《統(tǒng)計分析與SPSS的應用(第五版)》課后練習答案

《統(tǒng)計分析與SPSS的應用（第五版）》課后練習答案

第一章練習題答案

1、SPSS的中文全名是：社會科學統(tǒng)計軟件包（后改名為：統(tǒng)計產(chǎn)品與服務解決方案）

英文全名是：StatisticalPackagefortheSocialScience.（Statistical

ProductandServiceSolutions）

2、SPSS的兩個主要窗口是數(shù)據(jù)編輯器窗口和結果查看器窗口。

?數(shù)據(jù)編輯器窗U的主要功能是定義SPSS數(shù)據(jù)的結構、錄入編輯和管理待分析的數(shù)據(jù)；

?結果查看器窗口的主要功能是現(xiàn)實管理SPSS統(tǒng)計分析結果、報表及圖形。

3、SPSS的數(shù)據(jù)集:

?SPSS運行時可同時打開多個數(shù)據(jù)編輯器窗口。每個數(shù)據(jù)編輯器窗口分別顯示不同

的數(shù)據(jù)集合（簡稱數(shù)據(jù)集）。

?活動數(shù)據(jù)集：其中只有一個數(shù)據(jù)集為當前數(shù)據(jù)集。SPSS只對某時刻的當前數(shù)據(jù)集

中的數(shù)據(jù)進行分析。

4、SPSS的三種基本運行方式：

?完全窗口菜單方式、程序運行方式、混合運行方式。

?完全窗口菜單方式：是指在使用SPSS的過程中，所有的分析操作都通過菜單、按

鈕、輸入對話框等方式來完成，是一種最常見和最普遍的使用方式，最大優(yōu)點是簡

潔和直觀。

?程序運行方式：是指在使用SPSS的過程中，統(tǒng)計分析人員根據(jù)自己的需要，手工

編寫SPSS命令程序，然后將編寫好的程序一次性提交給計算機執(zhí)行。該方式適用

于大規(guī)模的統(tǒng)計分析工作。

?混合運行方式：是前兩者的綜合。

5、.sav是數(shù)據(jù)編輯器窗口中的SPSS數(shù)據(jù)文件的擴展名

.spv是結果查看器窗口中的SPSS分析結果文件的擴展名

.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輯、數(shù)據(jù)等菜單中；統(tǒng)計分析和繪圖功能主

要集中在分析、圖形等菜單中。

7、概率抽樣（probabilitysampling）：也稱隨機抽樣，是指按一定的概率以隨機原則抽取

樣本，抽取樣本時每個單位都有一定的機會被抽中，每個單位被抽中的概率是已知的，或是

可以計算出來的。概率抽樣包括簡單隨機抽樣、系統(tǒng)抽樣（等距抽樣）、分層抽樣（類型抽

樣）、整群抽樣、多階段抽樣等。

?簡單隨機抽樣（simplerandomsampling）：從包括總體N個單位的抽樣框中隨機地

抽取n個單位作為樣本,每個單位抽入樣本的概率是相等的。是最基本的抽樣方法,

是其它抽樣方法的基礎。優(yōu)點：簡單、直觀，在抽樣框完整時，可直接從中抽取樣

本，用樣本統(tǒng)計量對總體參數(shù)進行估計比較方便。局限性：當N很大時，不易構造

抽樣框，抽出的單位很分散，給實施調查增加了困難。

?分層抽樣（stratifiedsampling）：將抽樣單位按某種特征或某種規(guī)則劃分為不同

的層，然后從不同的層中獨立、隨機地抽取樣本。優(yōu)點：保證樣本的結構與總體的

結構比較相近，從而提高估計的精度，組織實施調查方便（當層是以行業(yè)或行政區(qū)

