《統(tǒng)計(jì)分析與SPSS的應(yīng)用(第五)》課后練習(xí)doc

《統(tǒng)計(jì)分析與SPSS的應(yīng)用(第五版)》課后練習(xí)答案.doc(1)《統(tǒng)計(jì)分析與SPSS的應(yīng)用(第五版)》課后練習(xí)答案.doc(1)35/35《統(tǒng)計(jì)分析與SPSS的應(yīng)用(第五版)》課后練習(xí)答案.doc(1)《統(tǒng)計(jì)分析與SPSS的應(yīng)用（第五版）》課后練習(xí)答案第一章練習(xí)題答案1、SPSS的中文全名是：社會(huì)科學(xué)統(tǒng)計(jì)軟件包（后更名為：統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案）英文全名是：StatisticalPackagefortheSocialScience.(StatisticalProductandServiceSolutions)2、SPSS的兩個(gè)主要窗口是數(shù)據(jù)編寫器窗口和結(jié)果查察器窗口。數(shù)據(jù)編寫器窗口的主要功能是定義SPSS數(shù)據(jù)的構(gòu)造、錄入編寫和管理待分析的數(shù)據(jù)；結(jié)果查察器窗口的主要功能是現(xiàn)實(shí)管理SPSS統(tǒng)計(jì)分析結(jié)果、報(bào)表及圖形。3、SPSS的數(shù)據(jù)集：SPSS運(yùn)轉(zhuǎn)時(shí)可同時(shí)翻開多個(gè)數(shù)據(jù)編寫器窗口。每個(gè)數(shù)據(jù)編寫器窗口分別顯示不同樣的數(shù)據(jù)會(huì)合（簡(jiǎn)稱數(shù)據(jù)集）?；顒?dòng)數(shù)據(jù)集：此中只有一個(gè)數(shù)據(jù)集為目前數(shù)據(jù)集。SPSS只對(duì)某時(shí)辰的目前數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行分析。4、SPSS的三種基本運(yùn)轉(zhuǎn)方式：圓滿窗口菜單方式、程序運(yùn)轉(zhuǎn)方式、混淆運(yùn)轉(zhuǎn)方式。圓滿窗口菜單方式：是指在使用SPSS的過程中，所有的分析操作都經(jīng)過菜單、按鈕、輸入對(duì)話框等方式來達(dá)成，是一種最常有和最廣泛的使用方式，最大長處是簡(jiǎn)潔和直觀。程序運(yùn)轉(zhuǎn)方式：是指在使用SPSS的過程中，統(tǒng)計(jì)分析人員依據(jù)自己的需要，手工編寫SPSS命令程序，此后將編寫好的程序一次性提交給計(jì)算機(jī)履行。該方式合用于大規(guī)模的統(tǒng)計(jì)分析工作。混淆運(yùn)轉(zhuǎn)方式：是前二者的綜合。5、.sav是數(shù)據(jù)編寫器窗口中的SPSS數(shù)據(jù)文件的擴(kuò)展名.spv是結(jié)果查察器窗口中的SPSS分析結(jié)果文件的擴(kuò)展名.sps是語法窗口中的SPSS程序6、SPSS的數(shù)據(jù)加工和管理功能主要集中在編寫、數(shù)據(jù)等菜單中；統(tǒng)計(jì)分析和畫圖功能主要集中在分析、圖形等菜單中。7、概率抽樣(probabilitysampling)：也稱隨機(jī)抽樣，是指按必定的概率以隨機(jī)原則抽取樣本，抽取樣本時(shí)每個(gè)單位都有必定的機(jī)會(huì)被抽中，每個(gè)單位被抽中的概率是已知的，或是可以計(jì)算出來的。概率抽樣包含簡(jiǎn)單隨機(jī)抽樣、系統(tǒng)抽樣（等距抽樣）、分層抽樣（種類抽樣）、整群抽樣、多階段抽樣等。簡(jiǎn)單隨機(jī)抽樣(simplerandomsampling)：從包含整體N個(gè)單位的抽樣框中隨機(jī)地抽n個(gè)單位作為樣本，每個(gè)單位抽入樣本的概率是相等的。