统计分析与SPSS的应用考试Word文档下载推荐.docx
《统计分析与SPSS的应用考试Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《统计分析与SPSS的应用考试Word文档下载推荐.docx(24页珍藏版)》请在冰豆网上搜索。
优共有4人,良具有12人中有4人。
二、(20分)为了解笔记本电脑的市场情况,针对笔记本电脑的3种品牌,进行了满意度调查,随机访问了30位消费者,让他们选出自己满意的品牌,调查结果见下表,其中变量“职业”的取值中,1表示文秘人员,2表示管理人员,3表示工程师,4表示其他人;
3个品牌变量的取值中,1表示选择,0表示未选数据见Excel数据文件“调查.exe”。
根据所给数据完成以下问题
(1)将所给数据的Excel文件导入到SPSS中,要求SPSS数据文件写出数据结构(包括变量名,变量类型,变量值标签等)命,并保存为:
“调查.Sav”。
(2)试利用多选项分析,利用频数分析来分析消费者对不同品牌电脑的满意度状况;
分析不同职业消费者对笔记本品牌满意度状况。
分析:
<
1>
(1)
(2)
(3)
(4)
(5)
(6)
(7)
最后保存的文件“调查.sav”格式及内容如下:
2>
先对数据进行频数分析
(3)
三、(20分)入户推销有五种方法。
某大公司想比较这五种方法有无显著的效果差异,设计了一项实验。
从尚无推销经验的应聘人员中随机挑选一部分,并随机地将他们分为五个组,每组用一种推销方法培训。
一段时期后得到他们在一个月内的推销额,如下表所示(SPSS数据见“入户推销.sav”):
第一组
20.0
16.8
17.9
21.2
23.9
26.8
22.4
第二组
24.9
21.3
22.6
30.2
29.9
22.5
20.7
第三组
16.0
20.1
17.3
20.9
22.0
20.8
第四组
17.5
18.2
20.2
17.7
19.1
18.4
16.5
第五组
25.2
26.2
26.9
29.3
30.4
29.7
28.3
1.利用单因素方差分析方法分析这五种推销方式是否存在显著差异。
2.绘制各组的均值对比图,并利用LSD方法进行多重比较检验,说明那组推销方式最好?
ANOVA
销售额
SumofSquares
df
MeanSquare
F
Sig.
BetweenGroups
406.627
101.657
11.304
.000
WithinGroups
269.789
30
8.993
Total
676.415
34
如上图是推销方式对销售额的单因素方差分析结果。
可以看到:
观测变量销售额的离差平方总和为676.415;
如果只考虑推销方式单个因素的影响,则销售额总变差中,不同推销方式可解释的变差为406.627,抽样误差引起的变差为269.789,它们的方差分别为101.657和8.993,相除所得的F统计量的观测值为11.304,对应的概率P值小于显著性水平a,因此拒绝原假设,认为不同销售方式对销售额产生了显著影响。
2.
图a
MultipleComparisons
LSD
(I)推销方式
(J)推销方式
MeanDifference(I-J)
Std.Error
95%ConfidenceInterval
LowerBound
UpperBound
-3.30000*
1.60294
.048
-6.5736
-.0264
.72857
.653
-2.5451
4.0022
3.05714
.066
-.2165
6.3308
-6.71429*
-9.9879
-3.4406
3.30000*
.0264
6.5736
4.02857*
.018
.7549
7.3022
6.35714*
3.0835
9.6308
-3.41429*
.041
-6.6879
-.1406
-.72857
-4.0022
2.5451
-4.02857*
-7.3022
-.7549
2.32857
.157
-.9451
5.6022
-7.44286*
-10.7165
-4.1692
-3.05714
-6.3308
.2165
-6.35714*
-9.6308
-3.0835
-2.32857
-5.6022
.9451
-9.77143*
-13.0451
-6.4978
6.71429*
3.4406
9.9879
3.41429*
.1406
6.6879
7.44286*
4.1692
10.7165
9.77143*
6.4978
13.0451
*.Themeandifferenceissignificantatthe0.05level.
图b
如图b可知,可看出。
采用了LSD方法中的标准误差,可看出第五组方法最好。
四、(20分)利用“入户推销.sav”数据完成以下问题:
(1)按照性别建立推销员频率分布表及销售额的直方图;
(2)利用交叉列联表分析不同性别推销人员参与销售方式状况;
(3)利用参数检验来分析不同性别推销人员的销售额是否有显著性差异?
1.
