SPSS题目及答案汇总版Word文档下载推荐.docx
《SPSS题目及答案汇总版Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《SPSS题目及答案汇总版Word文档下载推荐.docx（11页珍藏版）》请在冰豆网上搜索。
0.01,说明身高大于等于155cm的与身高小于155cm的两组男生的体重有极显著性差异。
二、肺活量①m+s:
>
=155cm时,m=2.404;
s=0.402;
155cm时,m=2.016；
s=0.423；
P=0.961>
③t=2.512;
p=0.018<
0.05,说明说明身高大于等于155cm的与身高小于155cm的两组男生的体重有显著性差异。
2、以data06-04为例，判断体育疗法对降低血压是否有效。
比较前后2种情况有无显著差异，用配对样本t检验，（analyze->
paired-samplesTtest）.
①m+s治疗前舒展压：
m=119.50;
s=10.069;
治疗后舒展压：
m=102.50;
s=11.118;
②相关系数correlation=0.599;
p=0.067>
0.05,说明体育疗法与降低血压相关。
③t=5.639;
p=0.001<
0.05,说明体育疗法对降低血压有效。
3、以data07-01为例，比较四种饲料对猪体重增加的作用有无不同。
一个因素多个水平用单因素方差分析。
（analyze->
One-wayANOVA）。
操作中，contrast不用改;
post-hoc中需勾Bonferroni和S-N-K;
Options中需勾第1个descriptive和第3个Homegeneityofvariancetest.
①m+s:
A:
m=133.36;
s=6.808;
B:
m=152.04；
s=6.957；
C:
m=189.72;
s=6.350;
D:
m=220.78；
s=6.106；
F=0.024;
P=0.995>
③F=157.467;
0.05,说明ABCD四种饲料对猪体重增加的作用有显著性差异。
④POST-HOC检验表明：
ABCD四种饲料对猪体重增加的作用效果从高到低依次为：
D>
C>
B>
A.（如何看图及如何排序，方法：
如表格中显示D-A=87.415;
D-B=68.735;
D-C=31.055,假设D=100,则易可计算出ABC的假设值，再根据假设值对ABCD进行排序即可）
4、以data07-10为例，分析四种药物对某生化指标有无显著性作用。
对一个样本重复测量时，作重复测量方差分析。
generallinearmodel->
repeatedmeasure）
操作：
一、定义:
factorname中填med;
numberoflevels中填4;
->
add->
define：
将四个指标一起添加到第一个框中去—》options中3个必要操作：
1将med选到右边框中去，2勾选下边的comparemaineffect,在confidentintervaladjustment复选框中选Bonferroni；
3desplay框中选第1个Des…和第2个Esti..。
->
OK
看结果时看第一个表descriptvestatics和第5个表testofwithin-subjectseffects表中的greenhouse-geisser结果F和Sig（即稍后要报告的p）即可
①m+s：
服药1后生化指标：
m=26.40；
s=8.764;
服药2后生化指标：
m=15.60；
s=6.542;
服药3后生化指标：
s=3.847;
服药4后生化指标：
m=32.00；
s=8.000.
