spss练习题及简 答要点

SPSS练习题1、现有两个SPSS数据文件，分别为“学生成绩一”和“学生成绩二”，请将这两份数据文件以学号为关键变量进行横向合并，形成一个完整的数据文件。先排序data---sortcases再合并data---mergefiles2、有一份关于居民储蓄调查的数据存储在EXCEL中，请将该数据转换成SPSS数据文件，并在SPSS中指定其变量名标签和变量值标签。转换Data---transpose，输题目3、利用第2题的数据，将数据分成两份文件，其中第一份文件存储常住地是“沿海或中心繁华城市”且本次存款金额在1000-2000之间的调查数据，第二份数据文件是按照简单随机抽样所选取的70%的样本数据。选取数据data---selectcases4、利用第2题数据，将其按常住地（升序）、收入水平（升序）存款金额（降序）进行多重排序。排序data---sortcases一个一个选，加5、根据第1题的完整数据，对每个学生计算得优课程数和得良课程数，并按得优课程数的降序排序。计算transform---count按个输，把所有课程选取，define设区间，再排序6、根据第1题的完整数据，计算每个学生课程的平均分和标准差，同时计算男生和女生各科成绩的平均分。描述性统计，先转换Data---transpose学号放下面，全部课程（poli到his）放上面，ok，analyze---descriptivestatistics---descriptives，全选，options。先拆分data---splitfile按性别拆分，analyze---descriptivestatistics---descriptives全选所有课程options---mean7、利用第2题数据，大致浏览存款金额的数据分布状况，并选择恰当的组限和组距进行组距分组。数据分组Transform---recode---下面一个，输名字，change，old，range，newvalue---add挨个输，从小加到大，等距8、在第2题的数据中，如果认为调查“今年的收入比去年增加”且“预计未来一两年收入仍会会增加”的人是对自己收入比较满意和乐观的人，请利用SPSS的计数和数据筛选功能找到这些人。（计算transform---count或）选取data---selectcases9、利用第2题数据，采用频数分析，分析被调查者的常住地、职业和年龄分布特征，并绘制条形图。Analyze---descriptivestatistics-frequencies10、利用第2题数据，从数据的集中趋势、离散程度和分布形状等角度，分析被调查者本次存款金额的基本特征，并与标准分布曲线进行对比，进一步，对不同常住地住房存款金额的基本特征进行对比分析。AnDSd选择存款金额到中。按然后选择然后按11、将第1题的数据看作来自总体的样本，试分析男生和女生的课程平均分是否存在显著差异；试分析哪些课程的平均差异不显著。Transformcompute课程平均分二mean()analyze->comparemeans->independent-samplesT；选择若干变量作为检验变量到testvariables框(课程平均分)；选择代表不同总体的变量(sex)作为分组变量到groupingvariable框；.定义分组变量的分组情况DefineGroups...：(填1,2)。1.两总体方差是否相等F检验：F的统计量的观察值为0.257,对应的P值为0.614,；如果显著性水平为0.05，由于概率P值大于0.05，两种方式的方差无显著差异.看eaualvariancesassumend。2.两总体均值的检验：.T统计量的观测值为-0.573,对应的双尾概率为0.569,T的P值>显著水平0.05,故不能推翻原假设,所以女生男生的课程平均分无显著差异。配对差异:analyze->comparemeans->paired-samples「..pairedvariables框中每科与不同科目配对很麻烦略12、某公司经理宣称他的雇员英语水平很高,如果按照英语六级考试的话,一般平均得分为75,现从雇员中随机随出11人参加考试,得分如下：80、81、72、60、78、65、56、79、77、87、76,请问该经理的宣称是否可信？步骤：采用单样本T检验(原假设H0:u=u0,总体均值与检验值之间不存在显著差异.)；菜单选项：Analyze->comparemeans->one-samplesTtest；指定检验值:在test后的框中输入检验值(填75),最后ok!分析：N=11人的平均值(mean)为73.7,标准差(std.deviation)为9.55,均值标准误差(stderrormean)为2.87.t统计量观测值为-4.22,t统计量观测值的双尾概率p-值(sig.(2-tailed))为0.668,六七列是总体均值与原假设值差的95%的置信区间，为(-7.68,5.14),由此采用双尾检验比较a和p。T统计量观测值的双尾概率p-值(sig.(2-tailed))为0.668>a=0.05所以不能拒绝原假设；且总体均值的95%的置信区间为(67.31,80.14)，所以均值在67.31~80.14内,75包括在置信区间内,所以经理的话是可信的。13、利用促销方式数据,试分析这三种推销方式是否存在显著差异,绘制各组均值的对比图,并利用LSD方法进行多重比较检验。单因素方差分析对比图为options中的descriptivesLSD为post…中的P值大于a接受所以无关14、已知240例心肌梗塞患者治疗后24小时内的死亡情况如表1所示,问两组病死亡率相差是否显著？