spss统计软件期末课程考试题

1、SPSS统计软件课程作业要求：数据计算题要求注明选用的统计分析模块和输出结果；并解释结果的意义。完成后将作业电子稿发送至1 .某单位对100名女生测定血清总蛋白含量，数据如下：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。解：描述统计量标准误血清总蛋白含量均值.39389均值的95%置信区间下限上限5%修整均值中值方差标准差极小值极大值范围四分位距偏度.054.241峰度.037.478样本均值为：；中位数为：；方差为：；标准差为：；最大值为：；最小值为：；极差为：；偏度为：；峰度为：；均值的置信水平为95%的置信区间为：。2 .

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。解直力图血清量馈白含讨血涉总出白含M的标准QQ图期钳的标准观测值血清总水白含信的趋降标准QQ图6065现测值8085正态性检验Kolmogorov-SmirnovaShapiro-Wilk统计量dfSig.统计量dfSig.血清总蛋白含量.073100.200*.990100.671a.Lilliefors显着水平修正*.这是真实显着水平的下限。表中显示了正态性检验结果，包括统计量、自由度及显着性水平，以K-ST法的自由度sig.=，明显大于，故应接受原假设，认为数据服从正态分布。3.正常男子血小板计数均值为22510/

3、L,今测得20名男性油漆工作者的血小板计数值（单位:一9.:10/L）如下：220188162230145160238188247113126245164231256183190158224175问油漆工人的血小板计数与正常成年男子有无异常解：下表给出了单样本T检验的描述性统计量，包括样本数（N）、均值、标准差、均值的标准误差：单个样本统计量N均值标准差均值的标准误血小板计数值20单个样本检验检验值=225tdfSig.（双侧）均值差值差分的95%置信区间下限上限血小板计数值19.003本例置信水平为95%,显着性水平为，从上表中可以看出，双尾检测概率Pfi为,小于，故原假设不成立，也就是说，

4、油漆工人的血小板计数与正常成年男子有异常。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：99795989798999828085女：88545623756573508065假设总体服从正态分布，比较男女得分是否有显着性差异。解:组统计量性别N均值标准差均值的标准误成绩ab1010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差。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FSig.tdfSig.砥侧）均值差值标准误差值下限上限成绩假设方差相等假设方差不相等.22118.007.008根据上表方差方程的Leve

5、ne检验”中的sig.为，远大于设定的显着性水平，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，在显着性水平为的情况下，T统计量的概率p值小于，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，能认为男女得分有显着性差异。5.设有5种治疗尊麻疹的药，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15,8,7,7,10,824,6,6,3,5,636,4,4,5,4,347,4,6,6

6、,3,559,3,5,7,7,6问所有药物的效果是否一样解：治愈所需天数ANOVA平方和df均方F显着性组间4.014组内总数2529上表是几种药物分析的结果，组间(BetweenGroups)平方和(SumofSquared为，自由度(df)为4,均方为；组内(WithinGroups)平方和为，自由度为25,均方为；F统计量为。由于组间比较的相伴概率Sig.(p®)=<,故应拒绝Ho假设(五种药物对人的效果无显着差异)，说明五种药物对人的效果有显着性差异。通过上面的步骤，只能判断5种药物对人的效果是否有显着差异。如果想进一步了解究竟是哪种药物与其他组有显着性的均值差别(即哪

7、种药物更好)等细节问题，就需要在多个样本均值间进行两两比较。由于第3步检验出来方差具有齐性，故选择一种方差相等的方法，这里选LSDT法；显着性水平默认取；多重比较因变量：治愈所需天数(I)药物类别(J)药物类别95%置信区间均值差(I-J)标准误显着性下限上限LSD*.88318.009.6811*.88318.001*.88318.014.5144.88318.144*.88318.009.66667.88318.457.88318.852.88318.198.6523*.88318.001.88318.457.88318.354.9856*.88318.048*.88318.014.166

8、67.88318.852.83333.88318.354.88318.268.8189.88318.144.4856.88318.198*.88318.88318.048.268.0144*.均值差的显着性水平为。从整个表反映出来五种药物相互之间均存在显着性差异，从效果来看是第1种最好。0.OOH7.O0H6.00-5.00-4.001002003.004no500西物类利上图为几种药物均值的折线图，可以看均值差异较大。6 .某公司在各地区销售一种特殊化妆品。该公司观测了15个城市在某月内对该化妆品的销售量Y及各地区适合使用该化妆品的人数X1和人均收入X2,得到数据如下：地区销售（箱）人数（千

9、人）人均收入（元）11622742450212018032543223375380241312052838567862347616926537827819830088192330245091161952137105553256011252430402012232372442713144236266014103157208815212370260550.003QO.OO-2SO.OC-200.00-150.00-100.0C-2500.003000.003500.0D4000.004500.002000.00人均收入X2相关性(1)画出这三个变量的两两散点图，并计算出两两之间的相关系数。解人均收