是最基本的抽樣方法，是其余抽樣方法的基礎(chǔ)。長處：簡(jiǎn)單、直觀，在抽樣框圓滿時(shí)，可直接從中抽取樣本，用樣本統(tǒng)計(jì)量對(duì)整體參數(shù)進(jìn)行預(yù)計(jì)比較方便。限制性：當(dāng)N很大時(shí)，不易構(gòu)造抽樣框，抽出的單位很分別，給實(shí)行檢查增添了困難。分層抽樣(stratifiedsampling)：將抽樣單位按某種特點(diǎn)或某種規(guī)則區(qū)分為不同樣的層，此后從不同樣的層中獨(dú)立、隨機(jī)地抽取樣本。長處：保證樣本的構(gòu)造與整體的構(gòu)造比較周邊，進(jìn)而提升預(yù)計(jì)的精度，組織實(shí)行檢查方便(當(dāng)層是以行業(yè)或行政區(qū)區(qū)分時(shí))，既可以對(duì)整體參數(shù)進(jìn)行預(yù)計(jì)，也可以對(duì)各層的參數(shù)進(jìn)行預(yù)計(jì)。整群抽樣(clustersampling)：將整體中若干個(gè)單位歸并為組(群),抽樣時(shí)直接抽取群，此后對(duì)選中群中的所有單位所有實(shí)行檢查。長處：抽樣時(shí)只要群的抽樣框，可簡(jiǎn)化工作量；檢查的地址相對(duì)集中，節(jié)儉檢查開銷，方便檢查的實(shí)行。弊端：預(yù)計(jì)的精度差。系抽(systematicsampling)：將體中的所有位(抽位)按必定序擺列，在定的范內(nèi)隨機(jī)地抽取一個(gè)位作初始位，此后按起初定好確實(shí)定其余本位，先從數(shù)字1到k之隨機(jī)抽取一個(gè)數(shù)字r作初始位，此后挨次r+k，r+2k?等位。點(diǎn)：操作便，可提升估的精度。弊端：估計(jì)方差的估困。多段抽(multi-stagesampling)：先抽取群，但其實(shí)不是群內(nèi)的所有位，而是再行一步抽，從中的群中抽拿出若干個(gè)位行。群是初抽位，第二段抽取的是最抽位。將方法實(shí)行，使抽的段數(shù)增添，就稱多段抽。點(diǎn)：擁有整群抽的點(diǎn)，保真相集中，用。在大模的抽中，常被采納的方法。非概率抽是指抽取本不是依據(jù)隨機(jī)原，而是依據(jù)研究目的數(shù)據(jù)的要求，采納某種方式從體中抽出部分位其施，包含方便抽、自覺抽、配抽、判斷抽和雪球抽等。方便抽：本限于體中易于抽到的一部分。最常的方便抽是偶遇抽，即研究者將在某一和境中所碰到的每一體位均作本成。“街人法”就是一種偶遇抽。方便抽是非隨機(jī)抽中最的方法，省省，但本代表性因受有時(shí)要素的影響太大而得不到保。自覺抽：某些被者來是不快樂的、麻的，方便起就采納以自覺被者本的方法。判斷抽：研究人從體中那些被判斷最能代表體的位作本的抽方法。當(dāng)研究者自己的研究域十分熟習(xí)，研究體比認(rèn)識(shí)采納種抽方法，可代表性高的本。種抽方法多用于體小而內(nèi)部差別大的狀況，以及在體界沒法確立或因研究者的與人力、物力有限采納。雪球抽：以若干個(gè)擁有所需特點(diǎn)的人最先的象，此后依賴他供給的合格的象，再由些人供給第三批象，??挨次推，本憂如雪球般由小大。雪球抽多用于體位的信息不足或察性研究的狀況。種抽中有些分子最后仍沒法找到，有些分子被供給者漏而不提，二者都可能造成差。配抽也稱定抽，是將體依某種準(zhǔn)分（群）；此后依據(jù)各本數(shù)與體數(shù)成比率的原主抽取本。配抽與分概率抽很湊近，最大的不同樣是分概率抽的各本是隨機(jī)抽取的，而配抽的各本是非隨機(jī)的。體也可依據(jù)多種準(zhǔn)的合分(群)，比方，在研究自，考到婚姻與性都可能自有影響，可將研究象分未婚男性、已婚男性、未婚女性和已婚女性四個(gè)，此后從各群非隨機(jī)地抽。