北科SPSS軟件練習(xí)試題

廣子）廣子）H嗦W技/樣/UniversFtyof5ci?nc^andTachnolcgyBeijingSpss第4次作業(yè)第1題⑴【實(shí)驗(yàn)?zāi)康摹繉W(xué)會用spss進(jìn)行相關(guān)分析⑵【實(shí)驗(yàn)內(nèi)容】1、對15家商業(yè)企業(yè)進(jìn)行客戶滿意度調(diào)查，同時聘請相關(guān)專家對這15家企業(yè)的綜合競爭力進(jìn)行評分，結(jié)果如下表編號客戶滿意度得分綜合競爭力得分190702100803150150413014051209061101207402081401309106010203011801001270110133010145040156050這些數(shù)據(jù)能否說明企業(yè)的客戶滿意度與綜合競爭力存在較強(qiáng)的正相關(guān)關(guān)系？為什么？【操作步驟】輸入數(shù)據(jù)一圖形一散點(diǎn)圖/點(diǎn)圖一選擇“簡單散點(diǎn)圖”一定義一將“綜合競爭得分”導(dǎo)入理軸”一將“客戶滿意度得分”導(dǎo)入貸軸”一確定；在數(shù)據(jù)輸出窗口，雙擊圖形空白處一元素一總計(jì)擬合線一線性一應(yīng)用；分析一回歸一線性一添加客戶滿意度得分到因變量，綜合競爭力的分到自變量一確定

⑷【輸出結(jié)果】綜合竟男得分綜合竟男得分輸入/除去的變量,模型輸入的變量除夫的變量方法1綜合競爭力得分b.輸入因變量：客戶滿意度得分巳輸入所請求的所有變量。模型」摘要模型RR方調(diào)整后R方標(biāo)準(zhǔn)估算的誤差1.864a.747.72823.344a.預(yù)測變量：（常量），綜合競爭力得分ANOVAa模型平方和自由度均方F顯著性1 回歸20915.714120915.71438.381.000b 殘差7084.28613544.945

總計(jì)28000.00014因變量：客戶滿意度得分預(yù)測變量：（常量），綜合競爭力得分系數(shù)a模型未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)t顯著性B標(biāo)準(zhǔn)誤差Beta1 （常量）綜合競爭力得分10.857.86412.684.140.864.8566.195.408.000a.因變量：客戶滿意度得分（5）【結(jié)果分析】擬合線性直線的方程為：y=10.86+0.86x,相關(guān)系數(shù)r為0.864,當(dāng)顯著性水平a為0.01時拒絕原假設(shè)，表明兩個變量（企業(yè)的客戶滿意度與綜合競爭力）之前具有較強(qiáng)的線性關(guān)系，相關(guān)性顯著。第2題⑴【實(shí)驗(yàn)?zāi)康摹繉W(xué)會用spss進(jìn)行相關(guān)分析⑵【實(shí)驗(yàn)任務(wù)】為研究香煙消耗量與肺癌死亡率的關(guān)系，收集到下表數(shù)據(jù)。國家1930年人均香煙消耗量1950年每百萬男子中死于肺癌的人數(shù)澳大利亞480180加拿大500150丹麥380170芬蘭1100350英國1100460荷蘭490240冰島23060挪威25090瑞典300110瑞士510250美國1300200繪制散點(diǎn)圖，并計(jì)算相關(guān)系數(shù)，說明香煙消耗量與肺癌死亡率之間是否存在顯著的相關(guān)關(guān)系。

