统计学考试实务操作题1

数据的管理与分析实务操作题1.做频率分析分析多重响应定义变量分析多重响应频率选择变量名称标签个案摘要个案有效的缺失总计N百分比N百分比N百分比$B1a4100.0%0.0%4100.0%a.值为1时制表的二分组。$B1频率响应个案百分比N百分比你更喜欢哪种拍摄方式a 平铺拍摄333.3%75.0%衣模拍摄222.2%50.0%场景拍摄222.2%50.0%纯色背景拍摄222.2%50.0%总计9100.0%225.0%a.值为1时制表的二分组。分析：本次统计调查可以知道，样本量为4个，有效样本量为4,缺失值为0个。在选址拍摄方式中，有75.0%的同学选择了平铺拍摄，而50%的同学选择了衣模拍摄，而。。。。2.做交叉列链表分析分析多重响应交叉表选择变量定义变量男女（1,2）$B1*A1交叉制表请问你的性别是总计男女你更喜欢哪种拍摄方式a 平铺拍摄 计数123$B1内的%33.3%66.7%A1内的%20.0%50.0%总计的%11.1%22.2%33.3%

衣模拍摄计数112$B1内的%50.0%50.0%A1内的%20.0%25.0%总计的%11.1%11.1%22.2%场景拍摄计数202$B1内的%100.0%.0%A1内的%40.0%.0%总计的%22.2%.0%22.2%纯色背景拍摄计数112$B1内的%50.0%50.0%A1内的%20.0%25.0%总计的%11.1%11.1%22.2%总计计数549总计的%55.6%44.4%100.0%百分比和总计以响应为基础。а. 值为1时制表的二分组。分析：可以知道，在拍摄方式中，女生在平铺拍摄中选择的比例比男生高，女生的比例为22.2%,但是在场景拍摄中，男生所选的比例比女生高出了许多，女生选择为0，而，男生是22.2%，其他都是相同。数据的收集与整理：一般都在数据这项菜单栏；数据的转置：表示行列互换数据转置数据的排秩（变量排序之后的观察顺序号）转换个案排秩选择变量排序个案就是对个案就是顺序排序升序或者降序筛选样本数据选择个案因为有时候不是每个变量你都需要选择来编辑，所以需要筛选样本б. 数据分类汇总：指的是一个或者多个分类变量为依据，将另一个或者多个变量数据按照分类结果进行描述统计，将统计结果生成新的文件，每一类成为一个观测值。数据分类汇总数据拆分、合并数据将分类变量进行分组合并（1） 选择变量数据排序个案（2） 转换重新编码为不同的新变量将月收入选入数字变量和输出变量中（3） 设置旧值和新值新值低（设置输出变量为字符）新值中新值高旧值范围600到1000新值低（设置输出变量为字符）新值中新值高1000到15001500到3000

