统计软件SPSS实操练习题

统计软件SPSS实操练习题在社会科学研究、医学统计、商业数据分析等领域，SPSS（StatisticalPackagefortheSocialSciences）凭借操作简便、功能全面的特点，成为数据分析的核心工具。熟练掌握SPSS的实操技能，需通过系统性练习将理论知识转化为实践能力。本文围绕SPSS核心功能模块设计实操练习题，涵盖数据处理、描述统计、假设检验、回归分析、信效度分析等方向，帮助读者在实战中提升分析能力。一、数据录入与预处理：构建分析的“原材料”数据分析的基础是高质量的数据，本模块聚焦数据的录入、合并、拆分与缺失值处理，夯实分析的第一步。练习题1：基础数据录入与变量属性设置场景：某中学班级30名学生的信息包括：性别（男/女）、年龄（岁）、数学成绩（分）、语文成绩（分）。其中，第5条记录年龄缺失，第10条记录数学成绩缺失。要求：1.新建SPSS数据集，定义变量类型、标签、值标签（如性别：1=男，2=女）；2.录入30条记录的基础数据，对缺失值进行标记（如系统缺失或用户缺失）；3.尝试两种缺失值处理方式：①列表删除（删除含缺失值的记录）；②均值插补（用该变量均值填充缺失值）。操作步骤：打开SPSS，点击「文件」→「新建」→「数据」，进入数据编辑器；点击「变量视图」，定义变量：性别：类型选“数值”，值标签设“1=男，2=女”，标签填“学生性别”；年龄：类型选“数值”，标签填“学生年龄（岁）”；数学、语文：类型选“数值”，标签分别填“数学成绩（分）”“语文成绩（分）”；切换到「数据视图」，录入数据（第5行年龄列留空，第10行数学列留空）；缺失值处理：列表删除：点击「分析」→「缺失值分析」，选择“按列表排除个案”；均值插补：点击「转换」→「替换缺失值」，选择“序列均值”填充年龄和数学成绩的缺失值。思考问题：列表删除与均值插补对样本量和统计结果（如均值、标准差）的影响有何不同？若变量为分类变量（如性别），缺失值适合用均值插补吗？为什么？练习题2：数据合并与拆分场景：现有两个数据集：`Class_A.sav`（1-15号学生信息）和`Class_B.sav`（16-30号学生信息）；需按性别将班级数据拆分为“男生.sav”和“女生.sav”。要求：1.纵向合并`Class_A`和`Class_B`，生成完整班级数据集；2.按性别拆分数据，分别保存为两个文件。操作步骤：纵向合并：点击「数据」→「合并文件」→「添加个案」，导入`Class_B.sav`，匹配变量（确保变量名、类型一致），点击「确定」；数据拆分：点击「数据」→「拆分文件」，选择“按组组织输出”，分组变量选“性别”，点击「确定」；保存拆分文件：点击「文件」→「另存为」，分别筛选性别为“男”“女”的记录，保存为“男生.sav”“女生.sav”。思考问题：拆分文件后，进行描述统计分析时，输出结果会按性别分组呈现吗？若合并时两个数据集的变量名不一致（如`Class_A`中“数学”变量名为“Math”，`Class_B`中为“数学成绩”），如何处理？二、描述统计分析：探索数据的“内在特征”描述统计是数据分析的起点，通过统计量和图形揭示数据的集中趋势、离散程度与分布形态。练习题3：连续变量的描述统计场景：基于班级学生的年龄、数学、语文成绩，分析其分布特征。要求：1.计算均值、标准差、极差、偏度、峰度；2.绘制直方图（含正态曲线）和箱线图，识别异常值。操作步骤：统计量计算：点击「分析」→「描述统计」→「描述」，将年龄、数学、语文选入“变量”，点击「选项」，勾选均值、标准差、极差、偏度、峰度；图形绘制：点击「分析」→「描述统计」→「探索」，将三个变量选入“因变量列表”，点击「图」，勾选“直方图”（含正态曲线）和“箱线图”，点击「确定」。思考问题：偏度>0、<0分别代表数据分布的什么形态？峰度>3、<3的含义是什么？箱线图中，超过“whisker（须）”范围的点为何被标记为异常值？如何判断异常值是“极端值”还是“合理波动”？练习题4：分类变量的描述统计场景：分析班级学生的性别（男/女）、是否班干部（是/否）的分布。要求：1.