SPSS软件练习试题
- 格式：doc
- 大小：380.00 KB
- 文档页数：14
Spss第 4 次作业
第1题
(1)【实验目的】
学会用spss进行相关分析
(2)【实验内容】
1、对15家商业企业进行客户满意度调查，同时聘请相关专家对这15家企业的综合竞争力进行评分，结果如下表
编号 客户满意度得分 综合竞争力得分
1 90 70
2 100 80
3 150 150
4 130 140
5 120 90
6 110 120
7 40 20
8 140 130
9 10 60
10 20 30
11 80 100
12 70 110
13 30 10
14 50 40
15 60 50
这些数据能否说明企业的客户满意度与综合竞争力存在较强的正相关关系？为什么？
(3)【操作步骤】
1. 输入数据→图形→散点图/点图→选择“简单散点图”→定义→将“综合竞争得分”导入“Y轴”→将“客户满意度得分”导入“X轴”→确定；
2.在数据输出窗口，双击图形空白处→元素→总计拟合线→线性→应用；
3. 分析→回归→线性→添加客户满意度得分到因变量，综合竞争力的分到自变量→确定
(4)【输出结果】
输入/除去的变量a
模型 输入的变量 除去的变量 方法
1 综合竞争力得分b . 输入
a. 因变量：客户满意度得分
b. 已输入所请求的所有变量。
模型摘要
模型 R R 方 调整后 R 方 标准估算的误差
1 .864a .747 .728 23.344
a. 预测变量：(常量), 综合竞争力得分
ANOVAa
模型 平方和 自由度 均方 F 显著性
1 回归 20915.714 1 20915.714 38.381 .000b
残差 7084.286 13 544.945
总计 28000.000 14
a. 因变量：客户满意度得分
b. 预测变量：(常量), 综合竞争力得分
系数a
模型 未标准化系数 标准化系数
t 显著性 B 标准误差 Beta
1 (常量) 10.857 12.684 .856 .408
综合竞争力得分 .864 .140 .864 6.195 .000
a. 因变量：客户满意度得分
(5)【结果分析】
拟合线性直线的方程为：y=10.86+0.86x, 相关系数r为0.864，当显著性水平α为0.01时拒绝原假设，表明两个变量（企业的客户满意度与综合竞争力）之前具有较强的线性关系，相关性显著。
第2题
(1)【实验目的】
学会用spss进行相关分析
(2)【实验任务】
为研究香烟消耗量与肺癌死亡率的关系，收集到下表数据。
国家 1930年人均香烟消耗量 1950年每百万男子中死于肺癌的人数
澳大利亚 480 180
加拿大 500 150
丹麦 380 170
芬兰 1100 350
英国 1100 460
荷兰 490 240
冰岛 230 60
挪威 250 90
瑞典 300 110
瑞士 510 250
美国 1300 200
绘制散点图，并计算相关系数，说明香烟消耗量与肺癌死亡率之间是否存在显著的相关关系。
(3)【操作步骤】
1. 输入数据→图形→散点图/点图→选择“简单散点图”→定义→将“1950年每百万男子中死于肺癌的人数”导入“Y轴”→将“1930年人均香烟消耗量”导入“X轴”→确定； 2.在数据输出窗口，双击图形空白处→元素→总计拟合线→线性→应用；
3.在数据编辑窗口，分析→相关→双变量→将“1930年人均香烟消耗量”、“1950年每百万男子中死于肺癌的人数”导入变量中→选项→选中“平均值和标准差”、“叉积偏差和协方差”→继续→确定。
(4)【输出结果】
描述统计
平均值 标准差 个案数
客户满意度得分 80.00 44.721 15
综合竞争力得分 80.00 44.721 15
相关性
客户满意度得分 综合竞争力得分
客户满意度得分 皮尔逊相关性 1 .864**
显著性（双尾） .000
平方和与叉积 28000.000 24200.000
协方差 2000.000 1728.571 个案数 15 15
