spss实践题分析及答案二.docx

1、spss实践题分析及答案二期末实践考查一、一家消费者调查有限公司，它为许多企业提供消费者态度和消费者行为的调查。在一项研究中，客户要求调查消费者的消费特征，此特征可以用来预测用户使用信用卡的支付金额。研究人员收集了50位消费者的年收入、家庭人口和每年使用信用卡支付的金额数据。试按照客户要求进行分析，给出分析报告（数据见附表）。Descriptive StatisticsMeanStd. DeviationN消费金额（元）3964.06933.49450年收入（元）43480.0014550.74250家庭人口（人）3.421.73950Correlations消费金额（元）年收入（元）家庭人口

2、（人）Pearson Correlation消费金额（元）1.000.631.753年收入（元）.6311.000.173家庭人口（人）.753.1731.000Sig. (1-tailed)消费金额（元）.000.000年收入（元）.000.115家庭人口（人）.000.115.N消费金额（元）505050年收入（元）505050家庭人口（人）505050Variables Entered/RemovedbModelVariables EnteredVariables RemovedMethod1家庭人口（人）, 年收入（元）.Entera. All requested variables

3、entered. b. Dependent Variable: 消费金额（元）Model SummarybModelRR SquareAdjusted R SquareStd. Error of the Estimate1.909a.826.818398.091ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression35250755.672217625377.836111.218.000aResidual7448393.14847158476.450Total42699148.82049CoefficientsaModelUnstandard

4、ized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)1304.905197.6556.602.000年收入（元）.033.004.5168.350.000家庭人口（人）356.29633.201.66410.732.000 结果分析：由题目可知客户要求，是根据消费者年收入、家庭人口来预测其每年使用信用卡支付的金额数据，属于多元线性回归问题，其中年收入和家庭人口看作两个自变量，每年信用卡支付金额看作因变量。由分析得： ：信用卡支付金额 ：年收入 ：家庭人口拟合优度检验为0.818，回归方程能很好的代表样

5、本数据。回归方程F检验和回归系数T检验的相伴概率都小于显著性水平，拒绝零假设即回归方程和回归系数都具显著型。二、下表为运动员与大学生的身高（cm）与肺活量（cm3）的数据，考虑到身高与肺活量有关，而一般运动员的身高高于大学生，为进一步分析肺活量的差异是否由于体育锻炼所致，试作控制身高变量的协方差分析，并给出分析报告。运 动 员大 学 生身高肺活量身高肺活量184.9167.9171.0171.0188.0179.0177.0179.5187.0187.0169.0188.0176.7179.0183.0180.5179.0178.0164.0174.0430038504100430048004

6、00054004000480048004500478037005250425048005000370036004050168.7170.8165.0169.7171.5166.5165.0165.0173.0169.0173.8174.0170.5176.0169.5176.3163.0172.5177.0173.034504100380033003450325036003200395040004150345032504100365039503500390034503850Between-Subjects FactorsValue LabelN类别 0 020 1 120Tests of Be

7、tween-Subjects EffectsDependent Variable:肺活量SourceType III Sum of SquaresdfMean SquareFSig.Corrected Model6981685.135a23490842.56822.860.000Intercept208064.2901208064.2901.363.251身高1630762.63511630762.63510.679.002类别1407847.09511407847.0959.220.004Error5649992.36537152702.496Total6.633E840Corrected

8、Total12631677.50039a. R Squared = .553 (Adjusted R Squared = .529结果分析：控制变量的相伴概率值是0.004，小于显著性水平0.05，因此拒绝零假设，故在剔除身高对肺活量的影响前提下，是否经常进行体育锻炼对肺活量有显著影响；另外协变量相伴概率为0.002，说明身高的不同水平对肺活量也有显著影响。三、甲地区为大城市，乙地区为县城，丙地区为农村。某地分别调查了上述三类地区8岁男生三项身体生长发育指标：身高、体重和胸围，数据见下表，问：三类地区之间男生三项身体生长发育指标的差异有无显著性？试就此问题进行分析并给出分析报告。 结果分析：由

