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。
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1