2025年SPSS数据分析与应用(微课版)张俊丽著课后习题答案

2025年SPSS数据分析与应用(微课版)张俊丽著课后习题答案第一章数据文件的建立与基本操作习题1：某高校2023级心理学专业30名学生的性别（1=男，2=女）、年龄（岁）、《普通心理学》期中成绩（分）、期末成绩（分）及平时表现评分（1-5分）数据如下表所示（数据已简化）。要求：（1）在SPSS中建立数据文件；（2）将“平时表现评分”变量的测量尺度改为“有序”；（3）将数据文件以“心理学期中期末成绩.sav”为名保存至D盘“SPSS练习”文件夹。解答：（1）启动SPSS28.0，点击“变量视图”，依次输入变量名“性别”“年龄”“期中成绩”“期末成绩”“平时表现评分”。其中，“性别”定义为数值型（值标签：1=男，2=女），“年龄”“期中成绩”“期末成绩”为数值型（测量尺度“比率”），“平时表现评分”初始设为数值型（测量尺度“名义”）。切换至“数据视图”，按表格顺序录入30条记录，注意检查是否有数据错位或输入错误（如年龄出现负数、成绩超过100分等）。（2）返回“变量视图”，找到“平时表现评分”行，在“测量”列下拉选择“有序”，确认其反映1-5分的等级顺序（1=差，2=较差，3=一般，4=良好，5=优秀）。（3）点击菜单栏“文件”-“保存”，在弹出的对话框中选择D盘“SPSS练习”文件夹，文件名输入“心理学期中期末成绩.sav”，点击“保存”完成。习题2：打开“员工满意度调查.sav”数据文件（含变量：部门/1=销售部，2=研发部，3=行政部；工龄/年；月薪/元；满意度/1-5分），完成以下操作：（1）将“部门”变量的显示宽度调整为8；（2）为“月薪”变量添加说明“单位：人民币元，含绩效奖金”；（3）删除第15-20条记录（假设数据无缺失）。解答：（1）打开数据文件后进入“变量视图”，找到“部门”变量，在“宽度”列将默认值8（若原为8则无需修改，若为其他值则调整为8），确保标签“销售部/研发部/行政部”完整显示。（2）在“变量视图”中选中“月薪”变量，点击“变量说明”列的单元格（或双击该变量进入“变量属性”对话框），在文本框中输入“单位：人民币元，含绩效奖金”，点击“确定”保存说明。（3）切换至“数据视图”，选中第15-20行的行号（点击行号左侧的灰色区域，按住Shift键连续选择），右键点击选中区域，选择“删除个案”，弹出确认对话框后点击“确定”，完成数据删除。第二章数据预处理习题1：某医院收集了120名高血压患者的收缩压（mmHg）数据，部分记录显示为“-”（表示未测量）和“260”（超出临床合理范围）。要求：（1）将“-”定义为系统缺失值；（2）将“260”定义为自定义缺失值（单值）；（3）计算有效数据的均值（要求排除所有缺失值）。解答：（1）打开数据文件，进入“变量视图”，找到“收缩压”变量，在“缺失”列点击单元格，选择“系统缺失”（或直接在数据视图中，将所有“-”替换为SPSS默认的缺失值符号“.”）。（2）在“缺失”列的对话框中选择“离散缺失值”，在第一个文本框输入“260”，点击“确定”，此时SPSS将“260”识别为自定义缺失值。（3）点击菜单栏“分析”-“描述统计”-“描述”，将“收缩压”选入“变量”框，勾选“排除个案列表”（确保同时排除系统缺失和自定义缺失），点击“确定”。输出结果中“N”为有效数据个数（假设原120条记录中，“-”有5条，“260”有3条，则有效N=120-5-3=112），“均值”即为有效数据的平均收缩压（假设输出均值为142.3mmHg）。习题2：根据“学生体质健康.sav”数据（含变量：学号、身高/cm、体重/kg、BMI=体重/(身高/100)²），要求：（1）计算BMI变量（保留2位小数）；（2）将BMI分为“偏瘦”（<18.5）、“正常”（18.5-23.9）、“超重”（24.0-27.9）、“肥胖”（≥28.0）4个等级；（3）统计各等级人数及占比。解答：（1）点击“转换”-“计算变量”，目标变量输入“BMI”，数字表达式输入“体重/(身高/100)2”，在“格式”中选择“数值（2位小数）”，点击“确定”提供BMI变量。（2）点击“转换”-“重新编码为不同变量”，将“BMI”选入“输入变量-输出变量”框，目标变量命名为“BMI等级”，点击“旧值和新值”。设置：旧值“<18.5”对应新值“1=偏瘦”；旧值“18.5-23.9”对应新值“2=正常”；旧值“24.0-27.9”对应新值“3=超重”；旧值“≥28.0”对应新值“4=肥胖”，点击“继续”-“确定”提供等级变量。