SPSS考试真题宝典

1、正态性检验、描述性统计量、正常值范围、置信区间正态性检验：Analyze nonparametric tests 1-sample K-S看这个Kolmogorov-Smirmov Z的值 和Asymp.Sig.(2-tailed)P0.05来确定是否为正态分布和概率。描述性统计量：Analyze descriptive statistics frequencies 或 descriptives置信区间：Analyze compare means one-sample T test其中 S值为Std Divation 值为Mean值 值为 值单侧正常值上下限都需要自己计算。数据录入的时候 就只

2、用一个变量把所有数据放在这个变量下面2、单样本T检验Analyze compare means one-sample T test例2：已知某品种成年水牛体高的总体均值为131(cm)。现随机抽取7头水牛的体高数据为：137，133，136，129，133，130，131。检验水牛体高总体均值是否等于131(cm) (H0: =0=131). 录入数据时 建立一个变量 先进行正态性检验Analyze nonparametric tests 1-sample K-S 然后Analyze compare means one-sample T test进入后 按照体重给出的标准值 设计填入Test

3、Value 值为0.466 Asymo.Sig.(2-tailed)为0.9820.05服从正态分布。t=1.520 P=0.1790.05 差异不显著 接受原假设 尚不能认为水牛体高总体均值不等于131(cm) .3、独立样本T检验Analyze compare means independent-samples T test例3：分别测定了10只大耳白家兔、11只青紫蓝家兔在停食18小时后正常血糖值如下表，已知其服从正态分布，问该两个品种家兔的正常血糖值是否有显著差异？（单位：kg）数据录入就是将血糖录为一个变量 兔子的种类录为一个变量 检测方差齐性 用Analyze compare me

4、ans one-way ANOVA中选择Options 然后选择Homogeneity of variance tests和Descriptive 这样就可以检测方差齐性经过方差齐性分析，得F（Levene Statistics）=0.327,p(Sig)=0.5740.05，故方差齐性。经过独立样本T检验，得t=2.718,p=0.0140.05，故两个品种家兔的正常血糖值有显著差异。 其中Levenes Test for Equality of Variances中 F和 Sig 就是方差齐性检验数值。4、配对样本T检验Analyze compare means paired-sample

5、s T test用家兔10只试验某批注射液对体温的影响，测定每只家兔注射前后的体温，见下表。设体温服从正态分布 ，问注射前后体温有无显著差异？数据录入方式如右表Analyze compare means paired-samples T test经过配对样本T检验，得t=-5.189,p=0.0010.05方差为齐性。在增重中 F=28.303，Sig=0.0000.05所以不同处理间对增重存在明显差异。检测各处理间的差异：经过LSD比较：A1与A2、A1与A3、A2与A3间均有显著差异。Sig分别为0.036,0.000,0.0006 随机区组设计方差分析SPSS操作中将区组也看成一个固定因

6、素，因此选择双因素主效应分析Analyze general linear model univariate例6 8个小麦品种对比试验，在3个地块上进行，记录规定面积产量（kg）数据如下表，试检验8个品种产量间有无差异。数据录入如右图二选定固定值（如区组）把小麦品种作为一个变量把区组作为一个变量把产量定义为Dependent Variable把区组和小麦品种设为FixedFactors在Model中选择Custom然后把区组和小麦品种转入Model中Build Terms中Main Effects 在Post Hoc Tests 中选择 小麦品种选择LSD结果中区组间F=13.605，Sig=0

7、.0010.05 即3个区组间产量总体平均值不都相同。品种间F=4.337Sig=0.0090.05即品种间平均值不都相同品种间多重比较两因素处理无重复设计方差分析SPSS操作中选择双因素主效应分析Analyze general linear model univariate例7 来自7个不同地区的战士各1人，分别在3种不同的气温下，以相同速度做相等距离的行军后，测定其生理紧张指数，数据如下表。试检验：1. 不同温度下生理紧张指数有无差异；2. 不同地区战士间生理紧张指数有无差异。数据录入如右图把紧张系数作为一个变量 把温度作为固定变量把地区作为一个变量选择Analyze general li

