spss实验报告26493.doc

专 业 统 计 软 件 应 用实 验 报 告实验课程专业统计软件应用上课时间2013 学年 上半 学期 14 周 （ 2013 年 5 月 27 日 31 日）学生姓名杨守玲学号2011211432班级0361102所在学院经管上课地点金融实验指导教师唐兴艳第5章 思考与练习3.表5.20 是某班级学生的高考数学成绩，试分析该班的数学成绩与全国的平均成绩70 分之间是否有显著性差异（数据文件：data5-16.sav）。解：解决问题的原理：独立T样本检验提出原假设和备择假设：Ho:p0.05，该班的数学成绩与全国的平均成绩70 分之间存在显著相关性。第1步 单样本T 检验分析设置（1）选择菜单：“分析” “比较均值” “单样本T 检验（S）” ，打开 “单样本T 检验主对话框”，确定要进行T 检验的变量并输入检验值，按如图所示进行设置。将“成绩”选入“检验变量”中，输入待检验的值“70”，用来检验产生的样本均值与检验值有无显著性差异。第2步 “选项”对话框设置：指定置信水平和缺失值的处理方法。 第3步 主要结果及分析 完成以上的操作步骤后，点击“确定”按钮，运行结果如下所示，具体分析如下：下表给出了单样本T 检验的描述性统计量，包括样本数（N）、均值、标准差、均值的标准误差。 当置信水平为95%时，显著性水平为0.05，从表5.2 中可以看出，双尾检测概率P 值为0.002，小于0.05，故接受原假设，也就是说该班的数学成绩与全国的平均成绩70 分之间不存在显著相关性，即班的数学成绩与全国的平均成绩70 分之间存在显著性差异。4. 在某次测试中，随机抽取男女同学的成绩各10 名，数据如下：男：99 79 59 89 79 89 99 82 80 85女：88 54 56 23 75 65 73 50 80 65假设样本总体服从正态分布，比较置信度为95%的情况下男女得分是否有显著性差异(数据文件：data5-17.sav)。解：解决问题的原理：独立样本T检验提出假设和备择假设：Ho:p0.05，男女生的成绩有显著性相关。第1 步 数据组织根据表题目，在SPSS 数据文件中建立两个变量，分别为“性别”、“成绩”，度量标准分别为“名义”及“度量”，变量“品种”的变量值标签为：1-男，2-女，录入数据后，保存名为data5-17.sav 的SPSS 数据文件。第2 步 独立样本T 检验设置菜单选择：“选择”“比较均值”“独立样本T 检验” ，打开“独立样本T 检验”主对话框，确定要进行T 检验的变量，确定分组变量。“定义组”按钮：定义变量的分组，分别是“1”、“2”。如下图所示：按如图所示进行设置。 （2） “选项”对话框设置：指定置信水平和缺失值的处理方法。如下图所示：第3 步 运行结果及分析完成以上的操作步骤后，点击“确定”按钮，运行结果下表所示，具体意义分析如下：（1）下表是本例的独立样本T 检验的基本描述统计量，包括两个样本的均值、标准差和均值的标准误差。（2）表中第二列是F 统计量的值，为1.6074，第三列是对应的概率p 值，为0.221。显著性水平为0.05，由于概率p 值大于0.05，可以认为两个总体的方差无显著性差异，即方差具备齐性。在方差相等的情况下，独立样本T 检验的结果应该看表中的“假设方差相等”一行，第5 列为相应的双尾检测概率（Sig.（双侧）为0.007，在显著性水平为0.05 的情况下，T 统计量的概率p 值小于0.05，故应接受原假设，即认为两样本没有显著相关性，两均值是不相等的，即认为男女生的成绩有显著性差异。5. 某医疗机构为研究某种减肥药的疗效，对16 位肥胖者进行为期半年的观察测试，测试指标为使用该药之前和之后的体重，数据如表5.21 所示。假设体重近似服从正态分布，试分析服药前后，体重是否有显著变化(数据文件：data5-18.sav)。解：解决问题的原理：配对样本T检验提出假设和备择假设：Ho:p0.05，服药前后体重有显著相关性。 H1:p0.05,一周内各日人们忧郁数满足1:1:2:2:1:1:1 的分布;H1:P0.05，说明不应拒绝原假设，因此图 的“决策者”给出“保留原假设”的决策，认为工作日的类别是以1:1:2:2:1:1:1的概率发生的，双击输出文件中的如图5-12 的“假设检验汇总”表，打开下图所示图形，从图可以更直观的看出周一到周日的人数的分布情况， 且从中可以看出共有303 个样本，检验统计量为6891，渐进显著性（即P 值）为0.331。第6章 思考与练习5. 为了寻求适应某地区的高产油菜品种，今选了5 种不同品种进行试验，每一品种在4 块条件完全相同的试验田上试种，其他施肥等田间管理措施完全一样。