spss练习题及简-答要点

SPSS 练习题练习题 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 files 2 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 机抽样所选取的 70 的样本数据 选取数据 data select cases 4 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 descriptive 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 mean 7 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 cases 9 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 frequencies 10 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 ok 11 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 课程平均分 选择代表不同总体的变量 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 填 1 2 1 两总体方差是否相等两总体方差是否相等 F 检验 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 看看 eaual variances assumend 2 两总体均值的检验 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 配对差异配对差异 analyze compare means paired samples T paired 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 采用单样本步骤 采用单样本 T 检验 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 菜单选项 Analyze compare means one samples T test 指定检验值指定检验值 在 test 后的框中输入检验值 填 75 最后 ok 分析 分析 N 11 人的平均值 平均值 mean 为 73 7 标准差 标准差 std deviation 为 9 55 均值标准误差均值标准误差 std error mean 为 2 87 t 统计量观测值统计量观测值为 4 22 t 统计量观测值的双尾概率统计量观测值的双尾概率 p 值 值 sig 2 tailed 为 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双尾检验比较 a 和和 p T 统计量观测值的双尾概率 p 值值 sig 2 tailed 为 0 668 a 0 05 所以不能拒绝原假设 且总体均值的总体均值的 95 的置信区间的置信区间为 67 31 80 14 所以 均值在 67 31 80 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 提出假设 提出假设 提出假设 H H H H0 0 0 0 是否接受治疗的急性心肌梗塞患者的病死率相差不显著 H H H H1 1 1 1 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 操作步骤 操作步骤 操作步骤 1 打开数据文件 file open data example1 sav 2 对 count 变量进行 weight cases 处理 data weight 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 3 1 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 统计表格及分析 统计表格及分析 统计表格及分析 表表3 1 是否接受治疗与生存状况的相关性检验成果表 是否接受治疗与生存状况的相关性检验成果表 Chi Square Tests Valuedf Asymp Sig 2 sided Pearson Chi Square6 040 b 1 014 Linear by Linear Association6 0151 014 有效个案数240 表 3 1 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 3 2 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 表表 3 2 急性心肌梗塞患者是否治疗与生死情况的列联表急性心肌梗塞患者是否治疗与生死情况的列联表 状况 status 生存死亡 总数 分组 group 用单参注射液Count18510195 within 分组 group 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 结论 结论 结论 根据表 3 1 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 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160243869291 17 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差 1 打开数据文件 file open data child sav 2 均值比较与检验 Analyze Compare means means 3 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 Deviation 1 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 提出假设 提出假设 提出假设 1 H H H H0 0 0 0 身高与体重受到年龄的影响不显著 H H H H 1 1 1 1 身高与体重受到年龄的影响显著 2 H H H H0 0 0 0 身高与体重受到性别的影响不显著 H H H H1 1 1 1 身高与体重受到性别的影响显著 操作步骤 操作步骤 操作步骤 操作步骤 1 打开数据文件 file open data child sav 2 均值比较与检验 analysis compare means means 3 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 统计表格及分析 统计表格及分析 统计表格及分析 表表7 1 体重 身高与年龄的方差分析表体重 身高与年龄的方差分析表 Sum of Squaresdf Mean SquareFSig 体重 x4 kg 年龄 age Between Groups286 2152143 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7 1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 表表7 2 体重 身高与性别的方差分析表体重 身高与性别的方差分析表 df Mean 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7 2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 显著性水平为 5 统计表格及分析 统计表格及分析 统计表格及分析 统计表格及分析 表表8 1 配对样本的相关性分析表配对样本的相关性分析表 NCorrelationSig Pair 1铁饼 训练前 铁饼 训练 后 24 976 000 H H H H0 0 0 0 铁饼 训练前 和 铁饼 训练后 的数据之间不存在线性关系 H H H H1 1 1 1 铁饼 训练前 和 铁饼 训练后 的数据之间存在线性关系 表8 1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 表表8 2 配对样本配对样本T检验的成果表检验的成果表 Paired Differencestdf Sig 2 tailed Mean Std Deviation Std Error Mean 95 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8 2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 结论 结论 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 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 提出假设 提出假设 提出假设 H H H H0 0 0 0 50 50 0 即学生中文成绩无显著的下降 H H H H1 1 1 1 50 50 0 即学生中文成绩有显著的下降 操作步骤 操作步骤 操作步骤 操作步骤 1 打开数据文件 file open data example sav 2 单一样本的均值检验 analysis compare means One Sample T Test 3 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 统计表格及分析 统计表格及分析 统计表格及分析 表表9 1 数据统计量表数据统计量表 NMeanStd DeviationStd Error Mean 中文 2478 5411 1592 278 表9 1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 Std Deviation 均值的标准差 Std Error Mean 表表9 2 