(exampleLsav)(显著性水平为5%)表1：急性心肌梗塞患者治疗后24小时生死情况生存死亡用单参注射液18711未用单参注射液366合计22317・提出假设:：是否接受治疗的急性心肌梗塞患者的病死率相差不显著1是否接受治疗的急性心肌梗塞患者的病死率相差显著・操作步骤：1、打开数据文件：file—open—data—examplel.sav2、对count变量进行weightcases处理：data—weightcases选中weightcases6丫；在Frequenciesvariable中加入变量count。3、对数据进行交叉汇总，如得出的下列频次交叉表，如图表3—1：用descriptive-crosstab过程，column填status,row填group。在cell选项中，选中percentages,以计算频数百分比。•统计表格及分析：表3—1是否接受治疗与生存状况的相关性检验成果表(Chi-SquareTests)ValuedfAsymp.Sig(2-sided)PearsonChi-Square6.040(b)1.014Linear-by-LinearAssociation6.0151.014有效个案数240表3—1是相关性卡方检验成果表。表中依次列出了Pearson卡方系数、线性相关的值“2必6)、自由度㈠力和双尾检验的显著水平(Asymp.Sig.(2-sided))。表3—2显示了根据是否使用单参注射液对急性心肌梗塞患者进行分组后，患者的生存和死亡状况频数和所占总数的百分比。表3—2急性心肌梗塞患者是否治疗与生死情况的列联表状况($12W$)总数生存死亡分组(group))用单参注射液Count18510195%within分组(group)94.9%5.1%100.0%未用单参注射液Count38745%within•分组(group)84.4%15.6%100.0%总数Count22317240%within•分组(group)92.9%7.1%100.0%•结论：根据表3—1可以看出，双侧检验的显著性概论为0.014，小于显著性水平0.05；因此否定原假设，接受备择假设，即两组患者的完全缓解率之间差别显著。15、已知数据如表2所示，比较单用甘磷酰芥（单纯化疗组）与复合使用光霉素、环磷酰胺等药（复合化疗组）对淋巴系统肿瘤的疗效，问两组患者的完全缓解率之间有无差别？（example2.sav）（显著性水平为5%）表2：两化疗组的缓解率比较治疗组缓解未缓解合计单纯化疗21012复合化疗141327合计162339同上小于拒绝显著16、已知数据如表3所示，问我国南北方鼻咽癌患者（按籍贯分）的病理组织学分类的构成比有无差别？（example3.sav）（显著性水平为5%）同上小于拒绝显著表3：我国南北方鼻咽癌患者病理组织学分类构成地域淋巴上皮癌未分化癌磷癌其他合计南方四省7161618111东北三省89182251180合计16024386929117、已知97名被调查儿童体检数据文件为child.sav,请分别计算男性、女性与两性合计的儿童的平均身高与体重、中位身高与体重以及身高与体重的标准差。1、打开数据文件：file—open—data—child.sav2、均值比较与检验：Analyze—Comparemeans-means3、在independentVar.中选性别，dependentVar.中选体重和身高4、在option子框中选择median/mean/Std.Deviation1、男性儿童的平均身高为109.962厘米；平均体重为18.202千克；中位身高为109.10厘米；中位体重为17.50千克；身高的标准差为6.084厘米；体重的标准差为2.786千克。2、女性儿童的平均身高为109.896厘米；平均体重为18.389千克；中位身高为109.450厘米；中位体重为17.750千克；身高的标准差为5.770厘米；体重的标准差为3.235千克。3、两性儿童的平均身高为109.930厘米；平均体重为18.292千克；中位身高为109.250厘米；中位体重为17.605千克；身高的标准差为5.905厘米；体重的标准差为2.995千克。18、已知97名被调查儿童体检数据文件为child.sav,请问儿童的身高与体重是否分别受到性别与年龄的影响？（显著性水平为5%）•提出假设：0身高与体重受到年龄的影响不显著1身高与体重受到年龄的影响显著0身高与体重受到性别的影响不显著1身高与体重受到性别的影响显著•操作步骤：1、打开数据文件：file—open—data—child.sav2、均值比较与检验：analysis-comparemeans-means3、在independentVar.中选性别和年龄，dependentVar.中选体重和身高4、在option子框中选择median/mean/Std.Deviation在statisticforfirstlayer区域内勾上ANOVAtableandeta复选框•统计表格及分析：表7—1体重、身高与年龄的方差分析表SumofSquaresdfMeanSquareFSig.体重(x4,kg)*年龄(age)BetweenGroups286.2152143.10723.518.000WithinGroups565.918936.085Total852.13395身高(x5,cm)*年龄(age)BetweenGroups1757.7072878.85352.567.000WithinGroups1554.8559316.719Total3312.56295在表一中，分别列出了平方和（SumofSquares）、自由度（df）、均方差（MeanSquare）、