劃分時），既可以對總體參數(shù)進行估計，也可以對各層的參數(shù)進行估計。

?整群抽樣（clustersampling）：將總體中若干個單位合并為組（群），抽樣時直接抽

取群，然后對選中群中的所有單位全部實施調查。優(yōu)點：抽樣時只需群的抽樣框，

可簡化工作量；調查的地點相對集中，節(jié)省調查費用，方便調查的實施。缺點：估

計的精度較差。

?系統(tǒng)抽樣（systematicsampling）：將總體中的所有單位（抽樣單位）按一定順序排

歹1J,在規(guī)定的范圍內(nèi)隨機地抽取一個單位作為初始單位，然后按事先規(guī)定好的規(guī)則

確定其它樣本單位，先從數(shù)字1到k之間隨機抽取一個數(shù)字r作為初始單位，以后

依次取r+k,r+2k…等單位。優(yōu)點:操作簡便，可提高估計的精度。缺點：對估計

量方差的估計較困難。

?多階段抽樣（multi-stag?sampling）：先抽取群，但并不是調查群內(nèi)的所有單位，

而是再進行一步抽樣，從選中的群中抽取出若干個單位進行調查。群是初級抽樣單

位，第二階段抽取的是最終抽樣單位。將該方法推廣，使抽樣的段數(shù)增多，就稱為

多階段抽樣。優(yōu)點：具有整群抽樣的優(yōu)點，保證樣本相對集中，節(jié)約調查費用。在

大規(guī)模的抽樣調查中，經(jīng)常被采用的方法。

非概率抽樣是指抽取樣本時不是依據(jù)隨機原則，而是根據(jù)研究目的對數(shù)據(jù)的要求，采用

某種方式從總體中抽出部分單位對其實施調查，包括方便抽樣、自愿抽樣、配額抽樣、判斷

抽樣和滾雪球抽樣等。

?方便抽樣：樣本限于總體中易于抽到的一部分。最常見的方便抽樣是偶遇抽樣，即

研究者將在某一時間和環(huán)境中所遇到的每一總體單位均作為樣本成員?！敖诸^攔人

法”就是?種偶遇抽樣。方便抽樣是非隨機抽樣中最簡單的方法，省時省錢，但樣

本代表性因受偶然因素的影響太大而得不到保證。

?自愿抽樣：某些調查對被調查者來說是不愉快的、麻煩的，這時為方便起見就采用

以自愿被調查者為調查樣本的方法。

?判斷抽樣:研究人員從總體中選擇那些被判斷為最能代表總體的單位作樣本的抽樣

方法。當研究者對自己的研究領域十分熟悉，對研究總體比較了解時采用這種抽樣

方法，可獲代表性較高的樣本。這種抽樣方法多應用于總體小而內(nèi)部差異大的情況,

以及在總體邊界無法確定或因研究者的時間與人力、物力有限時采用。

?滾雪球抽樣：以若干個具有所需特征的人為最初的調查對象，然后依靠他們提供認

識的合格的調查對象，再由這些人提供第三批調查對象，……依次類推，樣本如同

滾雪球般由小變大。滾雪球抽樣多用于總體單位的信息不足或觀察性研究的情況。

這種抽樣中有些分子最后仍無法找到，有些分子被提供者漏而不提，兩者都可能造

成誤差。

?配額抽樣也稱定額抽樣，是將總體依某種標準分層（群）；然后按照各層樣本數(shù)與

該層總體數(shù)成比例的原則主觀抽取樣本。配額抽樣與分層概率抽樣很接近，最大的

不同是分層概率抽樣的各層樣本是隨機抽取的，而配額抽樣的各層樣本是非隨機

的?？傮w也可按照多種標準的組合分層（群），例如，在研究自殺問題時，考慮到婚

姻與性別都可能對自殺有影響，可將研究對象分為未婚男性、已婚男性、未婚女性

和已婚女性四個組，然后從各群非隨機地抽樣。配額抽樣是通常使用的非概率抽樣

方法，樣本除所選標識外無法保證代表性。

8、利用SPSS進行數(shù)據(jù)分析的一般步驟：

數(shù)據(jù)的準備一數(shù)據(jù)的加工處理一數(shù)據(jù)的分析一分析結果的閱讀和解釋。

第二章練習題答案

1、SPSS中兩個基本的數(shù)據(jù)組織方式：原始數(shù)據(jù)的組織方式和計數(shù)數(shù)據(jù)的組織方式。