配抽是平常使用的非概率抽方法，本除所外沒法保代表性。8、利用SPSS行數(shù)據(jù)分析的一般步：數(shù)據(jù)的準(zhǔn)--數(shù)據(jù)的加工理--數(shù)據(jù)的分析--分析果的和解。第二章答案1、SPSS中兩個(gè)基本的數(shù)據(jù)方式：原始數(shù)據(jù)的方式和數(shù)數(shù)據(jù)的方式。原始數(shù)據(jù)的方式：待分析的數(shù)據(jù)是一些原始的卷數(shù)據(jù)，或是一些基本的指。數(shù)數(shù)據(jù)的方式：所收集的數(shù)據(jù)不是原始的卷數(shù)據(jù)，而是分后的數(shù)據(jù)。2、個(gè)案：在原始數(shù)據(jù)的組織方式中，數(shù)據(jù)編寫器窗口中的一行稱為一個(gè)個(gè)案或察看。變量：數(shù)據(jù)編寫器窗口中的一列。3、默認(rèn)的變量名：VAR；默認(rèn)的變量種類：數(shù)值型。變量名標(biāo)簽和變量值標(biāo)簽可加強(qiáng)統(tǒng)計(jì)分析結(jié)果的可讀性。4、數(shù)據(jù)文件以以下圖：5、缺失值分為用戶缺失值（UserMissingValue）和系統(tǒng)缺失值（SystemMissingValue）。用戶缺失值指在問卷檢查中，將無回答的一些數(shù)據(jù)以及顯然失真的數(shù)據(jù)看作缺失值來辦理。用戶缺失值的編碼一般用研究者自己可以識(shí)其余數(shù)字來表示，如“0”、“9”、“99”等。系統(tǒng)缺失值主要指計(jì)算機(jī)默認(rèn)的缺失方式，假如在輸入數(shù)據(jù)時(shí)空缺了某些數(shù)據(jù)或輸入了非法的字符，計(jì)算機(jī)就把其界定為缺失值，這時(shí)的數(shù)據(jù)標(biāo)志為一個(gè)圓點(diǎn)“”。在變量視圖中定義。6、變量種類包含：數(shù)值型（身高）、定序型（受教育程度）以及定種類（性別）。在變量視圖中定義。7~9題軟件操作，答案略第三章練習(xí)題答案1~8題軟件操作，答案略9、SPSS排序功能僅實(shí)現(xiàn)將察看按用戶指定次序從頭擺列；拆分功能在挨次擺列的基礎(chǔ)上，可以實(shí)現(xiàn)對(duì)數(shù)據(jù)按排序變量進(jìn)行分組，并分組進(jìn)行后續(xù)的統(tǒng)計(jì)分析。第四章練習(xí)題答案1、Statistics戶口所在職業(yè)年紀(jì)地Valid282282282N000Missing戶口所在地FrequencyPercentValidPercentCumulativePercent中心城市200Valid邊田野區(qū)82Total282職業(yè)FrequencyPercentValidPercentCumulativePercent國家機(jī)關(guān)24商業(yè)服務(wù)業(yè)54文教衛(wèi)生18公交建筑業(yè)15經(jīng)營性企業(yè)18學(xué)校15一般田戶35種糧棉專業(yè)4Valid戶種果菜專業(yè)10戶工商運(yùn)專業(yè)34戶退伍人員17金融機(jī)構(gòu)35現(xiàn)役軍人3Total282年紀(jì)FrequencyPercentValidPercentCumulativePercent20歲以下420~35歲146Valid35~50歲9150歲以上41Total282分析：本次檢查的有效樣本為282份。常住地的散布狀況是：在中心城市的人最多，有200人，而在邊田野區(qū)只有82人；職業(yè)的散布狀況是：在商業(yè)服務(wù)業(yè)的人最多，其次是一般田戶和金融機(jī)構(gòu)；年紀(jì)方面：在35-50歲的人最多。因?yàn)樽兞恐袩o缺失數(shù)據(jù)，所以頻數(shù)散布表中的百分比同樣。