spss統(tǒng)計(jì)軟件期末課程考試題

1、SPSS統(tǒng)計(jì)軟件課程作業(yè)要求：數(shù)據(jù)計(jì)算題要求注明選用的統(tǒng)計(jì)分析模塊和輸出結(jié)果；并解釋結(jié)果的意 義。完成后將作業(yè)電子稿發(fā)送至1 .某單位對100名女生測定血清總蛋白含量，數(shù)據(jù)如下：計(jì)算樣本均值、中位數(shù)、方差、標(biāo)準(zhǔn)差、最大值、最小值、極差、偏度和峰度，并給出均值 的置信水平為95%的置信區(qū)間。解：描述統(tǒng)計(jì)量標(biāo)準(zhǔn)誤血清總蛋白含量均值.39389均值的95%置信區(qū)間下限上限5%修整均值中值方差標(biāo)準(zhǔn)差極小值 極大值 范圍 四分位距 偏度.054.241峰度.037.478樣本均值為：；中位數(shù)為：；方差為：；標(biāo)準(zhǔn)差為：；最大值為：； 最小值為：；極差為：；偏度為：；峰度為：；均值的置信水平為 95% 的置

2、信區(qū)間為：。2 .繪出習(xí)題1所給數(shù)據(jù)的直方圖、盒形圖和QQ圖，并判斷該數(shù)據(jù)是否服從正態(tài)分布。解直力圖tjjp =73jG7標(biāo)HL4克3田3sN-100血清量饋白含討血涉總出白含M的標(biāo)準(zhǔn)QQ圖期鉗的標(biāo)準(zhǔn)觀測值血清總水白含信的趨降標(biāo)準(zhǔn)QQ圖6065現(xiàn)測值8085正態(tài)性檢驗(yàn)Kolmogorov-Smirnov aShapiro-Wilk統(tǒng)計(jì)量dfSig.統(tǒng)計(jì)量dfSig.血清總蛋白含量.073100.200*.990100.671a. Lilliefors顯著水平修正*這是真實(shí)顯著水平的下限。表中顯示了正態(tài)性檢驗(yàn)結(jié)果，包括統(tǒng)計(jì)量、自由度及顯著性水平，以K-防法的自由度sig產(chǎn)朋顯大于，故應(yīng)接受原假設(shè)

3、，認(rèn)為數(shù)據(jù)服從正態(tài)分布。3.正常男子血小板計(jì)數(shù)均值為22510 /L ,今測得20名男性油漆工作者的血小板計(jì)數(shù)值（單位:一 9.:10 / L）如下：220188162230145160238188 247113126245164231256183190158 224175問油漆工人的血小板計(jì)數(shù)與正常成年男子有無異常解：下表給出了單樣本T檢驗(yàn)的描述性統(tǒng)計(jì)量，包括樣本數(shù)（N）、均值、標(biāo)準(zhǔn)差、 均值的標(biāo)準(zhǔn)誤差：單個(gè)樣本統(tǒng)計(jì)量N均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤血小板計(jì)數(shù)值20單個(gè)樣本檢驗(yàn)檢驗(yàn)值=225tdfSig.（雙側(cè)）均值差值差分的95%置信區(qū)間下限上限血小板計(jì)數(shù)值19.003本例置信水平為95%,顯著性

4、水平為，從上表中可以看出，雙尾檢測概率 Pfi為, 小于，故原假設(shè)不成立，也就是說，油漆工人的血小板計(jì)數(shù)與正常成年男子有 異常。4.在某次考試中，隨機(jī)抽取男女學(xué)生的成績各10名,數(shù)據(jù)如下男：99 7959 89 79 89 99 8280 85女：88 5456 23 75 65 73 5080 65假設(shè)總體服從正態(tài)分布，比較男女得分是否有顯著性差異。解:組統(tǒng)計(jì)量性別N均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤成績ab1010上表給出了本例獨(dú)立樣本T檢驗(yàn)的基本描述統(tǒng)計(jì)量，包括兩個(gè)樣本的均值、標(biāo)準(zhǔn) 差和均值的標(biāo)準(zhǔn)誤差。獨(dú)立樣本檢驗(yàn)方差方程的Levene檢驗(yàn)均值方程的t檢驗(yàn)差分的95%置信 區(qū)間FSig.tdfSig