8、near model univariate把紧张系数作为Dependent Variable把 温度和 地区作为 Fixed Factors在Model中选择Custom 然后把温度和地区转入Model中Build Terms中Main Effects 在Post Hoc Tests 中选择 温度和 地区 选择LSD（Least-Significant Difference）LSD是用t检验完成各组均值间的配对比较的方法8、拉丁方设计方差分析SPSS操作中选择三因素主效应分析Analyze general linear model univariate例8 用5头不同品种奶牛，在5个不同的阶段

9、，分别饲喂5种不同饲料，记录产乳量（kg）如下表。试检验：1. 不同品种、2. 不同阶段、3. 不同饲料间产乳量有无差异。数据录入如右图 把品种 阶段 产乳量和饲料种类设为变量Analyze general linear model univariate把产乳量作为Dependent Variance品种 阶段和饲料设为Fixed Factors Model 中选择 Custom 将品种 阶段和饲料种类移到Model中 选择 Main Effects在Post Hoc Tests 中品种 阶段和饲料种类选择LSD9、析因设计方差分析SPSS操作中选择双固定因素全模型分析Analyze gene

10、ral linear model univariate例9 在研究家兔神经缝合后的轴突通过率（%）时，考虑缝合部位和缝合时间两个因素各两个水平，共4个处理。每个处理随机分配 5只家兔进行试验。试验结果如下表。试检验： 1. 不同缝合部位间、2. 缝合后不同时间间总体平均轴突通过率有无差异、3. 缝合部位与缝合后时间间有无交互作用。录入数据如右图Analyze general linear model univariate将 轴突通率作为Dependent Variance缝合部位和缝合时间设为Fixed FactorsModel中选择 Custom把缝合时间 缝合部位缝合部位*缝合时间分别作为

11、Model的变量选择交互（当做两者之间有无交互的时候，把需要比较的两者同时选上单独把每个变量也选上）在Post Hoc选项中把缝合时间缝合部位都选上 选择LSD10、正交设计方差分析SPSS操作中选择5固定因素主效应分析Analyze general linear model univariate例10 为研究5种维生素即 5 个因素（不妨设为A、B、C、D、E）对肉鸡增重的影响，每个维生素采用喂（1）和不喂（2）两个水平，且专业上认为各因素间无交互作用，现做正交设计并分析不同维生素喂与不喂有无显著差异。 数据录入如右图将每个处理（维生素种类）都作为一个变量 把增重作为一个变量选择Analyz

12、e general linear model univariate把增重作为Dependent Variable其余五个处理作为Fixed Factor在Model中把a b c d e 选上Model 选择 Main Effects 在Options中把a b c d e都选上选择Compare Main Effects 然后就得出结果在各个处理（维生素）里进行比较11、系统分组设计方差分析SPSS操作:先进行单因素（A）分析，再选择两固定因素主效应分析，然后根据方差分析表进行计算，查表判断。Analyze general linear model univariate例11 3头公猪与8头

13、母猪配种，各产下若干仔猪。仔猪的断奶体重（kg）数据如下表。试检验：1. 不同公猪间、2. 不同母猪间仔猪总体平均断奶重是否有差异。数据录入如右图把公猪号和母猪号 体重作为变量按照不同的公猪号又进行组内分号，母猪组内也是如此先进行单因素（A）分析Analyze compare means one-way ANOVA公猪内 仔猪体重然后进行 母猪内 仔猪体重分析公猪内 对母猪分析最后进行再选择两固定因素主效应分析，然后根据方差分析表进行计算，查表判断。Analyze general linear model univariate把体重作为Dependent Variable把公猪号和母猪号作为

14、Fixed Factor在Model中选择 Main Effects 将公猪号和母猪号移到Model框中Options中选择公猪号和母猪号进行Compare Main Effects进行分析之后得到Test of Between-Subjects EffectsSS总=600.984即为取双因素固定分析中的Corrected Total值公猪间SS=44.731即为ANOVA中的S2=22.366即为Mean Square公猪内母猪间为固定双因素方差分析中的SS=37.942 S2=65.588母猪内仔间为SS=228.310 S2=4.151最后进行分析得到如右图的数据 具体数据都在双因素固

15、定方差分析中找到如下其中 公猪内母猪间和 母猪内仔猪间都在相应数据的下一行查找12、完全随机设计单因素协方差分析SPSS操作:根据专业知识判定哪一个为协变量，再进行协方差分析。Analyze general linear model univariate例12 4 种饲料 A1、A2、A3、A4 各喂10头猪，受试猪的始重 y 及日增重 x 如下表。考虑到始重的不同对增重的影响会干扰对不同饲料增重效果的比较研究，故把始重做为协变量，对不同饲料增重效果间的比较做协方差分析。数据录入如右图将四种饲料作为一个变量下的四个分组将始重作为一个变量 增重作为一个变量Analyze general line