10、入X2销售丫人均收入X2Pearson相关性1.639*显着性（双侧）.010平方与叉积的和协方差N1515销售丫Pearson相关性.639*1显着性（双侧）.010平方与叉积的和协方差N1515其中包括了叉积离差矩阵、协方差矩阵、Pearson相关系数及相伴概率p值。从表中可看出，相关系数为0,说明呈正相关500.00-400.0C-300.03-200.00-100.00-2500.003000.003500.0D40C0,Q04500.00,00200000*.在水平（双侧）上显着相关人均收入X2相关性人数X1人均收入X2人数X1Pearson相关性1.569*显着性（双侧）.027平

11、方与叉积的和协方差N1515人均收入X2Pearson相关性.569*1显着性（双侧）.027平方与叉积的和协方差N1515*.在水平（双侧）上显着相关其中包括了叉积离差矩阵、协方差矩阵、Pearso浒目关系数及相伴概率p值。从表中可看出，相关系数为0,说明呈正相关300.M-250OC-200.0D-150.00-100.M-50.00.00100.00200.00300.0040000A«X1I5DO.DO销售丫人数X1销售丫Pearson相关性1.995*显着性（双侧）.000平方与叉积的和协方差N1515人数X1Pearson相关性.995*1显着性（双侧）.000平方与叉积

12、的和协方差N1515相关性*.在.01水平（双侧）上显着相关表格中包括了叉积离差矩阵、协方差矩阵、Pearson相关系数及相伴概率p值。从表中可看出，相关系数为0,说明呈正相关同时预(2)试建立Y与X,X2之间的线性回归方程，并研究相应的统计推断问题测适合购买此化妆品的人数为220千人，人均收入为2500元的某城市对该化妆品的销量。输入/移去的变量模型输入的变量移去的变量方法1人均收入X2,人数X1a.输入a,已输入所有请求的变量。表中显示回归模型编号、进入模型的变量、移出模型的变量和变量的筛选方法。可以看出，进入模型的自变量为“人均收入X2和人数X1”。模型汇总模型RR方调整R方标准倩计的误

13、差更改统计量R方更改F更改df1df2Sig,F更改1,999a,999,999,999212,000a,预测变量：(常量)，人均收入X2,人数XI。R=,说明自变量与因变量之间的相关性很强。R方(R2)二,说明自变量“人均收入和人数”可以解释因变量销售量”的的差异性。Anovab模型平方和df均方FSig.1回归残差总计21214,000aa,预测变量：(常量)，人均收入X2,人数XI。b,因变量：销售丫表中显示因变量的方差来源、方差平方和、自由度、均方、F检验统计量的观测值和显着性水平。方差来源有回归、残差。从表中可以看出，F统计量的观测值为，显着性概率为，即检验假设“H0:回归系数B=0

14、成立的概率为，从而应拒绝原假设，说明因变量和自变量的线性关系是非常显着的，可建立线性模型系数a模型非标准化系数标准系数tSig.B的置信区间相关性B标准差误试用版下限上限零阶偏部分1（常量）人数X1.496.006.934.181.000.483.509.995.999.768人均收入.009.001.108.000.007.011.639.940.089X2a.因变量：销售丫表中显示回归模型的常数项、非标准化的回归系数B值及其标准误差、标准化的回归系数值、统计量t值以及显着性水平（Sig.）因此可以得到回归方程：Y=*X1+*X2即，销售量=*人数+*人均收入。回归系数的显着性水平为，明显小

15、于，故应拒绝T检验的原假设，这也说明了回归系数的显着性，说明建立线性模型是恰当的。那么当化妆品的人数为220千人，人均收入为2500元，代入到上面公式可以得到丫=*220000+*2500=元。7 .研究青春发育阶段的年龄和远视率的变化关系，测得数据如下年龄6789101112131415161718远视率请对年龄与远视率的关系进行曲线估计。解：线性倒数模型汇总RR方调整R方估计值的标准误.908.825.809二次模型汇总RR方调整R方估计值的标准误.971.943.931三次模型汇总RR方调整R方估计值的标准误.979.959.945复合模型汇总RR方调整R方估计值的标准误.891.794

16、.775.650幕模型汇总RR方调整R方估计值的标准误.923.851.838.553增长模型汇总RR方调整R方估计值的标准误.891.794.775.650指数模型汇总RR方调整R方估计值的标准误.891.794.775.650Logistic模型汇总RR方调整R方估计值的标准误.891.794.775.650S模型汇总RR方调整R方估计值的标准误.891.794.775.650三次曲线的方差分析图ANOVA平方和df均方FSig.回归3.000残差9总计12从决定系数（R方即后）来看，三次曲线效果最好（因为其R2值最大），并且方差分析的显着性水平（Sig.）为0。故重新进行上面的过程，只选“三次曲线（Cubic）一种模型。系数未标准化系数标准化系数tSig.B标准误Beta个案顺序.000个案序列*2.786.015个案序列*3.037.095（常数）.000从表中可知因变量与自变量的三次回归模型为:y=拟合效果图：近视率从图形上看，拟合效果很好o已观测二次8 .谈谈你对数理统计和统计软件课程的学习心得和想法，有何收获，有何建议等。关于SPS漱件的学习已经有一段时间了，初次接触这个软件是在上次数学建模比赛，因为统计的需要，所以我就大概的了解了一下，这次通过系统的学习，发现自己对以前利用SPSS计的数据已经有了更深的认识，知