2、分析：由表中可以看出，有效樣本為282份，存（?。┛罱痤~的均值是，標(biāo)準(zhǔn)差為，峰度系數(shù)為，偏度系數(shù)為。與標(biāo)準(zhǔn)正態(tài)散布曲線進(jìn)行比較，由峰度系數(shù)可以看出，此表的存款金額的數(shù)據(jù)散布比標(biāo)準(zhǔn)正態(tài)散布更峻峭；由偏度系數(shù)可以看出，此表的存款金額的數(shù)據(jù)為右偏散布，表示此表的存款金額均值對(duì)均勻水平的測(cè)度偏大。分析：由表中可以看出，中心城市有200人，邊田野區(qū)為82人。兩部分樣本存取款金額均呈右偏尖峰散布，且邊田野區(qū)更顯然。3、利用描繪菜單下窗口對(duì)話框中的“將標(biāo)準(zhǔn)得分另存為變量”功能實(shí)現(xiàn)。對(duì)標(biāo)準(zhǔn)分?jǐn)?shù)變量按降序擺列，絕對(duì)值大于3的可視為“別出心裁”的樣本。原因：標(biāo)準(zhǔn)化值反應(yīng)的是樣本值與樣本均值的差是幾個(gè)標(biāo)準(zhǔn)差單位。假如標(biāo)準(zhǔn)化值等于0，則表示該樣本值等于樣本均值；假如標(biāo)準(zhǔn)化值大于0，則表示該樣本值大于樣本均值；假如標(biāo)準(zhǔn)化值小于0，則表示該樣本值小于樣本均值。假如標(biāo)準(zhǔn)化值的絕對(duì)值大于3，則可以為是異樣值。4、利用列聯(lián)分析實(shí)現(xiàn)。第一編制列聯(lián)表，此后進(jìn)行卡方查驗(yàn)。以戶口和收入的列聯(lián)分析為例：表中，卡方統(tǒng)計(jì)量的察看值等于，概率-P值等于。若顯著性水平設(shè)為，因?yàn)?lt;，拒絕原假定，表示戶口地與收入水平不獨(dú)立。5、多項(xiàng)選擇項(xiàng)分類法；存款的最主要目的是正常生活零用6、計(jì)算結(jié)果：卡方統(tǒng)計(jì)量：2rc(fijofije)2，用于測(cè)度各個(gè)單元格的察看頻數(shù)與希望頻數(shù)的差別，fijei1j1并依卡方理論散布判斷差別能否統(tǒng)計(jì)顯著。因?yàn)橄Ｍl數(shù)代表的是隊(duì)列變量獨(dú)立下的散布，所以卡方值越大表示實(shí)質(zhì)散布與希望散布差別越顯然。本例中，因?yàn)楦怕蔖值小于顯著性水平，應(yīng)拒絕原假定，婆媳關(guān)系與住處條件相關(guān)系。7、將計(jì)數(shù)數(shù)據(jù)復(fù)原為原始數(shù)據(jù)，采納交叉分組下的頻數(shù)分析，并進(jìn)行卡方查驗(yàn)。表中，卡方統(tǒng)計(jì)量察看值為，對(duì)應(yīng)的概率P-值為，小于顯著性水平，應(yīng)拒絕原假定，說明減肥見效其實(shí)不一致。8、多項(xiàng)選擇項(xiàng)二分法；102（794份）、101（514份）、401（400份）賺錢比率：%，賠錢比率38%主要依據(jù)：基本要素法；最少依據(jù)：更跟方法采納列聯(lián)分析。卡方查驗(yàn)結(jié)果表示：專職和業(yè)余投資者在投資結(jié)果上存在顯著差別。9、（1）變量：汽車價(jià)錢、居住地域；種類：定序型變量、定種類變量2）上述是計(jì)數(shù)數(shù)據(jù)的組織方式，應(yīng)第一組織到SPSS的數(shù)據(jù)編寫器窗口中，再利用交叉分組下的頻數(shù)分析方法。列聯(lián)分析。原假定：不同樣居住區(qū)的個(gè)人車主接受的汽車價(jià)錢擁有一致性的。上表可知，假如顯著性水平為，因?yàn)榭ǚ讲轵?yàn)的概率P-值小于顯著性水平，所以應(yīng)拒絕原假定。第五章練習(xí)題答案1、采納單樣本T查驗(yàn)（原假定

