管理会计实验期末试题

“统计学实验”课程实验报告课程编号：21090261Y课程序号：课程名称：统计学实验实验教师：学生班级：学生姓名：学生学号：实验地点：实验日期：年月日实验成绩：

（来自于第1章机上作业2）为评价某经济学教授的教学质量，教务处从全体学生中随机抽取100人构成一个样本。教学质量的等级分别表示为：A.好；B.较好；C.一般；D.较差；E.差。获得如下数据：表1.9某经济学教授教学质量等级的评价结果ABDCDBCBDBBABACACDBEABDCEDCACCCACBABBDDCBBDDDDABACBCBECCADBCCBBABCDBAEBCBBACCCBCCBACBCABCBBCBCBCBABD要求：将上述数据转换成SPSS数据集。考虑如何评价这位经济学教授的教学质量。数据变量设置数据录入将评定等级作为横轴、频数作为纵轴，经数据分析可以看出，该经济学教授的评价情况大致呈现一个钟形，以B（较好）为中心，两侧均匀分布，对教授的评价集中在“好”、“较好”、“一般”，占85%，数据获取真实合理，总体来说该教授教学质量评价较好。（来自于第1章机上作业4）4个班各50名学生的统计学考试成绩如下表所示：表1.114个班共200名学生统计学考试成绩一班9682767365637375809392807572636271757992927875706161707578908677746960596774778685777466574466737685二班1008471615452607083100100837059525158688296485768819594796657444457647491917463564039566273908571615535三班6160767465636975757592806772576278777992907875446661708078928693987382597574778677857396577066737685四班8184856054546070839899839159785158688296455768999494526657484357617670927463564139566273907171615537要求：将上述数据转换成SPSS数据集。对数据做如下的预处理工作：[注：建立了数据集后，在进入正式的统计描述或统计推断之前，出于某种研究和观察的目的，往往需要对数据进行一些预处理工作，这是统计软件操作中必须掌握的内容。关于SPSS数据预处理的操作请参见本章附录1。]（1）就全体200名学生成绩进行排序；（2）分别就各班成绩进行排序；（3）挑选出各班60分以下和90分以上的成绩；（4）在200名学生成绩中清点出59分的成绩；（5）将200名学生成绩升序排序后，分成大小相等的4组；（6）将200名学生成绩按班级进行拆分。考虑如何评价4个班统计学考试成绩的优劣？分析结论：由平均值可知，三班平均值最高为78.88，一班74.38次之，二班68.48排第三，四班68.44排名第四。加入方差进行分析一班10.59最为稳定，三班11.26，二班17.44和四班17.18相差不大。综上，一班三班成绩较好，二班四班成绩相对落后（来自于第2章机上作业3）某投资者为了对沪深证券市场金融类上市公司有一个全面了解，对其34家金融类上市公司的行业细分、现价等指标整理成如下表格形式：表2.12某日沪深金融类上市公司行业细分表代码名称行业细分现价代码名称行业细分现价000001000562000563000686000728000776000783002142600000600015600016600030600036600109600369600816600837深发展Ａ宏源证券陕国投Ａ东北证券国元证券广发证券长江证券宁波银行浦发银行华夏银行民生银行中信证券招商银行国金证券西南证券安信信托海通证券银行证券信托证券证券证券证券银行银行银行银行银行证券证券证券信托证券17.217.1910.9822.712.53211.2212.8913.5111.175.2211.4513.2816.8313.1113.69.4600999601009601099601166601169601288601318601328601398601601601628601688601788601818601939601988601998招商证券南京银行太平洋兴业银行北京银行农业银行中国平安交通银行工商银行中国太保中国人寿华泰证券光大证券光大银行建设银行中国银行中信银行证券银行保险银行银行银行保险银行银行保险保险证券证券银行银行银行银行21.0511.2111.7724.2112.422.6949.065.934.0722.8422.1113.815.283.494.633.345.4要求：根据上述资料建立SPSS数据集。（2）绘制金融业行业细分频数分布表、条形图、饼形图。行业细分FrequencyPercentValidPercentCumulativePercentValid保险411.811.811.8信托25.95.917.6银行16证券1235.335.3100.0Total34100.0100.0（3）绘制行业细分的帕累托图。（4）制作公司现价的频数分布茎叶图、直方图与盒形图。现价

Stem-and-Leaf

Plot

Frequency

Stem

&

Leaf

5.00

0

.