⑶【操作步驟】輸入數(shù)據(jù)一圖形一散點(diǎn)圖/點(diǎn)圖一選擇“簡單散點(diǎn)圖”一定義一將“1950年每百萬男子中死于肺癌的人數(shù)”導(dǎo)入“丫軸”一將“1930年人均香煙消耗量”導(dǎo)入“乂軸”一確定；在數(shù)據(jù)輸出窗口，雙擊圖形空白處一元素一總計(jì)擬合線一線性一應(yīng)用；在數(shù)據(jù)編輯窗口，分析一相關(guān)一雙變量一將“1930年人均香煙消耗量”、“1950年每百萬男子中死于肺癌的人數(shù)”導(dǎo)入變量中一選項(xiàng)一選中“平均值和標(biāo)準(zhǔn)差”、“叉積偏差和協(xié)方差”一繼續(xù)一確定?！据敵鼋Y(jié)果】1930年人均香煙消耗量1930年人均香煙消耗量￡8^1萬男子死于肺癌的人數(shù)描述統(tǒng)計(jì)平均值標(biāo)準(zhǔn)差個案數(shù)客戶滿意度得分80.0044.72115綜合競爭力得分80.0044.72115相關(guān)性客戶滿意度得分綜合競爭力得分

客戶滿意度得分皮爾遜相關(guān)性顯著性（雙尾）平方和與叉積協(xié)方差個案數(shù)128000.0002000.00015.864**.00024200.0001728.57115綜合競爭力得分 皮爾遜相關(guān)性顯著性（雙尾）平方和與叉積協(xié)方差個案數(shù).864**.00024200.0001728.57115128000.0002000.00015**.在0.01級別（雙尾），相關(guān)性顯著。（5）【結(jié)果分析】回歸分析顯著性為0.202,皮爾遜相關(guān)系數(shù)相差較大，可能是有最后幾組差異較大的數(shù)據(jù)點(diǎn)所影響。線性回歸方程：1950年每百萬男子中死于肺癌人數(shù)=67.561+1930年人均香煙消耗量*0.228。第3題⑴【實(shí)驗(yàn)?zāi)康摹繉W(xué)會用spss進(jìn)行相關(guān)分析⑵【實(shí)驗(yàn)任務(wù)】收集到某商品在不同地區(qū)的銷售額，銷售價格以及該地區(qū)平均家庭收入的數(shù)據(jù)，如下表所示:銷售額（萬元）銷售價格（元）家庭收入（元）1005010000757060008060120007060500050803000657040009050130001004011000110301300060903000（1） 繪制銷售額，銷售價格以及家庭收入兩兩變量間的散點(diǎn)圖，如果所繪制的圖形不能比較清晰地展示變量之間的關(guān)系，應(yīng)對數(shù)據(jù)如何處理后再繪圖？（2） 選擇恰當(dāng)?shù)慕y(tǒng)計(jì)方法分析銷售額與銷售價格之間的相關(guān)關(guān)系。

（3）【操作步驟】步驟：圖形＞舊對話框＞散點(diǎn)圖＞矩陣散點(diǎn)圖＞定義＞添加銷售額（萬元），銷售價格（元）家庭收入（元）＞確定步驟：分析＞相關(guān)＞雙變量＞銷售價格，家庭收入，銷售額添加到變量中＞選擇皮爾遜相關(guān)系數(shù)＞選擇雙尾顯著性檢驗(yàn)＞確定”⑷【輸出結(jié)果】銷售額（萬元） 銷售價格〈元） 家庭收入（元）相關(guān)性銷售價格（元）家庭收入（元）銷售額（萬元）銷售價格（元）皮爾遜相關(guān)性1-.857**-.933**顯著性（雙尾）.002.000個案數(shù)101010家庭收入（元） 皮爾遜相關(guān)性-.857**1.880** 顯著性（雙尾）.002.001