5、.砥側(cè)）均值差值標(biāo)準(zhǔn)誤差值下限上限成績假設(shè)方差相 等假設(shè)方差不 相等.22118.007.008根據(jù)上表 方差方程的Levene檢驗(yàn)”中的sig.為，遠(yuǎn)大于設(shè)定的顯著性水 平，故本例兩組數(shù)據(jù)方差相等。在方差相等的情況下，獨(dú)立樣本T檢驗(yàn)的結(jié)果應(yīng)該看上表中的“假設(shè)方差相等” 一行，第5列為相應(yīng)的雙尾檢測概率（Sig.（雙側(cè)） 為，在顯著性水平為的情況下，T統(tǒng)計(jì)量的概率p值小于，故應(yīng)拒絕零假設(shè)，即 認(rèn)為兩樣本的均值不是相等的，在本例中，能認(rèn)為男女得分有顯著性差異。5.設(shè)有5種治療尊麻疹的藥，要比較它們的療效。假設(shè)將30個(gè)病人分成5組，每組6人,令同組病人使用一種藥，并記錄病人從使用藥物開始到痊愈所需

6、時(shí)間，得到下面的記錄：藥物類別治愈所需天數(shù)15, 8, 7, 7, 10, 824, 6, 6, 3, 5, 636, 4, 4, 5, 4, 347, 4, 6, 6, 3, 559, 3, 5, 7, 7, 6問所有藥物的效果是否一樣解：治愈所需天數(shù)ANOVA平方和df均方F顯著性組間4.014組內(nèi)總數(shù)2529上表是幾種藥物分析的結(jié)果，組間（Between Groups）平方和（Sum of Square 為，自由度（df）為4,均方為；組內(nèi)（Within Groups）平方和為，自由度為25, 均方為；F統(tǒng)計(jì)量為。由于組間比較的相伴概率 Sig. （p值）=,故應(yīng)拒絕Ho假設(shè) （五種藥物

7、對人的效果無顯著差異），說明五種藥物對人的效果有顯著性差異。通過上面的步驟，只能判斷5種藥物對人的效果是否有顯著差異。如果想進(jìn)一步 了解究竟是哪種藥物與其他組有顯著性的均值差別（即哪種藥物更好）等細(xì)節(jié) 問題，就需要在多個(gè)樣本均值間進(jìn)行兩兩比較。由于第3步檢驗(yàn)出來方差具有齊性，故選擇一種方差相等的方法，這里選 LSDT法；顯著性水平默認(rèn)??；多重比較因變量：治愈所需天數(shù)（I）藥物類別（J）藥物類別95%置信區(qū)間均值差（I-J）標(biāo)準(zhǔn)誤顯著性下限上限LSD*.88318.009.6811*.88318.001*.88318.014.5144.88318.144*.88318.009.66667.883

8、18.457.88318.852.88318.198.6523*.88318.001.88318.457.88318.354.9856*.88318.048*.88318.014.16667.88318.852.83333.88318.354.88318.268.8189.88318.144.4856.88318.198*.88318.88318.048.268.0144*.均值差的顯著性水平為 。從整個(gè)表反映出來五種藥物相互之間均存在顯著性差異，從效果來看是第1種最好。0.OOH7.O0H6.00-5.00-4.001 002 003.004 no5 00西物類利上圖為幾種藥物均值的折線圖，

9、可以看均值差異較大。6 .某公司在各地區(qū)銷售一種特殊化妝品。該公司觀測了15個(gè)城市在某月內(nèi)對該化妝品的銷售量Y及各地區(qū)適合使用該化妝品的人數(shù)X1和人均收入X2,得到數(shù)據(jù)如下：地區(qū)銷售（箱）人數(shù)（千人）人均收入（元）11622742450212018032543223375380241312052838567862347616926537827819830088192330245091161952137105553256011252430402012232372442713144236266014103157208815212370260550.003QO.OO-2SO.OC-200.00-15