9、方差齐次性检验表可知，甲乙丙三个地区的的身高、体重和胸围的方差检验相伴概率都大于显著性水平，因此接受零假设，即三个地区的身高、体重和胸围方差相同没有显著性差异，即不同地区，身高、体总和胸围各总体均值服从方差相同的正态分布，因此可以用下面的单因素方差检验。身高：相伴概率为0.000小于显著性水平，则各地区身高有显著性差异。体重：相伴概率为0.000小于显著性水平，则各地区体重有显著性差异。胸围：相伴概率为0.001小于显著性水平，则各地区胸围有显著性差异。再由LSD,S-N-K和图表分析可知，甲地区（城市）8岁男孩身高和胸围与乙（县城）、丙（农村）地区有显著性差异，乙地区（县城）8岁男孩体重与甲

10、（城市）、丙（农村）地区有显著性差异。四、某地区10名健康儿童头发和全血中的硒含量（1000ppm）如下，试作发硒与血硒的相关分析，并给出分析报告。编号发硒血硒123456789107466886991736696587313101311169714510 Descriptive StatisticsMeanStd. DeviationN发硒75.4012.29510血硒10.803.32710Correlations发硒血硒发硒Pearson Correlation1.872*Sig. (2-tailed).001N1010血硒Pearson Correlation.872*1Sig. (2

11、-tailed).001N1010结果分析：由分析可知，要进行发硒和血硒两个定距变量的相关分析。由上图表可得发硒和血硒的pearson相关系数为0.872，为高度相关。假设检验得出的相伴概率0.001小于显著水平0.01，因此拒绝零假设，即可以用它们的样本相关系数r代替总体相关系数。五、某地29名13岁男童身高（cm）、体重（kg）和肺活量（ml）的数据如下表, 试对该资料作控制体重影响作用的身高与肺活量相关分析，并给出分析报告。编号身高（cm）体重(kg)肺活量(ml)编号身高（cm）体重(kg)肺活量(ml)123456789101112131415135.1139.9163.6146.5

12、156.2156.4167.8149.7145.0148.5165.5135.0153.3152.0160.532.030.446.233.537.135.541.531.033.037.249.527.641.032.047.21750200027502500275020002750150025002250300012502750175022501617181920212223242526272829153.0147.6157.5155.1160.5143.0149.4160.8159.0158.2150.0144.5154.6156.547.240.543.344.737.531.533.

13、940.438.537.536.034.739.532.017502000225027502000175022502750250020001750225025001750CorrelationsControl Variables体重(kg)肺活量(ml)身高（cm）-none-a体重(kg)Correlation1.000.613.719Significance (2-tailed).000.000df02727肺活量(ml)Correlation.6131.000.588Significance (2-tailed).000.001df27027身高（cm）Correlation.719.5

14、881.000Significance (2-tailed).000.001.df27270身高（cm）体重(kg)Correlation1.000.337Significance (2-tailed).079df026肺活量(ml)Correlation.3371.000Significance (2-tailed).079.df260a. Cells contain zero-order (Pearson) correlations.结果分析：由上表分析可知，体重和肺活量的相关系数为0.613，身高和体重的相关系数为0.719，身高和肺活量的相关系数为0.588，三者之间为中度相关。 身高

15、对体重和肺活量都有影响，剔除它的影响，采用偏相关分析，体重和肺活量相关系数为0.337，为低度相关，相伴概率值为0.079，大于显著性水平0.05，因此接受原假设，即不可以用样本相关系数代替总体相关系数。六、某医师测得10名3岁儿童的身高（cm）、体重（kg）和体表面积（cm2）资料如下。试分析“体表面积”可能满足的数学模型，并给出分析报告。儿童编号体表面积（Y）身高（X1）体重（X2）123456789105.3825.2995.3585.2925.6026.0145.8306.1026.0756.41188.087.688.589.087.789.588.890.490.691.211.0