表6.20 所示为每一品种下每一块田的亩产量，根据这些数据分析不同品种的油菜的平均产量在显著性水平0.05 下有无显著性差异。（数据文件：data6-7.sav）解：解决问题的原理：单因素方差分析提出原假设和备择假设：Ho:P0.05,不同品种的油菜的平均产量有显著相关性; H1:P0.05说明应该接受H0 假设（即方差相等）。故下面就用方差相等的检验方法。由于组间比较的相伴概率Sig.（p 值）=0.0160.05,四类型轮胎的寿命间显著相关; H1:P0.05，故应接受H0 假设（四种类型的轮胎寿命显著相关），说明四种类型轮胎寿命没有显著性差异。7. 某超市将同一种商品做3 种不同的包装（A）并摆放在3 个不同的货架区（B）进行销售试验，随机抽取3 天的销售量作为样本，具体资料见表。要求检验：在显著性水平0.05 下商品包装、摆放位置及其搭配对销售情况是否有显著性影响。（数据文件：data6-9.sav）解：问题解决原理：多因素方差分析提出原假设和备择假设：Ho:P0.05,商品包装对销售情况显著相关;H1:P0.05,摆放位置及其搭配对销售情况显著相关;H3:p0.05,生长量对杨树的生长有显著性相关;H1:P0.05,初始高度对杨树的生长有显著性相关;H4:P0.05,实验条件对杨树的生长有显著性相关;H6:P0.05,花瓣长和花枝长的相关系数具有显著性;H1: P0.05,花枝长和花萼长相关系数没有显著性;H4: P0.05,花瓣长和花萼长相关系数没有显著性;H6:P P0.05,花瓣长和花萼具有显著性。第1 步 选择菜单：分析相关双变量，打开如图对话框，将“花瓣长”、“花枝长”和“花萼长”两变量移入变量框中；相关系数选择Pearson；在显著性检验中选择双侧检验；单击选项按钮，选中统计量下的两项，计算结果中将输出均值和标准差。 第2步 主要结果及分析相关分析的主要结果，其中包括了叉积离差矩阵、协方差矩阵、Pearson 相关系数及相伴概率p 值。从表中可看出，相关系数1、0.955、0.797均大于0，说明呈正相关，相关系数的显著性均小于0.05，因此应拒绝零假设（H0:两变量之间相关系数为零），即说明这三者显著性正影响的。4. 试确定1962-1988年安徽省国民收入与城乡居民储蓄存款余额两个变量间的线性相关性，数据如表7.22所示。（数据文件：data7-10.sav）解：问题解决原理：两变量相关分析Ho:P0,国民收入和存款余额显著性相关。第1 步 分析相关双变量，打开如图对话框，将“国民收”、“存款余额”两变量移入变量框中；相关系数选择Pearson；在显著性检验中选择双侧检验；单击选项按钮，选中统计量下的两项，计算结果中将输出均值和标准差。 第2步 主要结果及分析相关分析的主要结果，其中包括了叉积离差矩阵、协方差矩阵、Pearson 相关系数及相伴概率p 值。从表中可看出，相关系数0.976大于0，说明呈正相关，相关系数的显著性等于0，因此应接受接受原假设（H0: 国民收入和存款余额没有显著性相关），即说明这国民收入和存款余额没有显著性正影响的。5. 某高校抽样得到10名短跑运动员，测出100米的名次和跳高的名次如表7.23，问这两个名次是否在0.05的显著性水平下具有相关性。（数据文件：data7-11.sav）解：问题解决原理：两变量相关分析Ho:P0.05,百米名次和跳高名次有显著性相关;H1:P0.05,百米名次和跳高名次没有显著性相关。第1 步 选择菜单：分析相关双变量，打开如图对话框，将“花瓣长”、“花枝长”和“花萼长”两变量移入变量框中；相关系数选择Pearson；在显著性检验中选择双侧检验；单击选项按钮，选中统计量下的两项，计算结果中将输出均值和标准差。 第2步 主要结果及分析 相关分析的主要结果，其中包括了叉积离差矩阵、协方差矩阵、Pearson 相关系数及相伴概率p 值。从表中可看出，相关系数0.697大于0，说明呈正相关，相关系数的显著性等于0.0250.05，因此应接受原假设（H0: 影响因素和销量有显著性相关），即说明这百米名次和跳高名次在0.05显著性水平下具有显著相关性。6. 某公司太阳镜销售情况如表7.24所示，请分析销售量与平均价格、广告费用和日照时间之间的关系，并说明此题用偏相关分析是否有实际意义（显著性水平为0.05）。（数据文件：data7-12.sav）解：问题解决原理：两变量相关分析Ho:P0.05,影响因素和销量不具有显著性影响。第1 步 选择菜单：分析相关双变量，打开如图对话框，将“价格”、“广告费用”、“日照时间”、“月份”、“销量”变量移入变量框中；相关系数选择Pearson；在显著性检验中选择双侧检验；单击选项按钮，选中统计量下的两项，计算结果中将输出均值和标准差。 第2步 主要