10、0.00-100.0C-2500.003000.003500.0D4000.004500.002000.00人均收入X2相關(guān)性(1)畫出這三個(gè)變量的兩兩散點(diǎn)圖，并計(jì)算出兩兩之間的相關(guān)系數(shù)。解人均收入X2銷售丫人均收入X2Pearson相關(guān)性1.639*顯著性（雙側(cè)）.010平方與叉積的和協(xié)方差N1515銷售丫Pearson相關(guān)性.639*1顯著性（雙側(cè)）.010平方與叉積的和協(xié)方差N1515其中包括了叉積離差矩陣、協(xié)方差矩陣、Pearson相關(guān)系數(shù)及相伴概率p值。從表中可看出，相關(guān)系數(shù)為0,說明呈正相關(guān)500.00-400.0C-300.03-200.00-100.00-2500.003000

11、.003500.0D40C0,Q04500.00,002000 00*.在水平（雙側(cè)）上顯著相關(guān)人均收入X2相關(guān)性人數(shù)X1人均收入X2人數(shù)X1Pearson相關(guān)性1.569*顯著性（雙側(cè)）.027平方與叉積的和協(xié)方差N1515人均收入X2 Pearson相關(guān)性.569*1顯著性（雙側(cè)）.027平方與叉積的和協(xié)方差N1515*.在水平（雙側(cè)）上顯著相關(guān)其中包括了叉積離差矩陣、協(xié)方差矩陣、Pearsonffi關(guān)系數(shù)及相伴概率p值。從表中可看出，相關(guān)系數(shù)為0,說明呈正相關(guān)300.M-250 OC-200.0D-150.00-100.M-50.00.00100.00200.00300.00400 00

12、AX1I5DO.DO銷售丫人數(shù)X1銷售丫Pearson相關(guān)性1.995*顯著性（雙側(cè)）.000平方與叉積的和協(xié)方差N1515人數(shù)X1 Pearson相關(guān)性.995*1顯著性（雙側(cè)）.000平方與叉積的和協(xié)方差N1515相關(guān)性*.在.01水平（雙側(cè)）上顯著相關(guān)表格中包括了叉積離差矩陣、協(xié)方差矩陣、Pearson相關(guān)系數(shù)及相伴概率p值。從表中可看出，相關(guān)系數(shù)為0,說明呈正相關(guān)同時(shí)預(yù)(2)試建立Y與X, X2之間的線性回歸方程，并研究相應(yīng)的統(tǒng)計(jì)推斷問題測適合購買此化妝品的人數(shù)為220千人，人均收入為2500元的某城市對該化妝品的銷量。輸入/移去的變量模型輸入的變量移去的變量方法1人均收入X2,人數(shù)X

13、1a.輸入a.已輸入所有請求的變量。表中顯示回歸模型編號、進(jìn)入模型的變量、移出模型的變量和變量的篩選方法?？梢钥闯?，進(jìn)入模型的自變量為“人均收入 X2和人數(shù)X1”。模型匯總模型RR方調(diào)整R 方標(biāo)準(zhǔn)倩計(jì)的誤 差更改統(tǒng)計(jì)量R方更 改F更改df1df2Sig. F更改1.999a.999.999.999212.000a.預(yù)測變量：(常量)，人均收入X2,人數(shù)XI。R=,說明自變量與因變量之間的相關(guān)性很強(qiáng)。R方(R2)二,說明自變量“人均收入和人數(shù)”可以解釋因變量 銷售量”的的差異性。Anovab模型平方和df均方FSig.1回歸殘差總計(jì)21214.000aa.預(yù)測變量：(常量)，人均收入X2,人數(shù)X

14、I。b.因變量：銷售丫表中顯示因變量的方差來源、方差平方和、自由度、均方、 F僉驗(yàn)統(tǒng)計(jì)量的觀測 值和顯著性水平。方差來源有回歸、殘差。從表中可以看出， F統(tǒng)計(jì)量的觀測值 為，顯著性概率為，即檢驗(yàn)假設(shè)“ H0:回歸系數(shù)B = 0成立的概率為，從而應(yīng)拒 絕原假設(shè)，說明因變量和自變量的線性關(guān)系是非常顯著的，可建立線性模型系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B的置信區(qū)間相關(guān)性B標(biāo)準(zhǔn)差誤試用版下限上限零階偏部分1 （常量）人數(shù)X1.496.006.934.181.000.483.509.995.999.768人均收入.009.001.108.000.007.011.639.940.089X2a.因變

