spss课后习题

1、第三章 统计描述3-3数据集0 统计量销售额N有效30缺失0均值277.4000中值277.0000标准差28.24596百分位数25256.000050277.000075301.0000销售额频率百分比有效百分比累积百分比有效210.0013.33.33.3234.0013.33.36.7239.0013.33.310.0249.0026.76.716.7252.0013.33.320.0256.0026.76.726.7257.0013.33.330.0258.0013.33.333.3265.0013.33.336.7267.0013.33.340.0268.0013.33.343.3

2、273.0013.33.346.7276.0013.33.350.0278.0026.76.756.7286.0013.33.360.0290.0013.33.363.3297.0013.33.366.7298.0026.76.773.3301.0026.76.780.0309.0013.33.383.3310.0013.33.386.7311.0013.33.390.0316.0013.33.393.3318.0013.33.396.7322.0013.33.3100.0合计30100.0100.03-4 答：应采用方差、标准差来比较成年组和幼儿组的身高差异，分析结果如下数据集2 描述统计量

3、N极小值极大值均值标准差方差成年10168.00180.00173.80004.1579917.289幼年1068.0075.0071.00002.403705.778有效的 N （列表状态）10 答：通过分析，成年组的身高方差为17.29，标准差为4.16；幼儿组的身高方差为5.78，标准差为2.40。 第四章 均值比较和T4检验4-4均值数据集1 案例处理摘要案例已包含已排除总计N百分比N百分比N百分比组别 * 血压12100.0%0.0%12100.0%报告组别血压均值N标准差方差102.002.001.107.001.502.707.500108.002.001.115.001.001

4、.120.001.502.707.500123.002.001.127.001.001.138.001.001.141.001.001.152.002.001.总计1.5012.522.273DATASET ACTIVATE 数据集0. GET FILE='C:TDDOWNLOAD6.5.sav'. DATASET ACTIVATE 数据集0. DATASET CLOSE 数据集2. DATASET ACTIVATE 数据集1. DATASET CLOSE 数据集0.4-5NEW FILE. T-TEST GROUPS=组名(0 1) /MISSING=ANALYSIS /VA

5、RIABLES=成绩 /CRITERIA=CI(.95).T检验附注创建的输出09-十一月-2010 13时24分20秒注释输入活动的数据集数据集3过滤器<none>权重<none>拆分文件<none>工作数据文件中的 N 行40缺失值处理缺失的定义用户定义的缺失值将作为缺失对待。使用的案例每个分析的统计量是根据分析中的每个变量的值都不缺失或超出范围的案例计算的。语法T-TEST GROUPS=组名(0 1) /MISSING=ANALYSIS /VARIABLES=成绩 /CRITERIA=CI(.95).资源处理器时间0:00:00.015已用时间0:0

6、0:00.04645数据集3 组统计量组名N均值标准差均值的标准误成绩02083.606.7001.49812075.459.1792.053独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值成绩假设方差相等1.110.2993.20738.0038.150假设方差不相等3.20734.768.0038.150独立样本检验均值方程的 t 检验差分的 95% 置信区间标准误差值下限上限成绩假设方差相等2.5413.00613.294假设方差不相等2.5412.99013.310答：用两独立样本T检验进行检验得出，甲乙两个班级学生的数学成绩方差无

7、显著性差异，而这两个班级的学生数学成绩均值之间有差异，甲班成绩要高于乙班同学的数学成绩。第五章 方差分析5-4 ONEWAY 用力肺活量 BY 组别 /STATISTICS HOMOGENEITY /PLOT MEANS /MISSING ANALYSIS.单向附注创建的输出01-十一月-2010 16时11分49秒注释输入活动的数据集数据集2过滤器<none>权重<none>拆分文件<none>工作数据文件中的 N 行29缺失值处理缺失定义用户定义的缺失值以缺失对待。使用的案例每个分析的统计量都基于对于该分析中的任意变量都没有缺失数据的案例。语法ONEWA

