spss实践题分析及答案.docx
《spss实践题分析及答案.docx》由会员分享，可在线阅读，更多相关《spss实践题分析及答案.docx（17页珍藏版）》请在冰豆网上搜索。
spss实践题分析及答案
SPSS实践题
习题1
分析此班级不同性别的学生的物理和数学成绩的均值、最高分和最低分。
CaseProcessingSummary
Cases
Included
Excluded
Total
N
Percent
N
Percent
N
Percent
数学*性别
26
%
0
.0%
26
%
物理*性别
26
%
0
.0%
26
%
Report
性别
数学
物理
男生
Mean
N
13
13
Std.Deviation
Minimum
Maximum
女生
Mean
N
13
13
Std.Deviation
Minimum
Maximum
Total
Mean
N
26
26
Std.Deviation
Minimum
Maximum
结论：
男生数学成绩最高分:
95最低分:
72平均分:
物理成绩最高分:
87最低分:
69平均分:
女生数学成绩最高分:
99最低分:
70平均分:
物理成绩最高分:
91最低分:
65平均分:
习题2
分析此班级的数学成绩是否和全国平均成绩85存在显著差异。
One-SampleStatistics
N
Mean
Std.Deviation
Std.ErrorMean
数学
26
One-SampleTest
TestValue=85
t
df
Sig.（2-tailed）
MeanDifference
95%ConfidenceIntervaloftheDifference
Lower
Upper
数学
25
.004
结论：
由分析可知相伴概率为，小于显著性水平，因此拒绝零假设，即此班级数学成绩和全国平均水平85分有显著性差异
习题3
分析兰州市2月份的平均气温在90年代前后有无明显变化。
GroupStatistics
分组
N
Mean
Std.Deviation
Std.ErrorMean
二月份气温
0
11
.3628400
1
18
.3065729
IndependentSamplesTest
Levene'sTestforEqualityofVariances
t-testforEqualityofMeans
F
Sig.
t
df
Sig.（2-tailed）
MeanDifference
Std.ErrorDifference
95%ConfidenceIntervaloftheDifference
Lower
Upper
二月份气温
Equalvariancesassumed
.322
27
.011
.4843246
Equalvariancesnotassumed
.010
.4750156
结论：
由分析可知,方差相同检验相伴概率为,大于显著性水平,因此接受零假设，90年代前后2月份温度方差相同。
双侧检验相伴概率为,小于显著性水平，拒绝零假设，即2月份平均气温在90年代前后有显著性差异
习题4
分析15个居民进行体育锻炼3个月后的体质变化。
PairedSamplesStatistics
Mean
N
Std.Deviation
Std.ErrorMean
Pair1
锻炼前
15
锻炼后
15
PairedSamplesCorrelations
N
Correlation
Sig.
Pair1
锻炼前&锻炼后
15
.277
PairedSamplesTest
PairedDifferences
t
df
Sig.（2-tailed）
Mean
Std.Deviation
Std.ErrorMean
95%ConfidenceIntervaloftheDifference
Lower
Upper
Pair1
锻炼前-锻炼后
14
.001
结论：
由分析可知，锻炼前后差值与零比较，相伴概率小于显著性水平，拒绝零假设，即锻炼前后有显著性差异
习题5
为了农民增收，某地区推广豌豆番茄青菜的套种生产方式。
为了寻找该种方式下最优豌豆品种，进行如下试验：
选取5种不同的豌豆品种，每一品种在4块条件完全相同的田地上试种，其它施肥等田间管理措施完全一样。
根据表中数据分析不同豌豆品种对平均亩产的影响是否显著。
ANOVA
产量
SumofSquares
df
MeanSquare
F
Sig.
BetweenGroups
（Combined）
4
.016
LinearTerm
Contrast
1
.047
Deviation
3
.025
WithinGroups
15
Total
19
MultipleComparisons
DependentVariable:
产量
（I）品种
（J）品种
MeanDifference（I-J）
Std.Error
Sig.