16、ar model univariate将始重作为协变量（Covariate） 饲料组作为Fixed Factors 日增重作为Dependent VariableModel中选择Main effects 选择变量和协变量。在Options中选择将Group进行 Compare Main Effects。在双因素方差分析中找F协变量 F校正日增重 然后在Pairwise Comparition中查找多重比较。13、适合性 c2 检验SPSS操作:先进行例数的加权，再进行适合性 c2 检验加权：Data Weight Casesc2 检验: Analyze Nonparametric tests

17、chi-square例13 在研究牛的毛色和角的有无两对相对性状分离现象时 ，用黑色无角牛和红色有角牛杂交 ，子二代出现黑色无角牛192头，黑色有角牛78头，红色无角牛72头，红色有角牛18头，共360头。试问这两对性状是否符合孟德尔遗传规律中9331的遗传比例？将角色作为一个变量 把数量作为一个变量将数量加权加权：Data Weight Cases 加权数量将角色（因素）转入Test Variable List中并在Expected Value中选择Value并按照输入数据的先后顺序输入比例值Chi-Square为卡方值 Asymp.Sig为P值 然后进行判定14、两个率比较（四格表资料）的

18、c2检验SPSS操作:先进行例数的加权，再进行 c2 检验加权：Data Weight Casesc2检验:Analyze descriptive statistics crosstabs例14 对海锦止血粉中的甲、乙两处方，分别用66、54只实验犬，做快速止血效果对比试验，结果如下表。试检验甲、乙两处方间总体止血成功率有无差异。输入数据如右图将数量进行加权Data Weight Casesc2检验:Analyze descriptive statistics crosstabs选择Crosstabs 按照题目中图表选择 Row 和Column在Statistic中选择Chi-Square在得

19、出的结果中 得到的Continuity Correction中Value值为c2c P为Asymp.Sig.(2-sided)对应的值15、配对计数资料（四格表）的 c2 检验SPSS操作:先进行例数的加权，再进行 c2 检验加权：Data Weight Casesc2检验:Analyze descriptive statistics crosstabs例15 对260 份血清样品，分别用两种不同的免疫学检测方法，检验类风湿因子，结果如表。试检验两种方法的检测结果是否相互独立（是否有关联）。数据录入如右将数量作为一个变量 将A处理作为一个变量把B处理作为一个变量将+作为一个处理项 作为一个处理

20、项对数量进行加权：Data Weight Casesc2检验:Analyze descriptive statistics crosstabs选择 Column 和 Row的选项选择 Statistic选择Chi-Squarec2 的值为Continuity Correction(连续性校正)的值=169.866 P=0.0000.0516、两个配对样本符号秩和检验Analyze Nonparametric tests 2 related samples例16 某试验用大白鼠研究饲料维生素E缺乏与肝脏中维生素A含量的关系，先将大白鼠按性别、月龄、体重等配为10对，再把每对中的两只大白鼠随机分配

21、到正常饲料组和维生素E缺乏饲料组，试验结束后测定大白鼠肝中维生素A的含量如表11-4。试检验两组大白鼠肝中维生素A的含量是否有显著差异。 数据录入将 鼠对别，正常饲料数据 维生素E缺乏组数据 分别作为变量Analyze Nonparametric tests 2 related samples将不同的处理组 配对输入Test Pair List Test Type选择Wilcoxon 在Test Statistic中选择数据。17、两个非配对样本符号秩和检验Analyze Nonparametric tests 2 independent samples例17 研究两种不同能量水平饲料对5-6

22、周龄肉仔鸡增重（克）的影响，资料如下表所示。问两种不同能量水平的饲料对肉仔鸡增重的影响有无差异？数据录入 把增重量作为一个变量把能量的高低作为一个变量1作为高能量组 2作为低能量组Analyze Nonparametric tests 2 independent samples在Test Variable中选择 增重这个变量在Grouping Variable中选择能量高低分组这一个变量因为在能量的高低分组中由1 2两个组在Define Groups中分为1 2 两组在Test Type中选择 Mann-Whitney U 得到的在 Test Statistic中看Z的值 概率看 Asympt