23344

4.00

0

.

5559

14.00

1

.

01111122233333

4.00

1

.

5677

5.00

2

.

12224

2.00

Extremes

(>=32)

Stem

width:

10.00

Each

leaf:

1

case(s)（来自于第2章机上作业6）为了解和掌握商品广告次数与商品销售额的关联性，某商场记录了10个星期里面广告次数与销售额数据：表2.1310个星期里面的广告次数与销售额星期12345678910广告次数(次)2513415342销售额（百元）50574154543863485946要求：绘制散点图，并观察广告次数与销售额两者之间的关系。结论：销售额与广告次数呈正相关关系，而且在广告次数相同的情况下，销售额还受其他因素影响（来自于第3章机上作业7）下表是一组大学生外出就餐的月费用样本数据：表3.1425名大学生外出吃饭的月费用253101245467131022580113691989512912411178104161011815155152134169要求：（1）计算均值=138.52；中位数=129.00；众数=0（2）确定上下四分位数。分别为173.50,87.50（3）计算极差=467；四分位差=173.5-87.5=86（4）计算方差=9271；标准差=96.286（5）检测异常值。故第16个值467为异常值计算各个观测值的标准得分，并就标准得分计算均值、方差及标准差。各个观测值的标准得分就标准得分计算均值、方差及标准差标准分均值=0方差=1标准差=1（来自于第4章机上作业1）证券公司开展了一项中年顾客有价证券投资的调查，随机抽取了70人，获得有价证券投资总额的样本数据如下表所示：表4.470人有价证券投资总额666.97.577.27.5125.7516.9219.9645.2301.9235.4716.4145.326.6187.2315.589.2136.4616.9440.6408.234.4296.1185.4526.3380.73.3363.251.952.2107.582.963.0228.6308.7126.7430.382.0227.0321.1403.439.5124.3118.123.9352.8156.7276.323.531.3301.235.7154.9174.3100.6236.7171.9221.143.4212.3243.3315.45.91002.2171.7295.7437.087.8302.1268.1899.5要求：建立SPPSS数据集。描述数据的频数分布状态，观察其分布特征。TZ

Stem-and-Leaf

Plot

Frequency

Stem

&

Leaf

20.00

0

.

00002223333455678888

15.00

1

.

001222345577788

12.00

2

.

112223346799

9.00

3

.

000112568

5.00

4

.

00334

2.00

5

.

12

3.00

6

.

146

4.00

Extremes

(>=716)

Stem

width:

100.0

Each

leaf:

1

case(s)分别以90%、95%、95.45%和99%的置信度，给出中年顾客总体有价证券投资总额的均值。DescriptivesStatisticStd.ErrorTZMean271.25938.781290%ConfidenceIntervalforMeanLowerBound206.601UpperBound335.9165%TrimmedMean228.664Median199.750Variance1.053E5Std.Deviation3.2447E2Minimum3.3Maximum2301.9Range2298.6InterquartileRange246.4Skewness3.942.287Kurtosis21.994.566DescriptivesStatisticStd.ErrorTZMean271.25938.781295%ConfidenceIntervalforMeanLowerBound193.892UpperBound348.6255%TrimmedMean228.664Median199.750Variance1.053E5Std.Deviation3.2447E2Minimum3.3Maximum2301.9Range2298.6InterquartileRange246.4Skewness3.942.287Kurtosis21.994.566DescriptivesStatisticStd.ErrorTZMean271.25938.781295.45%ConfidenceIntervalforMeanLowerBound192.266UpperBound350.2515%TrimmedMean228.664Median199.750Variance1.053E5Std.Deviation3.2447E2Minimum3.3Maximum2301.9Range2298.6InterquartileRange246.4Skewness3.942.287Kurtosis21.994.566（来自于第5章机上作业1）由自动生产线包装食盐。每袋食盐净重量服从正态分布。规格要求每袋净重为500克，标准差不能超过10克。某天开工后，为检验机器工作是否正常，从包装好的食盐中随机抽取9袋，测得其净重为：表5.69袋食盐净重（克）497507510484488524491475515要求：分别在0.05和0.01的显著水平水平下，检验这天包装机工作是否正常？操作步骤输出结果分析结论要求：分别在0.05和0.01的显著水平水平下，检验这天包装机工作是否正常？在0.05的显著性水平下，P值为0.856，P值大于α，因而接受原假设。即在包装机正常工作的假设下，获得检验统计量的值以及更极端的值的概率是0.856。根据抽样原理及小概率原理，在0.05的显著性水平下，接受包装机正常工作的假设。在0.01的显著性水平下，也能得到同样的结论。此时，P值为0.856，P值大于α，因而接受原假设。即在包装机正常工作的假设下，获得检验统计量的值以及更极端的值的概率是0.856。根据抽样原理及小概率原理，在0.01的显著性水平下，接受包装机正常工作的假设。（来自于第5章机上作业2）在平炉上进行一项试验，以确定改变操作方法的建议是否会增加得钢率，试验是在同一只平炉上进行的。每炼一炉钢时除操作方法外，其它条件都尽可能做到相同。先用传统方法炼一炉，然后用建议的新方法炼一炉，如此交替进行，各炼了10炉，其得钢率分别为表5.7两种操作方法下的得钢率传统方法78.172.476.274.377.478.476.075.576.777.3新方法79.181.077.379.180.080.282.1要求：假设得钢率服从正态分布，试在总体方差相等的假设成立和不成立的两种情形下，分别以0.05和0.01的显著性水平，对两种操作方法的得钢率进行比较。操作步骤输出结果95%GroupStatisticsgroupNMeanStd.DeviationStd.ErrorMeanrate11076.2301.8233.576621079.4301.4915.4717IndependentSamplesTestLevene'sTestforEqualityofVariancest-testforEqualityofMeansFSig.tdfSig.(2-tailed)MeanDifferenceStd.ErrorDifference95%ConfidenceIntervaloftheDifferenceLowerUpperrateEqualvariancesassumed.256.619-4.29618.000-3.2000.7449-4.7650-1.6350Equalvariancesnotassumed-4.29617.319.000-3.2000.7449-4.7694-1.630699%GroupStatisticsgroupNMeanStd.DeviationStd.ErrorMeanrate11076.2301.8233.576621079.4301.4915.4717IndependentSamplesTestLevene'sTestforEqualityofVariancest-testforEqualityofMeansFSig.tdfSig.