SPSS统计分析考查课试题

河南师范高校生命科学学院

探讨生考查课程答卷

年级类别：12级

学科专业：植物学

学号：

姓名：

课程名称：SPSS统计分析

授课老师：

考试时间：__________

考试分数：

1、SPSS的全称是什么？SPSS统计软件的特点是什么？

2、为了从3种原料和3种温度中选择使酒精产量最高的水平组合，设计

了二因素试验，重复4次，结果如表1所示。试进行统计分析，并进行

说明。

表1原料与温度对酒精产量影响资料（kg）

温度㈤

原料（4）重复

Bl(30℃)B2(35℃)所(40℃)

141116

2491222

3232526

4252411

147438

2593822

儿

3503318

4403614

1485530

2353833

A3534726

4594419

3、测定了10个大麦亲本材料的穗长（毛）、穗下节间长（毛）、每株穗数

（七）、每穗粒数（乂）、每株粒数（右）、千粒重（腐）和每株粒重（匕）的

关系，结果如表2所示。试用逐步回来的方法建立y依4的最优线性回来

方程，并进行说明。

表2大麦稔长资料

穗下节锂秩神

穗长每穗粒每株粒每株粒

1杈里

编号(%)/数（必）数（%）数（益）重(7)

81/个(X6)/g

cm/粒/粒/g

cm

19.528.312.323.0282.138.410.7

26.236.012.324.8306.637.411.5

36.133.110.424.6258.530.27.6

48.932.512.828.3362.637.212.5

57.930.69.028.4256.634.08.7

68.131.813.720.0273.845.514.9

79.425.612.722.8282.229.08.2

84.929.88.851.1447.426.011.6

97.432.99.149.2449.131.914.3

105.829.810.223.3238.227.36.5

1.答：SPSS的全称是StatisticalPackagefortheSocial

Science,于1968年由美国斯坦福高校(StanfordUniversity,

USA)的三位探讨生研发而成，并以此名创立SPSS公司。SPSS

统计软件的特点是操作简洁，易学易用；具有较强的统计功能和

强大的作图功能，特别是能够快速精确的完成大量的、烦玳的、

专业的和困难的数据统计分析。是国际上认可的专业统计分析软

件之一。

2.统计分析与垢果如下：

原料

多个比较

因变量:酒精产量

(1)原(J)原均值差值标准误95%置信区间

料料(1-J)差Sig.下限上限

LS12-11.0833-3.7377.006-18.75-3.414

D8260

3-17.6667*3.7377.000-25.33-9.997

8604

2111.0833*3.7377.0063.414018.752

86

3-6.58333.7377.090-14.251.0860

826

3117.6667,3.7377.0009.997425.336

80

26.58333.7377.090-1.08614.252

806

基于观测到的均值。

误差项为均值方（错误）=83.8260

*.均值差值在.05级别上较显著。

检验结果表明：原料A1和原料A2之间，与原料A1和原料A3之间

有显著性差异，而原料A2和原料A3之间没有显著性差异，表明不同原

料对酒精产量有较显著影响。

温度

多个比较

因变量:酒精产量

⑴温(J)均值差值标准误95%置信区间

度温度(I-J)差Sig.下限上限

LSD1211.7756*3.66519.0034.255319.2960

323.9924*3.82178.00016.150831.8341

21-11.7756*3.66519.003-19.296-4.2553

0

312.2168*3.75082.0034.520719.9128

31-23.9924*3.82178.000-31.834-16.150

18

2-12.2168*3.75082.003-19.912-4.5207

8

基于观测到的均值。

误差项为均值方(错误)=83.826o

*.均值差值在.05级别上较显著。

结果表明，在0.01的显著水平上，不同温度史理之间的Sig值均小于0.01,

因此不同温度处理之间的差异性达到极显著水平，表明不同温度对酒精产

量有极显著影响

3.

描述性统计量

标准偏

均值差N

每株粒重10.65002.8434110

穗长7.42001.6102410

穗下节间31.04002.8941310

长

每株穗数11.13001.8282010

每穗粒数29.550011.151510

1

每株粒数315.71077.603410

00

千粒重33.69006.0110010

VariablesEntered/Removedb

VariablesVariables

Mode1EnteredRemovedMethod

1每株粒数•Enter

2千粒重*Stepwise

(Criteria:

Probabilit

y-of-F-to-

enter

<=.050,

Probabilit

y-of-F-to-

remove>=

.100).

a.Allrequestedvariablesentered.