?原始數(shù)據(jù)的組織方式：待分析的數(shù)據(jù)是一些原始的調查問卷數(shù)據(jù)，或是一些基本的

統(tǒng)計指標。

?計數(shù)數(shù)據(jù)的組織方式：所采集的數(shù)據(jù)不是原始的調查問卷數(shù)據(jù)，而是經(jīng)過分組匯總

后的數(shù)據(jù)。

2、個案：在原始數(shù)據(jù)的組織方式中，數(shù)據(jù)編輯器窗口中的一行稱為一個個案或觀測。

變量：數(shù)據(jù)編輯器窗口中的一列。

3、默認的變量名：VAR------；默認的變量類型：數(shù)值型。

變量名標簽和變量值標簽可增強統(tǒng)計分析結果的可讀性。

4、數(shù)據(jù)文件如圖所示：

產(chǎn)品類型?宏重變化人數(shù)

11.001.0027.00

21.002.0019.00

32.001.0020.00

42.002.0033.00

5、缺失值分為用戶缺失值（UserMissingValue）和系統(tǒng)缺失值（SystemMissing

Value）。用戶缺失值指在問卷調查中，將無回答的一些數(shù)據(jù)以及明顯失真的數(shù)據(jù)當作缺失值

未處理。用戶缺失值的編碼?般用研究者自己能夠識別的數(shù)字末表示，如“0”、“9”、“99”

等。系統(tǒng)缺失值主要指計算機默認的缺失方式，如果在輸入數(shù)據(jù)時空缺了某些數(shù)據(jù)或輸入了

非法的字符，計算機就把其界定為缺失值，這時的數(shù)據(jù)標記為一個圓點在變量視圖中

定義。

6、變量類型包括：數(shù)值型（身高）、定序型（受教育程度）以及定類型（性別）。在變量視

圖中定義。

7"9題軟件操作，答案略

第三章練習題答案

「8題軟件操作，答案略

9、SPSS排序功能僅實現(xiàn)將觀測按用戶指定順序重新排列；拆分功能在按序排列的基礎上，

能夠實現(xiàn)對數(shù)據(jù)按排序變量進行分組，并分組進行后續(xù)的統(tǒng)計分析。

第四章練習題答案

Statistics

戶口所在職業(yè)年齡

地

Valid282282282

N

Missing000

戶口所在地

FrequencyPercentValidCumulative

PercentPercent

中心城市20070.970.970.9

Valid邊遠郊區(qū)8229.129.1100.0

Total282100.0100.0

職業(yè)

FrequencyPercentValidCumulative

PercentPercent

國家機關228.58.58.5

商業(yè)服務業(yè)5乙19.119.127.7

文教衛(wèi)生186.46.434.0

公交建筑業(yè)155.35.339.4

經(jīng)營性公司186.46.445.7

學校155.35.351.1

一般農(nóng)戶3512.412.463.5

種糧棉專業(yè)

41.41.464.9

Vaiid戶

種果菜專業(yè)

103.53.568.4

戶

工商運專業(yè)

y12.112.180.5

戶

退役人員176.06.086.5

金融機構3512.412.498.9

現(xiàn)役軍人;1.11.1100.0

Total282100.0100.0

年齡

FrequencyPercentValidCumulative

PercentPercent

20歲以下41.41.41.4

20-35歲14651.851.853.2

Valid35~5O歲9132.332.385.5

50歲以上4114.514.5100.0

Total282100.0100.0

戶口所在地

中CMrti匕反切

戶口所在地

SDfUt.