15、量：銷售丫表中顯示回歸模型的常數(shù)項(xiàng)、非標(biāo)準(zhǔn)化的回歸系數(shù)B值及其標(biāo)準(zhǔn)誤差、標(biāo)準(zhǔn)化的回歸系數(shù)值、統(tǒng)計(jì)量t值以及顯著性水平（Sig.）因此可以得到回歸方程：Y=*X1+*X2 即，銷售量=*人數(shù)+*人均收入?；貧w系數(shù)的顯著性水平為，明顯小于，故應(yīng)拒絕 T檢驗(yàn)的原假設(shè)，這也說明了回 歸系數(shù)的顯著性，說明建立線性模型是恰當(dāng)?shù)?。那么?dāng)化妝品的人數(shù)為220千人，人均收入為2500元，代入到上面公式可以得到Y(jié)=*220000+*2500=元。7 .研究青春發(fā)育階段的年齡和遠(yuǎn)視率的變化關(guān)系，測得數(shù)據(jù)如下年齡6789101112131415161718遠(yuǎn)視率請對年齡與遠(yuǎn)視率的關(guān)系進(jìn)行曲線估計(jì)。解：線性倒數(shù)模型匯總

16、RR方調(diào)整R方估計(jì)值的標(biāo)準(zhǔn)誤.908.825.809二次模型匯總RR方調(diào)整R方估計(jì)值的標(biāo)準(zhǔn)誤.971.943.931三次模型匯總RR方調(diào)整R方估計(jì)值的標(biāo)準(zhǔn)誤.979.959.945復(fù)合模型匯總RR方調(diào)整R方估計(jì)值的標(biāo)準(zhǔn)誤.891.794.775.650幕模型匯總RR方調(diào)整R方估計(jì)值的標(biāo)準(zhǔn)誤.923.851.838.553增長模型匯總RR方調(diào)整R方估計(jì)值的標(biāo)準(zhǔn)誤.891.794.775.650指數(shù)模型匯總RR方調(diào)整R方估計(jì)值的標(biāo)準(zhǔn)誤.891.794.775.650Logistic模型匯總RR方調(diào)整R方估計(jì)值的標(biāo)準(zhǔn)誤.891.794.775.650S模型匯總RR方調(diào)整R方估計(jì)值的標(biāo)準(zhǔn)誤.891.7

17、94.775.650三次曲線的方差分析圖ANOVA平方和df均方FSig.回歸3.000殘差9總計(jì)12從決定系數(shù)（R方即R2）來看，三次曲線效果最好（因?yàn)槠?R2值最大），并且方 差分析的顯著性水平（Sig.）為0。故重新進(jìn)行上面的過程，只選“三次曲線（Cubic） 一種模型。系數(shù)未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)tSig.B標(biāo)準(zhǔn)誤Beta個(gè)案順序.000個(gè)案序列* 2.786.015個(gè)案序列* 3.037.095（常數(shù)）.000從表中可知因變量與自變量的三次回歸模型為:y=擬合效果圖：近視率從圖形上看，擬合效果很好o已觀測二次8 .談?wù)勀銓?shù)理統(tǒng)計(jì)和統(tǒng)計(jì)軟件課程的學(xué)習(xí)心得和想法，有何收獲，有何建議等。關(guān)于SPS漱件的學(xué)習(xí)已經(jīng)有一段時(shí)間了，初次接觸這個(gè)軟件是在上次數(shù)學(xué)建模比賽，因?yàn)榻y(tǒng)計(jì)的需要，所以我就大概的了解了一下，這次通過系統(tǒng)的學(xué)習(xí)，發(fā)現(xiàn)自己對以前利用SPS所計(jì)的數(shù)據(jù)已經(jīng)有了更深的認(rèn)識，知