H0:u=u0=75,整體均值與查驗(yàn)值之間不存在顯著差別）

；N

One-SampleStatisticsMeanStd.Deviation

Std.ErrorMeanVAR00001

11t

df

One-SampleTestTestValue=75Sig.(2-tailed)MeanDifference

95%ConfidenceIntervaloftheDifferenceLower

UpperVAR00001

10

.668分析：N=11人的均勻值（mean）為，標(biāo)準(zhǔn)差（）為，均值標(biāo)準(zhǔn)偏差(stderrormean)為。t統(tǒng)計(jì)量的察看值為，t統(tǒng)計(jì)量察看值的雙尾概率P-值（sig.(2-tailed)）為；六七列是整體均值與原假定值差的95%的置信區(qū)間：,。采納雙尾查驗(yàn)比較a和p。T統(tǒng)計(jì)量察看值的雙尾概率p-值（sig.(2-tailed)）為＞a=所以不可以拒絕原設(shè)；且整體均值的

95%的置信區(qū)間為

,，查驗(yàn)值包含在置信區(qū)間內(nèi)，所以經(jīng)理的話是可信的。2、每周上網(wǎng)時(shí)間的樣本均勻值為，標(biāo)準(zhǔn)差為，整體均值95%的置信區(qū)間為、利用兩獨(dú)立樣本的T查驗(yàn)實(shí)現(xiàn)，實(shí)質(zhì)為兩個(gè)整體比率差的查驗(yàn)。第一將計(jì)數(shù)數(shù)據(jù)經(jīng)過加權(quán)功能復(fù)原為原始數(shù)據(jù)，此后，采納兩獨(dú)立樣本T查驗(yàn)實(shí)現(xiàn)。查驗(yàn)變量為行為，分組變量為方式。GroupStatistics方式NMeanStd.DeviationStd.ErrorMean方式一200.4600.49965.03533a2183.8798.32611.02411方式二分析：從上表可以看出票丟仍買的人數(shù)比率為46%,錢丟仍買的人數(shù)比率為88%,兩種方式的樣本比率有較大差距。1.兩整體方差能否相等F查驗(yàn)：F的統(tǒng)計(jì)量的察看值為,對(duì)應(yīng)的P值為,；假如顯著性水平為因?yàn)楦怕蔖值小于兩種方式的方差有顯著差別。,,看假定方差不相等行的結(jié)果。2.兩整體均值（比率）差的查驗(yàn)：.T統(tǒng)計(jì)量的察看值為,對(duì)應(yīng)的雙尾概率為,T統(tǒng)計(jì)量對(duì)應(yīng)的概率P值<,故顛覆原假定,表示兩整體比率有顯著差別.更偏向心理學(xué)家的說法。4、本題是單個(gè)整體的比率查驗(yàn)問題。第一將數(shù)據(jù)組織成計(jì)數(shù)方式，并以數(shù)目為加權(quán)變量還原為原始數(shù)據(jù)。此后，采納獨(dú)立樣本的T查驗(yàn)實(shí)現(xiàn)。查驗(yàn)變量為能否開蘭花，查驗(yàn)值為。分析：由表知：樣本中200棵開蘭花的比率為71%。假如整體比率的原假定為，因?yàn)門統(tǒng)計(jì)量的概率P值大于顯著性水平（），不可以拒絕原假定，不可以說與遺傳模型不一致。5、方式一：采納兩配對(duì)樣本t查驗(yàn)PairedSamplesStatisticsMeanNStd.DeviationStd.ErrorMean飼料19Pair19飼料2PairedSamplesCorrelationsNCorrelationSig.飼料1&飼料9.571.108Pair12PairedSamplesTestPairedDifferencestdfSig.MeanStd.Std.Error95%ConfidenceInterval(2-tailed)DeviationMeanoftheDifferenceLowerUpperPair飼料1-8.3061飼料2由上表可知，t統(tǒng)計(jì)量察看值為，概率P-值為，大于顯著性水平，不該拒絕原假定，不能以為不同樣飼料使幼鼠體內(nèi)鈣的保存量出現(xiàn)了顯著不同樣。方式二：采納兩獨(dú)立樣本t查驗(yàn)由上邊的表可知，兩組殘留的樣本均勻值差別不大。由下表可知，該查驗(yàn)的F統(tǒng)計(jì)量的察看值為，對(duì)應(yīng)的概率