综合竞争力得分 皮尔逊相关性 .864** 1
显著性（双尾） .000
平方和与叉积 24200.000 28000.000
协方差 1728.571 2000.000
个案数 15 15
**. 在 0.01 级别（双尾），相关性显著。
(5)【结果分析】
回归分析显著性为0.202，皮尔逊相关系数相差较大，可能是有最后几组差异较大的数据点所影响。线性回归方程：1950年每百万男子中死于肺癌人数=67.561+ 1930年人均香烟消耗量*0.228。
第3题
(1)【实验目的】
学会用spss进行相关分析
(2)【实验任务】
收集到某商品在不同地区的销售额，销售价格以及该地区平均家庭收入的数据，如下表所示：
销售额（万元） 销售价格（元） 家庭收入（元）
100 50 10000
75 70 6000
80 60 12000
70 60 5000
50 80 3000
65 70 4000
90 50 13000
100 40 11000
110 30 13000
60 90 3000
（1） 绘制销售额，销售价格以及家庭收入两两变量间的散点图，如果所绘制的图形不能比较清晰地展示变量之间的关系，应对数据如何处理后再绘图？
（2） 选择恰当的统计方法分析销售额与销售价格之间的相关关系。
(3)【操作步骤】
步骤：图形>旧对话框>散点图>矩阵散点图>定义>添加销售额（万元），销售价格（元）家庭收入（元）>确定
步骤：分析>相关>双变量>销售价格，家庭收入，销售额添加到变量中>选择皮尔逊相关系数>选择双尾显著性检验>确定>>
(4)【输出结果】
相关性
销售价格（元） 家庭收入（元） 销售额（万元）
销售价格（元） 皮尔逊相关性 1 -.857** -.933**
显著性（双尾） .002 .000
个案数 10 10 10
家庭收入（元） 皮尔逊相关性 -.857** 1 .880**
显著性（双尾） .002 .001
个案数 10 10 10
销售额（万元） 皮尔逊相关性 -.933** .880** 1
显著性（双尾） .000 .001
个案数 10 10 10
**. 在 0.01 级别（双尾），相关性显著。
(5)【结果分析】
1.从相关性分析表中得出：销售价格与家庭收入与销售额 三者两两相关，并且皮尔逊相关系数绝对值较大成很强的相关性。
2. 结论分析：如图所拟合的直线，销售额与销售价格由较强的负相关。
回归分析
第4题
(1)【实验目的】
学会用spss进行回归分析
(2)【实验任务】
1、 数据 学生成绩一.sav 和 学生成绩二.sav ，任意选择两门成绩作为解释变量和被解释变量，利用SPSS提供的绘制散点图功能进行一元线性回归分析，请绘制全部样本以及不同性别下两门成绩的散点图，并在图上绘制三条回归直线，其中，第一条针对全体样本，第二条和第三条分别针对男生样本和女生样本，并对各回归直线的拟合效果进行评价。
(3)【操作步骤】
打开“学生成绩一.sav”→图形→散点图/点图→简单散点图→定义→将数据导入“X轴”、“Y轴”→确定；
在查看器中→图形→激活；→选择元素→总计拟合曲线和子组拟合曲线。
分析→回归→线性→将数据导入“因变量”、 “自变量”→统计→选中“共线性诊断”→继续→确定。
(4)【输出结果】
ANOVAa
模型 平方和 自由度 均方 F 显著性
1 回归 461.871 1 461.871 7.934 .007b
残差 3376.541 58 58.216
总计 3838.413 59
a. 因变量：chi
b. 预测变量：(常量), math
(5)【结果分析】
上表得出，不论是总体拟合效果还是男女分类拟合效果，都比较差，这说明，这两门成绩的相关性弱。
第5题
(1)【实验目的】
建立多元线性回归方程，分析影响的主要因素。
(2)【实验任务】
请先收集若干年粮食总产量以及播种面积，使用化肥量，农业劳动人数等数据，然后建立多元线性回归方程，分析影响粮食总产量的主要因素，数据文件 “粮食总产量.sav”
(3)【操作步骤】
分析—回归—线形
(4)【输出结果】
