统计学作业.doc

精品文档统计软件学期作业 学 院： 理学院 专 业： 统计学 学 号： 1109030133 姓 名： 郑文星 指导教师： 马建军 一. 在T1.sav中数据为某工厂职工的部分基本信息,其中性别变量中男女分别用1,2表示,按教育程度共分为5类,婚姻状况中用0代表未婚,1代表已婚.(1) 决策者希望了解不同受教育水平已婚职工和未婚职工之间的收入差别,试用一条形图反映有关信息.(2) 绘制一线图,以反映出不同受教育水平的男职工和女职工之间的收入差异.(3) 绘制出反映不同受教育程度员工数量的饼图.(4) 绘制一散点图,反映出不同工作年限类别员工的工作满意程度.(5) 绘制出可以反映不同工作年限类别收入水平的箱图.二 在T2.sav中给出了2007年某股票83个交易日的交易信息.(1) 绘制反映该股票每日价格最高值和最低值信息的高低图.(2)绘制出该股票每个交易日收盘价的时间序列图,并对每日收盘价格进行自相关分析.自相关分析：模型描述模型名称MOD_2序列名1High转换无非季节性差分0季节性差分0季节性期间的长度无周期性最大滞后数16为计算自相关的标准误而假定的过程独立性（白噪音）a显示并绘图所有滞后正在应用来自 MOD_2 的模型指定。a. 不适用于计算偏自相关的标准误。个案处理摘要High序列长度83缺失值数用户缺失0系统缺失0有效值数83可计算的第一滞后数82自相关图序列:High滞后自相关标准 误差aBox-Ljung 统计量值dfSig.b1.688.10840.6661.0002.603.10772.2942.0003.596.106103.5733.0004.359.106115.0524.0005.428.105131.6295.0006.345.104142.5176.0007.181.104145.5717.0008.175.103148.4548.0009.168.102151.1489.00010.240.102156.72810.00011.235.101162.13811.00012.227.100167.27512.00013.146.100169.41713.00014.068.099169.88814.00015.061.098170.28015.00016-.020.097170.32016.000a. 假定的基础过程是独立性（白噪音）。b. 基于渐近卡方近似。(3)创建一双轴线图,使之同时反映出该股票每日收盘价格和交易量.三 某调查者想考察果汁饮料销售量的影响因素,为此调查者观察了碳酸饮料销售量, 茶饮料销售量, 固体冲泡饮料销售量和咖啡类饮料的销售量,单位均为万升, 全部数据如果T3.sav文件中. 试利用相关分析或偏相关分析研究果汁饮料与碳酸饮料销售量的相关性.相关分析：描述性统计量均值标准差N碳酸饮料销售量45.895318.8392615果汁销售量25.98934.9280115相关性碳酸饮料销售量果汁销售量碳酸饮料销售量Pearson 相关性1.826*显著性（双侧）.000平方与叉积的和4968.8491073.660协方差354.91876.690N1515果汁销售量Pearson 相关性.826*1显著性（双侧）.000平方与叉积的和1073.660339.993协方差76.69024.285N1515*. 在 .01 水平（双侧）上显著相关。Pearson相关系数为0.825，二者之间的不相关的双侧显著值为0.000F(1,12）。系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)46.4602.76216.820.000培养天数-.753.075-.941-10.031.000a. 因变量: 活性（回归系数的显著性检验）由上表得知t=16.820,所以认为该回归系数与零有显著差异，该自变量与因变量之间存在显著地线性关系。五 在文件T5.sav中是研究脑溢血发病机制的数据文件,包括病人和正常人的六项指标, 其中病人为分组序号为”1”, 正常人为”0”. 希望建立上述指标与脑溢血发病之间的联系,以便可以对脑溢血的发病进行早期诊断.(提示可以利用logistic回归或判别分析)判别分析：分析案例处理摘要未加权案例N百分比有效60100.0排除的缺失或越界组代码0.0至少一个缺失判别变量0.0缺失或越界组代码还有至少一个缺失判别变量0.0合计0.0合计60100.0上图给出了样本数量、有效值和剔除值的相关信息。表5-2组统计量分组均值标准差有效的 N（列表状态）未加权的已加权的0总胆固醇181.200031.178463030.000甘油三脂144.200075.811653030.000高密度胆固醇48.866713.069403030.000低密度胆固醇100.766729.196933030.000载脂蛋白A11.1377.256583030.000载脂蛋白B.8097.174133030.0001总胆固醇212.966740.007313030.000甘油三脂179.500082.077653030.000高密度胆固醇36.70006.884013030.000低密度胆固醇133.266740.401383030.000载脂蛋白A11.0443.210183030.000载脂蛋白B.9320.225553030.000合计总胆固醇197.083339.001216060.000甘油三脂161.850080.331066060.000高密度胆固醇42.783312.036806060.000低密度胆固醇117.016738.598546060.000载脂蛋白A11.0910.237256060.000载脂蛋白B.8708.209086060.000上图给出了各组和所有预测的均值、标准差和加权与未加权的有效值。