8、Y 用力肺活量 BY 组别 /STATISTICS HOMOGENEITY /PLOT MEANS /MISSING ANALYSIS.资源处理器时间0:00:01.406已用时间0:00:03.781数据集2 方差齐性检验用力肺活量Levene 统计量df1df2显著性.408226.669ANOVA用力肺活量平方和df均方F显著性组间10.91925.46097.103.000组内1.46226.056总数12.38128均值图5-5方差齐性检验Levene 统计量df1df2显著性治疗前2.702215.100治疗后4.650215.027成对样本检验成对差分差分的 95% 置信区间均值

9、标准差均值的标准误下限上限对 1治疗前 - 治疗后-39.44424.0645.672-51.411-27.478成对样本检验tdfSig.(双侧)对 1治疗前 - 治疗后-6.95417.000答：这三个组别的接受治疗的患者在接受治疗之前各组之间没有显著性差异，在接受治疗之后，三个组别之间仍然没有显著性差异。第六章 相关分析6-4相关系数Jud1Jud2Jud3Jud4Jud5Jud6Kendall 的 tau_bJud1相关系数1.000.889*.835*.784*.844*.688*Sig.（双侧）.000.000.001.000.002N121212121212Jud2相关系数.88

10、9*1.000.866*.880*.766*.688*Sig.（双侧）.000.000.000.001.002N121212121212Jud3相关系数.835*.866*1.000.794*.729*.636*Sig.（双侧）.000.000.000.001.005N121212121212Jud4相关系数.784*.880*.794*1.000.819*.551*Sig.（双侧）.001.000.000.000.015N121212121212Jud5相关系数.844*.766*.729*.819*1.000.615*Sig.（双侧）.000.001.001.000.006N1212121

11、21212Jud6相关系数.688*.688*.636*.551*.615*1.000Sig.（双侧）.002.002.005.015.006.N121212121212Jud7相关系数.719*.844*.729*.709*.615*.677*Sig.（双侧）.001.000.001.002.006.002N121212121212Jud8相关系数.375.250.326.252.308.215Sig.（双侧）.097.268.147.266.168.335N121212121212Spearman 的 rhoJud1相关系数1.000.963*.933*.899*.942*.817*Sig

12、.（双侧）.000.000.000.000.001N121212121212Jud2相关系数.963*1.000.945*.940*.912*.842*Sig.（双侧）.000.000.000.000.001N121212121212Jud3相关系数.933*.945*1.000.892*.847*.803*Sig.（双侧）.000.000.000.001.002N121212121212Jud4相关系数.899*.940*.892*1.000.929*.677*Sig.（双侧）.000.000.000.000.016N121212121212Jud5相关系数.942*.912*.847*.9

13、29*1.000.746*Sig.（双侧）.000.000.001.000.005N121212121212Jud6相关系数.817*.842*.803*.677*.746*1.000Sig.（双侧）.001.001.002.016.005.N121212121212Jud7相关系数.875*.944*.889*.845*.800*.847*Sig.（双侧）.000.000.000.001.002.001N121212121212Jud8相关系数.576.408.457.406.484.291Sig.（双侧）.050.187.135.190.111.358N121212121212*. 在置信

14、度（双测）为 0.01 时，相关性是显著的。*. 在置信度（双测）为 0.05 时，相关性是显著的。相关系数Jud7Jud8Kendall 的 tau_bJud1相关系数.719*.375Sig.（双侧）.001.097N1212Jud2相关系数.844*.250Sig.（双侧）.000.268N1212Jud3相关系数.729*.326Sig.（双侧）.001.147N1212Jud4相关系数.709*.252Sig.（双侧）.002.266N1212Jud5相关系数.615*.308Sig.（双侧）.006.168N1212Jud6相关系数.677*.215Sig.（双侧）.002.335

15、N1212Jud7相关系数1.000.246Sig.（双侧）.270N1212Jud8相关系数.2461.000Sig.（双侧）.270.N1212Spearman 的 rhoJud1相关系数.875*.576Sig.（双侧）.000.050N1212Jud2相关系数.944*.408Sig.（双侧）.000.187N1212Jud3相关系数.889*.457Sig.（双侧）.000.135N1212Jud4相关系数.845*.406Sig.（双侧）.001.190N1212Jud5相关系数.800*.484Sig.（双侧）.002.111N1212Jud6相关系数.847*.291Sig.（

