SPSS统计软件课程作业.docx

SPSS统计软件课程作业.docx

《SPSS统计软件课程作业.docx》由会员分享，可在线阅读，更多相关《SPSS统计软件课程作业.docx（23页珍藏版）》请在冰豆网上搜索。

SPSS统计软件课程作业

《SPSS统计软件》课程作业

信计111刘晓蕾

1.某单位对100名女生测定血清总蛋白含量，数据如下：

74.378.868.878.070.480.580.569.771.273.5

79.575.675.078.872.072.072.074.371.272.0

75.073.578.874.375.865.074.371.269.768.0

73.575.072.064.375.880.369.774.373.573.5

75.875.868.876.570.471.281.275.070.468.0

70.472.076.574.376.577.667.372.075.074.3

73.579.573.574.765.076.581.675.472.772.7

67.276.572.770.477.268.867.367.367.372.7

75.873.575.073.573.573.572.781.670.374.3

73.579.570.476.572.777.284.375.076.570.4

计算样本均值、中位数、方差、标准差、最大值、最小值、极差、偏度和峰度，并给出均值的置信水平为95%的置信区间。

第1步数据组织：

定义1个变量为：

“血清总蛋白含量”，其度量标准为“度量”。

第2步探索分析设置：

选择菜单“分析→描述统计→探索”，打开“探索”对话框，，将“血清总蛋白含量”字段移入“因变量列表”。

打开“统计量”对话框，选中“描述性”选项；

打开“探索：

图”对话框，选中“按因子水平分组”、“茎叶图”、“带检验的正态图”、“直方图”等选项。

打开“探索：

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

统计量

df

Sig.

统计量

df

Sig.

血清总蛋白含量

.073

100

.200*

.990

100

.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;

第1步数据组织：

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

标准差

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

df

Sig.（双侧）

均值差值

差分的95%置信区间

下限

上限

血小板计数

-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

N

均值

标准差

均值的标准误

成绩

男生

10

84.0000

11.52774

3.64539

女生

10

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

差分的95%置信区间

F

Sig.

t

df

Sig.（双侧）

均值差值

标准误差值

下限

上限

成绩

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

3.067

15.096

.008

21.10000

6.88065

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:

治愈所需天数

F

df1

df2

Sig.

.552

4

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

治愈所需天数

平方和

df

均方

F

显著性

组间

36.467

4

9.117

3.896

.014

组内

58.500

25

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

治愈所需天数

LSD

（I）药物类别

（J）药物类别

均值差值（I-J）

标准误差

Sig.

95%置信区间

下限

上限

类别1

类别2

2.5000*

.88318

.009

.6811

4.3189

类别3

3.1667*

.88318

.001

1.3477

4.9856

类别4

2.3333*

.88318

.01