SPSS统计软件课程作业文档格式.docx
《SPSS统计软件课程作业文档格式.docx》由会员分享，可在线阅读，更多相关《SPSS统计软件课程作业文档格式.docx（23页珍藏版）》请在冰豆网上搜索。
选项”，选中“按列表排除个案”选项。
第3步运行结果及分析：
描述
统计量
标准误
血清总蛋白含量
均值
73.6680
.39389
均值的95%置信区间
下限
72.8864
上限
74.4496
5%修整均值
73.6533
中值
73.5000
方差
15.515
标准差
3.93892
极小值
64.30
极大值
84.30
范围
20.00
四分位距
4.60
偏度
.054
.241
峰度
.037
.478
表中显示“血清总蛋白含量”的描述性统计量，左表中只显示的是均值、均值的95%置信区间的上下限、中值、方差、标准差、极大/小值、偏度、峰度等
2.绘出习题1所给数据的直方图、盒形图和QQ图，并判断该数据是否服从正态分布。
上图为标准Q-Q图，Q-Q图可以用来检验数据是否服从某种分布，在Q-Q图中，检验数据是否较好地服从给定分布的标准有两个：
①看标准Q-Q图上的数据点与直线的重合度；
②Q-Q趋势图上的点是否关于直线Y=0在较小的范围内上下波动。
从上图中可以看出，题目中的数据与直线重合度较好，故很好地服从正态分布，这与前面的正态检验表中的结果是一致的
箱图中显示血清蛋白总含量数据绘制成对应的箱体。
每一个箱体上方那条线的取值代表该分组中最大值，下方那条线的取值代表最小值。
箱体自身的三条线从上到下分别代表3/4分位点、中位点、1/4分位点的取值。
正态性检验
Kolmogorov-Smirnova
Shapiro-Wilk
df
Sig.
.073
100
.200*
.990
.671
a.Lilliefors显著水平修正
*.这是真实显著水平的下限。
表中显示了血清总蛋白含量的两种检验方法的正态性检验结果，包括各分组的统计量、自由度及显著性水平，以K-S方法的分析：
其自由度sig.=0.200,明显大于0.05，故应接受原假设，认为题中数据服从正态分布
3.正常男子血小板计数均值为,今测得20名男性油漆工作者的血小板计数值（单位：
）如下：
220188162230145160238188247113
126245164231256183190158224175
问油漆工人的血小板计数与正常成年男子有无异常？
分析:
这是一个典型的比较样本均值和总体均值的T检验问题;
首先建立SPSS数据文件，只需建立一个变量“血小板计数”，录入相应的数据即可
第2步单样本T检验分析设置
选择菜单“分析→比较均值→单样本T检验（S）”，打开“单样本T检验”对话框，将变量“血小板计数”移入”检验变量”列表框,并输入检验值225；
打开“单样本T检验：
选项”对话框,设置置信区间为95%（缺省为95%）;
单个样本统计量
N
均值的标准误
血小板计数
20
192.1500
42.23652
9.44437
上表给出了单样本T检验的描述性统计量，包括样本数（N）、均值、标准差、均值的标准误。
单个样本检验
检验值=225
t
Sig.（双侧）
均值差值
差分的95%置信区间
-3.478
19
.003
-32.85000
-52.6173
-13.0827
本例置信水平为95%，显著性水平为0.05，从上表中可以看出，双尾检测概率P值为0.003，小于0.05，故原假设不成立，也就是说，男性油漆工作者的血小板与有显著性差异，无理由相信油漆工人的血小板计数与正常成年男子无异常。
4.在某次考试中，随机抽取男女学生的成绩各10名，数据如下：
男：
99795989798999828085
女：
88545623756573508065
假设总体服从正态分布，比较男女得分是否有显著性差异。
第1步数据组织:
在SPSS数据文件中建立两个变量，分别为“性别”、“成绩”，度量标准分别为“名义”、“度量”，变量“品种”的值标签为：
b—男生，g—女生，录入数据。
第2步独立样本T检验设置:
选择菜单“选择→比较均值→独立样本T检验”，打开“独立样本T检验”对话框，将“成绩”作为要进行T检验的变量，将“性别”字段作为分组变量，定义分组变量的两个分组分别为“b”和“g”。
打开“独立样本T检验：
选项”对话框，具体选项内容及设置与单样本T检验相同。
组统计量
性别
成绩
男生
10
84.0000
11.52774
3.64539
女生
62.9000
18.45385
5.83562
上表给出了本例独立样本T检验的基本描述统计量，包括两个样本的均值、标准差和均值的标准误。
独立样本检验
方差方程的Levene检验
均值方程的t检验
F
标准误差值
假设方差相等
1.607
.221
3.067
18
.007
21.10000
6.88065
6.64429
35.55571
假设方差不相等
15.096
.008
6.44235
35.75765
根据上表“方差方程的Levene检验”中的sig.为0.221，远大于设定的显著性水平0.05，故本例两组数据方差相等。
在方差相等的情况下，独立样本T检验的结果应该看上表中的“假设方差相等”一行，第5列为相应的双尾检测概率（Sig.（双侧））为0.007，在显著性水平为0.05的情况下，T统计量的概率p值小于0.05，故应拒绝零假设,，即认为两样本的均值不是相等的，在本例中，能认为男女得分绩有显著性差异。
5.设有5种治疗荨麻疹的药，要比较它们的疗效。
假设将30个病人分成5组，每组6人，令同组病人使用一种药，并记录病人从使用药物开始到痊愈所需时间，得到下面的记录：
药物类别
治愈所需天数
1
5，8，7，7，10，8
2
4，6，6，3，5，6
3
6，4，4，5，4，3
4
7，4，6，6，3，5
5
9，3，5，7，7，6
问所有药物的效果是否一样？
第1步分析：
由于考虑的是一个控制变量（药物）对一个观测变量（治愈所需天数）的影响，而且是五种药物，所以不适宜用独立样本T检验（仅适用两组数据），应采用单因素方差分析。
第2步数据的组织：
数据分成两列，一列是治愈所需天数，变量名为“治愈所需天数”，另一变量是药物种类（变量值分别为1,2,3,4，5），变量名为“药物种类”，输入数据并保存。
第3步方差相等的齐性检验：
由于方差分析的前提是各个水平下（这里是不同的药物种类影响下的治愈所需天数）的总体服从方差相等的正态分布，且各组方差具有齐性。
其中正态分布的要求并不是很严格，但对于方差相等的要求是比较严格的，因此必须对方差相等的前提进行检验。
误差方差等同性的Levene检验a
因变量:
df1
df2
.552
25
.699
检验零假设，即在所有组中因变量的误差方差均相等。
a.设计:
截距+药物类别
方差齐性检验的H0假设是：
方差相等。
从上表可看出相伴根据Sig.=0.699>
（0.05）说明应该接受H0假设（即方差相等）。
故下面就用方差相等的检验方法。
ANOVA
平方和
均方
显著性
组间
36.467
9.117
3.896
.014
组内
58.500
2.340
总数
94.967
29
上表是几种饲料方差分析的结果，组间（BetweenGroups）平方和（SumofSquares）为36.467，自由度（df）为4，均方为9.117；
组内（WithinGroups）平方和为58.500，自由度为25，均方为2.340；
F统计量为3.896。
由于组间比较的相伴概率Sig.（p值）=0.014<
0.05，故应拒绝H0假设（四种饲料喂猪效果无显著差异），说明五种药物对治愈所需天数有显著性差异。
第4步多重比较分析：
通过上面的步骤，只能判断4种饲料喂猪效果是否有显著差异。
如果想进一步了解究竟是哪种药物与其他组有显著性的均值差别（即哪种药物更好）等细节问题，就需要在多个样本均值间进行两两比较。
由于第3步检验出来方差具有齐性，故选择一种方差相等的方法，这里选LSD方法；
显著性水平默认取0.05；
多个比较
LSD
（I）药物类别
（J）药物类别
均值差值（I-J）
标准误差
95%置信区间
类别1
类别2
2.5000*
.88318
.009
.6811
4.3189
类别3
3.1667*
.001
1.3477
4.9856
类别4
2.3333*
.01
升级会员 