分析：本次調查的有效樣本為282份。常住地的分布狀況是：在中心城市的人最多，有

200人，而在邊遠郊區(qū)只有82人；職業(yè)的分布狀況是：在商業(yè)服務業(yè)的人最多，其次是一

般農(nóng)戶和金融機構；年齡方面：在35?50歲的人最多。由于變量中無缺失數(shù)據(jù)，因此頻數(shù)分

布表中的百分比相同。

2、

DescriptiveStatistics

NMeanStd.DeviationSkewnessKurtosis

StatisticStatisticStatisticStatisticStd.ErrorStatisticStd.Error

存儂)款金額2824738.0910945.5695.234,14533.656.289

ValidN(listwise)282

分析：由表中可以看出，有效樣本為282份，存(取)款金額的均值是4738.09,標準差為

10945.09,峰度系數(shù)為33.656,偏度系數(shù)為5.234。與標準正態(tài)分布曲線進行對比，由峰度

系數(shù)可以看出，此表的存款金額的數(shù)據(jù)分布比標準正態(tài)分布更陡峭；由偏度系數(shù)可以看出，

此表的存款金額的數(shù)據(jù)為右偏分布，表明此表的存款金額均值對平均水平的測度偏大。

DescriptiveStatistics

戶口所在地NMeanStd.DeviationSkewnessKurtosis

StatisticStatisticStatisticStatisticStd.ErrorStatisticStd.Error

中心城市存儆)款金額2004956.949792.5154.293,17223.208.342

ValidN(listwise)200

邊近郊區(qū)存霞)獻金額824204.3213402.4255.948.26638.060.526

ValidN(listwise)82

分析：由表中可以看出，中心城市有200人，邊遠郊區(qū)為82人。兩部分樣本存取款金額均

呈右偏尖峰分布，且邊遠郊區(qū)更明顯。

3、利用描述菜單下窗口對話框中的“將標準得分另存為變量”功能實現(xiàn)。對標準分數(shù)變量

按降序排列，絕對值大于3的可視為“與眾不同”的樣本。

理由：標準化值反映的是樣本值與樣本均值的差是幾個標準差單位。如果標準化值等于

0,則表示該樣本值等于樣本均值；如果標準化值大于0,則表示該樣本值大于樣本均值；

如果標準化值小于0,則表示該樣本值小于樣本均值。如果標準化值的絕對值大于3,則可

認為是異常值。

4、利用列聯(lián)分析實現(xiàn)。首先編制列聯(lián)表，然后進行卡方檢驗。以戶口和收入的列聯(lián)分析為

例：

戶口所在地*收入水平Crosstabulation

收入水平

1000元以下1000~3000JL3000~5000JE5000元以上Total

戶口所在地中心城市Count191274014200

ExpectedCount35.5116.335.512.8200.0

%within戶口所在地9.5%63.5%20.0%7.0%100.0%

%within收入水平38.0%77.4%80.0%77.8%70.9%

邊遠郊區(qū)Count313710482

ExpectedCount14.547.714.55.282.0

%within戶口所在池37.8%45.1%12.2%4.9%100.0%

%within收入水平62.0%22.6%20.0%22.2%29.1%

TotalCount501645018282

ExpectedCount50.0164.050.018.0282.0

%within戶口所在地17.7%58.2%17.7%6.4%100.0%

%within收入水平100.0%100.0%100.0%100.0%100.0%

Chi-SquareTests

Asymp.Sig.

Valuedf(2-sided)

PearsonChi-Square32.064'3.000

LikelihoodRatio29.3663.000

Linear-by-Linear15.8961.000

Association

NofValidCases282

a.0cells(.0%)haveexpectedcountlessthan5.Theminimum

expectedcountis5.23.

表中，卡方統(tǒng)計量的觀測值等于32.064,概率-P值等于0.001。若顯著性水平設為0.05,由

于0.001V0.05,拒絕原假設，表明戶口地與收入水平不獨立。

5、多選項分類法;

$setFrequencies

Responses

Percentof

NParcantCasRS

$seta買高檔消費!￡677.9%23.8%

結婚用516.0%18.1%

正常生活零用18021.3%63.8%

做生意526.1%18.4%

購買農(nóng)業(yè)生產(chǎn)資料161.9%5.7%

買證券及單位集資344.0%12.1%

買房或建房8810.4%31.2%

支付孩子教育費769.0%27.0%

養(yǎng)老金556.5%19.5%

防以外事故10712.6%37.9%

彳朝息12014.2%42.6%

Total846100.0%300.0%

a.Group

存款的最主要目的是正常生活零用

6、計算結果;

