《统计分析与SPSS的应用(第五)》课后练习doc

《统计分析与SPSS的应用(第五版)》课后练习答案.doc(1)《统计分析与SPSS的应用(第五版)》课后练习答案.doc(1)35/35《统计分析与SPSS的应用(第五版)》课后练习答案.doc(1)《统计分析与SPSS的应用（第五版）》课后练习答案第一章练习题答案1、SPSS的中文全名是：社会科学统计软件包（后更名为：统计产品与服务解决方案）英文全名是：StatisticalPackagefortheSocialScience.(StatisticalProductandServiceSolutions)2、SPSS的两个主要窗口是数据编写器窗口和结果查察器窗口。数据编写器窗口的主要功能是定义SPSS数据的构造、录入编写和管理待分析的数据；结果查察器窗口的主要功能是现实管理SPSS统计分析结果、报表及图形。3、SPSS的数据集：SPSS运转时可同时翻开多个数据编写器窗口。每个数据编写器窗口分别显示不同样的数据会合（简称数据集）。活动数据集：此中只有一个数据集为目前数据集。SPSS只对某时辰的目前数据集中的数据进行分析。4、SPSS的三种基本运转方式：圆满窗口菜单方式、程序运转方式、混淆运转方式。圆满窗口菜单方式：是指在使用SPSS的过程中，所有的分析操作都经过菜单、按钮、输入对话框等方式来达成，是一种最常有和最广泛的使用方式，最大长处是简洁和直观。程序运转方式：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，此后将编写好的程序一次性提交给计算机履行。该方式合用于大规模的统计分析工作。混淆运转方式：是前二者的综合。5、.sav是数据编写器窗口中的SPSS数据文件的扩展名.spv是结果查察器窗口中的SPSS分析结果文件的扩展名.sps是语法窗口中的SPSS程序6、SPSS的数据加工和管理功能主要集中在编写、数据等菜单中；统计分析和画图功能主要集中在分析、图形等菜单中。7、概率抽样(probabilitysampling)：也称随机抽样，是指按必定的概率以随机原则抽取样本，抽取样本时每个单位都有必定的机会被抽中，每个单位被抽中的概率是已知的，或是可以计算出来的。概率抽样包含简单随机抽样、系统抽样（等距抽样）、分层抽样（种类抽样）、整群抽样、多阶段抽样等。简单随机抽样(simplerandomsampling)：从包含整体N个单位的抽样框中随机地抽n个单位作为样本，每个单位抽入样本的概率是相等的。是最基本的抽样方法，是其余抽样方法的基础。长处：简单、直观，在抽样框圆满时，可直接从中抽取样本，用样本统计量对整体参数进行预计比较方便。限制性：当N很大时，不易构造抽样框，抽出的单位很分别，给实行检查增添了困难。分层抽样(stratifiedsampling)：将抽样单位按某种特点或某种规则区分为不同样的层，此后从不同样的层中独立、随机地抽取样本。长处：保证样本的构造与整体的构造比较周边，进而提升预计的精度，组织实行检查方便(当层是以行业或行政区区分时)，既可以对整体参数进行预计，也可以对各层的参数进行预计。整群抽样(clustersampling)：将整体中若干个单位归并为组(群),抽样时直接抽取群，此后对选中群中的所有单位所有实行检查。长处：抽样时只要群的抽样框，可简化工作量；检查的地址相对集中，节俭检查开销，方便检查的实行。弊端：预计的精度差。系抽(systematicsampling)：将体中的所有位(抽位)按必定序摆列，在定的范内随机地抽取一个位作初始位，此后按起初定好确实定其余本位，先从数字1到k之随机抽取一个数字r作初始位，此后挨次r+k，r+2k⋯等位。