P-值為。假如顯著性水平為

,則可以以為兩整體的方差無顯著差別。兩整體均值的查驗(yàn)應(yīng)看第一行。T統(tǒng)計(jì)量的察看值為，

P-值為,。假如顯著性水平為，則不該拒絕原假定，不可以以為兩飼料殘留有顯著差別。6、兩獨(dú)立樣本T查驗(yàn)分析：1.兩整體方差能否相等用F查驗(yàn)：F的統(tǒng)計(jì)量的察看值為,對(duì)應(yīng)的P值為,；假如顯著性水平為,因?yàn)楦怕蔖值大于,兩種方式的方差無顯著差別.看假定方差相等行。2.兩整體均值的查驗(yàn)：T統(tǒng)計(jì)量的察看值為,對(duì)應(yīng)的雙尾概率為,T統(tǒng)計(jì)量對(duì)應(yīng)的P值＞顯著水平,故不可以拒絕原假定,不可以以為女生男生的課程均勻分有顯著差別。7、利用配對(duì)樣本T查驗(yàn)，逐對(duì)查驗(yàn)8、由第一個(gè)表知，培訓(xùn)前和培訓(xùn)后樣本的均勻值（mean）有必定差別，培訓(xùn)后均勻值較大；表二表示，在顯著性水平為時(shí)，培訓(xùn)前后的銷售量有必定的線性關(guān)系；由表三知，t查驗(yàn)統(tǒng)計(jì)量的察看值為，對(duì)應(yīng)的雙尾概率p-值為，小于顯著水平a=，應(yīng)拒絕原假定，培訓(xùn)前后的銷售均勻值存在顯著差別。第六章練習(xí)題答案1、（1）ANOVAVAR00002SumofSquaresdfMeanSquareFSig.BetweenGroups4.000WithinGroups30Total34概率P-值湊近于0，應(yīng)拒絕原假定，以為5種銷售方法有顯著差別。（2）均值圖：MultipleComparisonsDependentVariable:VAR00002LSD(I)VAR00001(J)VAR00001MeanStd.ErrorSig.95%ConfidenceIntervalDifference(I-J)LowerBoundUpperBound2*.0483.7286.6531.06645*.0001*.048.0273*.018.7552*.00045*.0421.6532*.0183.15745*.0001.066.2162*.0004.157.94535*.0001*.0002*.042.1275*.00034*.000*.Themeandifferenceissignificantatthelevel.可知，1和2、1和5、2和3，2和4,2和5,3和5,4和5有顯著差別。2、；；3、F查驗(yàn)的概率P值小于顯著性水平（），拒絕原假定，方差不齊，不知足方差分析的前提假定。；；67；各組均值存在顯著差別。更適合第三組4、Between-SubjectsFactorsValueLabelN地域一9地域地域二9地域三9周一至周三9日期周四至周五9周末9TestsofBetween-SubjectsEffectsDependentVariable:銷售量SourceTypeIIISumofdfMeanSquareFSig.SquaresCorrectedModel.852a8.0001.000a12.313a22.254a1*a2.8154.704.000Error.66718Total27CorrectedTotal.51926a.RSquared=.788(AdjustedRSquared=.693)分析：（2）由上表可知，F(xiàn)a1、Fa2的概率P-值為和，大于顯著性水平（），所以不該拒絕原假定，可以以為不同樣地域和日期下的銷售額整體均值不存在顯著差別，不同樣地域和不同樣日期對(duì)該商品的銷售沒有產(chǎn)生顯著影響。3）產(chǎn)生了交互影響。因?yàn)楦怕蔖-值湊近于0，拒絕原假定，以為不同樣地域和日期對(duì)銷售額產(chǎn)生了顯著的交互作用。5、Between-SubjectsFactorsValueLabelN女12性別12男使用12手機(jī)12不使用TestsofBetween-SubjectsEffectsDependentVariable:得分SourceTypeIIISumofdfMeanSquareFSig.SquaresCorrectedModel3.0001.000性別1.310.584手機(jī)1.000性別*手機(jī)1.258Error20Total24CorrectedTotal23a.RSquared=.760(AdjustedRSquared=.724)分析：就性別而言，因?yàn)楦怕蔖-值=，大于顯著性水平，所以不該拒絕原假定，以為性別對(duì)駕駛狀態(tài)無顯著影響；就手機(jī)使用狀況而言，因?yàn)楦怕蔖-值湊近0，應(yīng)拒絕原假定，以為手機(jī)使用狀況對(duì)駕駛狀態(tài)存在顯著影響。6、在剔除加盟時(shí)間的影響下，因P-值小于，應(yīng)拒絕原假定，兩種培訓(xùn)方式見效有顯著差別。第七章練習(xí)題答案1、卡方查驗(yàn)因概率P值小于顯著性水平（），拒絕原假定，不同樣年紀(jì)度對(duì)該商品滿意程度不一致。2、單樣本K-S查驗(yàn)因概率P值小于顯著性水平（），拒絕原假定，與正態(tài)散布存在顯著差別。3、單樣本游程查驗(yàn)因概率P值小于顯著性水平（），拒絕原假定，以為成品尺寸的變化是由生產(chǎn)線工作不堅(jiān)固致使的。4、兩獨(dú)立樣本的K-S查驗(yàn)因概率P值大于顯著性水平（），不該拒絕原假定，以為不同樣地域本次存取款金額的散布不存在顯著差別。5、兩獨(dú)立樣本的曼-惠特尼查驗(yàn)因概率P值小于顯著性水平（），應(yīng)拒絕原假定，兩品牌白糖實(shí)質(zhì)重量的散布存在顯著差別6、（略）7、兩配對(duì)樣本的秩查驗(yàn)因概率P值小于顯著性水平（），應(yīng)拒絕原假定，飲酒前后剎車反應(yīng)時(shí)間存在顯著差別8、多配對(duì)樣本的friedman查驗(yàn)因概率P值大于顯著性水平（），不該拒絕原假定，三個(gè)品牌牛奶的日銷售數(shù)據(jù)不存在顯著差別。第八章練習(xí)題答案1、能。Correlations客戶滿意綜合競(jìng)爭(zhēng)度力PearsonCorrelation1.864客戶滿意度Sig.(2-tailed).000N1515PearsonCorrelation.8641綜合競(jìng)爭(zhēng)力Sig.(2-tailed).000N1515.Correlationissignificantatthelevel(2-tailed).二者的簡(jiǎn)單相關(guān)系數(shù)為，說明存在正的強(qiáng)相關(guān)性。2、香煙耗費(fèi)量與肺癌死亡率的散點(diǎn)圖相關(guān)系數(shù)為。因概率P值小于顯著性水平（），拒絕原假定，以為二者存在顯著關(guān)系。3.(1)假如所繪制的圖形不可以較清楚地展現(xiàn)變量之間的關(guān)系，應(yīng)付散點(diǎn)圖進(jìn)行調(diào)整。在SPSS查察器窗口中選中相應(yīng)的散點(diǎn)圖雙擊鼠標(biāo)，進(jìn)入SPSS圖形編寫器窗口。選中【選項(xiàng)】菜單下的【塊元素】子菜單進(jìn)行數(shù)據(jù)歸并。2）ControlVariables銷售額家庭收入銷售價(jià)錢

