用SPSS对数据进行分析
- 格式：doc
- 大小：253.00 KB
- 文档页数：8
1.某轮胎厂的质量分析报告中说明，该厂某轮胎的平均寿命在一定的载重负荷与正常行驶条件下会大于25000公里。
平均轮胎寿命的公里数近似服从正态分布。
现对该厂的这种轮胎抽取一容量为15个的样本如下，能否作出结论：该产品与申报的质量标准是否
相符？
21000，19000，33000，31500，18500，34000，29000，26000，25000，28000，30000，
28500，27500，28000，26000
表一表示有15个变量，平均值为27000，样本数据分布的标准差为4636.809，样本均值分布的标准误差为1197.219.
表二表示即在假设总体轮胎的寿命为25000公里的情况下，计算T 统计量为1.671，自由度为14，双侧检验为0.117，样本均值与假设的差为20000
，样本均值与原假设的差的95%的置信区间为[-567.78，4567.78]。
也就是说，在总体均值为25000公里的情况下， 抽出的样本均值为27000平方米的概率大于等于0.117，
2.某物质在处理前与处理后分别抽样分析其含脂率如下：
处理前：0.19，0.18，0.21，0.30，0.41，0.12，0.27
处理后：0.15，0.13，0.07，0.24，0.19，0.06，0.08，0.12
假定处理前后的含脂率都服从正态分布，且方差相同。
问：处理前后的含脂率的是否有显著变化？
表1是分1，2进行的描述统计。
其内容的解释与单个样本描述统计的解释完全相
同
表2是两组平均数差异的T检验结果。
下面对表中各项的内容解释如下：
①等方差假定。
也就是检验的原假设为两总体分布的方差相等。
②方差齐性检验。
采用T检验的方法对两个总体的均值差进行检验的前提条件是两个总体分布的方差必须相等。
但如果是大样本，则对方差齐性不作要求。
从该题的检验结果看，F值为1.193，显著性水平为0.295〉0.05，可以接受两总体为等方差的假设。
③均值相等的T检验。
从该题的检验结果看，t值为23.293，显著性水平为0.39，远远大于0.05，可以接受两个总体均值相等的假设。
两个总体的均值差为0.9571，均值差的标准误差为0.4174，均值差的95%的置信区间为[0.00553，0.18590]。
检验的结论为：处理前后的含脂率的均值差异显著。
3.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，并将每对中的两头动物随机分到正常饲料组和维生素E缺乏组。
一定时期后，将大白鼠杀死测得其肝中维生素A的含量。
结果如下
表1是配对样本的描述统计。
其内容的解释与单个样本描述统计的解释完全相同
表2是配对样本的相关分析结果。
两个变量的相关系数为0.5844，显著性水平为0.129。
总体的相关不是很显著的。
表3是配对样本的T检验结果。
两个变量差的均值是812.5。
标准差为5846.25347。
均值标准误为193.12977。
差分为95%的置信区间是[355.82067，1269.17933]。
T是T统计量的计算结果。
Df是自由度。
Sig.2-tailed是双为检验的显著性水平。
从表中输出的数据看，双侧检验为0.004小于0.05，所以有无维生素A前后，大白鼠的变化是相当显著的。
也就是说不同饲料的大白鼠中维生素A含量差别是显著的
4.下表为某职业病防治院对31名石棉矿工中的石棉肺患者、可疑患者和非患者进行了
表2是方差齐次性检验结果。
从表2中可以看出，F值（levene Statistic）为2.852，显著性
水平为0.75，两个自由度分别为2和28。
由于显著性水平大于0.05，所以可以接受分析
变量在自变量的各个不同影响因素上的分布是等方差的.
表3是方差分析的结果。
从表3中可以看出，平均组间平方和为9.266，平均组内平方和为1.534，F值为84.544，显著性水平为0.000。
由于显著性水平远远小于0.05，可以认为不同人群的用力肺活量是有显著差异的。
由于变量没有缺失值，所以变量有效数据为25个，有表看出健康男子的血清总胆固醇值最大值为6.14，最小值为3.18，平均血清总胆固醇值为4.4752，健康男子的血清总胆固醇值的标准差和方差分别为0.69249和0.480，
表1的内容就是两个变量的平均值、标准差和个案数.
表2是以交叉表的形式表现的相关分析的结果, Pearson Correlation是皮尔逊相关系数。
在它右侧“公路平均速度”一列中对应的数据为1.000，这是“公路平均速度”与“公路平均速度”的相关系数。
由于使用同一个变量计算相关，数据完全一一对应，所以计算的相关系数为1。
在“公路死亡增长百分比”下面对应的数据为0.9，这是“公路平均速度”与“公路死亡增长百分比”的皮尔逊相关系数。
Sig. (2-tailed)是双尾检验的显著性水平。
可以看出，相关系数0.9 的显著性水平
为0.000，表明总体中两个变量的相关是显著的。
从输出的情况来看，“住房面积”和“家月收入”呈正相关，其相关系数为0.9，在总体中这个相关系数在0.01 的水平上是显著的。
即R2为0.562，调整以后R2为0.518 ，Durbin-Watson的值是2.150，接近于2，所以认为随机误差项基本
平均的回归平方和为1.061，平均的剩余平方和为0.828。
F值为12.817，显著性水平为0.005。
由于显著性已经
为4×E-4，截距的标准误差为0.815。
T检验值为0.001，显著性水平为1.00。
回归方程的斜率即回归系数为0.59，回归系数的标准误差为0.16，标准化回归系数为0.749，T检验
从表5中可以看出，残差的平均值为0。
标准化残差的平均值为0。
说明残差的分布满足
均值为零的假设。
图2是以标准化预测值为横轴，以标准化残差为纵轴绘制的散点图。
可以用于检验
等方差性和奇异值的情况。
如果残差分布具有等方差性，则图中的散点应该在由原点发出的横线上下的确定的范围内分布。
从图5-37中可以看出，残差的分布基本满足等方差性的要求。
