SPSS统计分析考查课试题1

河南师范大学生命科学学院

研究生考查课程答卷

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

授课教师：

考试时间：2013-06-26

1、考试分数：

SPSS的全称是什么?SPSS统计软件的特点是什么？

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;并进行解释。

表1原料与温度对酒精产量影响资料(kg)

温度㈤

原料(/)重复

B,(30℃)(35℃)B：｛(40℃)

141116

2491222

A

l3232526

4252411

147438

2593822

A

3503318

4403614

1485530

2353833

小

3534726

4594419

3.测定了10个大麦亲本材料的穗长（xl）、穗下节间长（x2）、每株穗数

（x3）、每穗粒数（x4）、每株粒数（x5）、千粒重（x6）和每株粒重（y）

的关系，结果如表2所示。试用逐步回归的方法建立y依xj的最优线性

回归方程，并进行解释。

表2大麦穗长资料

穗下节

穗长每株穗每穗粒每株粒每株粒

/间长千粒重

编号（X/）数（七）数（M）数（名）重（y）

（毛）/（16）/g

cm/个/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

答:SPSS的全称是StdlislicalPciukcigefortheSocialScience,

于1968年由美国斯坦福大学（StanfordUniversity,USA）的三位研究生

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单，易

学易用；具有较强的统计功能和强大的作图功能，特别是能够快速准确的

完成大量的、烦琐的、专业的和复杂的数据统计分析。是国际上认可的专

业统计分析软件之一。

2.统计分析与结果如下：

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(I-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。

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。

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，不同温度处理之间的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

均值偏差N

每株10.62.8410

粒重500341

穗长7.421.6110

00024

穗下31.02.8910

节间400413

长

每株11.11.8210

穗数300820

每穗29.511.110

粒数5005151

每株315.77.610

粒数71000340

千粒33.66.0110

重900100

Variables

Entered/Removed1'

VariabVariab

lesles

ModEntereRemove

eldclMethod

1每株粒*Enter

数

2千粒重*Stepwi

se

(Crite

ria:

Probab

ility-

of-F-t

o-ente

r

<=.05

0,

Probab

ility-

of-F-t

o-remo

ve

>=.10

0).

a.Allrequested

variablesentered.

描述性统计量

标准

均值偏差N

每株10.62.8410

粒重500341

穗长7.421.6110

00024

穗下31.02.8910

节间400413

长

每株11.11.8210

穗数300820

每穗29.511.110

粒数5005151

每株315.77.610

粒数71000340

b.DependentVariable:每

株粒重

ModelSummary0

Std.Er

rorof

the

RAdjustEstimaDurbin

\!o(iSquaedRte-Watso

elRreSquaren

1.607.368.2892.3976

a

2.979.958.946.65871.254

b

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相关系数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

ANOVAC

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1,F=4.658sig=0.063未达到显著水平

模型2,模型.351sig=0.000达到极显著水平，存在显著线性关系

Coefficients3

Standardiz

ed

UnstandardizedCoefficien

Coefficientsts

Std.Error

ModelBBetatSig.

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

根据表中数据非标准化系数B的值可知，逐步回归过程中先后建立的

两个回归模型分别是

y=3.633-0.022X5

y=-10.972+0.029X5+0.373X6

根据表中标准化回归系数Beta的值可知，逐步回归过程中先后建立的

两个标准化回归模型分别是

y=0.607X5

y=0.783X5+0.788X6

ExcludedVariables"

Collinear

ity

PartialStatistic

Correlatis

ModelBetaIntSig.onTolerance

1穗长.323a1.141.291.396.952

穗下节间.290a1.016.343.359.969

长

每株穗数.551a2.228.061.644.865

每穗粒数7154“-1.912.097586.163

千粒重.788"9.949.000.966.950

2穗长068b-728.494285.736

穗下节间-014b-156.881063.824

长

每株穗数003b026.980-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

每株粒穗下节每株每穗每株粒千粒

重穗长间长穗数粒数数重

Pearson相每株1.000.174.387.253.367.607.613

关性粒重

穗长.1741.00421.592422-.219.502

0

穗下.387421.000039.103.176.332

节间1

K

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