（3）点击“分析”-“描述统计”-“频率”，将“BMI等级”选入变量框，勾选“显示频率表格”，点击“确定”。输出表格中“频率”列显示各等级人数，“百分比”列显示占比（如正常组56人，占46.7%）。第三章描述性统计分析习题1：某电商平台收集了1000名用户的“月均网购消费金额（元）”数据，要求：（1）计算均值、中位数、众数、标准差、方差、全距；（2）绘制直方图，观察数据分布形态；（3）解释各统计量的实际意义。解答：（1）点击“分析”-“描述统计”-“频率”，将“月均网购消费金额”选入变量框，勾选“统计量”中的均值、中位数、众数、标准差、方差、全距，点击“确定”。假设输出结果：均值=850元，中位数=780元，众数=600元，标准差=320元，方差=102400，全距=2500元（最大值3000元-最小值500元）。（2）在“频率”对话框中勾选“图表”-“直方图”，并选择“显示正态曲线”，点击“确定”。直方图显示数据右偏（均值>中位数>众数），大部分用户消费集中在500-1200元，少数高消费用户拉高均值。（3）均值反映平均消费水平，但受极端值（如3000元）影响；中位数代表中间水平，更稳健；众数是最常见消费金额（600元），反映多数用户的消费习惯；标准差320元说明消费金额差异较大；全距2500元显示数据覆盖范围广，市场需求分化明显。习题2：某教育机构记录了50名学生的“每日学习时长（小时）”和“期末数学成绩（分）”，要求：（1）计算两个变量的简单相关系数；（2）检验相关系数的显著性（α=0.05）；（3）解释相关关系的实际意义。解答：（1）点击“分析”-“相关”-“双变量”，将“每日学习时长”和“期末数学成绩”选入变量框，相关系数选择“皮尔逊”，点击“确定”。假设输出皮尔逊相关系数r=0.68，n=50。（2）显著性检验采用t检验，自由度df=n-2=48，临界值t0.05/2(48)=2.011。计算t值=r×√[(n-2)/(1-r²)]=0.68×√(48/0.5376)=0.68×9.44=6.42>2.011，p<0.05，拒绝原假设，相关系数显著。（3）r=0.68表示学习时长与数学成绩呈显著正相关，学习时长每增加1小时，成绩平均提高约0.68个标准差（具体需结合回归分析），说明延长有效学习时间有助于提升成绩，但需注意因果关系的其他影响因素（如学习效率、基础水平等）。第四章均值比较与t检验习题1：某药厂研发新药，随机选取20名高血压患者，治疗前和治疗4周后的收缩压（mmHg）数据如下（假设数据符合正态分布）。要求：（1）检验治疗前后收缩压是否有显著差异；（2）计算均值差的95%置信区间；（3）解释结果的临床意义。解答：（1）数据为配对样本（同一患者治疗前后），选择配对样本t检验。点击“分析”-“比较均值”-“配对样本t检验”，将“治疗前收缩压”和“治疗后收缩压”选入“配对变量”框，点击“确定”。假设输出结果：治疗前均值=158.2，治疗后=132.5，均值差=25.7mmHg，t值=8.32，df=19，p<0.001（双侧）。（2）在“配对样本t检验”对话框中勾选“选项”-“置信区间百分比”95%，输出置信区间为（20.1,31.3）。（3）p<0.05表明治疗前后收缩压差异极显著，95%置信区间不包含0，进一步支持结论。临床意义：新药治疗4周后，患者收缩压平均下降25.7mmHg，效果显著，具有临床应用价值。习题2：某公司调查新老员工的“工作满意度”（1-5分），新员工（入职<1年）30人，老员工（入职≥3年）40人。要求：（1）检验两组满意度是否有显著差异；（2）判断是否满足t检验的前提条件（方差齐性）；（3）若方差不齐，应如何调整检验方法？解答：（1）数据为独立样本，先检验方差齐性。点击“分析”-“比较均值”-“独立样本t检验”，将“工作满意度”选入“检验变量”，“员工类型”（新=1，老=2）选入“分组变量”，定义分组1和2，点击“确定”。（2）输出“Levene检验”结果：F=2.15，p=0.148>0.05，接受方差齐性假设（方差相等）。（3）若方差不齐（p<0.05），应选择“不假设方差相等”的t检验结果（即“近似t检验”）。假设本题方差齐，t检验结果：新员工均值=3.8，老员工=4.2，t=-2.35，df=68，p=0.022<0.05，拒绝原假设，两组满意度差异显著，老员工满意度更高。