(2-tailed)MeanDifferenceStd.ErrorDifference99%ConfidenceIntervaloftheDifferenceLowerUpperrateEqualvariancesassumed.256.619-4.29618.000-3.2000.7449-5.3442-1.0558Equalvariancesnotassumed-4.29617.319.000-3.2000.7449-5.3540-1.0460分析结论要求：假设得钢率服从正态分布，试在总体方差相等的假设成立和不成立的两种情形下，分别以0.05和0.01的显著性水平，对两种操作方法的得钢率进行比较。在0.05的显著性水平下，P值为0，P值小于α，因而拒绝原假设。即在认为改变操作方法不会增加得钢率的假设下，获得检验统计量的值以及更极端的值得概率是0，也就是说假设与实际观测结果冲突，根据抽样原理及小概率原理，在0.05的显著性水平下，拒绝改变操作方法不会增加得钢率的假设，即认为两种操作方法的得钢率有明显差异。在0.01的显著性水平下，P值为0，P值小于α，因而拒绝原假设。即在认为改变操作方法不会增加得钢率的假设下，获得检验统计量的值以及更极端的值得概率是0，也就是说假设与实际观测结果冲突，根据抽样原理及小概率原理，在0.01的显著性水平下，拒绝改变操作方法不会增加得钢率的假设，即认为两种操作方法的得钢率有明显差异。（来自于第5章机上作业3）为研究某种减肥茶是否具有明显的减肥效果，某美体健身机构对36名肥胖志愿者进行了减肥跟踪调查。首先将其喝减肥茶以前的体重记录了下来，三个月后再依次将这36名志愿者喝茶后的体重记录了下来。获样本数据如下：表5.836名志愿者饮用减肥前后的体重（公斤）喝茶前体重喝茶后体重喝茶前体重喝茶后体重9063846895718374827989719173876010074907087658267916795699073817986608373877686749871936088729560827596758762977792678170937488639578857395688178要求：分别以0.05和0.01显著性水平，推断减肥茶的减肥效果。第5章机上作业3操作步骤输出结果99%PairedSamplesStatisticsMeanNStd.DeviationStd.ErrorMeanPair1old89.03365.438.906new70.25365.739.956PairedSamplesCorrelationsNCorrelationSig.Pair1old&new36-.107.533PairedSamplesTestPairedDifferencestdfSig.(2-tailed)MeanStd.DeviationStd.ErrorMean99%ConfidenceIntervaloftheDifferenceLowerUpperPair1old-new18.7788.3191.38715.00122.55413.54335.00095%PairedSamplesStatisticsMeanNStd.DeviationStd.ErrorMeanPair1old89.03365.438.906new70.25365.739.956PairedSamplesCorrelationsNCorrelationSig.Pair1old&new36-.107.533PairedSamplesTestPairedDifferencestdfSig.(2-tailed)MeanStd.DeviationStd.ErrorMean95%ConfidenceIntervaloftheDifferenceLowerUpperPair1old-new18.7788.3191.38715.96321.59313.54335.000分析结论要求：分别以0.05和0.01显著性水平，推断减肥茶的减肥效果。在0.05的显著性水平下，P值为0，P值小于α，因而拒绝原假设。即在认为减肥茶对体重没有影响的假设下，获得检验统计量的值以及更极端的值的概率是0，也就是说假设与实际观测结果冲突，根据抽样原理及小概率原理，在0.05的显著性水平下，拒绝减肥茶对体重没有影响的假设，即认为减肥茶有效果。在0.01的显著性水平下，P值为0，P值小于α，因而拒绝原假设。即在认为减肥茶对体重没有影响的假设下，获得检验统计量的值以及更极端的值的概率是0，也就是说假设与实际观测结果冲突，根据抽样原理及小概率原理，在0.01的显著性水平下，拒绝减肥茶对体重没有影响的假设，即认为减肥茶有效果。（来自于第6章机上作业4）某英语培训班为了保证教学质量、提高学生的学习效率，将学生平均分为四个平行小班，每班6人，三个月后对学生进行测验，获如下数据：表6.9四个平行小班英语测验成绩一班687280726670二班617066646365三班808270757274四班707280736971要求：（1）分别在0.05和0.01的显著性水平下，检验四个平行小班的成绩有无显著差异。（2）若有显著差异，分析哪几个小班之间的成绩存在差异。操作步骤分别在0.05和0.01的显著性水平下，检验四个平行小班的成绩有无显著差异。（2）若有显著差异，分析哪几个小班之间的成绩存在差异。输出结果（1）分别在0.05和0.01的显著性水平下，检验四个平行小班的成绩有无显著差异。TestofHomogeneityofVariances测验成绩LeveneStatisticdf1df2Sig..413320.745ANOVA测验成绩SumofSquaresdfMeanSquareFSig.BetweenGroups363.7923121.2646.946.002WithinGroups349.1672017.458Total712.95823Means