计算频数、百分比（含有效百分比）；2.绘制饼图（展示性别占比）和条形图（展示班干部分布）。操作步骤：频数统计：点击「分析」→「描述统计」→「频率」，将性别、是否班干部选入“变量”，点击「确定」；图形绘制：饼图：点击「图形」→「旧对话框」→「饼图」，选择“个案组摘要”，变量选“性别”，点击「确定」；条形图：点击「图形」→「旧对话框」→「条形图」，选择“简单”“个案组摘要”，变量选“是否班干部”，点击「确定」。思考问题：报告分类变量的分布时，“百分比”和“有效百分比”为何可能不同？何时应使用有效百分比？饼图和条形图在展示分类数据时，各自的优势与局限是什么？三、参数检验：推断总体的“统计证据”参数检验通过样本推断总体特征，需满足正态性、方差齐性等前提假设，本模块聚焦t检验与方差分析。练习题5：单样本t检验场景：已知全市初中生数学平均成绩为80分，检验该班级数学成绩是否与全市水平存在差异。要求：使用单样本t检验，设置检验值为80，分析结果的统计学意义。操作步骤：点击「分析」→「比较均值」→「单样本t检验」，将“数学成绩”选入“检验变量”，检验值填80，点击「确定」。思考问题：单样本t检验的前提假设是什么？如何通过SPSS检验数据的正态性（提示：探索分析中的“正态性检验”或直方图）？若数据不满足正态性，应改用哪种非参数方法（结合后续模块思考）？练习题6：独立样本t检验场景：比较男生与女生的数学成绩是否存在显著差异。要求：1.按性别分组，检验数学成绩的方差齐性（Levene检验）；2.根据方差齐性结果，选择合适的t检验结果（假设方差相等/不相等）。操作步骤：点击「分析」→「比较均值」→「独立样本t检验」，分组变量选“性别”（定义组：1=男，2=女），检验变量选“数学成绩”，点击「确定」。思考问题：Levene检验的原假设是什么？若Sig.（显著性）<0.05，说明方差是否齐性？此时t检验结果应看哪一行？如何通过增加样本量或数据变换（如对数变换）提高t检验的效能？练习题7：配对样本t检验场景：同一批学生的数学与语文成绩，检验两科成绩是否存在显著差异（假设成绩为配对数据）。要求：使用配对样本t检验，分析均值差的显著性。操作步骤：点击「分析」→「比较均值」→「配对样本t检验」，将“数学成绩”和“语文成绩”选入“成对变量”，点击「确定」。思考问题：配对t检验的适用条件是什么？与独立样本t检验的核心区别在哪里？若两科成绩的差值不满足正态性，应如何处理？练习题8：单因素方差分析（ANOVA）场景：班级学生按学习小组分为A、B、C三组，检验三组数学成绩是否存在显著差异。要求：1.进行方差分析，检验组间差异的显著性；2.选择合适的事后检验方法（如LSD、TukeyHSD），分析具体哪两组存在差异。操作步骤：点击「分析」→「比较均值」→「单因素ANOVA」，因变量选“数学成绩”，因子选“学习小组”，点击「事后检验」，勾选LSD、TukeyHSD，点击「确定」。思考问题：方差分析的三个前提假设（正态性、方差齐性、独立性）如何检验？若不满足，应改用哪种方法？事后检验的作用是什么？LSD和TukeyHSD的适用场景有何不同？四、非参数检验：突破“正态假设”的限制当数据不满足正态性等参数检验前提时，非参数检验提供了稳健的分析方法，本模块聚焦常用的非参数检验工具。练习题9：卡方拟合优度检验场景：班级中男生12人，女生18人，检验性别分布是否符合1:1的理论比例。要求：使用卡方拟合优度检验，分析实际频数与理论频数的差异。操作步骤：点击「分析」→「非参数检验」→「旧对话框」→「卡方」，将“性别”选入“检验变量列表”，在“期望值”中选择“值”，输入理论比例（如男生0.5，女生0.5），点击「确定」。思考问题：卡方拟合优度检验的原假设是什么？若Sig.<0.05，说明什么？当期望频数过小（如某类别期望频数<5）时，如何处理（提示：合并类别或使用精确检验）？练习题10：Mann-WhitneyU检验场景：男生与女生的语文成绩不满足正态分布，需比较两组成绩的差异。要求：使用Mann-WhitneyU检验，分析组间秩次的差异。