单样本均值检验成果表单样本均值检验成果表 Test Value 80 95 Confidence Interval of the Difference tdfSig 2 tailed Mean DifferenceLowerUpper 中文 64023 528 1 458 6 173 25 表9 2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 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 结论 结论 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 H H H H0 0 0 0 1 2 3 即学生英文成绩不受年纪影响 H H H H1 1 1 1 1 2 3不完全相等 即学生英文成绩受年纪影响 操作步骤 操作步骤 操作步骤 操作步骤 1 打开数据文件 file open data example sav 2 单因方差分析检验 Analysis Compare Means One Way ANOVA 3 在 dependent 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 统计表格及分析 统计表格及分析 统计表格及分析 表表10 1 数据方差分析表数据方差分析表 Sum of SquaresdfMean SquareFSig Between Groups105 000335 000 283 837 Within Groups2475 00020123 750 Total2580 00023 表10 1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 提出假设 提出假设 提出假设 H H H H0 0 0 0 身高与臂长间不存在显著的相关关系 H H H H1 1 1 1 身高与臂长间存在显著的相关关系 操作步骤 操作步骤 操作步骤 操作步骤 1 打开数据文件 file open data example4 sav 2 相关性检验 Correlation Bivariate 3 选择 Pearson 积距相关 在 option 子框中选择 means Sd 统计表格及分析 统计表格及分析 统计表格及分析 统计表格及分析 表表11 1 描述统计量表描述统计量表 MeanStd DeviationN 身高 cm 172 5010 34110 臂长 cm 45 402 95110 表11 1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 表表11 2 相关分析成果表相关分析成果表 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 tailed 002 N1010 Correlation is significant at the 0 01 level 1 tailed 表11 2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 结论 结论 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 请计算其相关系数 example sav 提出假设 提出假设 提出假设 提出假设 H H H H0 0 0 0 学生铁饼与标枪成绩之间不存在显著关系 H H H H1 1 1 1 学生铁饼与标枪成绩之间存在显著关系 操作步骤 操作步骤 操作步骤 操作步骤 1 打开数据文件 file open data example sav 2 相关性检验 Correlation Bivariate 3 选择 Pearson 积距相关 在 option 子框中选择 means Sd 统计表格及分析 统计表格及分析 统计表格及分析 统计表格及分析 表表12 1 描述统计量表描述统计量表 MeanStd DeviationN 标枪 m 32 7912 47624 铁饼 训练前 8 1541 647924 表11 1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 表表12 2 相关分析成果表相关分析成果表 标枪 m 铁饼 训练前 标枪 m Pearson Correlation1 644 Sig 1 tailed 000 N2424 铁饼 训练前 Pearson Correlation 644 1 Sig 1 tailed 000 N2424 Correlation is significant at the 0 01 level 1 tailed 表12 2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 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 结论 结论 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 提出假设 提出假设 提出假设 H H H0 0 0 1 2 0 即左眼视力与右眼视力间不存在显著的相关关系 H H H1 1 1 1 2 0 即左眼视力与右眼视力间存在显著的相关关系 操作步骤 操作步骤 操作步骤 操作步骤 1 打开数据文件 file open data child sav 2 相关性检验 Correlation Bivariate 3 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 统计表格及分析 统计表格及分析 统计表格及分析 表表13 1 描述统计量表描述统计量表 MeanStd DeviationN 左眼视力 x9 1 039 294696 右眼视力 x10 1 033 293396 表13 1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 表表13 2 相关分析成果表相关分析成果表 左眼视力 x9 右眼视力 x10 左眼视力 x9 Pearson Correlation1 779 Sig 1 tailed 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13 2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 结论 结论 结论 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 提出假设 提出假设 提出假设 H H H H0 0 0 0 身高与肺活量的偏相关系数与零无显著差异 H H H H1 1 1 1 身高与肺活量的偏相关系数与零有显著差异 操作步骤 操作步骤 操作步骤 操作步骤 1 打开数据文件 file open data example5 sav 2 偏相关计算 Analyze Correlate Partial 3 把参与分析的变量 身高 肺活量 选择到 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 统计表格及分析 统计表格及分析 统计表格及分析 表表14 1 偏相关因素的偏相关分析成果表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 001 000 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 df260 a 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 结论 结论 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 Analyze Regression Linear 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 操作步骤 操作步骤 操作步骤 1 打开数据文件 file open data example7 sav 2 线性回归 Analyze Regression Linear 3 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 3 840 F to remove 2 710 由17 1可知 使用逐步回归法 只有变量铁被引入方程 其他变量被剔除 见表 17 2 表表 17 3 系数分析表 逐步回归法 系数分析表 逐步回归法 Unstandardized Coefficients Standardized Coefficients Model B Std ErrorBetatSig Constant 6571 276 515 611 1 铁 Fe 029 003 8638 894 000 由上表可得出Fe对hemog1的线性方程为Y 0 657 0 029X 4 强迫剔除法 强迫剔除法 Remove 剔除所有变量 5 向后逐步回归法 向后逐步回归法 Backward 统计表格及分析 统计表格及分析 统计表格及分析 表表17 4 变量输入输出表变量输入输出表 ModelVariables EnteredVariables RemovedMethod 1铁 Fe 铜 Cu 锰 Mn 钙 Ca 镁 Mg Enter 2 镁 Mg Backward Criterion F to remove 2 710 3 锰 Mn Backward Criterion F to remove 2 710 由表 17 4 只能剔除镁 锰 故将铁和钙引入方程 表表17 5 系数表 向后回归法 系数表 向后回归法 Unstandardized Coefficients Standardized Coefficients Model BStd ErrorBetatSig Constant 1 0721 551 691 496 钙 Ca 040 022 177 1 815 081 1 铁 Fe 031 003 9179 382 000 由上表可得出Ca与Fe对于hemog1的方程Y 1 072 0 040X1 0 031X2 6 向