16、双侧）.001.358N1212Jud7相关系数1.000.344Sig.（双侧）.274N1212Jud8相关系数.3441.000Sig.（双侧）.274.N1212*. 在置信度（双测）为 0.01 时，相关性是显著的。*. 在置信度（双测）为 0.05 时，相关性是显著的。有分析可知：裁判1至裁判7的判决结果比较类似，裁判8与其他7名裁判在平分上有显著差异。6-5 PARTIAL CORR /VARIABLES=v1 v2 v3 BY v4 /SIGNIFICANCE=TWOTAIL /STATISTICS=CORR /MISSING=LISTWISE.偏相关数据集1 C:Docume

17、nts and Settingsuser桌面相关性控制变量v1v2v3v4-无-av1相关性1.000.719.602.342显著性（双侧）.000.001.075df0262626v2相关性.7191.000.958.826显著性（双侧）.000.000.000df2602626v3相关性.602.9581.000.934显著性（双侧）.001.000.000df2626026v4相关性.342.826.9341.000显著性（双侧）.075.000.000.df2626260v4v1相关性1.000.824.839显著性（双侧）.000.000df02525v2相关性.8241.000.9

18、27显著性（双侧）.000.000df25025v3相关性.839.9271.000显著性（双侧）.000.000.df25250a. 单元格包含零阶 (Pearson) 相关。第七章 回归分析7-4利用非线性回归分析的方法进行分析得出如下结果：模型汇总和参数估计值因变量:y方程模型汇总参数估计值R 方Fdf1df2Sig.常数线性.051.974118.337对数.0631.219118.284倒数.0751.452118.244二次.1841.918217.177三次.1942.050217.159复合.0691.334118.263144.928幂.0821.610118.221.656

19、S.0941.857118.1906.779增长.0691.334118.2634.976指数.0691.334118.263144.928Logistic.0691.334118.263.007自变量为 x。模型汇总和参数估计值因变量:y方程参数估计值常数b1b2b3线性74.346.296对数-1811.633316.488倒数703.053-324293.807二次-2946.8596.570-.003三次-2050.3003.612.000-1.139E-6复合1.001幂.908S-915.785增长.001指数.001Logistic.999自变量为 x。由上表可以看出拟合度最优的

20、是三次函数，故y对x的回归方程为×106x37-5 模型汇总和参数估计值因变量:y方程模型汇总参数估计值R 方Fdf1df2Sig.常数b1倒数.72510.53814.031168.698605.604自变量为 x。 经分析得到的结果如上图所示，（1）由上图可知y对x的回归方程为：y=168.698+605.604/x （2）由R2=0.725可得R=0.851，即y对1/x的相关系数为0.851。7-6（1）根据题中所给的数据可知判决系数R2=SSR/SST=1252.095/1790.550=0.699，由此可以判定两者之间的拟合度较好，有部分的观测值落下了回归线上。建立的假设

21、为： H0：0=1H1：0和1不全为0。通过题中数据可以知道，F的相伴概率小于，因此拒绝原假设，接受备则假设，即两者之间的线性关系不显著。 （2）据题可得出估计回归方程为y=8.184+0.855x,其中的回归系数表明高等数学对概率统计的线性影响程度。建立的假设与（1）中相同，由第二个表中的t检验的相伴概率小于可得出结论：接受备则假设，即高等数学对概率统计具有显著的影响作用。7-7 模型汇总和参数估计值因变量:y方程模型汇总R 方Fdf1df2Sig.对数.80244.470111.000三次.89124.42239.000自变量为 x。模型汇总和参数估计值因变量:y方程参数估计值常数b1b2

22、b3对数106.4971.591三次104.4501.507-.119.003自变量为 x。经分析得到如上图表，由以上图表可知三次函数的曲线的拟合度更好。第八章8-4 答：采用Q型聚类。聚类表阶群集组合首次出现阶群集群集 1群集 2系数群集 1群集 2下一阶1412.100002214.1200153617.350001141315.3600012518.45020126719.59000157210.750001181420.980001393111.100001010391.320901511261.6157314121131.9925417135142.0300816142182.3151101815372.3551061616353.08715131717135.105121619182166.70614019191215.33317180群集成员案例3 群集1:1 12:2 23:3 14:4 15:5 16:6 27:7 18:8 19:9 110:10 211:11 112:12 113:13 114:14 115:15 116:16 317:17 218:18