533方式二183.8798.32611.02411分析：从上表可以看出票丢仍买的人数比例为46%,钱丢仍买的人数比例为88%,两种方式的样本比例有较大差距。1. 两总体方差是否相等F 检验：F 的统计量的观看值为 257.98,对应的P 值为 0.00,；假设显著性水平为 0.05,由于概率 P 值小于 0.05,两种方式的方差有显著差异。看假设方差不相等行的结果。2.两总体均值比例差的检验：.T 统计量的观测值为9.815, 对应的双尾概率为 0.00,T 统计量对应的概率 P 值0.05,故推翻原假设,说明两总体比例有显著差异.更倾向心理学家的说法
22、。4、此题是单个总体的比例检验问题。首先将数据组织成计数方式，并以数量为加权变量复原为原始数据。然后，承受独立样本的 T 检验实现。检验变量为是否开兰花，检验值为 0.75。分析：由表知：样本中 200 棵开兰花的比例为 71%。假设总体比例的原假设为 0.75，由于 T 统计量的概率P 值大于显著性水平0.05，不能拒绝原假设，不能说与遗传模型不全都。Paired Samples StatisticsMeanNStd.DeviationStd. ErrorMeanPair 15、方式一：承受两配对样本t 检验饲料 132.57893.81081.2703饲料 234.26795.59931.
23、8664Paired Samples CorrelationsNCorrelationSig.Pair 1饲料 1 & 饲料29.571.108Paired Samples TestPaired DifferencestdfMeanStd.Deviatio nStd.Error Mean95% ConfidenceInterval of the DifferenceSig. (2-tailed)LowerUpperPair 饲料 1 -1饲料 2-1.68894.63671.5456-5.25291.8752-1.0938.306由上表可知，t 统计量观测值为1.093 ，概率P 值为 0.3
24、06，大于显著性水平0.05，不应拒绝原假设，不能认为不同饲料使幼鼠体内钙的留存量消灭了显著不同。方式二：承受两独立样本t 检验由上面的表可知，两组残留的样本平均值差异不大。由下表可知，该检验的 F 统计量的观测值为 0.059，对应的概率 P 值为 0.811。假设显著性水平为 0.05,则可以认为两总体的方差无显著差异。两总体均值的检验应看第一行。T 统计量的观测值为0.584 ，P 值为 0.566,。假设显著性水平为 0.05，则不应拒绝原假设，不能认为两饲料残留有显著差异。6、两独立样本T 检验分析：1. 两总体方差是否相等用F 检验：F 的统计量的观看值为 0.257,对应的 P
25、值为 0.614,； 假设显著性水平为 0.05,由于概率 P 值大于 0.05,两种方式的方差无显著差异.看假设方差相等行。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 统计量对应的P 值显著水平 0.05,故不能拒绝原假设,不能认为女生男生的课程总体平均分有显著差异。7、利用配对样本T 检验，逐对检验8、由第一个表知，培训前和培训后样本的平均值mean有肯定差异，培训后平均值较大； 表二说明，在显著性水平为 0.05 时，培训前后的销售量有肯定的线性关系；由表三知，t 检验统计量的观测值为-2.3，对应的双尾概率 p-值为 0.04，小于显著水
26、平 a=0.05 ，应拒绝原假设，培训前后的销售数据总体平均值存在显著差异。第六章练习题答案1、1ANOVAVAR00002Sum ofSquares405.534269.737675.271dfMean SquareFSig.Between GroupsWithin Groups Total43034101.3848.99111.276.000概率 P-值接近于 0，应拒绝原假设，认为 5 种推销方法有显著差异。2均值图：Multiple ComparisonsDependent Variable: VAR00002LSD(I) VAR00001 (J) VAR00001MeanStd.Er
27、rorSig.95% Confidence IntervalDifference(I-J)Lower BoundUpper Bound12345*. The mean difference is significant at the 0.05 level.2-3.3000*1.6028.048-6.573-.0273.72861.6028.653-2.5454.00243.05711.6028.066-.2166.3305-6.7000*1.6028.000-9.973-3.42713.3000*1.6028.048.0276.57334.0286*1.6028.018.7557.30246.