Plots若有显著差异，分析哪几个小班之间的成绩存在差异。Post

Hoc

TestsMultipleComparisons测验成绩LSD(I)班级(J)班级MeanDifference(I-J)Std.ErrorSig.95%ConfidenceIntervalLowerBoundUpperBound126.500*2.412.0141.4711.533-4.1672.412.100-9.20.874-1.1672.412.634-6.203.8721-6.500*2.412.014-11.53-1.473-10.667*2.412.000-15.70-5.634-7.667*2.412.005-12.70-2.63314.1672.412.100-.879.20210.667*2.412.0005.6315.7043.0002.412.228-2.038.03411.1672.412.634-3.876.2027.667*2.412.0052.6312.703-3.0002.412.228-8.032.03*.Themeandifferenceissignificantatthe0.05level.Post

Hoc

TestsMultipleComparisons测验成绩LSD(I)班级(J)班级MeanDifference(I-J)Std.ErrorSig.99%ConfidenceIntervalLowerBoundUpperBound126.5002.412.014-.3613.363-4.1672.412.100-11.032.704-1.1672.412.634-8.035.7021-6.5002.412.014-13.36.363-10.667*2.412.000-17.53-3.804-7.667*2.412.005-14.53-.80314.1672.412.100-2.7011.03210.667*2.412.0003.8017.5343.0002.412.228-3.869.86411.1672.412.634-5.708.0327.667*2.412.005.8014.533-3.0002.412.228-9.863.86*.Themeandifferenceissignificantatthe0.01level.分析结论（1）分别在0.05和0.01的显著性水平下，检验四个平行小班的成绩有无显著差异。由输出结果的TestofHomogeneityofVariances表格知，方差齐性的伴随概率为0.745,与1.000有所差异，表明四个班级之间方差不等，即四个平行小班的成绩有显著差异。由ANOVA表格可知，在认为四个平行小班成绩无显著差异的假设前提下，出现样本观测数据的概率为0.002，小于0.05的显著性水平且小于0.01的显著性水平，所以拒绝原假设，得出在0.05和0.01的显著性水平下，四个平行小班成绩都有显著差异的结论。（2）若有显著差异，分析哪几个小班之间的成绩存在差异。在0.05的显著性水平下，PostHocTests的LSD多重比较的输出结果中用星号*标记出了成绩有显著差异的班级，共有三组，即1班和2班，2班和3班，2班和4班之间有显著差异。同理，在0.01的显著性水平下，共找出两组成绩有显著差异的班级，即2班和3班，2班和4班之间有显著差异。可见，人为确定的不同的显著水平影响了对观测数据的评定结论。（来自于第7章机上作业1）受教育程度与公务员考试成绩两个变量的联合样本数据如下：表7.13教育程度与公务员考试成绩之间的关系样本数据大学以下大学以上合计成绩低100200300成绩高150800950合计25010001250要求：（1）制作交叉频数分布图。（2）提出检验的原假设。（3）计算统计量的值。（4）以0.05的显著性水平进行检验。（5）计算列联表中的相关系数。操作步骤（1）制作交叉频数分布图。（2）提出检验的原假设。（略）（3）计算统计量的值。（4）以0.05的显著性水平进行检验。（略）（5）计算列联表中的相关系数。输出结果（1）制作交叉频数分布图。Crosstabs[DataSet4]

