spss统计软件练习题及答案
- 格式:docx
- 大小:301.12 KB
- 文档页数:18
1、去年某企业每天平均生产元件105个,今年改进了生产技术随机抽取15天进行测量,结果为
208 112 202 108 210 106 206 204 118 112 116 210 114 104 214 假定生产从正态分布,能否判断今年的产量是否是去年的两倍(a= 步骤:输入数据后,从菜单栏选择“分析”→“比较均值”→“单样本T检验”命令,打开“单样本T检验”对话框。 (1) 将变量产量选入“检验变量”列表框。 (2) 在“检验值”框中输入已知去年元件产量的平均数105。 (3) 单击“确定”按钮,完成设置并执行上述操作。 单个样本统计量
N 均值 标准差 均值的标准误 元件个数 15
分析:样本数量为15,均值为,标准差为,均值的标准误差为
单个样本检验 检验值 = 105
t df Sig.(双侧) 均值差值 差分的 95% 置信区间 下限 上限 元件个数 14 .001
分析:显着性水平为小于,所以认为今年的产量不是去年的两倍。
2、一生产商想比较两种汽车轮胎A和B的磨损质量。在比较中,选A和B型轮胎组成一对后任意安装在7辆汽车的后轮上,然后让汽车运行指定的英里数,记录下每只轮胎的磨损量。数据如下:
汽车 1 2 3 4 5 6 7 轮胎A 轮胎B 这两种轮胎的平均磨损质量存在显着差异吗 步骤: (1) 输入数据,执行“分析”→“比较均值”→“配对样本T检验”命令,打开“配对样本T检验”对话框。 (2) 在“置信区间百分比”框内输入置信度95%,然后单击“继续”按钮确认,返回主对话框。 (3) 单击“确定”按钮,完成设置并执行配对样本T检验。
成对样本统计量 均值 N 标准差 均值的标准误 对 1 轮胎A 7 .4517
轮胎B 7 .6589 轮胎A的均值 小于轮胎B的均值 。 成对样本相关系数 N 相关系数 Sig. 对 1 轮胎A & 轮胎B 7 .457 .303
相关系数为,认为轮胎之间相关性大 成对样本检验 成对差分
t df Sig.(双侧) 均值 标准差 均值的标准误 差分的 95% 置信区间 下限 上限 对 1 轮胎A - 轮胎B .6051 6 .804 显着性水平为,大于,接受原假设,认为两个轮胎的平均磨损质量之间无显着性差异。 3、某地一年级12名女大学生的身高、体重与肺活量数据如下,试建立体重与身高、肺活量间的线性回归方程。
操作步骤: (1)从菜单栏中选择“分析”→“回归”→“线性”,将“体重”选入“因变量”,将“身高”“肺活量”选入“自变量”。 (2)单击“统计量”按钮,选择“置信区间”输入95,选择“描述性”和 “个案诊断”并选择“所有个案”,单击继续。 (3)单击“绘制”按钮,选用DEPENDENT和*ZPEAD,并选择“直方图”和“正态概率图”,单击继续。 (4)单击“确定”按钮,并进行线性回归分析。 体重和身高分析: 描述性统计量
均值 标准 偏差 N 体重 12 身高 12 肺活量 .41745 12
体重的均值为,身高的均值为,肺活量的均值为 相关性 体重 身高 肺活量 Pearson 相关性 体重 .771 .800 身高 .771 .640 肺活量 .800 .640
Sig. (单侧) 体重 . .002 .001 身高 .002 . .012 肺活量 .001 .012 . N 体重 12 12 12 身高 12 12 12 肺活量 12 12 12
显着性水平小于,因此它们之间具有显着性差异水平 描述性统计量
均值 标准 偏差 N 体重 12 身高 12 肺活量 .41745 12
输入/移去的变量b 模型 输入的变量 移去的变量 方法 1 肺活量, 身高a . 输入
a. 已输入所有请求的变量。 b. 因变量: 体重 模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 1 .868a .754 .699
a. 预测变量: (常量), 肺活量, 身高。 b. 因变量: 体重
Anovab 模型 平方和 df 均方 F Sig. 1 回归 2 .002a 残差 9 总计 11 a. 预测变量: (常量), 肺活量, 身高。 b. 因变量: 体重