個案數(shù)101010銷售額（萬元） 皮爾遜相關(guān)性-.933**.880**1顯著性（雙尾）.000.001個案數(shù)101010城性(L)=n.07D銷售額《萬元)**.在0.01級別（雙尾），相關(guān)性顯著。城性(L)=n.07D銷售額《萬元)銷售價格〈元）【結(jié)果分析】從相關(guān)性分析表中得出：銷售價格與家庭收入與銷售額三者兩兩相關(guān)，并且皮爾遜相關(guān)系數(shù)絕對值較大成很強(qiáng)的相關(guān)性。結(jié)論分析：如圖所擬合的直線，銷售額與銷售價格由較強(qiáng)的負(fù)相關(guān)?；貧w分析第4題⑴【實(shí)驗(yàn)?zāi)康摹繉W(xué)會用spss進(jìn)行回歸分析⑵【實(shí)驗(yàn)任務(wù)】1、數(shù)據(jù)學(xué)生成績一.sav和學(xué)生成績二.sav，任意選擇兩門成績作為解釋變量和被解釋變量，利用SPSS提供的繪制散點(diǎn)圖功能進(jìn)行一元線性回歸分析，請繪制全部樣本以及不同性別下兩門成績的散點(diǎn)圖，并在圖上繪制三條回歸直線，其中，第一條針對全體樣本，第二條和第三條分別針對男生樣本和女生樣本，并對各回歸直線的擬合效果進(jìn)行評價。(3)【操作步驟】打開“學(xué)生成績一.sav”一圖形一散點(diǎn)圖/點(diǎn)圖一簡單散點(diǎn)圖一定義一將數(shù)據(jù)導(dǎo)入'頂軸”、“Y軸”一確定；在查看器中一圖形一激活；一選擇元素一總計(jì)擬合曲線和子組擬合曲線。分析一回歸一線性一將數(shù)據(jù)導(dǎo)入“因變量”、“自變量”一統(tǒng)計(jì)一選中“共線性診斷”一繼續(xù)一確定。⑷【輸出結(jié)果】ANOVAa模型平方和自由度均方F顯著性1 回歸461.8711461.8717.934.007b殘差3376.5415858.216總計(jì)3838.41359因變量：chi預(yù)測變量：(常量)，math

(5)【結(jié)果分析】上表得出，不論是總體擬合效果還是男女分類擬合效果，都比較差，這說明，這兩門成績的相關(guān)性弱。第5題⑴【實(shí)驗(yàn)?zāi)康摹拷⒍嘣€性回歸方程，分析影響的主要因素。⑵【實(shí)驗(yàn)任務(wù)】請先收集若十年糧食總產(chǎn)量以及播種面積，使用化肥量，農(nóng)業(yè)勞動人數(shù)等數(shù)據(jù)，然后建立多元線性回歸方程，分析影響糧食總產(chǎn)量的主要因素，數(shù)據(jù)文件“糧食總產(chǎn)量.sav”(3)【操作步驟】分析一回歸一線形【輸出結(jié)果】