95%ConfidenceInterval
LowerBound
UpperBound
LSD
1
2
.509
3
.773
4
.289
5
*
.019
2
1
.509
3
.707
4
.679
5
*
.005
3
1
.773
2
.707
4
.434
5
*
.010
4
1
.289
2
.679
3
.434
5
*
.002
5
1
*
.019
2
*
.005
3
*
.010
4
*
.002
*.Themeandifferenceissignificantatthelevel.
产量
品种
N
Subsetforalpha=
1
2
Student-Newman-Keulsa
5
4
1
4
3
4
2
4
4
4
Sig.
.696
Meansforgroupsinhomogeneoussubsetsaredisplayed.
a.UsesHarmonicMeanSampleSize=.
结论：
由以上分析可知，F统计量F（4,15）=，对应的相伴概率为，小于显著性水平，拒绝零假设，即不同品种豌豆与亩产量之间存在显著性差异。
1、2、3、4号品种与5号有明显差异,5号品种产量最低,因此购种选择前四种均可。
习题6
由于时间安排紧张，公司决定安排4名员工操作设备A、B、C各一天，得到日产量数据如表所示。
试分析4名员工和3台设备是否有显著性差异，以便制定进一步的采购计划。
TestsofBetween-SubjectsEffects
DependentVariable:
日生产量
Source
TypeIIISumofSquares
df
MeanSquare
F
Sig.
CorrectedModel
433.167a
5
.002
Intercept
1
.000
equipment
2
.001
staff
3
.022
Error
6
Total
12
CorrectedTotal
11
设备*员工
DependentVariable:
日生产量
设备
员工
Mean
Std.Error
95%ConfidenceInterval
LowerBound
UpperBound
1
1
2
3
4
2
1
2
3
4
3
1
2
3
4
MultipleComparisons
DependentVariable:
日生产量
（I）员工
（J）员工
MeanDifference（I-J）
Std.Error
Sig.
95%ConfidenceInterval
LowerBound
UpperBound
LSD
1
2
*
.009
3
*
.013
4
.335
2
1
*
.009
3
.739
4
*
.031
3
1
*
.013
2
.67
.739
4
.050
.01
4
1
.335
2
*
.031
.66
3
.050
Basedonobservedmeans.
TheerrortermisMeanSquare（Error）=.
日生产量
员工
N
Subset
1
2
Student-Newman-Keulsa,b
2
3
3
3
4
3
1
3
Sig.
.070
.335
MultipleComparisons
DependentVariable:
日生产量
（I）设备
（J）设备
MeanDifference（I-J）
Std.Error
Sig.
95%ConfidenceInterval
LowerBound
UpperBound
LSD
1
2
*
.002
3
.079
2
1
*
.002
3
*
.000
3
1
.079
.55
2
*
.000
日生产量
设备
N
Subset
1
2
Student-Newman-Keulsa,b
3
4
1
4
2
4
Sig.
.079
结论：
由以上假设检验分析可知，不同人员、不同设备各自以及他们的交互作用对日生产量都有显著影响。
由上图可知，要提高员工日生产量，应该选购设备2。
习题7
数据记录了18个试验地里杨树一年生长量与施用氮肥和钾肥的关系，考虑杨树初始高度的影响，分析氮肥和钾肥的施肥量和杨树生长量之间的关系。
Between-SubjectsFactors
N
钾肥量
.00
6
6
6
氮肥量
多
9
少
9
DescriptiveStatistics
DependentVariable:
树苗生长量
钾肥量
氮肥量
Mean
Std.Deviation
N
.00
多
.08021
3
少
.20207
3
Total
.19405
6
多
.11533
3
少
.06658
3
Total
.09411
6
多
.05000
3
少
.15000
3
Total
.10000
6
Total
多
.11949
9
少
.22973
9
Total
.18626
18
Levene'sTestofEqualityofErrorVariancesa
DependentVariable:
树苗生长量
F
df1
df2
Sig.