16、11.812.012.313.113.714.414.915.216.0Correlations体表面积（Y）身高（X1）体重（X2）Pearson Correlation体表面积（Y）1.000.869.943身高（X1）.8691.000.863体重（X2）.943.8631.000Sig. (1-tailed)体表面积（Y）.001.000身高（X1）.001.001体重（X2）.000.001.N体表面积（Y）101010身高（X1）101010体重（X2）101010Variables Entered/RemovedbModelVariables EnteredVariables R

17、emovedMethod1体重（X2）, 身高（X1）.Entera. All requested variables entered.b. Dependent Variable: 体表面积（Y）Model SummarybModelRR SquareAdjusted R SquareStd. Error of the Estimate1.950a.902.874.143346a. Predictors: (Constant), 体重（X2）, 身高（X1）b. Dependent Variable: 体表面积（Y）ANOVAbModelSum of SquaresdfMean SquareF

18、Sig.1Regression1.3212.66132.145.000aResidual.1447.021Total1.4659a. Predictors: (Constant), 体重（X2）, 身高（X1） b. Dependent Variable: 体表面积（Y）CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)-2.8566.018-.475.649身高（X1）.069.075.215.919.389体重（X2）.184.057.75

19、83.234.014结果分析：由题目要求可知，这是一个多元线性回归问题。上述图表知，体表面积与身高体重的关系为其中 ：体表面积 ：身高 ：体重拟合优度检验为0.874，回归方程能很好的代表样本数据。回归方程F检验和回归系数T检验的相伴概率都小于显著性水平，拒绝零假设即回归方程和回归系数都具显著型。七、某地1963年调查得儿童年龄（岁）X与锡克试验阴性率（%）Y的资料如下，试分析锡克试验阴性率，并给出分析报告。年龄（岁）X锡克试验阴性率（%）Y123456757.176.090.993.096.795.696.2Model DescriptionModel NameMOD_2Dependent

20、Variable1锡克试验阴性率（%）Equation1Inverse2Cubic3SaIndependent Variable年龄ConstantIncludedVariable Whose Values Label Observations in PlotsUnspecifiedTolerance for Entering Terms in Equations.0001Model Summary and Parameter EstimatesDependent Variable:锡克试验阴性率（%）EquationModel SummaryParameter EstimatesR Squa

21、reFdf1df2Sig.Constantb1b2b3Inverse.975198.44615.000104.380-48.271Cubic.994165.37333.00125.57137.428-6.570.381S.983288.09915.0004.682-.639The independent variable is 年龄.结果分析：首先由散点图可知，锡克试验阴性率与年龄为非线性关系，因此采用曲线拟合。由表格可知，最佳拟合曲线为三次曲线(cubic),拟合优度为0.994，最佳拟合曲线方程为：:锡克试验阴性率（%） :年龄八、某单位研究饮食中缺乏维生素E与肝中维生素A含量的关系，将同

22、种属的大白鼠按性别相同，年龄、体重相近者配成对，共8对，并将每对中的两头白鼠随机分到正常饲料组和维生素E缺乏组，过一定时期，测得其肝中维生素A含量。试分析不同饲料的大白鼠肝中维生素A含量有无差别，给出分析报告（数据见附表）结果分析：同种属的大白鼠按性别相同，年龄、体重相近者配成对，该问题属于两配对样本t检验。由分析得两配对样本t检验的相伴概率值为：0.004，小于显著性水平0.05，因此拒绝零假设，即大白鼠食物中维生素E的不同含量与肝中维生素A的含量有显著性差异。九、测得西北某城市19712007年1月份平均气温数据（见附表）。分析该城市90年代前后的温度有无显著差异，给出分析报告。结果分析：由于90年代前后1月份平均气温之间相互独立，属于两独立样本t检验的问题。由分析可得，方差齐次性性F检验的相伴概率是0.438，大于显著性水平0.05，因此接受零假设，即90年代前后方差相同。t检验相伴概率值为0.002，小于显著性水平0.05，因此拒绝零假设，即该城市90年代前后的温度有显著差异。