spss实验过程.docx

1、spss实验过程1、心理学家希望(xwng)研究恋爱对于抑郁的治疗效果，找到100个尚未恋爱的大学生，对他们进行长期跟踪和测试(csh)，得到了长期的检测数据，在此期间，大约有80的同学谈恋爱了。请构造相关数据，选择合适的统计(tngj)方法进行统计验证，并对统计结果进行分析和说明。统计方法(fngf)：配对样本T检验(jinyn)：一般用于同一研究对象分别给予两种不同处理的效果比较，推断两种效果有无差别。以及同一研究对象处理前后的效果比较，推断某种处理是否有效。数据处理：抑郁用百分制衡量，分数越高，抑郁程度越高。选取在100名中谈恋爱的人员的抑郁分数，与他们之前未恋爱测试的抑郁分数进行配对t

2、检验。原假设：H0：未恋爱与恋爱后的抑郁分数无显著差异 操作方法：Analyze-Compare Means-Paired-Samples T Test结论分析：第一个表格是数据的基本描述。成對樣本統計資料平均數N標準偏差標準錯誤平均值對組 1恋爱前抑郁指数75.9410010.2251.022恋爱后抑郁指数71.4410010.8391.084第二个是恋爱前和恋爱后抑郁分数的相关系数，原假设：恋爱前和恋爱后的抑郁指数没有相关。Sig= 0.000 0.05拒绝原假设，恋爱前后抑郁指数有变化，即恋爱对抑郁有治疗效果。成對樣本相關性N相關顯著性對組 1恋爱前抑郁指数 & 恋爱后抑郁指数100.9

3、46.000第三个表格(biog)是配对样本的t检验，原假设：未恋爱与恋爱后的抑郁(yy)分数均值差异为0，Sig=.0000.05拒绝原假设，表明未恋爱和恋爱后的数据有显著的变化。即通过(tnggu)恋爱对抑郁的治疗有显著效果。成對樣本檢定程對差異數Tdf顯著性 （雙尾）平均數標準偏差標準錯誤平均值95% 差異數的信賴區間下限上限對組 1恋爱前抑郁指数 - 恋爱后抑郁指数4.5003.518.3523.8025.19812.79399.0002、已知全国(qun u)的出生率为12.08，死亡率为7.16，有专家认为浙江省的人口自然增长率远低于全国平均水平；请构造相关(xinggun)数据，

4、选择合适的统计方法进行统计验证，并对统计结果进行分析和说明。统计方法：单样本T检验问题分析：全国的人口自然增长率为0.0492，选取浙江省60个地区的人口自然增长率，与0.0492作比较做单样本T检验H0：浙江省的人口自然增长率与全国平均水平无显著差异。操作方法：Analyze-Compare Means-One-Sample T Test结论分析：第一个表格：显示分别是样本数、平均值、标准差、均值标准误差。單一樣本統計資料N平均數標準偏差標準錯誤平均值自然增长率602.224000%4.0066086%0.5172509%第二个表格：显示t统计的观测值、自由度、双侧概率p值、样本均值与检验值

5、的差、总体均值与原假设差值的95%的置信区间。單一樣本檢定檢定值 = 0.0492Tdf顯著性 （雙尾）平均差異95% 差異數的信賴區間下限上限自然增长率4.20559.0002.1748000%1.139783%3.209817%其中(qzhng)T检验的原假设为浙江省的人口自然增长率的均值(jn zh)与全国的平均人口自然增长率0.0492相等(xingdng)。由于(yuy)Sig=0.0000.05 所以拒绝原假设，即浙江省人口自然(zrn)增长率的均值与全国的平均人口自然增长率存在差异，又因为浙江省人口自然增长率均值为0.022240.0492，所以浙江省人口自然增长率低于全国平均水

6、平，即专家的观点是正确的。3、为了研究厄尔尼诺气象是否会显著农作物的价格；请构造相关数据，选择合适的统计方法进行统计验证，并对统计结果进行分析和说明。统计方法：相关分析问题分析：用ONI指数来代表厄尔尼诺气象，值越高，厄尔尼诺气象越强。采用相关分析，分析厄尔尼诺气象是否会显著农作物的价格。 H0：厄尔尼诺气象指数与农作物的价格的相关系数为0.操作方法：AnalyzeCorrelateBivariate Correlations表一：相關ONI指数农作物价格(元/公斤）ONI指数皮爾森 (Pearson) 相關1.374*顯著性 （雙尾）.007N5050农作物价格(元/公斤）皮爾森 (Pear

