spss题目及答案汇总版.docx
《spss题目及答案汇总版.docx》由会员分享,可在线阅读,更多相关《spss题目及答案汇总版.docx(11页珍藏版)》请在冰豆网上搜索。
spss题目及答案汇总版
《SPSS原理与运用》练习题
数据对应关系:
06-均值查验;07-方差分析;08-相关分析;
09-回归分析;10-非参数查验;17-作图
一、以data06-03为例,分析身高大于等于155cm的与身高小于155cm的两组男生的体重和肺活量均值是不是有显著性。
分析:
一个因素有2个水平用独立样本t查验,此题即身高因素有155以上和以下2个水平,因此用独立样本t查验(analyze->comparemeans->independent-samplesTtest)。
报告:
一、体重①m+s:
>=155cm时,m=;s=;
<155cm时,m=;s=;
②方差齐性查验结果:
P=>,说明方差齐性。
③t=;p=<,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不同。
二、肺活量①m+s:
>=155cm时,m=;s=;
<155cm时,m=;s=;
②方差齐性查验结果:
P=>,说明方差齐性。
③t=;p=<,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不同。
二、以data06-04为例,判定体育疗法对降低血压是不是有效。
分析:
比较前后2种情形有无显著不同,用配对样本t查验,(analyze->comparemeans->paired-samplesTtest).
报告:
①m+s医治前伸展压:
m=;s=;
医治后伸展压:
m=;s=;
②相关系数correlation=;p=>,说明体育疗法与降低血压相关。
③t=;p=<,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。
分析:
一个因素多个水平用单因素方差分析。
(analyze->comparemeans->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.
报告:
①m+s:
A:
m=;s=;B:
m=;s=;
C:
m=;s=;D:
m=;s=;
②方差齐性查验结果:
F=;P=>,说明方差齐性。
③F=;p=<,说明ABCD四种饲料对猪体重增加的作用有显著性不同。
④POST-HOC查验说明:
ABCD四种饲料对猪体重增加的作用成效从高到低依次为:
D>C>B>A.(如何看图及如何排序,方式:
如表格中显示D-A=;D-B=;D-C=,假设D=100,那么易可计算出ABC的假设值,再依照假设值对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。
分析:
对一个样本重复测量时,作重复测量方差分析。
(analyze->generallinearmodel->repeatedmeasure)
操作:
一、概念:
factorname中填med;numberoflevels中填4;->add->define:
将四个指标一路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复选框当选Bonferroni;3desplay框当选第1个Des…和第2个Esti..。
->OK
报告:
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=;s=;
服药2后生化指标:
m=;s=;
服药3后生化指标:
m=;s=;
服药4后生化指标:
m=;s=.
②F=,p=<,说明不同显著,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)。
五、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。
分析:
变量间不准确不稳固的转变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:
确实是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持续型变量时;
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,可查验多个被试是不是具有一致性。
它分单维和双维。
⑶Speaman斯皮尔曼品级相关:
用于两变量中有1个是离散型变量时。
操作:
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。
报告:
①m+s国民收入m=,其S=;
城乡居民储蓄存款m=,s=。
②相关系数r=**,相关极显著,且成正相关。
6、以data08-03为例,判定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。
分析:
此题用偏相关partial,偏相关用于分析事物间是不是存在潜在的关系。
但作偏相关都第一需作一样相关。
操作:
第一步:
二列相关
Analyze—>Correlate—>Bivariate(Pearson相关)
1)variables:
选入所有变量
2)option:
Meansandstandarddeviations前打钩。
报告:
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别离为:
(看有无*,看*有多少)
相关系数r=**,相关极显著,成正相关。
相关系数r=**,相关极显著,成正相关。
相关系数r=*,相关显著,成正相关。
相关系数r=,无显著相关。
第二步:
偏相关
Analyze—>Correlate—>Paritable(Pearson相关)
1)Variables:
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
做其它二者之间的关系,操作类似,只是有点麻烦。
报告:
r=,其他因素对树木的月生长量与月平均气温之间的关系有阻碍;r=,…有阻碍;r=,…有阻碍。
(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,成立一个以初始工资、工作体会、受教育年数为自变量,当前工资为因变量的回归方程。
分析:
回归表示一个变量随另一个变量作不同程度转变的单向关系。
依照自变量的多少克可分为一元回归分析与多元回归分析。
进程:
先做散点图,判定是用线性回归仍是曲线回归(一样用线性回归)
操作:
一、打开data,选择REGRESSION——linearregression,选择因变量、自变量。
二、在method当选择stepwise
三、在statistics中增加选项Rsquaredchange,descriptive
报告:
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..
工作体会的平均值是...,标准差是...
教育年数的平均值是...,标准差是...
DescriptiveStatistics
DescriptiveStatistics
Mean
Std.Deviation
N
CurrentSalary
474
BeginningSalary
474
EducationalLevel(years)
474
MonthssinceHire
474
②.说明力度为,说明力度专门大.
ModelSummary
Model
R
RSquare
AdjustedRSquare
Std.ErroroftheEstimate
ChangeStatistics
RSquareChange
FChange
df1
df2
Sig.FChange
1
.880(a)
.775
.774
.775
1
472
.000
2
.890(b)
.792
.792
.018
1
471
.000
3
.895(c)
.801
.800
.008
1
470
.000
Coefficients(a)
1
(Constant)
.031
BeginningSalary
.047
.880
.000
2
(Constant)
.000
BeginningSalary
.059
.771
.000
EducationalLevel(years)
.172
.000
3
(Constant)
.000
BeginningSalary
.058
.779
.000
EducationalLevel(years)
.163
.000
MonthssinceHire
.092
.000
aDependentVariable:
CurrentSalary
③回归方程:
Y^=—+*beginingsalary+*educationallevel+*monthssinceHire
8、掷一颗六面题300次,见data10-01a,问这颗六面体是不是均匀?
分析:
X2卡方是查验实际频数与理论频数之间不同的统计量。
6面体若是均匀的话,6个面显现的频数应该是无显著不同。
操作:
Analyse—NonparametricTests—Chi—square(卡方查验)
将Imt加入到TestVariableList里
Options——勾选Descriptive
报告:
由结果可知X2=P=>,说明无显著性不同,
因此,这颗六面体均匀。
9、某研究者就目前就业情形作调查,在68名男性大学生中,39人以为“专门好”,29人以为“不行”,在57名女性大学生中,42人以为“不行”,15人以为“专门好”,试问大学生的态度是不是与其性别有关?
分析:
原理同上题,理论值和实测值若是有显著性不同,那么与其有关,假设无显著性不同,那么无关。
操作:
创建表:
概念变量gender,attitude,num,输入数据
Data——weightcase——num
选择descriptivestatistics——crosstabs
ROW——gender,COLUMN——attidtude
STATISTICS当选择chi_squareCELLDISPLAY中增加选项COUNTS:
EXPECTED
报告:
①.男性以为专门好的实测值有39人,期望值为人;
男性以为不行的实测值有29人,期望值是人;
女性以为专门好的实测值有15人,期望值为人;
女性以为不行的实测值有42人,期望值是人。
②卡方查验结果:
x2=,P=<,说明学生态度受性别阻碍。
(看第一行Pear