28、3571*1.6028.0003.0849.6305-3.4000*1.6028.042-6.673-.1271-.72861.6028.653-4.0022.5452-4.0286*1.6028.018-7.302-.75542.32861.6028.157-.9455.6025-7.4286*1.6028.000-10.702-4.1551-3.05711.6028.066-6.330.2162-6.3571*1.6028.000-9.630-3.0843-2.32861.6028.157-5.602.9455-9.7571*1.6028.000-13.030-6.48416.7000*1
29、.6028.0003.4279.97323.4000*1.6028.042.1276.67337.4286*1.6028.0004.15510.70249.7571*1.6028.0006.48413.030可知，1 和 2、1 和 5、2 和 3，2 和 4,2 和 5,3 和 5,4 和 5 有显著差异。2、2.4；3.125；3、1因F 检验的概率P 值小于显著性水平0.05，拒绝原假设，方差不齐，不满足方差分析的前提假设。21104.128；2629.118；67；24.206。各组总体均值存在显著差异。（3） 更适合第三组Between-Subjects FactorsValueNL
30、abel4、1.00地区一9地区2.00地区二93.00地区三91.00周一至周三9日期2.00周四至周五93.00周末961851851.852a87731481.4818.350.000Model844481481.481844481481.48912.040.00011a12296296.29621148148.1481.240.313a22740740.74121370370.3701.480.254a1* a256814814.815414203703.70415.340.000Error16666666.66718925925.926Tests of Between-Subject
31、s EffectsDependent Variable: 销售量SourceType III Sumof SquaresdfMean SquareFSig.CorrectedTotal923000000.00027CorrectedTotal78518518.51926a. R Squared = .788 (Adjusted R Squared = .693)分析：（2） 由上表可知，Fa1、Fa2的概率P 值为0.313和0.254，大于显著性水平0.05，所以不应拒绝原假设，可以认为不同地区和日期下的销售额总体均值不存在显著差异，不同地区和不同日期对该商品的销售没有产生显著影响。（3）
32、产生了交互影响。由于概率P 值接近于0，拒绝原假设，认为不同地区和日期对销售额产生了显著的交互作用。Between-Subjects FactorsValueNLabel性别手机5、1.00女122.00男121.00使用122.00不使用121028.125a3342.70821.101.000Model34732.042134732.0422138.453.000性别5.04215.042.310.584手机1001.04211001.04261.634.000性别* 手机22.042122.0421.357.258Error324.8332016.242Total36085.00024T
33、ests of Between-Subjects EffectsDependent Variable: 得分SourceType III Sumof SquaresdfMean SquareFSig.CorrectedCorrectedTotal1352.95823a. R Squared = .760 (Adjusted R Squared = .724)分析：就性别而言，由于概率P 值=0.584，大于显著性水平0.05，所以不应拒绝原假设，认为性别对驾驶状态无显著影响；就手机使用状况而言，由于概率P 值接近 0，应拒绝原假设， 认为手机使用状况对驾驶状态存在显著影响。6、在剔除加盟时间的
34、影响下，因 P 值小于 0.05，应拒绝原假设，两种培训方式效果有显著差异。第七章练习题答案1、卡方检验因概率P 值小于显著性水平0.05，拒绝原假设，不同年龄度对该商品满足程度不全都。2、单样本 KS 检验因概率P 值小于显著性水平0.05，拒绝原假设，与正态分布存在显著差异。3、单样本游程检验因概率 P 值小于显著性水平0.05，拒绝原假设，认为成品尺寸的变化是由生产线工作不稳定导致的。4、两独立样本的 KS 检验因概率 P 值大于显著性水平0.05，不应拒绝原假设，认为不同地区本次存取款金额的分布不存在显著差异。5、两独立样本的曼 惠特尼检验因概率 P 值小于显著性水平0.05，应拒绝原
35、假设，两品牌白糖实际重量的分布存在显著差异6、略7、两配对样本的秩检验因概率P 值小于显著性水平0.05，应拒绝原假设，喝酒前后刹车反映时间存在显著差异8、多配对样本的 friedman 检验因概率 P 值大于显著性水平0.05，不应拒绝原假设，三个品牌牛奶的日销售数据不存在显著差异。第八章练习题答案1、能。Correlations客户满足度综合竞争力PearsonCorrelation Sig. (2-tailed) NPearsonCorrelation Sig. (2-tailed)N1.864*客户满足度15.00015.864*1综合竞争力.0001515*. Correlation
36、 is significant at the 0.01 level (2-tailed).两者的简洁相关系数为 0.864，说明存在正的强相关性。2、香烟消耗量与肺癌死亡率的散点图相关系数为 0.737。因概率P 值小于显著性水平0.05，拒绝原假设，认为两者存在显著关系。3.(1)假设所绘制的图形不能较清楚地展现变量之间的关系，应对散点图进展调整。在SPSS 查看器窗口中选中相应的散点图双击鼠标，进入SPSS 图形编辑器窗口。选中【选项】菜单下的【块元素】子菜单进展数据合并。2CorrelationsControl Variables销售额销售价格1.000-.728销售额家庭收入Corre
37、lationSignificance tailed)df CorrelationSignificance tailed)df(2-.0260-.72871.000销售价格(2-.026.70如表所示，在家庭收入作为掌握变量的条件下，销售额和价格的偏相关系数为 -0.728， 呈肯定的负相关关系，且统计显著。第九章练习题答案1、2、相关分析是回归分析的根底和前提，回归分析则是相关分析的深入和连续。只有当变量之间存在高度相关时，进展回归分析寻求其相关的具体形式才有意义。假设在没有对变量 之间是否相关以及相关方向和程度做出正确推断之前，就进展回归分析，很简洁造成“虚 假回归”。与此同时，相关分析只争论变量之间相关的方向和程度，不能推断变量之间相互关系的具体形式，也无法从一个变量的变化来推想另一个变量的变化状况，因此，在具体 应用过程中，只有把相关分析和回归分析结