7、son) 相關.374*1顯著性 （雙尾）.007N5050*. 相關性在 0.01 層上顯著（雙尾）。可以(ky)看出ONI指数(zhsh)与农作物价格相关系数为0.374，原假设(jish)为ONI指数(zhsh)与农作物价格相关系数为0，sig值=0.0070.05，即支持原假设，即各部门(bmn)综合技能的方差相等，同理，看综合技能这行可知，各部门综合技能的方差不相等(xingdng)。（数据选取问题） 表二：方差分析變異數分析平方和df平均值平方F顯著性学历背景群組之間4.00922.0041.252.294在群組內91.241571.601總計95.25059综合技能指数群組之間5

8、.61622.808.829.442在群組內192.968573.385總計198.58359综合技能：方差检验sig值=0.4420.05（数据问题）学历背景：方差检验的sig值=0.2940.05，接受原假设，（数据问题）表三：多重分析多重比較因變數(I) 类别(J) 类别平均差異 (I-J)標準錯誤顯著性95% 信賴區間下限上限学历背景LSD01.517.345.140-.171.212.000.5751.000-1.151.1510-.517.345.140-1.21.172-.517.567.366-1.65.6220.000.5751.000-1.151.151.517.567.3

9、66-.621.65Tamhane01.517.347.370-.341.372.000.5101.000-1.521.5210-.517.347.370-1.37.342-.517.511.712-2.041.0020.000.5101.000-1.521.521.517.511.712-1.002.04综合技能指数LSD01-.499.502.324-1.50.512.380.836.651-1.292.0510.499.502.324-.511.502.879.825.291-.772.5320-.380.836.651-2.051.291-.879.825.291-2.53.77Tam

10、hane01-.499.507.699-1.76.762.380.944.973-2.493.2510.499.507.699-.761.762.879.894.740-2.013.7720-.380.944.973-3.252.491-.879.894.740-3.772.01综合(zngh)技能： 方差齐性 看LSD法多重比较(bjio)的结果，从结果可看出，行政人员和市场部人，研发部人员的综合技能不存在显著(xinzh)差异。学历(xul)背景： 方差齐性 看LSD法多重比较的结果，从结果可看出(kn ch)行政人员和市场部人员、研发部人员的教育背景不存在显著差异。（数据问题）6、有专家

11、提出，黄色人种相对于白色人种，更不易被晒伤；请构造相关数据，选择合适的统计方法进行统计验证，并对统计结果进行分析和说明。问题分析：用1=“黄色人种”，用2=“白色人种”，晒伤用按1-5的程度衡量，1=“没晒伤”，2=“有点晒伤但不严重”，3=“晒伤有点严重”，4=“晒伤严重”， 5=“晒伤非常严重”。以此构造数据，进行独立样本t检验。 操作步骤：AnalyzeCompare MeansIndependent-Samples T TestH0：黄色人种和白色人种的晒伤难易无显著差异。结论分析：表一：显示基本的数据，统计描述量。群組統計資料人种N平均數標準偏差標準錯誤平均值晒伤程度1372.00.

12、782.1292232.831.337.279标准误：样本在多大程度上反映总体(zngt)样本。（数值越小越好，要求N越大越好）表中的数值(shz)都是比较好的。獨立樣本檢定Levene 的變異數相等測試針對平均值是否相等的 t 測試F顯著性Tdf顯著性 （雙尾）平均差異標準誤差95% 差異數的信賴區間下限上限晒伤程度採用相等變異數14.180.000-3.02658.004-.826.273-1.373-.280不採用相等變異數-2.69231.481.011-.826.307-1.452-.201表二：先进行F检验，在进行总体均值T检验。F检验原假设：白色人种(rnzhng)和黄色人种的晒