点：操作便，可提升估的精度。弊端：估计方差的估困。多段抽(multi-stagesampling)：先抽取群，但其实不是群内的所有位，而是再行一步抽，从中的群中抽拿出若干个位行。群是初抽位，第二段抽取的是最抽位。将方法实行，使抽的段数增添，就称多段抽。点：拥有整群抽的点，保真相集中，用。在大模的抽中，常被采纳的方法。非概率抽是指抽取本不是依据随机原，而是依据研究目的数据的要求，采纳某种方式从体中抽出部分位其施，包含方便抽、自觉抽、配抽、判断抽和雪球抽等。方便抽：本限于体中易于抽到的一部分。最常的方便抽是偶遇抽，即研究者将在某一和境中所碰到的每一体位均作本成。“街人法”就是一种偶遇抽。方便抽是非随机抽中最的方法，省省，但本代表性因受有时要素的影响太大而得不到保。自觉抽：某些被者来是不快乐的、麻的，方便起就采纳以自觉被者本的方法。判断抽：研究人从体中那些被判断最能代表体的位作本的抽方法。当研究者自己的研究域十分熟习，研究体比认识采纳种抽方法，可代表性高的本。种抽方法多用于体小而内部差别大的状况，以及在体界没法确立或因研究者的与人力、物力有限采纳。雪球抽：以若干个拥有所需特点的人最先的象，此后依赖他供给的合格的象，再由些人供给第三批象，⋯⋯挨次推，本忧如雪球般由小大。雪球抽多用于体位的信息不足或察性研究的状况。种抽中有些分子最后仍没法找到，有些分子被供给者漏而不提，二者都可能造成差。配抽也称定抽，是将体依某种准分（群）；此后依据各本数与体数成比率的原主抽取本。配抽与分概率抽很凑近，最大的不同样是分概率抽的各本是随机抽取的，而配抽的各本是非随机的。体也可依据多种准的合分(群)，比方，在研究自，考到婚姻与性都可能自有影响，可将研究象分未婚男性、已婚男性、未婚女性和已婚女性四个，此后从各群非随机地抽。配抽是平常使用的非概率抽方法，本除所外没法保代表性。8、利用SPSS行数据分析的一般步：数据的准--数据的加工理--数据的分析--分析果的和解。第二章答案1、SPSS中两个基本的数据方式：原始数据的方式和数数据的方式。原始数据的方式：待分析的数据是一些原始的卷数据，或是一些基本的指。数数据的方式：所收集的数据不是原始的卷数据，而是分后的数据。2、个案：在原始数据的组织方式中，数据编写器窗口中的一行称为一个个案或察看。变量：数据编写器窗口中的一列。3、默认的变量名：VAR；默认的变量种类：数值型。变量名标签和变量值标签可加强统计分析结果的可读性。4、数据文件以以下图：5、缺失值分为用户缺失值（UserMissingValue）和系统缺失值（SystemMissingValue）。用户缺失值指在问卷检查中，将无回答的一些数据以及显然失真的数据看作缺失值来办理。用户缺失值的编码一般用研究者自己可以识其余数字来表示，如“0”、“9”、“99”等。系统缺失值主要指计算机默认的缺失方式，假如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，这时的数据标志为一个圆点“”。在变量视图中定义。6、变量种类包含：数值型（身高）、定序型（受教育程度）以及定种类（性别）。在变量视图中定义。7~9题软件操作，答案略第三章练习题答案1~8题软件操作，答案略9、SPSS排序功能仅实现将察看按用户指定次序从头摆列；拆分功能在挨次摆列的基础上，可以实现对数据按排序变量进行分组，并分组进行后续的统计分析。