Correlations銷售額銷售價(jià)錢CorrelationSignificance(2-tailed)..026df07CorrelationSignificance(2-tailed).026.df70如表所示，在家庭收入作為控制變量的條件下，銷售額和價(jià)錢的偏相關(guān)系數(shù)為，呈必定的負(fù)相關(guān)關(guān)系，且統(tǒng)計(jì)顯著。第九章練習(xí)題答案1、2、相關(guān)分析是回歸分析的基礎(chǔ)和前提，回歸分析則是相關(guān)分析的深入和連續(xù)。相關(guān)分析需要依賴回歸分析來表現(xiàn)變量之間數(shù)目相關(guān)的詳細(xì)形式，而回歸分析則需要依賴相關(guān)分析來表現(xiàn)變量之間數(shù)目變化的相關(guān)程度。只有當(dāng)變量之間存在高度相關(guān)時(shí)，進(jìn)行回歸分析追求其相關(guān)的詳細(xì)形式才存心義。假如在沒有對(duì)變量之間能否相關(guān)以及相關(guān)方向和程度做出正確判斷以前，就進(jìn)行回歸分析，很簡(jiǎn)單造成“虛假回歸”。與此同時(shí)，相關(guān)分析只研究變量之間相關(guān)的方向和程度，不可以推測(cè)變量之間互相關(guān)系的詳細(xì)形式，也沒法從一個(gè)變量的變化來推測(cè)另一個(gè)變量的變化狀況，所以，在詳細(xì)應(yīng)用過程中，只有把相關(guān)分析和回歸分析聯(lián)合起來，才能達(dá)到研究和分析的目的。3、查驗(yàn)其可信程度并找出哪些變量的影響顯著、哪些不顯著。主要包含回歸方程的擬合優(yōu)度查驗(yàn)、顯著性查驗(yàn)、回歸系數(shù)的顯著性查驗(yàn)、殘差分析等。4、向前、向后、逐漸。5、方法：采納逐漸回歸策略。結(jié)論：糧食總產(chǎn)量的主要要素有施用化肥量(kg/公頃),農(nóng)業(yè)勞動(dòng)者人數(shù)(百萬人),總播種面積(萬公頃),風(fēng)災(zāi)面積比率(%)。6、.1；；3；26；；Y=回歸方程顯著性查驗(yàn)：整體線性關(guān)系顯著回歸系數(shù)顯著性查驗(yàn)：各個(gè)回歸系數(shù)查驗(yàn)均顯著7、因概率P值小于顯著性水平（），所以表示在控制了性別此后，閱讀成績對(duì)數(shù)學(xué)成績有顯著的線性影響。8、采納二次曲線第十章練習(xí)題答案1、采納歐氏距離，組間均勻鏈鎖法利用凝集狀態(tài)表中的組間距離和對(duì)應(yīng)的組數(shù)，回歸散點(diǎn)圖，獲得碎石圖。大概聚成4類由圖可知，北京自成一類，江蘇、廣東、上海、湖南、湖北聚成一類。其余略。均值比較，依據(jù)聚類解，利用分類匯總，計(jì)算各個(gè)聚類變量的均值方差分析結(jié)果：不同樣組在各個(gè)聚類變量上的均值均存在顯著差別。2、數(shù)目級(jí)將對(duì)距離產(chǎn)生較大影響，并影響最后聚類結(jié)果。3、會(huì)。假如所選變量之間存在較強(qiáng)的線性關(guān)系，可以互相代替，在計(jì)算距離時(shí)同類變量將重復(fù)“貢獻(xiàn)”，據(jù)有較高權(quán)重，而使最后的聚類結(jié)果偏向該類變量。4、K-Means聚類分析步驟：確立聚類數(shù)目K--確立K個(gè)初始類中心點(diǎn)--依據(jù)距離近來原則進(jìn)行分類--從頭確立K個(gè)類中心點(diǎn)--判斷能否已經(jīng)知足停止條件。是一個(gè)頻頻迭代的分類過程。在聚類過程中，樣本所屬的類會(huì)不停調(diào)整，直至達(dá)到最后堅(jiān)固為止。5、聚成3類較為適合。