变量描述统计图表统计量定性变量：名义变量顺序变量频数表、条形图、饼图、交叉（列链）表频数卡方分类数据定量变量：定比变量定距变量直方图（分组数据、大量数据）、帕累托图、茎叶图、散点图、箱线图、雷达图（未分组数据）方差、标准差、众数、偏度、峰度、极差、分位数、均值、中位数（4）输出变量名称标签9.（4）输出变量名称标签9.连续变量的可视化分段（1）导入数据转换可视化离散人均收入继续（2） 点击人居收入定性数据：描述的是事物的品质与标致：名义变量和顺序变量定量数据：描述的是事物的数量标致：定比变量和定距变量自由度的概念由统计学家R.AFisher提出是指数据个数与附加给独立的观测值的约束或限制的个数之差，自由度是指一组数据中可以自由取值的个数数据的描述统计量条形图图形旧对话框条形图频数表分析描述统计频率直方图图形旧对话框直方图茎叶图分析描述统计探索绘制茎叶图箱线图图形旧对话框箱线图散点图图形旧对话框散点交叉表：用于分类数据分析描述统计交叉表用统计量来描述数据标准分数：分析描述统计描述标准差方差均值四分位数：分析描述统计探索统计量百分位数推断统计方法1・聚类分析：操作分析分类系统聚类抽样分布：抽样误差一般做性别和身高的关系:冰柱图：群集数是2是分为2组，2是一组，其他的是一组4是分为多少组00000相关分析：分析相关双变量/偏相关一、线性相关探索性分析：散点图与相关系数，分析是否具有线性线性相关（主要针对定比和定距的变量做分析）（1）双变量检验相关性文化程度非农业收入文化程度 Pearson相关性1-.023显著性（双侧）.478N1027961非农业收入 Pearson相关性-.0231显著性（双侧）.478N961973解读：原假设为不相关，H0：文化程度与非农业收入不相关H1:文化程度与非农业收入相关Pearson相关性表示P值，为-0・023，而显著性表示a0.478.有PVa所以拒绝原假设H0，接受H1，所以可以知道文化程度与非农业收入相关程度大。当P>8时，无条件拒绝原假设，可以知道文化程度与非农业收入不相关（2）偏相关相关性控制变量家庭总收入合计非农业收入农业收入家庭总收入合计相关性1.000.987显著性（双侧）..000df0799非农业收入 相关性.9871.000显著性（双侧）.000.df7990原假设H0：家庭总收入与非农收入没有偏相关关系H1：家庭总收入与非农收入有偏相关关系分析：要搞清家庭总收入是否受非农业收入的影响，而且影响有多大，那么可以知道P相关性系数为0・987,而显著性a为0.000.df的自由度值为799.可以得出P值大于a值，所以家庭总收入有很大的关系。二、spearman等级相关关系、秩相关系数、顺序相关。间接计算排名考虑两个变量当中至少有一个变量是定序的变量的相关关系、分类变量总结：在0.01的显著性水平上，而人均收入与城镇人口是可统计的，而城镇人口在0.05的水平上显著三、kendall相关系数描述分类或者等级变量、连续变量回归分析分析回归分析线性回归因变量x与自变量y之间的线性关系，用一条方程表示y=b0+b1x+z（估计b0与bl,z为随机误差）分析两个变量之间的线性关系。两个变量的明显影响程度回归结果分析：一看P值和T值，有模型常量为b0,显著性检验的概率为P值，也就是sig.模型非标准化系数标准系数tsig常量人均收入b0标准误差-50.9460.422-67.7450.33-7.52l2.729-4.58-0.000可以看出b0为-50.946，而bl为0.422o假设b0:H0:b0=0 Hl:b0尹0bl:H0:b1=0 Hl:bl尹0有P与a做比较，当P大于时a,无条件拒绝原假设，就是b0等于0当P小于时a，拒绝原假设，就是b0不等于0.假设a为0.05的显著性水平下，有a/2=0.025.查t分布表有ta/2=2.06.

b0检验:有P=0.458>0.05t=-0.752,即t<ta.Bo=0b1检验：就是x每变动一个单位，有bl变动0.422个单位。二看调整后的R平方值模型RR的平方调整后的R平方值标准估计误差1.884a.7120.699调整后的R平方值大于0.7的水平下才有价值。当R的平方一►1时，证明回归方程的拟合度好。但是趋于0时，证明回归方程的拟合度查。三看系数接受b0=0的则为标准化系数，如拒绝b0=0的则为非标准化系数，就是y“=b1x模型汇总模型RR方调整R方标准估计的误差1.921a.848.84373.635a.预测变量：(常量)，人均收入。有调整后的R方大于0.7，拟合度好Anovab模型平方和df均方FSig.1 回归878568.6211878568.621162.035.000a残差157240.218295422.076总计1035808.83930预测变量：(常量)，人均收入。因变量：人均食品支出系数，

模型非标准化系数标）隹系数tSig.B标准误差试用版1 （常量）人均收入-50.946.42267.745.033.921-.75212.729.458.000a.因变量：人均食品支出612尸日y!由设回到0+P612尸日y!由设回到自变量为人均收入，y因变量为人均食品支出。以下数据做回归分析可得输入/移去的变量b模型输入的变量移去的变量方法1人均收入a,输入已输入所有请求的变量。因变量：人均食品支出模型汇总模型RR方调整R方标准估计的误差1,921a,848,84373,635a,预测变量:（常量），人均收入。Anovab模型平方和df均方FSig,1 回归878568,6211878568,621162,035,000a残差157240,218295422,076总计1035808,83930预测变量:（常量），人均收入。因变量：人均食品支出系数a模型非标准化系数标准系数B标准误差试用版tSig.1 （常量）-50.94667.745-.752.458人均收入.422.033.92112.729.000a,因变量：人均食品支出a是在0.05的显著性水平下数据可以知道。0=-50.946，而&1为0.422.假设H0：P0=0H1:P0尹0 _因为t值为-0.752,sig为0.458，有P>a，所以接受原假设，所卵0=0,可以得出最终的回归方程为yA=0.422x+£主成分分析和因子分析分析降维因子分析描述kmo/系数（当其大于0.6时才有效）抽取相关性矩阵最大方差方差分析：检验多个总体均值是否相等方差分析的条件：正态分布独立性和方差齐性，符合者三个因素，所以可以做方差分