操作步骤：点击「分析」→「非参数检验」→「旧对话框」→「两个独立样本」，检验变量选“语文成绩”，分组变量选“性别”（定义组：1=男，2=女），检验类型选“Mann-WhitneyU”，点击「确定」。思考问题：Mann-WhitneyU检验的核心思想是什么？如何将其结果与独立样本t检验对比？若样本量较大（如n>20），Mann-WhitneyU统计量近似服从什么分布？练习题11：Kruskal-Wallis检验场景：学习小组A、B、C组的语文成绩不满足正态分布，检验三组成绩是否存在差异。要求：使用Kruskal-Wallis检验，分析组间秩次的整体差异。操作步骤：点击「分析」→「非参数检验」→「旧对话框」→「多个独立样本」，检验变量选“语文成绩”，分组变量选“学习小组”，检验类型选“Kruskal-WallisH”，点击「确定」。思考问题：Kruskal-Wallis检验的原假设是什么？若检验显著，如何进行两两比较（提示：SPSS需手动计算或使用插件）？该检验与单因素方差分析的适用场景有何不同？五、相关与回归分析：揭示变量的“关联与预测”相关分析探索变量间的关联程度，回归分析则构建变量间的预测模型，本模块聚焦线性相关与回归。练习题12：皮尔逊相关分析场景：分析学生年龄、数学成绩、语文成绩的两两相关关系。要求：计算皮尔逊相关系数及显著性，判断变量间的线性关联程度。操作步骤：点击「分析」→「相关」→「双变量」，将年龄、数学、语文选入“变量”，相关系数选“皮尔逊”，点击「确定」。思考问题：皮尔逊相关的前提假设（正态性、线性关系）如何检验？若变量呈曲线关系，应改用哪种相关系数？相关系数r=0.3，p<0.05，应如何解释这个结果的“统计显著性”与“实际意义”？练习题13：斯皮尔曼秩相关分析场景：学生的数学成绩排名与语文成绩排名（或成绩与班级排名，非正态分布），分析两者的关联。要求：使用斯皮尔曼秩相关，分析秩次的关联程度。操作步骤：点击「分析」→「相关」→「双变量」，将数学排名、语文排名选入“变量”，相关系数选“斯皮尔曼”，点击「确定」。思考问题：斯皮尔曼秩相关与皮尔逊相关的核心区别是什么？分别适用于什么场景？若变量存在重复秩次（如多名学生成绩相同），斯皮尔曼相关系数是否需要校正？练习题14：简单线性回归场景：以数学成绩为因变量（Y），语文成绩为自变量（X），构建回归模型，预测数学成绩。要求：1.拟合线性回归方程，检验模型显著性（F检验）和系数显著性（t检验）；2.分析决定系数R²的含义，绘制回归残差图。操作步骤：点击「分析」→「回归」→「线性」，因变量选“数学成绩”，自变量选“语文成绩”，点击「图」，勾选“残差图”（如残差与自变量），点击「确定」。思考问题：线性回归的四个前提假设（线性、正态性、方差齐性、独立性）如何检验？残差图能揭示哪些问题？若残差不满足正态性，如何改进模型（提示：数据变换、非线性回归）？练习题15：多元线性回归场景：以数学成绩为因变量（Y），年龄、语文成绩为自变量（X1、X2），构建多元回归模型。要求：1.分析自变量的共线性（方差膨胀因子VIF）；2.检验模型拟合度，解释回归系数的实际意义。操作步骤：点击「分析」→「回归」→「线性」，因变量选“数学成绩”，自变量选“年龄”“语文成绩”，点击「统计量」，勾选“估计值”“置信区间”“共线性诊断”，点击「确定」。思考问题：共线性的危害是什么？当VIF>10或容差<0.1时，如何处理（提示：变量筛选、主成分回归）？标准化回归系数与非标准化回归系数的解释有何不同？六、信效度分析：量表工具的“质量检验”信度反映量表的可靠性（如一致性），效度反映量表的有效性（如结构效度），本模块聚焦量表的信效度分析。练习题16：信度分析（Cronbach'sα）场景：一份10题的“学生学习态度量表”，收集30份问卷（题目为Likert5级评分：1=非常不同意，5=非常同意）。要求：1.计算Cronbach'sα系数，判断量表的内部一致性；2.分析“项总相关”，观察删除某题后α的变化，判断题目质量。操作步骤：点击「分析」→「量表」→「信度分析」，将10个题目选入“变量”，模型选“Cronbach'sα”，勾选“项总计统