第四章练习题答案1、Statistics户口所在职业年纪地Valid282282282N000Missing户口所在地FrequencyPercentValidPercentCumulativePercent中心城市200Valid边田野区82Total282职业FrequencyPercentValidPercentCumulativePercent国家机关24商业服务业54文教卫生18公交建筑业15经营性企业18学校15一般田户35种粮棉专业4Valid户种果菜专业10户工商运专业34户退伍人员17金融机构35现役军人3Total282年纪FrequencyPercentValidPercentCumulativePercent20岁以下420~35岁146Valid35~50岁9150岁以上41Total282分析：本次检查的有效样本为282份。常住地的散布状况是：在中心城市的人最多，有200人，而在边田野区只有82人；职业的散布状况是：在商业服务业的人最多，其次是一般田户和金融机构；年纪方面：在35-50岁的人最多。因为变量中无缺失数据，所以频数散布表中的百分比同样。2、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，标准差为，峰度系数为，偏度系数为。与标准正态散布曲线进行比较，由峰度系数可以看出，此表的存款金额的数据散布比标准正态散布更峻峭；由偏度系数可以看出，此表的存款金额的数据为右偏散布，表示此表的存款金额均值对均匀水平的测度偏大。分析：由表中可以看出，中心城市有200人，边田野区为82人。两部分样本存取款金额均呈右偏尖峰散布，且边田野区更显然。3、利用描绘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摆列，绝对值大于3的可视为“别出心裁”的样本。原因：标准化值反应的是样本值与样本均值的差是几个标准差单位。假如标准化值等于0，则表示该样本值等于样本均值；假如标准化值大于0，则表示该样本值大于样本均值；假如标准化值小于0，则表示该样本值小于样本均值。假如标准化值的绝对值大于3，则可以为是异样值。4、利用列联分析实现。第一编制列联表，此后进行卡方查验。以户口和收入的列联分析为例：表中，卡方统计量的察看值等于，概率-P值等于。若显着性水平设为，因为<，拒绝原假定，表示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：2rc(fijofije)2，用于测度各个单元格的察看频数与希望频数的差别，fijei1j1并依卡方理论散布判断差别能否统计显着。因为希望频数代表的是队列变量独立下的散布，所以卡方值越大表示实质散布与希望散布差别越显然。本例中，因为概率P值小于显着性水平，应拒绝原假定，婆媳关系与住处条件相关系。7、将计数数据复原为原始数据，采纳交叉分组下的频数分析，并进行卡方查验。表中，卡方统计量察看值为，对应的概率P-值为，小于显着性水平，应拒绝原假定，说明减肥见效其实不一致。8、多项选择项二分法；102（794份）、101（514份）、401（400份）赚钱比率：%，赔钱比率38%主要依据：基本要素法；最少依据：更跟方法采纳列联分析。卡方查验结果表示：专职和业余投资者在投资结果上存在显着差别。9、（1）变量：汽车价钱、居住地域；种类：定序型变量、定种类变量2）上述是计数数据的组织方式，应第一组织到SPSS的数据编写器窗口中，再利用交叉分组下的频数分析方法。列联分析。原假定：不同样居住区的个人车主接受的汽车价钱拥有一致性的。上表可知，假如显着性水平为，因为卡方查验的概率P-值小于显着性水平，所以应拒绝原假定。第五章练习题答案1、采纳单样本T查验（原假定