13、伤程度方差是相等，F检验的Sig=0.000小于0.05 ,即拒绝原假设，方差(fn ch)不相等。因而看第二行，T检验的原假设是黄色人种和白色(bis)人种的晒伤程度均值差为0，T检验的Sig=0.0110.05,拒绝原假设，即不为0。又因为，t值为负，95%的置信区间都小于0，在0的左侧，即黄色人种和和白色人种的晒伤程度均值差小于0，即黄色人种比白色人种不易晒伤。7、请统计分析全国各个省市的进出口额，与各地区消费品零售总额、地区工业总产值的函数关系，请构造数据，设法论证各变量之间的函数关系。统计方法：回归分析操作方法：先做散点图 ，主观判断，选择GraphsLegacy DialogsSc

14、atter/DotSimple Scatter ，在做相关分析，看是否相关，在做回归分析，得出具体函数。相关性分析(fnx)：线性回归：方法(fngf)选逐步。Statistics:分析(fnx)结果解读：图中可以(ky)很直观的看到进出口额与消费品零售总额和地区工业总产值的情况。相关性分析(fnx)结果：相關消费品零售总额地区工业总产值进出口额消费品零售总额皮爾森 (Pearson) 相關1.404*.764*顯著性 （雙尾）.004.000N505050地区工业总产值皮爾森 (Pearson) 相關.404*1.313*顯著性 （雙尾）.004.027N505050进出口额皮爾森 (Pea

15、rson) 相關.764*.313*1顯著性 （雙尾）.000.027N505050*. 相關性在 0.01 層上顯著（雙尾）。*. 相關性在 0.05 層上顯著（雙尾）。由上表(shn bio)得出：进出口额和消费品零售总额的相关系数为0.764，双尾检验的显著性概率值为0.000，双星号标记表明0.764的相关系数在0.01的水平(shupng)上达到显著。这说明进出口额与消费品零售总额相关性很强。同理，进出口额与地区工业总产值也是相关性很强。變數已輸入/已移除a模型變數已輸入變數已移除方法1消费品零售总额.逐步（準則：F-to-enter 的機率 = .100）。a. 應變數: 进出口额

16、上表给出了进入模型和被删除(shnch)的变量的信息。在本案例中，只有一个自变量。因此，在已输入的变量中只有“消费品零售总额”，没有删除的变量(binling)，使用的方法是“输入(shr)”。模型摘要模型RR 平方調整後 R 平方標準偏斜度錯誤1.764a.584.5762.119a. 預測值：（常數），消费品零售总额上表是回归模型的摘要表，该表列出了模型数量、模型的R（自变量和因变量之间的相关系数）、R方（拟合线性回归的判定系数）、调整后的R方和标准估算的错误值。R方值越大，表示模型与数据的拟合优度越高。可以看出，自变量“消费品零售总额”和因变量“进出口额”之间的相关系数R为0.764，判

17、定系数R方为0.584，表示该线性模型可以解释因变量58.4%的变异量，调整后的R方为0.576，标准估算的错误值为2.119.變異數分析a模型平方和df平均值平方F顯著性1迴歸302.7911302.79167.434.000b殘差215.529484.490總計518.32049a. 應變數: 进出口额b. 預測值：（常數），消费品零售总额上表是该案例的方差分析表，是回归方程显著性检验结果。该表列出了回归平方和302.791，残差平方和215.529，其自由度分别为1和48，回归和残差的均方分别为302.791和4.490，变异量显著性检验的F值为67.434，显著性水平为0.000，表示

18、回归模型整体解释变异量达到显著水平，也就是说所建立的回归方程有效，自变量和因变量呈线性关系。係數a模型非標準化係數標準化係數T顯著性B標準錯誤Beta1（常數）4.011.7265.527.000消费品零售总额1.587.193.7648.212.000a. 應變數: 进出口额上表(shn bio)为案例分析的回归系数的T检验结果。该表列出了非标准化回归系数、标准化回归系数、回归系数的显著性检验t值和限制性水平。可以看出，该模型的非标准化回归系数B的估计值1.587，标准错误为0.193；标准化回归系数为0.764，回归系数的显著性检验T统计量的值为8.212，对应的显著性水平P值为0.000，表明被解释变量和解释变量之间存在显著线性关系。标准化回归系数贝塔(bi t)取值范围为-11，它的绝对值越大，表示自变量对因变量的影响越大，其解释因变量的变异性也越大。对回归方