SPSS统计软件课程作业
- 格式：doc
- 大小：601.50 KB
- 文档页数：19
《SPSS统计软件》课程作业
信计111 刘晓蕾
1. 某单位对100名女生测定血清总蛋白含量，数据如下：
74.3 78.8 68.8 78.0 70.4 80.5 80.5 69.7 71.2 73.5
79.5 75.6 75.0 78.8 72.0 72.0 72.0 74.3 71.2 72.0
75.0 73.5 78.8 74.3 75.8 65.0 74.3 71.2 69.7 68.0
73.5 75.0 72.0 64.3 75.8 80.3 69.7 74.3 73.5 73.5
75.8 75.8 68.8 76.5 70.4 71.2 81.2 75.0 70.4 68.0
70.4 72.0 76.5 74.3 76.5 77.6 67.3 72.0 75.0 74.3
73.5 79.5 73.5 74.7 65.0 76.5 81.6 75.4 72.7 72.7
67.2 76.5 72.7 70.4 77.2 68.8 67.3 67.3 67.3 72.7
75.8 73.5 75.0 73.5 73.5 73.5 72.7 81.6 70.3 74.3
73.5 79.5 70.4 76.5 72.7 77.2 84.3 75.0 76.5 70.4
计算样本均值、中位数、方差、标准差、最大值、最小值、极差、偏度和峰度，并给出均值的置信水平为95%的置信区间。
第1步 数据组织：
定义1个变量为：“血清总蛋白含量”，其度量标准为“度量”。
第2步 探索分析设置：
选择菜单“分析→ 描述统计 → 探索”，打开“探索” 对话框，，将“血清总蛋白含量”字段移入“因变量列表”。
打开“统计量”对话框，选中“描述性”选项；
打开“探索：图”对话框，选中“按因子水平分组”、“茎叶图”、“带检验的正态图”、“直方图”等选项。
打开“探索：选项”，选中“按列表排除个案”选项。 精选文库
-- 2 第3步 运行结果及分析：
描述
统计量 标准误
血清总蛋白含量 均值 73.6680 .39389
均值的 95% 置信区间 下限 72.8864
上限 74.4496
5% 修整均值 73.6533
中值 73.5000
方差 15.515
标准差 3.93892
极小值 64.30
极大值 84.30
范围 20.00
四分位距 4.60
偏度 .054 .241
峰度 .037 .478
表中显示“血清总蛋白含量”的描述性统计量，左表中只显示的是均值、均值的95%置信区间的上下限、中值、方差、标准差、极大/小值、偏度、峰度等
2. 绘出习题1所给数据的直方图、盒形图和QQ图，并判断该数据是否服从正态分布。 精选文库
-- 3 精选文库
-- 4
上图为标准Q-Q图，Q-Q图可以用来检验数据是否服从某种分布，在Q-Q图中，检验数据是否较好地服从给定分布的标准有两个：①看标准Q-Q图上的数据点与直线的重合度；②Q-Q趋势图上的点是否关于直线Y=0在较小的范围内上下波动。从上图中可以看出，题目中的数据与直线重合度较好，故很好地服从正态分布，这与前面的正态检验表中的结果是一致的
精选文库
-- 5
箱图中显示血清蛋白总含量数据绘制成对应的箱体。每一个箱体上方那条线的取值代表该分组中最大值，下方那条线的取值代表最小值。箱体自身的三条线从上到下分别代表3/4分位点、中位点、1/4分位点的取值。
正态性检验
Kolmogorov-Smirnova Shapiro-Wilk
统计量 df Sig. 统计量 df Sig.