第五章方差分析习题1：某农业试验站研究3种肥料（A、B、C）对小麦产量（kg/亩）的影响，每种肥料随机分配5块试验田，数据如下（假设符合正态分布、方差齐性）。要求：（1）进行单因素方差分析；（2）若差异显著，进行LSD事后检验；（3）解释结果的农业意义。解答：（1）点击“分析”-“一般线性模型”-“单变量”，将“小麦产量”选入“因变量”，“肥料类型”（A=1，B=2，C=3）选入“固定因子”，点击“确定”。输出方差分析表：组间平方和=1200，组内平方和=800，自由度分别为2和12，F=9.0，p=0.003<0.05，拒绝原假设，至少有一组均值不同。（2）在“单变量”对话框中点击“_postHoc”，选择“肥料类型”，勾选“LSD”，点击“确定”。事后检验结果：A与B均值差=-30（p=0.012），A与C均值差=-50（p=0.001），B与C均值差=-20（p=0.048），均显著。（3）三种肥料对小麦产量影响显著，C肥料产量最高（均值500kg/亩），B次之（480kg/亩），A最低（450kg/亩），农业生产中建议优先选择C肥料以提高产量。习题2：某教育研究探讨“教学方法”（传统/翻转）和“班级规模”（小班/大班）对学生数学成绩的影响，2×2因子设计，各单元格15名学生。要求：（1）进行双因素方差分析；（2）检验交互效应是否显著；（3）若交互效应显著，如何进一步分析？解答：（1）点击“分析”-“一般线性模型”-“单变量”，将“数学成绩”选入因变量，“教学方法”和“班级规模”选入固定因子，点击“模型”-“设定”，选择“主效应”和“交互效应”（教学方法班级规模），点击“确定”。（2）输出结果：教学方法主效应F=12.5，p=0.001；班级规模主效应F=8.2，p=0.005；交互效应F=5.6，p=0.021<0.05，交互显著。（3）交互效应显著时，需进行简单效应分析：固定“教学方法”，检验不同班级规模下的成绩差异；或固定“班级规模”，检验不同教学方法的效果差异。例如，在小班中，翻转教学比传统教学提高20分（p=0.001）；在大班中，翻转教学仅提高5分（p=0.32），说明翻转教学更适合小班教学。第六章非参数检验习题1：某市场调查收集了80名消费者对5种饮料（A-E）的偏好排序（1=最不喜欢，5=最喜欢），要求：（1）检验消费者对5种饮料的偏好是否存在显著差异；（2）若差异显著，使用Nemenyi检验进行多重比较。解答：（1）数据为等级变量（偏好排序），且为多个独立样本的比较，选择Kruskal-WallisH检验。点击“分析”-“非参数检验”-“旧对话框”-“K个独立样本”，将“偏好排序”选入“检验变量列表”，“饮料类型”选入“分组变量”，定义范围1-5，点击“确定”。输出H=18.5，df=4，p=0.001<0.05，拒绝原假设，偏好存在显著差异。（2）Kruskal-Wallis检验后若需多重比较，可使用Nemenyi检验（SPSS需通过语法或第三方插件实现，此处简述步骤）：计算各组平均秩次（如A=2.3，B=3.8，C=4.1，D=2.9，E=4.5），计算临界值qα(k,N-k)（α=0.05，k=5，N=80），比较任意两组平均秩次差的绝对值与临界值，若超过则差异显著。假设结果显示E和A、E和D、C和A差异显著，说明消费者更偏好E和C饮料。习题2：某心理学实验记录了10名被试在两种情境（安静/噪音）下的反应时（ms），数据不满足正态分布。要求：（1）检验两种情境下反应时是否有显著差异；（2）与参数检验（配对t检验）比较，说明非参数检验的优势。解答：（1）数据为配对样本且非正态，选择Wilcoxon符号秩检验。点击“分析”-“非参数检验”-“旧对话框”-“2个相关样本”，将“安静反应时”和“噪音反应时”选入“检验对”，勾选“Wilcoxon”，点击“确定”。输出Z=-2.83，p=0.005<0.05，拒绝原假设，两种情境反应时差异显著（噪音下反应时更长）。（2）参数检验（配对t检验）要求数据正态分布，若不满足则结果可能不准确；非参数检验基于秩次，不依赖分布形态，适用范围更广，尤其在小样本或数据分布未知时更稳健。本题中Wilcoxon检验结果与t检验（假设t=-2.71，p=0.021）结论一致，但非参数检验的假设条件更宽松。第七章线性回归分析习题1：某房地产公司收集了120套住宅的“建筑面积（m²）”和“销售价格（万元）”数据，要求：（1）建立销售价格对建筑面积的线性回归模型；（2）检验模型拟合优度及变量显著性（α=0.05）；（3）解释回归系数的实际意义。解答：（1）点击“分析”-“回