表5-3特征值函数特征值方差的 %累积 %正则相关性1.631a100.0100.0.622a. 分析中使用了前 1 个典型判别式函数。表5-4Wilks 的 Lambda函数检验Wilks 的 Lambda卡方dfSig.1.61326.9136.000上图给出了Wilks的Lambda检验的结果，从检验结果可以看出，引入的变量对提高分类精度是有作用的。表5-5标准化的典型判别式函数系数函数1总胆固醇.186甘油三脂-.017高密度胆固醇-.985低密度胆固醇.316载脂蛋白A1.338载脂蛋白B.166表5-6结构矩阵函数1高密度胆固醇-.746低密度胆固醇.590总胆固醇.567载脂蛋白B.389甘油三脂.286载脂蛋白A1-.255判别变量和标准化典型判别式函数之间的汇聚组间相关性 按函数内相关性的绝对大小排序的变量。上图给出了判别函数的系数与结构矩阵，可以看出，所有变量均在判别分析中使用。表5-7组质心处的函数分组函数10-.7811.781在组均值处评估的非标准化典型判别式函数上图给出了组重心处的判别函数值。表5-8组的先验概率分组先验用于分析的案例未加权的已加权的0.5003030.0001.5003030.000合计1.0006060.000上图给出了两个组的先验概率。预测的分组结果作为新的变量被保存，从中我们可以看出这60位人员的分组，并可以看出spss对未分类观测进行的分类，分类被保存在“Dis_1”变量中，“1”表示病人，“0”表示正常人，与我们在建立变量时的设置有微小的出入，有13个分组不一样。六 根据我国历年钢产量的数据,(可以查或其它统计数据资源), 试分析拟合钢铁产量的长期趋势.曲线拟合：模型描述模型名称MOD_3因变量1钢铁产量（万吨）方程1线性2对数3二次4增长a5指数a自变量年份常数包含其值在图中标记为观测值的变量未指定用于在方程中输入项的容差.0001a. 该模型要求所有非缺失值为正数。个案处理摘要N个案总数18已排除的个案a0已预测的个案0新创建的个案0a. 从分析中排除任何变量中带有缺失值的个案。变量处理摘要变量因变量自变量钢铁产量（万吨）年份正值数1818零的个数00负值数00缺失值数用户自定义缺失00系统缺失00模型汇总和参数估计值因变量:钢铁产量（万吨）方程模型汇总参数估计值R 方Fdf1df2Sig.常数b1b2线性.80666.5331165894747.585对数.80566.174116.000-7.207E79487756.038二次.80766.895116664.0001.188增长.936234.428116.000-221.070.116指数.936234.428116.0009.783E-97.116自变量为 年份。由以上结果得出给出的五种曲线估计中指数模型拟合的曲线与原始观测值拟合得最好，而其他的都有许多观察点没有拟合好。因此，由拟合图的直观观察来看，指数模型最适合本实验的数据建模。所以我们可以得出钢产量随年份的关系为Y=9.783E-97+. 七 为了验证某种药物的疗效,对35位患者进行了观察. 首先记录了治疗前的测试数据,然后记录了治疗后的测试数据(详见T6.sav). 试分析该药品是否具有显著的疗效.配对样本T检验：成对样本统计量均值N标准差均值的标准误对 1服药前的检查值88.8286355.85353.98943服药后的检查值81.5829357.880711.33208服药前后的检查值均值，标准差，均值的标准误差。直观上看，服药前后的检查值有显著差别。成对样本相关系数N相关系数Sig.对 1服药前的检查值 & 服药后的检查值35.559.000成对样本的相关系数，相关系数0.5590，响应的概率值为0，服药前后相关系数十分显著。成对样本检验成对差分tdfSig.(双侧)均值标准差均值的标准误差分的 95% 置信区间下限上限对 1服药前的检查值 - 服药后的检查值7.245716.694091.131514.946229.545216.40434.000T检验的概率值为00.05,该药品有显著的疗效八 在文件T7.sav中是少年学生的体质状况的数据. 其中脉搏,身高,体重,坐高,胸围为身体指标, 立定跳远, 小球掷远,体前屈, 10米往返跑和双脚连续跳为体质指标.1)试分析身体指标和体质指标的相关性2)将少年学生按身体素质的不同分为若干类, 并分析每类少年学生身体素质的特点.3)给出评判少年学生身体素质好坏的标准.1）案例处理摘要案例有效缺失合计N百分比N百分比N百分比485100.0%0.0%485100.0%共有485个个案，缺失值为0近似矩阵 值向量间的相关性 脉搏身高体重坐高胸围立定跳远小球掷远体前屈10米往返跑双脚连续跳脉搏1.000-.105-.056-.124-.027-.071-.058-.109.099.061身高-.1051.000.693.756.497.308.201-.069-.242-.129体重-.056.6931.000.632.709.208.134.017-.098-.131坐高-.124.756.6321.000.456.288.194.058-.237-.145胸围-.027.497.709.4561.000.161.118.059-.084-.039立定跳远-.071.308.208.288.1611.000.377.176-.366-.320小球掷远-.058.201.134.194.118.3771.000.106-.253-.132体前屈-.109-.069.017.058.059.176.1061.000-.023-.16210米往返跑.099-.242-.098-.237-.084-.366-.253-.0231.000.278双脚连续跳.061-.129-.131-.145-.039-.320-.132-.162.2781.000这是一个相似性矩阵各变量之间的相似矩阵，由矩阵表知2）分层聚类法* * * * * * * * * * * * * * * * * * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * * * * * * * * * * * * * * * * * * * Dendrogram