577860195

48.868.378.0195.0

29.2%40.0%30.8%100.0%

38.0%37.1%25.0%32.5%

458763195

48.868.378.0195.0

23.1%44.6%32.3%100.0%

30.0%41.4%26.3%32.5%

4845117210

52.573.584.0210.0

22.9%21.4%55.7%100.0%

32.0%21.4%48.8%35.0%

150210240600

150.0210.0240.0600.0

25.0%35.0%40.0%100.0%

100.0%100.0%100.0%100.0%

卡方統(tǒng)計量：42=ZZ>，用于測度各個單元格的觀測頻數(shù)與期望頻數(shù)的差異,

i=lj=lfij

并依卡方理論分布判斷差異是否統(tǒng)計顯著。由于期望頻數(shù)代表的是行列變量獨立下的分布,

所以卡方值越大表明實際分布與期望分布差異越明顯。

本例中，由于概率P值小于顯著性水平，應拒絕原假設，婆媳關系與住房條件有關系。

7、將計數(shù)數(shù)據(jù)還原為原始數(shù)據(jù)，采用交叉分組下的頻數(shù)分析，并進行卡方檢驗。

產(chǎn)品類5r體重變化交叉制表

體重變化

明顯感輕無明顯變化合計

產(chǎn)品類型第一種產(chǎn)品計數(shù)271946

期望的詁顏21.824.246.0

產(chǎn)品類型中的%58.7%41.3%100.0%

體重變化中的％57.4%36.5%46.5%

總數(shù)的％27.3%19.2%46.5%

第二種產(chǎn)品計數(shù)203353

期望的5顆25.227.853.0

產(chǎn)品類型中的％37.7%62.3%100.0%

體重變化中的%42.6%63.5%53.5%

總數(shù)的％20.2%33.3%53.5%

合計計數(shù)475299

期望的沙數(shù)47.052.099.0

產(chǎn)品類型中的％47.5%52.5%100.0%

體重變化中的％100.0%100.0%100.0%

總數(shù)的%47.5%52.5%100.0%

卡方檢驗

漸進熱g.微精確視g.微精確Rig.（單

值df則）?'D側）

Pearson卡方4339a1.037

連續(xù)校正b3.5391.060

似然比4.3671.037

Fisher的精確檢驗.045.030

線性和線性組合4.2951.038

有效案例中的N99

a.0單元格（.0%）的期望計效少于5。最小期坐計卻為21.84c

b.僅對2x2表計算

表中，卡方統(tǒng)計量觀測值為4.339,對應的概率P?值為0.037,小于顯著性水平0.05,

應拒絕原假設，說明減肥效果并不一致。

8、多選項二分法;

城市代碼

Cumulative

FrequencyPercentValidPercentPercent

Valid10279414.114.114.1

1015149.19.123.2

4014007.17.130.3

6022464.44.434.6

1032223.93.938.6

17011903.43.441.9

3011893.43.445.3

102（794份）、101（514份）、401（400份）

到目前為止您做股課的結果是

Cumulative

FrequencyPercentValidPercentPercent

valid蟾鎰212937.738.038.0

不賠不賺178031.631.869.7

賺錢169730.130.3100.0

Total560699.4100.0

Missing935.6

Total5641100.0

賺錢比例:30.3%,賠錢比例38%

SsetFrequencies

Responses

Percentof

NPercentCases

$seta買賣股票主要依據(jù)：基本177929.5%32.0%

因素法

買窘股票主要儂據(jù)：技術164527.3%29.6%

分源法

買賣股票主要依據(jù)：跟風83113.8%15.0%

方法

買賣股票主要儂據(jù)：憑想177329.4%31.9%

覺去買賣

Total6028100.0%108.6%

a.Dichotomygrouptabulatedatvalue1.

主要依據(jù)：基本因素法;

$setFrequencies

Responses

Percentof

NPercentCases

$seta買賣股票主要依據(jù)：基本377223.3%68.0%

隙法

買參股票主要儂據(jù)：技術390624.1%70.5%

分野法

買賣股票主要依據(jù)：跟風472029.2%85.2%

方法

買賣股票主要儂據(jù)：憑感377823.4%68.2%

覺去買賣

Total16176100.0%291.8%

a.Dichotomygrouptabulatedatvalue0.

最少依據(jù)：更跟方法

華是專職股票投資者還是業(yè)余股煤投資者'到目前為止您做股篇的結果是

Crosstabulation

Count

到目前為止您做股票的結果是

賺錢不賠不賺賠錢Total

您是專職股票投資者還是專職投資者342162291795

業(yè)余股票投資者

業(yè)余投資者135Ci161118354796

Total1692177321265591

Chi-SquareTests

Asymp.Sig.