②F=24.759,p=0.001<
0.01,说明差异显著，四种药物对某生化指标有显著性作用。
且其中药物4所起的作用最大，药物3所起的作用最大小（据平均值可看出来）。
5、以data08-01为例，分析国民收入与城乡居民储蓄存款余额之间的关系。
变量间不准确不稳定的变化关系称之为相关关系。
相关分析种类很多，spss中有二列相关（Bivariate）、偏相关（partial）、距离分析（distances）3类。
其中的二列相关分析（Bivariate）有3种：
⑴Pearson皮尔逊相关系数，即积差相关：
就是2个变量标准分数乘积的算术平均数，它用于两个变量都是连续型变量时；
⑵Kendall’stau-b:
即肯德尔和谐系数，用于2（/3个以上）变量都是离散型变量时，可检验多个被试是否具有一致性。
它分单维和双维。
⑶Speaman斯皮尔曼等级相关：
用于两变量中有1个是离散型变量时。
Analyze—>
Correlate—>
Bivariate（此题符合Pearson相关）
1）Variables：
选入这两个变量
2）Options：
勾选Meansandstandarddeviations即可。
①m+s国民收入m=128.5452，其S=106.18753；
城乡居民储蓄存款m=14.1216，s=23.79747。
②相关系数r=0.976**，相关极显著，且成正相关。
6、以data08-03为例，判断树木的月生长量与月平均气温、月降雨量、月平均日照时数、月平均湿度这4个气候因素的关系。
此题用偏相关partial，偏相关用于分析事物间是否存在潜在的关系。
但作偏相关都首先需作一般相关。
第一步：
二列相关
Bivariate（Pearson相关）
1）variables：
选入所有变量
2）option：
Meansandstandarddeviations前打钩。
①5个变量的平均数和标准差：
m+s（见截图）
②树木的月生长量与四个因子相关系数分别为：
（看有无*，看*有多少）
相关系数r=0.983**，相关极显著，成正相关。
相关系数r=0.709**，相关极显著，成正相关。
相关系数r=0.704*，相关显著，成正相关。
相关系数r=0.374，无显著相关。
第二步：
偏相关
Paritable（Pearson相关）
树木的月生长量与月平均气温；
2）Controllingfor：
月降雨量、月平均日照时数、月平均湿度
做其它两者之间的关系，操作类似，只是有点麻烦。
r=0.977，其他因素对树木的月生长量与月平均气温之间的关系有影响；
r=-0.491，…有影响；
r=0.632，…有影响。
（因为树木的月生长量与月平均湿度之间无显著相关，就没必要再做偏相关）
7、以data02-01为例，建立一个以初始工资、工作经验、受教育年数为自变量，当前工资为因变量的回归方程。
回归表示一个变量随另一个变量作不同程度变化的单向关系。
根据自变量的多少克可分为一元回归分析与多元回归分析。
过程：
先做散点图，判断是用线性回归还是曲线回归（一般用线性回归）
一、打开data，选择REGRESSION——linearregression，选择因变量、自变量。
二、在method中选择stepwise
三、在statistics中增加选项Rsquaredchange,descriptive
①目前工资的平均值是...，标准差是...
初始工资的平均值是...，标准差是..
工作经验的平均值是...，标准差是...
教育年数的平均值是...，标准差是...
DescriptiveStatistics
Mean
Std.Deviation
N
CurrentSalary
34419.57
17075.661
474
BeginningSalary
17016.09
7870.638
EducationalLevel（years）
13.49
2.885
MonthssinceHire
81.11
10.061
②.解释力度为0.80，解释力度很大.
ModelSummary
Model
R
RSquare
AdjustedRSquare
Std.ErroroftheEstimate
ChangeStatistics
RSquareChange
FChange
df1
df2
Sig.FChange
1
.880（a）
.775
.774
8115.356
1622.118
472
.000
2
.890（b）
.792
7796.524
.018
40.393
471
3
.895（c）
.801
.800
7645.998
.008
19.728
470
Coefficients（a）
（Constant）
1928.206
888.680
2.170
.031
1.909
.047
.880
40.276
-7808.714
1753.860
-4.452
1.673
.059
.771
28.423
1020.390
160.550
.172
6.356
-19986.502
3236.616
-6.175
1.689
.058
.779
29.209
966.107
157.924
.163
6.118
155.701
35.055
.092
4.442
aDependentVariable:
CurrentSalary
③回归方程：
Y^=—19986.5+1.689*beginingsalary+966.107*educationallevel+155.701*monthssinceHire
8、掷一颗六面题300次，见data10-01a，问这颗六面体是否均匀？
X2卡方是检验实际频数与理论频数之间差异的统计量。
6面体如果均匀的话，6个
升级会员 