SPSS应用练习.docx

资源描述

SPSS应用练习.docx

《SPSS应用练习.docx》由会员分享，可在线阅读，更多相关《SPSS应用练习.docx（20页珍藏版）》请在冰豆网上搜索。

SPSS应用练习.docx

SPSS应用练习

1、根据下面表中提供的2002年全国31个省、市、自治区的GDP数据，求出GDP的平均值、人均GDP的平均值、中位数、标准差、峰度、偏度、前五位及后五位的省份，并作出茎叶图、检验人均GDP的95%的置信区间。

答：

A、GDP的平均值为3547.10，

描述统计量

均值

GDP值（亿）

3547.10

有效的N（列表状态）

B、人均GDP的平均值、中位数、标准差、峰度、偏度分别为如下黑体字，前五位省份为上海、北京、天津、浙江和江苏，后五位省份为江西、广西、甘肃、内蒙古和贵州。

统计量

人均CDP

省份

有效

缺失

均值

.9116

中值

.6482

标准差

.62147

偏度

2.270

偏度的标准误

.421

峰度

5.871

峰度的标准误

.821

C、人均GDP的95%的置信区间为【0.6836，1.1396】

描述

统计量

标准误

人均CDP

均值

.9116

.11162

均值的95%置信区间

下限

.6836

上限

1.1396

5%修整均值

.8335

中值

.6482

方差

.386

标准差

.62147

极小值

.31

极大值

3.23

范围

2.91

四分位距

.58

偏度

2.270

.421

峰度

5.871

.821

D、人均CDPStem-and-LeafPlot

FrequencyStem&Leaf

2.000.33

12.000.445555555555

5.000.66677

3.000.888

3.001.011

2.001.23

1.001.5

.001.

1.001.8

2.00Extremes（>=2.3）

Stemwidth:

1.00

Eachleaf:

1case（s）

2、下面表中给出的是一组周岁儿童的身高，性别数据，1代表男，0代表女。

试根据表中的数据建立数据文件，对数据进行基本统计描述，给出身高的平均值、标准差、四分位点、频数分布直方图、箱图，并检验这组数据是否服从正态分布、男女儿童的身高是否存在显著差异。

（α=0.05）

答：

A、数据基本统计描述见下图

统计量

身高

有效

缺失

均值

75.0500

标准差

3.72997

百分位数

73.2500

76.0000

77.7500

B、数据分布特征的判断：

近似服从正态分布。

一方面，从箱图中看，女生身高分布较为集中（不包括奇异值），男生身高较为分散，而且男、女生中位数都偏向上四分位数，因此分布特征呈现负偏态。

另一方面，从“正态性检验”得，K-S值中p=0.003﹤0.05，故拒绝原假设，身高分布不服从数据分布。

因为样本容量60相对较大，可以认为，近似服从正态分布

正态性检验

Kolmogorov-Smirnova

Shapiro-Wilk

统计量

Sig.

统计量

Sig.

身高

.145

.003

.944

.008

a.Lilliefors显著水平修正

C、男女儿童身高的参数检验，因为男女身高相互独立，且两总体近似服从正态分布，故属于两独立样本t检验

第一步，判断两总体的方差是否相等，方差齐性检验，由于F检验统计量的概率P值为0.474，大于显著性水平0.05，则不应拒绝原假设，认为两总体方差无显著差异。

第二步，由于t检验的概率P值0.659大于显著性水平0.05，则不应拒绝原假设，认为男女儿童身高无显著差异。

独立样本检验

方差方程的Levene检验

均值方程的t检验

差分的95%置信区间

Sig.