Valuedf(2-sided)

PearsonChi-Square87.867，2.000

LikelihoodRatio87,6682.000

Linear-by-Linear27.5171.000

Association

NofValidCases5591

a.0cells(.0%)haveexpectedcountlessthan5.Theminimum

expectedcountis240.59.

采用列聯(lián)分析?？ǚ綑z驗結果表明：專職和業(yè)余投資者在投資結果上存在顯著差異。

9、（1）變量：汽車價格、居住地區(qū)；類型：定序型變量、定類型變量

（2）上述是計數(shù)數(shù)據(jù)的組織方式，應首先組織到SPSS的數(shù)據(jù)編輯器窗口中，再利用交

叉分組下的頻數(shù)分析方法。

居住地區(qū)*汽車價格交叉制表

汽車價格

10萬元以下10萬~20萬元20萬~30萬元30萬元以上合計

居住地區(qū)東部地區(qū)計數(shù)20503040140

期望的計數(shù)35.056.024.524.5140.0

居住地區(qū)中的％14.3%35.7%21.4%28.6%100.0%

汽車價格中的％20.0%31.3%42.9%57.1%35.0%

總數(shù)的%5.0%12.5%7.5%10.0%35.0%

中部地區(qū)計數(shù)40602020140

期望的計數(shù)35.056.024.524.5140.0

居住地區(qū)中的%28.6%42.9%14.3%14.3%100.0%

汽車價格中的％40.0%37.5%28.6%28.6%35.0%

總數(shù)的%10.0%15.0%5.0%5.0%35.0%

西部地區(qū)計數(shù)40502010120

期望的計數(shù)30.048.021.021.0120.0

居住地區(qū)中的％33.3%41.7%16.7%8.3%100.0%

汽車價格中的％40.0%31.3%28.6%14.3%30.0%

總額的％10.0%12.5%5.0%2.5%30.0%

合計計數(shù)1001607070400

期望的計數(shù)100.0160.070.070.0400.0

居住地區(qū)中的％25.0%40.0%17.5%17.5%100.0%

汽車價格中的%100.0%100.0%100.0%100.0%100.0%

總數(shù)的％25.0%40.0%17.5%17.5%100.0%

卡方檢驗

漸進利g僅只

值df俐)

Pearson卡方29.991a6.000

似然比30.6836.000

線性和線性組合26.2061.000

有效案例中的N400

鋁流元格(吟的期望計數(shù)少于5。最小雌計數(shù)為

列聯(lián)分析。原假設：不同居住區(qū)的私家車主接受的汽車價格具有一致性的。上表可知,

如果顯著性水平為0.05,由于卡方檢驗的概率P?值小于顯著性水平，因此應拒絕原假設。

第五章練習題答案

1、采用單樣本T檢驗(原假設H0:u=u0=75,總體均值與檢驗值之間不存在顯著差異)；

One-SampleStatistics

MeanStd.Std.Error

DeviationMean

VAR000011173.72739.550822.87968

One-SampleTest

TestValue=75

tdfSig.Mean95%ConfidenceIntervalof

(2-tailed)DifferencetheDifference

LowerUpper

VAR00001-.44210.668-1.27273-7.68915.1436

分析：N=11人的平均值(mean)為73.7,標準差(std.deviadon)為9.55,均值標準誤差(std

errormean)為2.87。t統(tǒng)計量的觀測值為422,t統(tǒng)計量觀測值的雙尾概率P-值(sig.(2-tailed))

為0.668；六七列是總體均值與原假設值差的95%的置信區(qū)間：(-7.68,5.14)。采用雙尾檢驗

比較a和p。T統(tǒng)計量觀測值的雙尾概率p-值(sig.(2-tailed))為0.668>a=0.05所以不能拒

絕原設；且總體均值的95%的置信區(qū)間為(67.31,80.14),檢驗值75包括在置信區(qū)間內(nèi)，所以

經(jīng)理的話是可信的。

2、

One-SampleStatistics

Std.Error

NMeanbtd.DeviationMean

上網(wǎng)時間3527.5429'0.700041.80864

One-SampleTest

TestValue=0

95%ConfidenceInlervalofthe