23、.Sig.(2-tailed)P=0.00318、完全随机设计资料的秩和检验(Kruskal-Wallis)Analyze Nonparametric tests K independent samples例18 4组大白鼠分别注射不同剂量的某种激素后，测得耻骨间隙宽度增加量（mm）数据如表。试检验4个不同剂量总体有无差异。数据录入如右把编号 增加量分别作为变量把剂量处理的不同分为1 2 3 4四个不同的处理Analyze Nonparametric tests K independent samples在 Test Variable中选择增加量在Grouping Variable中选择编号在

24、Define Range中选择Max为最多分组4Min为1在Test Type中选择 Kruskal-WallisOptions中选择 Descriptive看SPSS中卡丁方为Chi-Square=12.209 Asymp.Sig.=0.0070.05 差异显著所以 不都相同。19、双因素或区组设计资料的（Friedman）秩和检验（多个相关样本）Analyze Nonparametric tests K related samples例19 在5种不同配方的溶液，对4 种不同种类的细菌的抑菌效果试验中，抑菌圈直径（mm）数据如表。试检验：1. 不同溶液间、2. 不同细菌间的抑菌效果有无差异

25、。数据录入将溶液类型录为一个变量每一种菌的名字各录为一个变量Analyze Nonparametric tests K related samples将各种菌的类型转换到Test Variable中在Test Type中选择Friedman卡方值为Test Statistic中Chi-Square的值 P为Asymp.Sig的值得出结果为对四种细菌的抑制效果不都相同。DATA Transpose 数据旋转数据如右Analyze Nonparametric tests K related samples把Var001-005转入Test Variable中Test Type选择Friedman卡

26、方选择Chi-Square的值P选择 Asymp.Sig.的值20、两组等级计数资料的（Wilcoxon）秩和检验Analyze Nonparametric tests 2 independent samples例20 两种方法治疗过敏性鼻炎的疗效结果如下表。试检验不同疗法间疗效有无差异。数据录入如右把组别 例数 疗效等级等三个录为变量Analyze Nonparametric tests 2 independent samples因为是计数资料 所以要对例数进行加权。Test Variable中选择疗效 Grouping Variable中按照疗法的不同分为两组选择Mann-Whtiney

27、U为Test Type数据的选择在Test Statistic中 Z的值为Wilcoxon下面的Z的值 Asymp.Sig.(2-tailed)的值为P的值得出 两组总体疗效不同，激光组优于冷紫组。21、直线相关与回归分析相关：Analyze Correlate Bivariate回归：Analyze Regression Linear例21 计算10只绵羊的胸围（cm）和体重(kg) 的相关系数。 表 10只绵羊胸围和体重资料数据录入把编号 胸围 体重分为三个变量 录入设胸围为X 体重为Y首先绘制散点图。选择 Graph Scatter/Dot选择第一个 Simple ScatterDefi

28、ne 选择定义X 和Y然后就出现如右的散点图。散点图显示，x、y可能存在直线关联.相关：Analyze Correlate Bivariate将胸围 体重转入Variable中Correction Coefficient中选择PearsonTest of Significance中选择 Two-TailedR值为体重后的 Pearson Correction 0.847 P值为 Sig.(2-Tailed)的值0.002回归：Analyze Regression Linear在Independent中选择胸围（X）在Dependent中选择体重（Y）即：x与y有直线相关关系，即y对x有直线回归

29、关系. 建立y对x的直线回归方程：其中 a的值为Unstandardized Coefficients下面的 B下面对应的第一个值，即为（Constant）后的第一个值 X前面的系数 即b的值为为Unstandardized Coefficients下面的 B下面对应的第二个值 即为胸围（X）后面对应的值。22、偏相关分析：Analyze Correlate Partial例22 随机抽测 29 名儿童的血中微量元素钙、镁、锰、铁、铜及血红蛋白含量，数据如下表。试求相关系数。数据录入按照题目将样品号 钙镁 铁 锰 铜 血红蛋白分别作为变量Analyze Correlate Partial在此种类型的题目中 把要比较的变量放在Variable中 将其余的变量放在 Controlling For中 Test of Significance 中选择 Two Tailed 。得到的结果是 看 铁 锰 铜 血红蛋白等固定