Statistics
Valid
19
Missing
Frequency
Percent
ValidPercent
CumulativePercent
16.00
1
5.3
16.80
10.5
17.30
15.8
17.50
21.1
18.20
26.3
20.00
31.6
20.10
36.8
20.20
42.1
20.80
47.4
21.20
52.6
22.50
57.9
22.60
63.2
23.90
68.4
25.20
73.7
26.90
78.9
28.30
84.2
29.30
89.5
29.90
94.7
30.20
100.0
16.50
6.3
17.70
12.5
17.90
18.8
18.40
25.0
19.10
31.3
20.70
37.5
20.90
43.8
21.30
50.0
22.00
56.3
22.40
62.5
24.90
68.8
26.20
75.0
26.80
2
87.5
29.70
93.8
30.40
2.
CaseProcessingSummary
Cases
推销方式*性别
35
100.0%
.0%
推销方式*性别Crosstabulation
推销方式
Count
3
7
ExpectedCount
3.8
3.2
7.0
%within推销方式
57.1%
42.9%
%within性别
21.1%
18.8%
20.0%
%ofTotal
11.4%
8.6%
Residual
.2
-.2
Std.Residual
.1
-.1
15.8%
25.0%
-.8
.8
-.4
.4
19.0
35.0
54.3%
45.7%
Chi-SquareTests
Value
Asymp.Sig.(2-sided)
PearsonChi-Square
.461a
.977
LikelihoodRatio
.459
Linear-by-LinearAssociation
.056
.813
NofValidCases
a.10cells(100.0%)haveexpectedcountlessthan5.Theminimumexpectedcountis3.20.
首先,在所调查的35人当中,有19个为男,16个为女,分别占总样本的54.3%和45.7%,可见男生占多数。
推销方式第一组、第二组、第三组、第四组、第五组样本量分别为7、7、7、7、7,占总样本的20%、20%、20%、20%、20%。
其次,对不同推销方式进行分析,在第一组中,男生和女生的人数分别为4和3,
五、(20分)已知我国2003年部分地区城镇居民人均可支配收入和人均消费性支出如下表所示:
(单位:
元)
(1)绘制城镇居民人均可支配收入与人均消费性支出的相关图(散点图);
(2)利用相关系数分析城镇居民人均可支配收入与人均消费性支出之间的关系?
(3)如果有相关关系,建立一元线性回归模型,解释输出结果。
地区
人均消费性支出(Y)
人均可支配收入(X)
北京
11123.8
13882.6
湖北
5963.3
7322
天津
7867.5
10312.9
湖南
6082.6
7674.2
河北
5439.8
7239.1
广东
9636.3
12380.4
山西
5105.4
7005
广西
5763.5
7785
内蒙古
5419.1
7012.9
海南
5502.4
7259.3
辽宁
6077.9
7240.6
重庆
7118.1
8093.7
吉林
5492.1
7005.2
四川
5759.2
7041.9
黑龙江
5015.2
6678.9
贵州
4949
6569.2
上海
11040.3
14867.5
云南
6023.6
7643.6
江苏
6708.6
9262.5
西藏
8045.3
8765.5
浙江
9712.9
13179.5
陕西
5666.5
6806.4
安徽
5064.3
6778
甘肃
5298.9
6657.2
福建
7356.3
9999.5
青海
5400.2
6745.3
Correlations
PearsonCorrelation
.991**
Sig.(2-tailed)
13
**.Correlationissignificantatthe0.01level(2-tailed).
人均消费性支出与人均可支配收入的简单相关性系数为0.992,说明两者之间存在正的强相关性,其相关系数检验的概率P-值近似为0.因此,当显著性水平a为0.05或0.01时,应拒绝相关系数的原假设,认为总体不是零相关。
3.
ModelSummaryandParameterEstimates
DependentVariable:
Equation
ModelSummary
ParameterEstimates
RSquare
df1
df2
Constant
b1
b2
b3
Quadratic
.983
287.780
10
1015.083
.553
9.499E-6
Cubic
Compound
.976
452.084
11
2707.132
1.000
Power
.980
544.713
.879
.984
Theindependentvariableis人均可支配收入(X).
输入/移去的变量b
模型
输入的变量
移去的变量
方法
人均可支配收入(X)a
.
输入
a.已输入所有请求的变量。
b.因变量:
人均消费性支出(Y)
模型汇总
R
R方
调整R方
标准估计的误差
.159a
.025
-.072
2.435695410410045E3
a.预测变量:
(常量),人均可支配收入(X)。
Anovab
平方和
均方
回归
1533927.220
.259
.622a
残差
5.933E7
5932612.132
总计
6.086E7
系数a
非标准化系数
标准系数
t
B
标准误差
试用版
(常量)
8875.085
3743.247
2.371
.039
-.239
.469
-.159
-.508
.622
a.因变量:
方程为y=8875.085-0.239x为一元线性回归的模型及其输出结果。