Sig.（双侧）

均值差值

标准误差值

下限

上限

身高

假设方差相等

.520

.474

-.444

.659

-.43048

.97024

-2.37262

1.51166

假设方差不相等

-.445

57.956

.658

-.43048

.96711

-2.36639

1.50543

3、调查339名50岁吸烟习惯与慢性支气管炎病的关系，得下表。

试问吸烟者与不吸烟者的慢性气管炎患病率是否有所不同？

（α=0.05）

答：

吸烟与否影响慢性支气管炎患病率。

在卡方检验中，卡方的概率P值0.006小于显著性水平0.05，因此应拒绝原假设，认为行变量是否吸烟与列变量并不是独立的，前者影响后者。

即在患病的56个个案中，其中有43个人吸烟，吸烟占据较大比例。

是否吸烟*是否患病交叉制表

是否患病

合计

未患病

患病

是否吸烟

不吸烟

计数

121

134

期望的计数

111.9

22.1

134.0

吸烟

计数

162

205

期望的计数

171.1

33.9

205.0

合计

计数

283

339

期望的计数

283.0

56.0

339.0

卡方检验

值

渐进Sig.（双侧）

精确Sig.（双侧）

精确Sig.（单侧）

Pearson卡方

7.469a

.006

连续校正b

6.674

.010

似然比

7.925

.005

Fisher的精确检验

.007

.004

线性和线性组合

7.447

.006

有效案例中的N

339

a.0单元格（.0%）的期望计数少于5。

最小期望计数为22.14。

b.仅对2x2表计算

4、下表中给出了某种化工过程在三种浓度、四种温度水平下的得率，

假设在诸水平的搭配下的总体服从正态分布且方差相等，试在0.05水平下检验不同的浓度、不同的温度下的得率的差异是否显著？

交互作用的效应是否显著？

答：

因为假设总体服从正态分布而且方差相等，因此可以进行方差分析

A、单变量多因素方差分析

浓度、温度以及二者交互作用的F统计量概率值分别为0.044、0.566和0.568，在显著性水平0.05的前提下，认为浓度对于得率有显著影响，而温度以及浓度与温度交互作用不显著。

主体间效应的检验

因变量:

得率

源

III型平方和

均方

Sig.

校正模型

82.833a

7.530

1.390

.290

截距

2604.167

480.769

.000

浓度

44.333

22.167

4.092

.044

温度

11.500

3.833

.708

.566

浓度*温度

27.000

4.500

.831

.568

误差

65.000

5.417

总计

2752.000

校正的总计

147.833

a.R方=.560（调整R方=.157）

B、进一步分析控制变量（浓度）的不同水平是否有显著差异，以及控制变量交互作用的图形分析：

①由多重比较的均值检验得，浓度2%与6%无显著差异，浓度4%与二者有显著差异。

多个比较

因变量:

得率

（I）浓度

（J）浓度

均值差值（I-J）

标准误差

Sig.

95%置信区间

下限

上限

TukeyHSD

2.7500

1.16369

.085

-.3546

5.8546

-.2500

1.16369

.975

-3.3546

2.8546

-2.7500

1.16369

.085

-5.8546

.3546

-3.0000

1.16369

.059

-6.1046

.1046

.2500

1.16369

.975

-2.8546

3.3546

3.0000

1.16369

.059

-.1046

6.1046

LSD

2.7500*

1.16369

.036

.2145

5.2855

-.2500

1.16369

.834

-2.7855

2.2855

-2.7500*

1.16369

.036

-5.2855

-.2145

-3.0000*

1.16369

.024

-5.5355

-.4645

.2500

1.16369

.834

-2.2855

2.7855

3.0000*

1.16369

.024

.4645

5.5355

②由交互作用图知，在温度10~24摄氏度之间，两者交互作用明显。

5、铝合金化学铣切工艺中，为了便于生产操作，需要对腐蚀速度进行控制，因此要考察腐蚀温度x1（℃），碱浓度x2,（g/L），腐蚀液含铝量x3（g/L）对腐蚀速度y（mm2/min）的影响,一共做了44次试验，所得数据表如下，

（1）建立线性回归模型；

（2）对回归模型进行检验

（3）若回归模型通过检验，试求：

当x1=80℃，x2=35g/L,x3=200g/L时，腐蚀速度y的点预测与95％的区间预测。

答：

（1）采用逐步回归的方法，得出“经验回归方程”及“标准化回归方程”为：

Y=-0.09767+0.00146*X1-0.00021*X2+0.00008*X3

Y=0.0001*X1-0.00003*X2+0.00003*X3

系数a

模型

非标准化系数

标准系数

Sig.

共线性统计量

标准误差

试用版

容差

VIF

（常量）

-699.348

86.945

-8.044

.000

腐蚀温度

12.457

1.066

.875

11.691

.000

1.000

（常量）

-792.222

69.088

-11.467

.000

腐蚀温度

14.388

.894

1.010

16.101

.000

.843

1.186

碱浓度

-2.107

.386

-.343

-5.460

.000

.843

1.186

（常量）

-976.717

55.206

-17.692

.000

腐蚀温度XI

14.648

.621

1.028

23.591

.000

.840

1.190

碱浓度X2

-2.058

.268

-.335

-7.686

.000

.843

1.187

腐蚀液含铝量X3

.814

.121

.270

6.727

.000

.993

1.007

a.因变量:

10000Y

根据上述方程可知，三个字变量中，腐蚀温度对于腐蚀速度影响最大。

（2）①方程通过了F检验和对系数的t检验，三个方程的F统计量分别为136、130和195。

对应的概率值p分别为0，取显著性水平a=0.05,,所有的p值都小于0.05，表明自变量与因变量之间线性关系显著，可以设计线性模型。

Anovad

模型

平方和

均方

Sig.