H0:u=u0=75,整体均值与查验值之间不存在显着差别）

；N

One-SampleStatisticsMeanStd.Deviation

Std.ErrorMeanVAR00001

11t

df

One-SampleTestTestValue=75Sig.(2-tailed)MeanDifference

95%ConfidenceIntervaloftheDifferenceLower

UpperVAR00001

10

.668分析：N=11人的均匀值（mean）为，标准差（）为，均值标准偏差(stderrormean)为。t统计量的察看值为，t统计量察看值的双尾概率P-值（sig.(2-tailed)）为；六七列是整体均值与原假定值差的95%的置信区间：,。采纳双尾查验比较a和p。T统计量察看值的双尾概率p-值（sig.(2-tailed)）为＞a=所以不可以拒绝原设；且整体均值的

95%的置信区间为

,，查验值包含在置信区间内，所以经理的话是可信的。2、每周上网时间的样本均匀值为，标准差为，整体均值95%的置信区间为、利用两独立样本的T查验实现，实质为两个整体比率差的查验。第一将计数数据经过加权功能复原为原始数据，此后，采纳两独立样本T查验实现。查验变量为行为，分组变量为方式。GroupStatistics方式NMeanStd.DeviationStd.ErrorMean方式一200.4600.49965.03533a2183.8798.32611.02411方式二分析：从上表可以看出票丢仍买的人数比率为46%,钱丢仍买的人数比率为88%,两种方式的样本比率有较大差距。1.两整体方差能否相等F查验：F的统计量的察看值为,对应的P值为,；假如显着性水平为因为概率P值小于两种方式的方差有显着差别。,,看假定方差不相等行的结果。2.两整体均值（比率）差的查验：.T统计量的察看值为,对应的双尾概率为,T统计量对应的概率P值<,故颠覆原假定,表示两整体比率有显着差别.更偏向心理学家的说法。4、本题是单个整体的比率查验问题。第一将数据组织成计数方式，并以数目为加权变量还原为原始数据。此后，采纳独立样本的T查验实现。查验变量为能否开兰花，查验值为。分析：由表知：样本中200棵开兰花的比率为71%。假如整体比率的原假定为，因为T统计量的概率P值大于显着性水平（），不可以拒绝原假定，不可以说与遗传模型不一致。5、方式一：采纳两配对样本t查验PairedSamplesStatisticsMeanNStd.DeviationStd.ErrorMean饲料19Pair19饲料2PairedSamplesCorrelationsNCorrelationSig.饲料1&饲料9.571.108Pair12PairedSamplesTestPairedDifferencestdfSig.MeanStd.Std.Error95%ConfidenceInterval(2-tailed)DeviationMeanoftheDifferenceLowerUpperPair饲料1-8.3061饲料2由上表可知，t统计量察看值为，概率P-值为，大于显着性水平，不该拒绝原假定，不能以为不同样饲料使幼鼠体内钙的保存量出现了显着不同样。方式二：采纳两独立样本t查验由上边的表可知，两组残留的样本均匀值差别不大。由下表可知，该查验的F统计量的察看值为，对应的概率