5
12
.111
Teststhenullhypothesisthattheerrorvarianceofthedependentvariableisequalacrossgroups.
a.Design:
Intercept+初始高度+钾肥+氮肥+钾肥*氮肥
TestsofBetween-SubjectsEffects
DependentVariable:
树苗生长量
Source
TypeIIISumofSquares
df
MeanSquare
F
Sig.
CorrectedModel
.538a
6
.090
.000
Intercept
.627
1
.627
.000
初始高度
.129
1
.129
.000
钾肥
.313
2
.157
.000
氮肥
.041
1
.041
.013
钾肥*氮肥
.021
2
.011
.150
Error
.051
11
.005
Total
18
CorrectedTotal
.590
17
a.RSquared=.913（AdjustedRSquared=.866）
1.GrandMean
DependentVariable:
树苗生长量
Mean
Std.Error
95%ConfidenceInterval
LowerBound
UpperBound
2.071a
.016
a.Covariatesappearinginthemodelareevaluatedatthefollowingvalues:
树苗初始高度=.
2.钾肥量
DependentVariable:
树苗生长量
钾肥量
Mean
Std.Error
95%ConfidenceInterval
LowerBound
UpperBound
.00
1.945a
.028
2.015a
.028
2.253a
.028
a.Covariatesappearinginthemodelareevaluatedatthefollowingvalues:
树苗初始高度=.
3.氮肥量
DependentVariable:
树苗生长量
氮肥量
Mean
Std.Error
95%ConfidenceInterval
LowerBound
UpperBound
多
2.119a
.023
少
2.023a
.023
a.Covariatesappearinginthemodelareevaluatedatthefollowingvalues:
树苗初始高度=.
4.钾肥量*氮肥量
DependentVariable:
树苗生长量
钾肥量
氮肥量
Mean
Std.Error
95%ConfidenceInterval
LowerBound
UpperBound
.00
多
1.984a
.042
少
1.906a
.043
多
2.111a
.041
少
1.920a
.041
多
2.263a
.039
少
2.244a
.039
a.Covariatesappearinginthemodelareevaluatedatthefollowingvalues:
树苗初始高度=.
结论：
由分析可知，剔除树苗初始高度的影响，树苗生长量与钾肥、氮肥施肥量有显著性差异。
习题8
试分析表中的全国各地区城镇居民消费性支出和总收入的相关性。
DescriptiveStatistics
Mean
Std.Deviation
N
总收入
31
消费性支出
31
Correlations
总收入
消费性支出
总收入
PearsonCorrelation
1
.987**
Sig.（2-tailed）
.000
N
31
31
消费性支出
PearsonCorrelation
.987**
1
Sig.（2-tailed）
.000
N
31
31
**.Correlationissignificantatthelevel（2-tailed）.
结论：
由分析可知，总收入和支出的pearson相关系数为，为高度相关。
假设检验得出的相伴概率小于显著水平，因此拒绝零假设，即可以用样本相关系数r代替总体相关系数ρ。
习题9
试分析表中各地区科研投入的人年数和课题总量之间的相关关系。
Correlations
ControlVariables
投入人年数
课题总数
投入高级职称的人年数
-none-a
投入人年数
Correlation
.959
.988
Significance（2-tailed）
.
.000
.000
df
0
29
29
课题总数
Correlation
.959
.944
Significance（2-tailed）
.000
.
.000
df
29
0
29
投入高级职称的人年数
Correlation
.988
.944
Significance（2-tailed）
.000
.000
.
df
29
29
0
投入高级职称的人年数
投入人年数
Correlation
.507
Significance（2-tailed）
.
.004
df
0
28
课题总数
Correlation
.507
Significance（2-tailed）
.004
.
df
28
0
a.Cellscontainzero-order（Pearson）correlations.
结论：
由分析可知，投入高级职称的人年数对投入人年数和课题总数都有影响，剔除它的影响，采用偏相关分析。
投入人年数和课题总数相关系数为，为中度相关，可以用样本相关系数代替总体相关系数。
升级会员 