b.DependentVariable:每株粒重

ModelSummary0

Std.Error

AdjustedRoftheDurbin-Wat

ModelRRSquareSquareEstimateson

1.607”.368.2892.3976

2.979b.958.946.65871.254

a.Predictors:(Constant),每株粒数

b.Predictors:(Constant),每株粒数，千粒重

ModelSummary0

Std.Error

AdjustedRoftheDurbin-Wat

Mode1RRSquareSquareEstimateson

1.607a.368.2892.3976

2.979b.958.946.65871.254

a.Predictors:(Constant),每株粒数

b.Predictors:(Constant),每株粒数，千粒重

c.DependentVariable:每株粒重

模型1给出了每株粒重与每株粒数之间的祖关系数0.607,反应了两者

之间具有显著的线性关系。

模型2中，因变量与两个自变量的复相关系数为0.979,反映了每株粒

重与每株粒数和千粒重之间具有显著的线性关系。

模型2给出了杜宾-瓦特森值为1.254

AN0VAc

SumofMean

ModelSquaresdfSquareFSig.

1Regressio26.777126.7774.658.063“

n

Residual45.98885.749

Total72.7659

2Regressio69.728234.86480.351.0001

n

Residual3.0377.434

Total72.7659

a.Predictors:(Constant),每株粒数

b.Predictors:(Constant),每株粒数，千粒重

c.DependentVariable:每株粒重

表中给出了两个模型的方差分析结果

模型LF=4.658sig=0.063未达到显著水平

模型2,F=80.351sig=0.000达到极显著水平，存在显著线性关系

Coefficients8

Standardiz

ed

UnstandardizedCoefficien

Coefficientsts

ModelBStd.ErrorBetatSig.

1(Constan3.6333.3391.088.308

t)

每株粒数.022.010.6072.158.063

2(Constan-10.9721.731-6.339.000

t)

每株粒数.029.003.7839.884.000

千粒重.373.037.7889.949.000

a.DependentVariable:每株粒重

依据表中数据非标准化系数B的值可知，逐步回来过程中先后建立的两

个回来模型分别是

y=3.633-0.022X5

y=-10.972+0.029X5+0.373X6

依据表中标准化回来系数Beta的值可知，逐步回来过程中先后建立的

两个标准化回来模型分别是

y=0.607X5

y=0.783X5+0.788Xe

ExcludedVariables;

Collineari

Partialty

CorrelatioStatistics

ModelBetaTntSig.nTolerance

1穗长.323a1.141.291.396.952

穗下节间.290”1.016.343.359.969

长

每株穗数,551a2.228.061.644.865

每穗粒数-1.154a-1.912.097586.163

千粒重,788“9.949.000.966.950

2穗长068"728.494285.736

穗下节间-014b156.881063.824

长

每株穗数003"026.980-on.478

每穗粒数.147b.554.600.221.094

a.PredictorsintheModel:(Constant),每株粒数

b.PredictorsintheModel:(Constant),每株粒数，千粒重

c.DependentVariable:每株粒重

相关性

每株粒穗下节每株穗每穗粒每株粒千粒

重穗长间长数数数重

Pearson相每株1.000.174.387.253.367.607.613

关性粒重

穗长.1741.00421.592-.422-219.502

0

穗下.387421.000039.103.176.332

节间1

长

每株.253.5920391.000701368.688

穗数

每穗.36742.1037011.000.91546

粒数21

每株.607-.21.176368.9151.00022

粒数94

千粒.613.502.332.6884612241.00

重0

Sig.（单侧）每株*.315.135.240.148.031.030

粒重

穗长.315■.113.036.112.272.070

穗下.135.113*.458.389.314.175

节间

长

每株.240.036.458•.012.148.014

穗数

每穗.148.112.389.012•.000.090

粒数

每株.031.272.314.148.000•.267

粒数

千粒.030.070.175.014.090.267*

重

N每株10101010101010

粒重

穗长10101010101010

穗下10101010101010

节间

长

每株10101010101010

穗数

每穗10101010101010

粒数

每株10101010101010

粒数

千粒10101010101010

重

残差统计量a

标准偏

微小值极大值均值差N

预料值5.906814.553810.65002.8210310

标准预料值-1.6811.384.0001.00010

预料值的标准误差.408.598.512.06810

调整的预料值5.111714.070710.62632.7312210

残差-41117.59323.00000.3560710

标准残差667.962.000.57710

Student化残差-1.3951.472.0331.08210

已删除的残差-2.47062.14664.023731.4542210

8

Student化已删除-1.9222.278.1551.38110

的残差

Mahalo距离3.0297.5695.4001.622