CaseProcessingSummaryCasesValidMissingTotalNPercentNPercentNPercent成绩高低*教育程度1250100.0%0.0%1250100.0%成绩高低*教育程度Crosstabulation教育程度Total大学以下大学以上成绩高低成绩低Count100200300ExpectedCount60.0240.0300.0%within成绩高低33.3%66.7%100.0%%within教育程度40.0%20.0%24.0%成绩高Count150800950ExpectedCount190.0760.0950.0%within成绩高低15.8%84.2%100.0%%within教育程度60.0%80.0%76.0%TotalCount25010001250ExpectedCount250.01000.01250.0%within成绩高低20.0%80.0%100.0%%within教育程度100.0%100.0%100.0%（2）提出检验的原假设。（略）（3）计算统计量的值。Chi-SquareTestsValuedfAsymp.Sig.(2-sided)ExactSig.(2-sided)ExactSig.(1-sided)PearsonChi-Square43.8601.000ContinuityCorrectionb42.7701.000LikelihoodRatio40.3891.000Fisher'sExactTest.000.000Linear-by-LinearAssociation43.8251.000NofValidCasesb1250a.0cells(.0%)haveexpectedcountlessthan5.Theminimumexpectedcountis60.00.b.Computedonlyfora2x2tableSymmetricMeasuresValueAsymp.Std.ErroraApprox.TbApprox.Sig.IntervalbyIntervalPearson'sR.187.0316.737.000OrdinalbyOrdinalSpearmanCorrelation.187.0316.737.000NofValidCases1250a.Notassumingthenullhypothesis.b.Usingtheasymptoticstandarderrorassumingthenullhypothesis.c.Basedonnormalapproximation.（4）以0.05的显著性水平进行检验。（略）（5）计算列联表中的相关系数。CorrelationsCorrelations成绩高低教育程度成绩高低PearsonCorrelation1.187**Sig.(2-tailed).000N12501250教育程度PearsonCorrelation.187**1Sig.(2-tailed).000N12501250**.Correlationissignificantatthe0.01level(2-tailed).分析结论制作交叉频数分布图。由交叉频数分布图可以看出，成绩低的人数大约是成绩高的人数的四分之一，在成绩低的人数中，大学以上教育程度的人数约是大学以下人数的两倍，在成绩高的人数中，大学以上教育程度的人数约是大学以下人数的四倍，蓝色代表的大学以下教育程度的成绩高低人数大致相同，绿色代表的大学以上教育程度的成绩高的人数大约是成绩低的四倍。从交叉频数分布表可以更清晰的看出在不同维度下频数的比率。通过比较实际频数与相互独立假设下的期望频数，发现二者之间有所差异，说明成绩高低与教育程度不相互独立。（2）提出检验的原假设。受教育程度与公务员考试成绩高低相互独立。（3）计算统计量的值。由Chi-SquareTests的结果可知，统计量的值为43.860.（4）以0.05的显著性水平进行检验。由Chi-SquareTests的结果可知，P值0.000小于0.05，故拒绝原假设，得出受教育程度与公务员考试成绩高低不相互独立的结论。（5）计算列联表中的相关系数。由Correlations的输出结果可知，成绩高低与受教育程度的皮尔逊相关系数是0.187，P值为0.000,说明在0.01的显著性水平下，相关性显著。（来自于第8章机上作业2）从本市全体儿童总体中随机抽取了一个容量为30的样本，测量了身高与体重，获得如下样本数据：表8.930儿童身高与体重的样本数据序号身高（厘米）体重（公斤）序号身高（厘米）体重（公斤）123456789101112131415119.8121.7121.4124.4120.0117.0118.0118.8124.2124.8124.7123.1125.3124.2127.422.621.519.121.821.520.118.822.021.324.023.322.522.919.522.9161718192021222324252627282930128.2126.1128.6129.4126.9126.5128.2131.4130.8133.9130.4131.3130.2136.0138.022.322.723.521.525.525.026.127.926.827.224.424.423.026.328.8要求：（1）绘制上述数据的散点图，判断两个变量之间的关系类型。（2）计算两个变量的相关系数，并进行显著性检验。（3）以身高为自变量、体重为因变量求出估计的回归方程。解释其斜率的含义。（4）进行显著性检验和拟合优度评价。（5）给出身高为117厘米时，总体中身高均值的95%置信区间。（6）某一儿童身高为125厘米，试以99%的置信度估计其体重的存在区间。（7）绘制标准化残差图和正态概率图，给出您的观察结论。操作步骤（1）绘制上述数据的散点图，判断两个变量之间的关系类型。（2）计算两个变量的相关系数，并进行显著性检验。（3）以身高为自变量、体重为因变量求出估计的回归方程。解释其斜率的含义。（4）进行显著性检验和拟合优度评价。（5）给出身高为117厘米时，总体中体重均值的95%置信区间。（6）某一儿童身高为125厘米，试以99%的置信度估计其体重的存在区间。（7）绘制标准化残差图和正态概率图，给出您的观察结论。输出结果（1）绘制上述数据的散点图，判断两个变量之间的关系类型。Graph（2）计算两个变量的相关系数，并进行显著性检验。CorrelationsCorrelationsheightweightheightPearsonCorrelation1.803**Sig.(2-tailed).000N3030weightPearsonCorrelation.803**1Sig.(2-tailed).000N3030**.Correlationissignificantatthe0.01level(2-tailed).（3）以身高为自变量、体重为因变量求出估计的回归方程。解释其斜率的含义。RegressionCoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)-26.6157.007-3.798.001height.395.055.8037.130.000a.DependentVariable:weight（4）进行显著性检验和拟合优度评价。ANOVAbModelSumofSquaresdfMeanSquareFSig.1Regression122.2081122.20850.836.000Residual67.311282.404Total189.51929a.Predictors:(Constant),heightb.DependentVariable:weightModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.803.645.6321.5505a.Predictors:(Constant),height（5）给出身高为117厘米时，总体中体重均值的95%置信区间。（6）某一儿童身高为125厘米，试以99%的置信度估计其体重的存在区间。（7）绘制标准化残差图和正态概率图，给出您的观察结论。Charts分析结论（1）绘制上述数据的散点图，判断两个变量之间的关系类型。如散点图所示，可以得知体重与身高基本呈线性正相关关系，即随着身高的增加，体重也逐渐增加，并在一定范围内波动。（2）计算两个变量的相关系数，并进行显著性检验。由输出的相关系数的表格可知，身高和体重的皮尔逊相关系数为0.803，在0.01的显著性水平下是显著的，即身高和体重呈现较强的线性相关关系。（3）以身高为自变量、体重为因变量求出估计的回归方程。解释其斜率的含义。由线性回归输出结果的Coefficients表格可知，回归方程中，常数项为-26.615，斜率为0.395，因而以身高为自变量、体重为因变量求出估计的回归方程为：。其含义为，身高每增高1cm，体重就随之增加0.395kg。（4）