P-值为。假如显着性水平为

,则可以以为两整体的方差无显着差别。两整体均值的查验应看第一行。T统计量的察看值为，

P-值为,。假如显着性水平为，则不该拒绝原假定，不可以以为两饲料残留有显着差别。6、两独立样本T查验分析：1.两整体方差能否相等用F查验：F的统计量的察看值为,对应的P值为,；假如显着性水平为,因为概率P值大于,两种方式的方差无显着差别.看假定方差相等行。2.两整体均值的查验：T统计量的察看值为,对应的双尾概率为,T统计量对应的P值＞显着水平,故不可以拒绝原假定,不可以以为女生男生的课程均匀分有显着差别。7、利用配对样本T查验，逐对查验8、由第一个表知，培训前和培训后样本的均匀值（mean）有必定差别，培训后均匀值较大；表二表示，在显着性水平为时，培训前后的销售量有必定的线性关系；由表三知，t查验统计量的察看值为，对应的双尾概率p-值为，小于显着水平a=，应拒绝原假定，培训前后的销售均匀值存在显着差别。第六章练习题答案1、（1）ANOVAVAR00002SumofSquaresdfMeanSquareFSig.BetweenGroups4.000WithinGroups30Total34概率P-值凑近于0，应拒绝原假定，以为5种销售方法有显着差别。（2）均值图：MultipleComparisonsDependentVariable:VAR00002LSD(I)VAR00001(J)VAR00001MeanStd.ErrorSig.95%ConfidenceIntervalDifference(I-J)LowerBoundUpperBound2*.0483.7286.6531.06645*.0001*.048.0273*.018.7552*.00045*.0421.6532*.0183.15745*.0001.066.2162*.0004.157.94535*.0001*.0002*.042.1275*.00034*.000*.Themeandifferenceissignificantatthelevel.可知，1和2、1和5、2和3，2和4,2和5,3和5,4和5有显着差别。2、；；3、F查验的概率P值小于显着性水平（），拒绝原假定，方差不齐，不知足方差分析的前提假定。；；67；各组均值存在显着差别。更适合第三组4、Between-SubjectsFactorsValueLabelN地域一9地域地域二9地域三9周一至周三9日期周四至周五9周末9TestsofBetween-SubjectsEffectsDependentVariable:销售量SourceTypeIIISumofdfMeanSquareFSig.SquaresCorrectedModel.852a8.0001.000a12.313a22.254a1*a2.8154.704.000Error.66718Total27CorrectedTotal.51926a.RSquared=.788(AdjustedRSquared=.693)分析：（2）由上表可知，Fa1、Fa2的概率P-值为和，大于显着性水平（），所以不该拒绝原假定，可以以为不同样地域和日期下的销售额整体均值不存在显着差别，不同样地域和不同样日期对该商品的销售没有产生显着影响。3）产生了交互影响。因为概率P-值凑近于0，拒绝原假定，以为不同样地域和日期对销售额产生了显着的交互作用。5、Between-SubjectsFactorsValueLabelN女12性别12男使用12手机12不使用TestsofBetween-SubjectsEffectsDependentVariable:得分SourceTypeIIISumofdfMeanSquareFSig.SquaresCorrectedModel3.0001.000性别1.310.584手机1.000性别*手机1.258Error20Total24CorrectedTotal23a.RSquared=.760(AdjustedRSquared=.724)分析：就性别而言，因为概率P-值=，大于显着性水平，所以不该拒绝原假定，以为性别对驾驶状态无显着影响；就手机使用状况而言，因为概率P-值凑近0，应拒绝原假定，以为手机使用状况对驾驶状态存在显着影响。6、在剔除加盟时间的影响下，因P-值小于，应拒绝原假定，两种培训方式见效有显着差别。第七章练习题答案1、卡方查验因概率P值小于显着性水平（），拒绝原假定，不同样年纪度对该商品满意程度不一致。2、单样本K-S查验因概率P值小于显着性水平（），拒绝原假定，与正态散布存在显着差别。3、单样本游程查验因概率P值小于显着性水平（），拒绝原假定，以为成品尺寸的变化是由生产线工作不坚固致使的。4、两独立样本的K-S查验因概率P值大于显着性水平（），不该拒绝原假定，以为不同样地域本次存取款金额的散布不存在显着差别。5、两独立样本的曼-惠特尼查验因概率P值小于显着性水平（），应拒绝原假定，两品牌白糖实质重量的散布存在显着差别6、（略）7、两配对样本的秩查验因概率P值小于显着性水平（），应拒绝原假定，饮酒前后刹车反应时间存在显着差别8、多配对样本的friedman查验因概率P值大于显着性水平（），不该拒绝原假定，三个品牌牛奶的日销售数据不存在显着差别。第八章练习题答案1、能。Correlations客户满意综合竞争度力PearsonCorrelation1.864客户满意度Sig.(2-tailed).000N1515PearsonCorrelation.8641综合竞争力Sig.(2-tailed).000N1515.Correlationissignificantatthelevel(2-tailed).二者的简单相关系数为，说明存在正的强相关性。2、香烟耗费量与肺癌死亡率的散点图相关系数为。因概率P值小于显着性水平（），拒绝原假定，以为二者存在显着关系。3.(1)假如所绘制的图形不可以较清楚地展现变量之间的关系，应付散点图进行调整。在SPSS查察器窗口中选中相应的散点图双击鼠标，进入SPSS图形编写器窗口。选中【选项】菜单下的【块元素】子菜单进行数据归并。2）ControlVariables销售额家庭收入销售价钱