系数a 模型 非标准化系数 标准系数 t Sig. B 的 % 置信区间 B 标准 误差 试用版 下限 上限 1 (常量) .163
身高 .592 .290 .439 .072 肺活量 .518 .039 .380
a. 因变量: 体重 体重与身高的线性回归方程为:y=体重与肺活量的线性回归方程为:y= 案例诊断a 案例数目 标准 残差 体重 预测值 残差 1 2 3 .075 .20864 4 5 6 .113 .31627 7 8 9 10 .936 11 .342 .95445 12 a. 因变量: 体重
残差统计量a 极小值 极大值 均值 标准 偏差 N 预测值 12 标准 预测值 .000 12 预测值的标准误差 .834 .287 12 调整的预测值 12 残差 .00000 12 标准 残差 .000 .905 12 Student 化 残差 12 已删除的残差 12 Student 化 已删除的残差 .009 12
Mahal。 距离 .065 12 Cook 的距离 .001 .414 .104 .127 12 居中杠杆值 .006 .283 .167 .095 12 残差统计量a 极小值 极大值 均值 标准 偏差 N 预测值 12 标准 预测值 .000 12 预测值的标准误差 .834 .287 12 调整的预测值 12 残差 .00000 12 标准 残差 .000 .905 12 Student 化 残差 12 已删除的残差 12 Student 化 已删除的残差 .009 12
Mahal。 距离 .065 12 Cook 的距离 .001 .414 .104 .127 12 居中杠杆值 .006 .283 .167 .095 12 a. 因变量: 体重
残差统计量a 极小值 极大值 均值 标准 偏差 N 预测值 12 标准 预测值 .000 12 预测值的标准误差 .834 .287 12 调整的预测值 12 残差 .00000 12 标准 残差 .000 .905 12 Student 化 残差 12 已删除的残差 12 Student 化 已删除的残差 .009 12
Mahal。 距离 .065 12 Cook 的距离 .001 .414 .104 .127 12 居中杠杆值 .006 .283 .167 .095 12 a. 因变量: 体重 由图可知,标准化残差呈正态分布,散点在直线上或下靠近直线,说明变量之间呈线性分
布。 由图可知回归方程满足线性以及其次方程的检验
4、某企业欲研究不同类型的商店对一种新产品的销售影响,选取了三类商店:副食品店、百货公司和超市。调查时销售额如表,现分析不同商店类型对销售量有无显着影响。
副 19 24 19 29 29 30 28 30 食 品 店
29 29 29 30 30 29 30 31
百 货 公 司 32 33 29 32 31 35 31 32 31 34 29 32 31 34 29 31
超 市
31 35 35 33 31 35 35 32 33 36 29 32 32 34 30 31
步骤 (1)打开数据文件,从菜单栏选择“分析”→“比较均值”→“单因素ANOVA”命令, (2) 将“ 销售量 ”作为观测变量选入“因变量列表”框, (3)将“ 商店 ”作为控制变量选入“因子”文本框中。控制变量有几个不同的取值,就表示控制变量有几个水平。 (4)单击“对比”按钮,然后打开对比对话框中的“度”下拉列表中选择“线性”选项,单击“继续”按钮确认。 (5)在“单因素ANOVA:两两比较”两两比较对话框中选择LSD方法进行两两比较。单击“继续”按钮确认。 (6)在“选项”对话框中,选择“描述性”项输出描述性统计量和“均值图”输出频数图。单击“继续”按钮确认。 (7)单击“确定”按钮完成设置,执行单因素方差分析。 描述 销售额
N 均值 标准差 标准误 均值的 95% 置信区间 极小值 极大值 下限 上限 副食品店 16 .941 19 31
百货公司 16 .446 29 35 超市 16 .520 29 36 总数 48 .489 19 36
ANOVA 销售额 平方和 df 均方 F 显着性 组间 (组合) 2 .000 线性项 对比 1 .000 偏差 1 .110