血清总蛋白含量 .073 100 .200* .990 100 .671
a. Lilliefors 显著水平修正
*. 这是真实显著水平的下限。
表中显示了血清总蛋白含量的两种检验方法的正态性检验结果，包括各分组的统计量、自由度及显著性水平，以K-S方法的分析：其自由度sig.=0.200,明显大于0.05，故应接受原假设，认为题中数据服从正态分布
精选文库
-- 6 3. 正常男子血小板计数均值为922510/L, 今测得20名男性油漆工作者的血小板计数值（单位：910/L）如下：
220 188 162 230 145 160 238 188 247 113
126 245 164 231 256 183 190 158 224 175
问油漆工人的血小板计数与正常成年男子有无异常？
分析:这是一个典型的比较样本均值和总体均值的T检验问题 ;
第1步 数据组织：
首先建立SPSS数据文件，只需建立一个变量“血小板计数”，录入相应的数据即可
第2步 单样本T检验分析设置
选择菜单“分析→比较均值→单样本T检验（S）”，打开 “单样本T检验” 对话框，将变量“血小板计数”移入”检验变量”列表框,并输入检验值225；
打开“单样本T检验：选项”对话框 ,设置置信区间为95%(缺省为95%);
单个样本统计量
N 均值 标准差 均值的标准误
血小板计数 20 192.1500 42.23652 9.44437
上表给出了单样本T检验的描述性统计量，包括样本数（N）、均值、标准差、均值的标准误。
单个样本检验
检验值 = 225
t df Sig.(双侧) 均值差值 差分的 95% 置信区间
下限 上限
血小板计数 -3.478 19 .003 -32.85000 -52.6173 -13.0827
本例置信水平为95%，显著性水平为0.05，从上表中可以看出，双尾检测概率P值为0.003，小于0.05，故原假设不成立，也就是说，男性油漆工作者的血小板与922510/L有显著性差异，无理由相信油漆工人的血小板计数与正常成年男子无异常。
精选文库
-- 7 4. 在某次考试中，随机抽取男女学生的成绩各10名，数据如下：
男：99 79 59 89 79 89 99 82 80 85
女：88 54 56 23 75 65 73 50 80 65
假设总体服从正态分布，比较男女得分是否有显著性差异。
第1步 数据组织:
在SPSS数据文件中建立两个变量，分别为“性别”、“成绩”，度量标准分别为“名义”、“度量”，变量“品种”的值标签为：b—男生，g—女生，录入数据。
第2步 独立样本T检验设置:
选择菜单 “选择→比较均值→独立样本T检验”，打开“独立样本T检验”对话框，将“成绩” 作为要进行T检验的变量，将“性别”字段作为分组变量，定义分组变量的两个分组分别为“b”和“g”。
打开“独立样本T检验：选项”对话框，具体选项内容及设置与单样本T检验相同。
组统计量
性别 N 均值 标准差 均值的标准误
成绩 男生 10 84.0000 11.52774 3.64539
女生 10 62.9000 18.45385 5.83562
上表给出了本例独立样本T检验的基本描述统计量，包括两个样本的均值、标准差和均值的标准误。
独立样本检验
方差方程的 Levene 检验 均值方程的 t 检验
差分的 95% 置信区间
F Sig. t df Sig.(双侧) 均值差值 标准误差值 下限 上限
成绩 假设方差相等 1.607 .221 3.067 18 .007 21.10000 6.88065 6.64429 35.55571
假设方差不相等 3.067 15.096 .008 21.10000 6.88065 6.44235 35.75765
根据上表“方差方程的 Levene 检验”中的sig.为0.221，远大于设定的显著性水平0.05，故本例两组数据方差相等。在方差相等的情况下，独立样本T检验的结果应该看上表中的“假设方差相等”一行，第5列为相应的双尾检测概率（Sig.（双侧））为0.007，在显著性水平为0.05的情况下，T统计量的概率p值小于0.05，故应拒绝零假设,，即认为两样本的均值不是相等的，在本例中，能认为男女得分绩有显著性差异。
精选文库
-- 8 5. 设有5种治疗荨麻疹的药，要比较它们的疗效。假设将30个病人分成5组，每组6人，令同组病人使用一种药，并记录病人从使用药物开始到痊愈所需时间，得到下面的记录：
药物类别 治愈所需天数
1 5，8，7，7，10，8
2 4，6，6，3，5，6
3 6，4，4，5，4，3
4 7，4，6，6，3，5
5 9，3，5，7，7，6
问所有药物的效果是否一样？
第1步 分析：
由于考虑的是一个控制变量（药物）对一个观测变量（治愈所需天数）的影响，而且是五种药物，所以不适宜用独立样本T检验（仅适用两组数据），应采用单因素方差分析。
第2步 数据的组织：
数据分成两列，一列是治愈所需天数，变量名为“治愈所需天数”，另一变量是药物种类（变量值分别为1,2,3,4，5），变量名为“药物种类”，输入数据并保存。
第3步 方差相等的齐性检验：
由于方差分析的前提是各个水平下（这里是不同的药物种类影响下的治愈所需天数）的总体服从方差相等的正态分布，且各组方差具有齐性。其中正态分布的要求并不是很严格，但对于方差相等的要求是比较严格的，因此必须对方差相等的前提进行检验。
误差方差等同性的 Levene 检验a
因变量:治愈所需天数
F df1 df2 Sig.
.552 4 25 .699
检验零假设，即在所有组中因变量的误差方差均相等。
a. 设计 : 截距 + 药物类别
方差齐性检验的H0假设是：方差相等。从上表可看出相伴根据Sig.=0.699>（0.05）说明应该接受H0假设（即方差相等）。故下面就用方差相等的检验方法。
