spss题目及答案汇总版.docx

1、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-compare means-independent-samples T test）。报告：一、体重m+s:=155cm 时, m= ; s= ;,说明方差齐性。t=; p= =155cm 时,m

2、=; s=;,说明方差齐性。t=; p= compare means- paired-samples T test).报告：m+s 医治前伸展压：m=; s=; 医治后伸展压：m=; s=;相关系数correlation=; p=,说明体育疗法与降低血压相关。t=;p=compare means-One-way ANOVA）。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Homegeneity of variance test.报告：m+s: A:m=; s=; B: m=；s=；C:m=; s

3、=; D: m=；s=； 方差齐性查验结果：F=;P=,说明方差齐性。F=; p= CBA.(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A B C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-general linear model-repeated measure ）操作：一、概念:factor name 中填med; number of levels中填4; -add-define：将四个指标一

4、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compare main effect,在confident interval adjustment复选框当选Bonferroni；3 desplay框当选第1个Des和第2个Esti.。-OK报告：看结果时看第一个表descriptve statics和第5个表test of within-subject seffects表中的greenhouse-geisser结果F和Sig(即稍后要报告的p)即可m+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

5、后生化指标：m=；s=.F=, p=CorrelateBivariate（此题符合Pearson相关）1）Variables：选入这两个变量2）Options：勾选Means and standard deviations即可。报告：m+s国民收入m=，其S=； 城乡居民储蓄存款m=，s=。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AnalyzeCor

6、relateBivariate（Pearson相关）1）variables：选入所有变量2）option：Means and standard deviations前打钩。报告： 5个变量的平均数和标准差：m+s（见截图）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AnalyzeCorrelateParitable（Pearson相关）1）Variables：树木的月生长量与月平均气温；2）Controlling for：月

7、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REGRESSIONlinear regre

8、ssion，选择因变量、自变量。二、在method 当选择stepwise三、在statistics中增加选项 R squared change , descriptive报告：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. Descriptive Statistics Descriptive Statistics MeanStd. DeviationNCurrent Salary474Beginning Salary474Educational Level (years)474Months since H

9、ire474 .说明力度为，说明力度专门大. Model SummaryModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsR Square ChangeF Changedf1df2Sig. F Change1.880(a).775.774.7751472.0002.890(b).792.792.0181471.0003.895(c).801.800.0081470.000 Coefficients(a)1(Constant) .031Beginning Salary.047.880.0002(Co

10、nstant) .000 Beginning Salary.059.771.000Educational Level (years).172.0003(Constant) .000 Beginning Salary.058.779.000Educational Level (years).163.000Months since Hire.092.000a Dependent Variable: Current Salary回归方程：Y=+*begining salary+*educational level+*months since Hire8、掷一颗六面题300次，见data10-01a，

11、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：AnalyseNonparametric TestsChisquare（卡方查验） 将Imt加入到Test Variable List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

12、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 Dataweight casenum 选择 descriptive statisticscrosstabs ROWgender , COLUMNattidtude STATISTICS当选择chi_square CELL DISPLAY 中增加选项 COUNTS:EXPECTED报告：.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。卡方查验结果：x2=，P=，说明学生态度受性别阻碍。（看第一行Pear