回归

156251.852

136.669

.000a

残差

48018.034

1143.287

总计

204269.886

回归

176466.546

88233.273

130.113

.000b

残差

27803.340

678.130

总计

204269.886

回归

191224.856

63741.619

195.451

.000c

残差

13045.030

326.126

总计

204269.886

a.预测变量:

（常量）,腐蚀温度。

b.预测变量:

（常量）,腐蚀温度,碱浓度。

c.预测变量:

（常量）,腐蚀温度,碱浓度,腐蚀液含铝量。

d.因变量:

10000Y

②方程3的决定系数为0.936，可以解释总变异的93.6%，说明方程三的拟合度好。

模型汇总d

模型

R方

调整R方

标准估计的误差

更改统计量

R方更改

F更改

df1

df2

Sig.F更改

.875a

.765

.759

.00338

.765

136.669

.000

.929b

.864

.857

.00260

.099

29.809

.000

.968c

.936

.931

.00181

.072

45.253

.000

a.预测变量:

（常量）,腐蚀温度。

b.预测变量:

（常量）,腐蚀温度,碱浓度。

c.预测变量:

（常量）,腐蚀温度,碱浓度,腐蚀液含铝量。

d.因变量:

腐蚀速度

③由于X1、X2、X3容忍度分别为0.840.、0.843、0.993，较接近于1，表示多重共线性较弱，因此上述三个解释变量之间不存在线性相关关系。

（如第一题表）（3）将x1=80℃，x2=35g/L,x3=200g/L带入经验回归方程Y=-0.09767+0.00146*X1-0.00021*X2+0.00008*X3，得Y=0.03

进一步分析得,点预测值为0.02863,95%置信空间为（0.02494,0.03231）

6、下表是山东省2003年统计年鉴的统计数据，试根据表中数据，将山东省的交通运输客运量对人均国内生产总值的关系拟合一条合适的曲线。

7.SPSS自带数据文件plastic.sav中记录了20种塑料样品的有关特征，根据有关知识，认为它们可以被分为三类，请根据拉扯强度（tear_res）、光泽（gloss）、不透明度（opacity）三个变量的取值将其分为三类，并描述每类的基本特征。

答：

本题中的标识变量设定为样本中自动生成的“序列号”。

（1）一些基本的数据表格

最终聚类中心

聚类

抗扯强度

7.15

7.06

6.85

光泽

9.45

9.17

8.85

不透明度

7.65

1.96

4.32

上表格说明了最终凝聚点的各变量对应值

最终聚类中心间的距离

聚类

5.700

3.397

5.700

2.391

3.397

2.391

以上表格，给出了聚类结束时各凝聚点相互之间的距离

ANOVA

聚类

误差

Sig.

均方

抗扯强度

.130

.148

.881

.432

光泽

.415

.275

1.514

.248

不透明度

28.179

.621

45.371

.000

F检验应仅用于描述性目的，因为选中的聚类将被用来最大化不同聚类中的案例间的差别。

观测到的显著性水平并未据此进行更正，因此无法将其解释为是对聚类均值相等这一假设的检验。

以上表格为方差分析表，可看出各变量中存在的情况是不同的。

“抗扯强度”和“光泽”方面存在“类间误差和类内误差的差异性不太明显”的状况，而且最后一栏的Sig值都要大于0.05，也验证了这两个分析变量并不能很好地区分类间的差异。

在“不透明度”方面，类间误差和类内误差的差异性非常明显，最后的Sig值为0.000，所以可以看出，它所起的分类作用是最强的。

（2）关于每类特征的一些描述：

由于“抗扯强度”和“光泽”在“类间误差和类内误差的差异性”的衡量上不明显，所以不同类别产品的特征主要体现在“不透明”程度的大小上，第一类产品“不透明度”值非常高，第二类产品“不透明度”的值最小，第三类产品则是居于两者之间。

附下表以作参考。

上表中也可以看到另外一个现象，那就是第一类全部位于“挤压”和“附加”赋值均为2的情形中，第三类多数分布于“挤压”赋值为1的情形中，第二类在这个方面没有明显的特征。

8.对20名大学生进行的有关价值观的测验，包括9个项目，测试结果如下页所示。

要求根据这9项内容进行因子分析，得到维度较少的几个因子，并对因子命名。

首先是考察一下原有变量是否适合进行因子分析，见下表：

KMO和Bartlett的检验

取样足够度的Kaiser-Meyer-Olkin度量。

.585

Bartlett的球形度检验

近似卡方

74.733

Sig.

.000

由上表得知Bartlett的球形度检验统计量观测值为74.733，相应的概率P值接近0，小于显著性水平0.05，认为相关系数矩阵与单位矩阵有显著差异，但是，KOM值不是十分理想，接近0.6，表示不太适合。

而且从以下原有变量的相关系数矩阵可以得出进行因子分析的适合度不太让人满意。