第十一章練習(xí)題答案1、因子分析的主要步驟：一、前提條件：要求原有變量之間存在較強(qiáng)的相關(guān)關(guān)系。二、因子提取。三、使因子擁有命名解說性：使提拿出的因子實(shí)質(zhì)含義清楚。四、計(jì)算樣本的因子得分。2、“基本建設(shè)投資分析”因子分析1）CorrelationMatrix國家估計(jì)內(nèi)資本國內(nèi)貸款利用外資自籌資本其余投資國家估計(jì)內(nèi)資本.458.229.331.211國內(nèi)貸款.458.746.744.686Correlation利用外資.229.746.864.776自籌資本.331.744.864.928其余投資.211.686.776.928表一是原有變量的相關(guān)系數(shù)矩陣。由表可知，一些變量的相關(guān)系數(shù)都較高，呈較強(qiáng)的線性關(guān)系，可以從中提取公共因子，適合進(jìn)行因子分析。KMOandBartlett'sTestKaiser-Meyer-OlkinMeasureofSamplingAdequacy..706Approx.Chi-SquareBartlett'sTestofSphericitydf10Sig..000由表二可知，巴特利特球度查驗(yàn)統(tǒng)計(jì)量的察看值為，相應(yīng)的概率P-值湊近0.假如顯著性水平為，因?yàn)楦怕蔖-值小于顯著性水平α，則應(yīng)拒絕原假定，以為相關(guān)系數(shù)矩陣與單位陣有顯著差別，原有變量適合做因子分析。同時(shí)，KMO值為，依據(jù)KMO胸懷標(biāo)準(zhǔn)可知原有變量可以進(jìn)行因子分析。CommunalitiesInitialExtraction國家估計(jì)內(nèi)資本.196國內(nèi)貸款.769利用外資.820自籌資本.920其余投資.821ExtractionMethod:PrincipalComponentAnalysis.由表三可知，利用外資、自籌資本、其余投資等變量的絕大部分信息（大于80%）可被因子解說，這些變量的信息拋棄較少。但國家估計(jì)內(nèi)資本這個(gè)變量的信息拋棄較為嚴(yán)重（近80%）?？偟膩碚f，本次因子提取的整體見效還不錯(cuò)。為了達(dá)到更好的見效，可以從頭指定提取特點(diǎn)值的標(biāo)準(zhǔn)，指定提取2個(gè)因子。增補(bǔ)說明以下：故由表四可知，第1個(gè)因子的特點(diǎn)值很高，對(duì)解說原有變量的貢獻(xiàn)最大；第三個(gè)此后的因子特點(diǎn)值都較小，對(duì)解說原有變量的貢獻(xiàn)很小，可以忽視，所以采納兩個(gè)因子是適合的。表五：從頭提取因子后的公因子方差表CommunalitiesInitialExtraction國家估計(jì)內(nèi)資本.975國內(nèi)貸款.795利用外資.860自籌資本.937其余投資.882ExtractionMethod:PrincipalComponentAnalysis.表五是指定提取2個(gè)特點(diǎn)值下的變量共同度數(shù)據(jù)。由第二列數(shù)據(jù)可知，此時(shí)所有變量的共同度均較高，各個(gè)變量的信息拋棄都較少。所以，本次因子提取的整體見效比較理想。TotalVarianceExplainedComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%12.9233.3064.2005.046.925ExtractionMethod:PrincipalComponentAnalysis.TotalVarianceExplainedComponenInitialEigenvaluesExtractionSumsofSquaredLoadingsRotationSums