輸入/除去的變量,模型輸入的變量除夫的變量方法1農(nóng)業(yè)勞動者人數(shù)（百萬人），糧食播種面積（萬公頃），施用化肥量（kg/公頃）b.輸入因變量：糧食總產(chǎn)量（y萬噸）巳輸入所請求的所有變量。模型】摘要模型RR方調(diào)整后R方標(biāo)準(zhǔn)估算的誤差1.986a.971.9681378.77302a.預(yù)測變量：（常量），農(nóng)業(yè)勞動者人數(shù)（百萬人），糧食播種面積（萬公頃），施用化肥量（kg/公頃）ANOVAa模型平方和自由度均方F顯著性1 回歸1989131592.7473663043864.249348.784.000b殘差58931465.939311901015.030總計(jì)2048063058.68634因變量：糧食總產(chǎn)量（y萬噸）預(yù)測變量：（常量），農(nóng)業(yè)勞動者人數(shù)（百萬人），糧食播種面積（萬公頃），施用化肥量（kg/公頃）系數(shù),模型未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)t顯著性B標(biāo)準(zhǔn)誤差Beta1 （常量）-20715.6147459.573-2.777.009糧食播種面積（萬公頃）2.136.513.1544.167.000施用化肥量（kg/公頃）128.80213.679.6909.416.000農(nóng)業(yè)勞動者人數(shù)（百萬人）62.4619.836.4616.350.000風(fēng)災(zāi)面積比例（%）-198.59854.231-.112-3.662.001a.因變量：糧食總產(chǎn)量（y萬噸）（5）【結(jié)果分析】結(jié)論分析：從最后的系數(shù)的分析表中得出，其中施用化肥量與糧食總產(chǎn)量的相關(guān)性最大。⑴【實(shí)驗(yàn)?zāi)康摹客瓿上铝蓄}目⑵【實(shí)驗(yàn)任務(wù)】一家產(chǎn)品銷售公司在30個地區(qū)設(shè)有銷售分公司。為研究產(chǎn)品銷售量（y）與銷售價格（x1）各地區(qū)的人均收入（x2），廣告費(fèi)用（x3）之間的關(guān)系，搜集到30個地區(qū)的有關(guān)數(shù)據(jù)。進(jìn)行多元回歸分析所得的結(jié)果如下：表1模型離差平方和Df均方離差FSig回歸12026774.134008924.772.798.88341E-13剩余1431812.62655069.7154總計(jì)13458586.7294063994.4154表2非標(biāo)準(zhǔn)化系數(shù)tSigB標(biāo)準(zhǔn)誤差常數(shù)7589.124483.10.00457X1-117.931.95-3.690.00103X280.614.765.460.00001X30.50120.1263.980.00049a）將表1中的數(shù)據(jù)補(bǔ)齊.如圖一b） 寫出銷售量與銷售價格，年人均收入，廣告費(fèi)用的多元線性回方程，并解釋各回歸系數(shù)的意義。Y=-117.9X1+80.6X2+0.5012X3+7589.1c） 檢驗(yàn)回歸方程的線性關(guān)系是否顯著。顯著d） 檢驗(yàn)各回歸系數(shù)是否顯著，均小于0.05，顯著e） 計(jì)算判定系數(shù)，并解釋它的實(shí)際意義。12026774.1/13458586.7=0.91表明回歸方程對樣本數(shù)據(jù)點(diǎn)擬合優(yōu)度高。第7題⑴【實(shí)驗(yàn)?zāi)康摹坑胹pss預(yù)測數(shù)據(jù)，并估計(jì)誤差⑵【實(shí)驗(yàn)任務(wù)】試根據(jù)“糧食總產(chǎn)量.sav”數(shù)據(jù)，利用SPSS曲線估計(jì)方法選擇恰當(dāng)?shù)哪Ｐ停瑢颖酒谕獾募Z食總產(chǎn)量進(jìn)行外推預(yù)測，并對平均預(yù)測預(yù)測誤差進(jìn)行估計(jì)?！静僮鞑襟E】圖形，舊對話框，線圖，簡單，個案組摘要，定義，類別軸選擇“年份”其他統(tǒng)計(jì)量變量選擇“糧食總產(chǎn)量”。確定步驟：分析，回歸，曲線估計(jì)，將“糧食總產(chǎn)量”導(dǎo)入因變量。選擇時間，選擇二次項(xiàng)和指數(shù)分布。保存，確定?！据敵鼋Y(jié)果】SS模型匯總RR方調(diào)整R方估計(jì)值的標(biāo)準(zhǔn)誤.978.957.9551651.679ANOVA平方和df均方FSig.回歸1.961E929.804E8359.372.000殘差8.730E7322728042.572模型匯總RR方調(diào)整R方估計(jì)值的標(biāo)準(zhǔn)誤總計(jì)2.048E93411系數(shù)未標(biāo)準(zhǔn)化匕系數(shù)標(biāo)準(zhǔn)化系數(shù)tSig.B標(biāo)準(zhǔn)誤Beta個案順序個案序列**2（常數(shù)）-164.29124.23417269.480113.7133.064887.803-.2171.187-1.4457.90919.452.158.000.000指數(shù)模型匯總RR方調(diào)整R方估計(jì)值的標(biāo)準(zhǔn)誤.939.881.878.107ANOVA平方和d