Correlations销售额销售价钱CorrelationSignificance(2-tailed)..026df07CorrelationSignificance(2-tailed).026.df70如表所示，在家庭收入作为控制变量的条件下，销售额和价钱的偏相关系数为，呈必定的负相关关系，且统计显着。第九章练习题答案1、2、相关分析是回归分析的基础和前提，回归分析则是相关分析的深入和连续。相关分析需要依赖回归分析来表现变量之间数目相关的详细形式，而回归分析则需要依赖相关分析来表现变量之间数目变化的相关程度。只有当变量之间存在高度相关时，进行回归分析追求其相关的详细形式才存心义。假如在没有对变量之间能否相关以及相关方向和程度做出正确判断以前，就进行回归分析，很简单造成“虚假回归”。与此同时，相关分析只研究变量之间相关的方向和程度，不可以推测变量之间互相关系的详细形式，也没法从一个变量的变化来推测另一个变量的变化状况，所以，在详细应用过程中，只有把相关分析和回归分析联合起来，才能达到研究和分析的目的。3、查验其可信程度并找出哪些变量的影响显着、哪些不显着。主要包含回归方程的拟合优度查验、显着性查验、回归系数的显着性查验、残差分析等。4、向前、向后、逐渐。5、方法：采纳逐渐回归策略。结论：粮食总产量的主要要素有施用化肥量(kg/公顷),农业劳动者人数(百万人),总播种面积(万公顷),风灾面积比率(%)。6、.1；；3；26；；Y=回归方程显着性查验：整体线性关系显着回归系数显着性查验：各个回归系数查验均显着7、因概率P值小于显着性水平（），所以表示在控制了性别此后，阅读成绩对数学成绩有显着的线性影响。8、采纳二次曲线第十章练习题答案1、采纳欧氏距离，组间均匀链锁法利用凝集状态表中的组间距离和对应的组数，回归散点图，获得碎石图。大概聚成4类由图可知，北京自成一类，江苏、广东、上海、湖南、湖北聚成一类。其余略。均值比较，依据聚类解，利用分类汇总，计算各个聚类变量的均值方差分析结果：不同样组在各个聚类变量上的均值均存在显着差别。2、数目级将对距离产生较大影响，并影响最后聚类结果。3、会。假如所选变量之间存在较强的线性关系，可以互相代替，在计算距离时同类变量将重复“贡献”，据有较高权重，而使最后的聚类结果偏向该类变量。4、K-Means聚类分析步骤：确立聚类数目K--确立K个初始类中心点--依据距离近来原则进行分类--从头确立K个类中心点--判断能否已经知足停止条件。是一个频频迭代的分类过程。在聚类过程中，样本所属的类会不停调整，直至达到最后坚固为止。5、聚成3类较为适合。第十一章练习题答案1、因子分析的主要步骤：一、前提条件：要求原有变量之间存在较强的相关关系。二、因子提取。三、使因子拥有命名解说性：使提拿出的因子实质含义清楚。四、计算样本的因子得分。2、“基本建设投资分析”因子分析1）CorrelationMatrix国家估计内资本国内贷款利用外资自筹资本其余投资国家估计内资本.458.229.331.211国内贷款.458.746.744.686Correlation利用外资.229.746.864.776自筹资本.331.744.864.928其余投资.211.686.776.928表一是原有变量的相关系数矩阵。由表可知，一些变量的相关系数都较高，呈较强的线性关系，可以从中提取公共因子，适合进行因子分析。KMOandBartlett'sTestKaiser-Meyer-OlkinMeasureofSamplingAdequacy..706Approx.Chi-SquareBartlett'sTestofSphericitydf10Sig..000由表二可知，巴特利特球度查验统计量的察看值为，相应的概率P-值凑近0.假如显着性水平为，因为概率P-值小于显着性水平α，则应拒绝原假定，以为相关系数矩阵与单位阵有显着差别，原有变量适合做因子分析。同时，KMO值为，依据KMO胸怀标准可知原有变量可以进行因子分析。CommunalitiesInitialExtraction国家估计内资本.196国内贷款.769利用外资.820自筹资本.920其余投资.821ExtractionMethod:PrincipalComponentAnalysis.由表三可知，利用外资、自筹资本、其余投资等变量的绝大部分信息（大于80%）可被因子解说，这些变量的信息抛弃较少。但国家估计内资本这个变量的信息抛弃较为严重（近80%）。总的来说，本次因子提取的整体见效还不错。为了达到更好的见效，可以从头指定提取特点值的标准，指定提取2个因子。增补说明以下：故由表四可知，第1个因子的特点值很高，对解说原有变量的贡献最大；第三个此后的因子特点值都较小，对解说原有变量的贡献很小，可以忽视，所以采纳两个因子是适合的。表五：从头提取因子后的公因子方差表CommunalitiesInitialExtraction国家估计内资本.975国内贷款.795利用外资.860自筹资本.937其余投资.882ExtractionMethod:PrincipalComponentAnalysis.表五是指定提取2个特点值下的变量共同度数据。由第二列数据可知，此时所有变量的共同度均较高，各个变量的信息抛弃都较少。所以，本次因子提取的整体见效比较理想。TotalVarianceExplainedComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%12.9233.3064.2005.046.925ExtractionMethod:PrincipalComponentAnalysis.TotalVarianceExplainedComponenInitialEigenvaluesExtractionSumsofSquaredLoadingsRotationSums