using Centroid Method Rescaled Distance Cluster Combine C A S E 0 5 10 15 20 25 Label Num +-+-+-+-+-+ 131 130 -+ 132 131 -+ 154 153 -+ 336 335 -+ 76 75 -+ 68 67 -+ 301 300 -+ 477 476 -+ 130 129 -+ 274 273 -+ 21 20 -+ 391 390 -+ 338 337 -+ 195 194 -+ 89 88 -+ 271 270 -+ 334 333 -+ 479 478 -+ 296 295 -+ 353 352 -+ 320 319 -+ 272 271 -+ 434 433 -+ 374 373 -+ 474 473 -+ 427 426 -+ 111 110 -+ 363 362 -+ 238 237 -+ 482 481 -+ 263 262 -+ 167 166 -+ 286 285 -+ 125 124 -+ 244 243 -+ 106 105 -+ 335 334 -+ 70 69 -+ 250 249 -+ 249 248 -+ 342 341 -+ 428 427 -+ 348 347 -+ 71 70 -+ 120 119 -+ 429 428 -+ 138 137 -+ 5 4 -+ 72 71 -+ 277 276 -+ 443 442 -+ 265 264 -+ 8 7 -+ 224 223 -+ 264 263 -+ 333 332 -+ 262 261 -+ 303 302 -+ 176 175 -+ 400 399 -+ 287 286 -+ 36 35 -+ 183 182 -+ 390 389 -+ 205 204 -+ 216 215 -+ 38 37 -+ 143 142 -+ 410 409 -+ 178 177 -+ 218 217 -+ 255 254 -+ 288 287 -+ 73 72 -+ 117 116 -+ 219 218 -+ 139 138 -+ 202 201 -+ 291 290 -+ 165 164 -+ 408 407 -+ 322 321 -+ 240 239 -+ 290 289 -+ 141 140 -+ 61 60 -+ 94 93 -+ 458 457 -+ 158 157 -+ 457 456 -+ 236 235 -+ 16 15 -+ 396 395 -+ 6 5 -+ 281 280 -+ 214 213 -+ 349 348 -+ 239 238 -+ 465 464 -+ 79 78 -+ 27 26 -+ 337 336 -+ 156 155 -+-+ 221 220 -+ | 149 148 -+ | 416 415 -+ | 392 391 -+ | 100 99 -+ | 485 484 -+ | 99 98 -+ | 295 294 -+ | 11 10 -+ | 298 297 -+ | 347 346 -+ | 166 165 -+ | 452 451 -+ | 110 109 -+ | 144 143 -+ | 30 29 -+ | 311 310 -+ | 114 113 -+ | 172 171 -+ | 355 354 -+ | 102 101 -+ | 135 134 -+ | 432 431 -+ | 49 48 -+ | 199 198 -+ | 360 359 -+ | 361 360 -+ | 67 66 -+ | 35 34 -+ | 17 16 -+ | 24 23 -+ | 78 77 -+ | 208 207 -+ | 42 41 -+ | 464 463 -+ | 370 369 -+ | 417 416 -+ | 19 18 -+ | 28 27 -+ | 123 122 -+ | 192 191 -+ | 455 454 -+ | 40 39 -+ | 364 363 -+ | 439 438 -+-+ 229 228 -+ | 398 397 -+ | 164 163 -+ | 278 277 -+-+ 317 316 -+ | 198 197 -+ 115 114 -+ 168 167 -+ 365 364 -+-+ 437 436 -+ | 220 219 -+ | 473 472 -+ | 308 307 -+-+ 326 325 -+ | 237 236 -+ | 451 450 -+ | 222 221 -+ | 453 452 -+ | 191 190 -+ | 242 241 -+ | 357 356 -+ | 315 314 -+ | 324 323 -+-+ 367 366 -+ | 292 291 -+ | 313 312 -+ | 472 471 -+ | 4 3 -+ | 179 178 -+ | 273 272 -+ | 137 136 -+ | 414 413 -+ | 83 82 -+ | 412 411 -+ | 259 258 -+ | 397 396 -+ | 413 412 -+-+ 316 315 -+ | 389 388 -+ | 45 44 -+ | 375 374 -+ | 124 123 -+ | 180 179 -+ | 395 394 -+ | 88 87 -+ | 304 303 -+ | 77 76 -+ | 372 371 -+ | 62 61 -+ | 235 234 -+ | 381 380 -+ | 476 475 -+ | 2 1 -+ | 33 32 -+ | 48 47 -+ | 269 268 -+ | 382 381 -+ | 469 468 -+ | 210 209 -+ | 74 73 -+ | 91 90 -+ | 32 31 -+ | 93 92 -+ | 460 459 -+ | 345 344 -+ | 402 401 -+ | 20 19 -+ | 60 59 -+ | 462 461 -+ | 480 479 -+ | 142 141 -+ | 297 296 -+ | 306 305 -+ | 84 83 -+ | 230 229 -+ | 280 279 -+ | 47 46 -+ | 380 379 -+ | 321 320 -+ | 29 28 -+ | 75 74 -+ | 39 38 -+ | 399 398 -+ | 323 322 -+ | 101 100 -+ | 251 250 -+ | 430 429 -+ | 22 21 -+ | 87 86 -+ | 268 267 -+ | 446 445 -+ | 234 233 -+ | 387 386 -+ | 233 232 -+ | 252 251 -+ | 289 288 -+ | 51 50 -+ | 378 377 -+ | 270 269 -+ | 122 121 -+ | 228 227 -+ | 121 120 -+ +-+ 136 135 -+ | | 160 159 -+ | | 366 365 -+ | | 243 242 -+ | | 85 84 -+ | | 223 222 -+ | | 384 383 -+ | | 245 244 -+ | | 157 156 -+ | | 393 392 -+ | | 467 466 -+ | | 211 210 -+ | | 369 368 -+ | | 346 345 -+ | | 423 422 -+ | | 256 255 -+ | | 162 161 -+ | | 175 174 -+-+ | 206 205 -+ | | 119 118 -+ | | 351 350 -+ | | 152 151 -+ | | 350 349 -+ | | 90 89 -+ | | 328 327 -+ | | 248 247 -+ | | 64 63 -+ | | 318 317 -+ | | 261 260 -+ | | 422 421 -+ | | 424 423 -+ | | 426 425 -+ | | 44 43 -+ | | 65 64 -+ | | 329 328 -+ | | 95 94 -+ | | 3 2 -+ | | 63 62 -+ | | 253 252 -+ | | 267 266 -+ | | 352 351 -+ | | 373 372 -+ | | 343 342 -+ | | 459 458 -+ | | 394 393 -+ | | 435 434 -+ | | 354 353 -+ | | 383 382 -+ | | 174 173 -+ | | 10 9 -+ | | 266 265 -+ | | 481 480 -+ | | 200 199 -+ | | 386 385 -+ | | 118 117 -+ | | 377 376 -+ | | 133 132 -+ | +-+ 314 313 -+ | | | 484 483 -+ | | | 247 246 -+ | | | 55 54 -+ | | | 379 378 -+ | | | 421 420 -+ | | | 194 193 -+ | | | 344 343 -+ | | | 282 281 -+ | | | 307 306 -+ | | | 445 444 -+ | | | 59 58 -+ | | | 66 65 -+ | | | 257 256 -+ | | | 411 410 -+ | | 104 103 -+ | | 170 169 -+ | | 376 375 -+ | | | 461 460 -+-+ | | 319 318 -+ | | | 293 292 -+ | | | 299 298 -+ | | | 448 447 -+ | | | 468 467 -+ | | | 362 361 -+ | | | 193 192 -+ | | | 186 185 -+ | | | 108 107 -+ | | | 456 455 -+ | | | 401 400 -+ | | | 436 435 -+ | | | 470 469 -+ | | | 356 355 -+ | | | 471 470 -+ | | | 50 49 -+ | | | 163 162 -+ | | | 181 180 -+ | | | 231 230 -+ | | | 17