F值以及F值的显著性水平（Sig.）。对应的概率值<a）a=）；故拒绝原假设，接受备择假设，即身高与体重受到年龄的影响显著。表7—2体重、身高与性别的方差分析表dfMeanFSig

Square体重(x4,kg)*性别(x2)BetweenGroups1.839.093.762WithinGroups949.056Total95身高(x5,cm)*性别(x2)BetweenGroups1.105.003.956WithinGroups9435.239Total95在表一中，对应的概率值a）——.）0；5故接受原假设,即身高与体重受到性别的影响不显著。19、文件example.sav中列出了某学校四个年级同学接受专业训练前后的铁饼成绩，问接受专业训练后同学们的铁饼成绩有无显著提高？（显著性水平为5%）统计表格及分析：表8－1配对样本的相关性分析表NCorrelationSig.Pair1铁饼（训练前）&铁饼（训练后）24.976.000铁饼（训练前）和铁饼（训练后）的数据之间不存在线性关系铁饼（训练前）和铁饼（训练后）的数据之间存在线性关系表8—1列出了配对样本的个数（N）、相关系数（Correlation）、显著性概率（Sig.）。显著性概率趋近于0，远小于0.05，所以认为铁饼（训练前）和铁饼（训练后）的数据之间存在线性关系。表8—2配对样本T检验的成果表Sig.MeanPairedDifferencesStd.95%ConfidenceStd.ErrorIntervaloftheDeviationMeanDifferencetdf(2-tailed)Pair1铁饼（训练前）-铁饼（训练后）-.2417.4323.0882LowerUpper-.4242-.0591-2.73923.012表8—2中为铁饼（训练前）和铁饼（训练后）的数据的T检验结果。表中前4项分别为配对样本数据差异的均值（Mean）、标准离差（Std.Deviation）、均值的标准差（Std.ErrorMean）以及95%置信区间。后3项为t值（。、自由度@）和双尾显著性概率（Sig.（2-tailed））。表中双尾显著性概率为0.012，远小于0.05，故拒绝原假设，接受备择假设，认为配对样本之间有显著差异，即接受专业训练后同学们的铁饼成绩提高显著。・结论：铁饼（训练前）和铁饼（训练后）的数据之间存在线性关系。且配对样本之间有显著差异，即接受专业训练后同学们的铁饼成绩有显著提高。20、文件example.sav中列出了某学校四个年级同学的外语与中文成绩，问男女生总成绩（英文+中文）之间有无显著差异？（显著性水平为5%）做法：先计算出总成绩，计算方法：Transform菜单栏下的ComputeVariable选项

td：*eMample.sav[DataSetl]-SPSSDataEditorFileEditViewDataTransformAnalyzeGraphsUtilitiesAdd-onsWindowHelphs匠力瓯■!?觑♦i曲翼由露郑小・■1:赛码1编码姓名性别年级铁饼1铁饼2标枪跑步11周虎118.38.4405522许建117.47.8529233王红119.59.2506744王费216.36.5168855张华218.68.6257266章华217.17.2346977叶飞127.47.6508688许结129.69.8397599王蓬1210.09.749661010雨果225.56.519721111王莉227.57.823741212椅微226.46.82782总成绩计算出来之后选择Anaiyze选项下CompareMeans选项1下I“两独立样本T检验'”91选项卡14刘放1310.010.23089将总成绩放入TestVariable一栏中，性别放入GroupingVariable一栏中并为其定义。4065点Ok即工了得出结果。何龙237.27.32478td：*eMample.sav[DataSetl]-SPSSDataEditorFileEditViewDataTransformAnalyzeGraphsUtilitiesAdd-onsWindowHelp白日昌匠™»i?M福曲舞由露郑小・1：赛码1编码姓名性别年级铁饼1铁饼2标枪跑步11周虎118.38.4405522许建117.47.8529233王红119.59.2506744王费216.36.5168855张华21!=!F,nf；二'匚、79—:66章华21Ld：Independent-SamplesTTest77叶飞12TestVariable(s):88许结12.ddddddd令编码解码］区姓名［姓名］令年级［年委］舟饯靖（训鲫前）殴锵1］舟饯靖（训鲫后）殴锵2］反标抢（m）［标抢］令跑把Cm）［跑羽令中文［中处令英语［英语］H99王蓬121010雨果221111王莉221212椅微22SGroupingVariable:1313孙平13件别口2）1414刘放131515张义13DefineGroups..1616何龙23OKPasteResetCane1717陈真231818霍达236.97.620701919许平148.99.339802020王成1412.011.252902121郭达149.510.346822222蔡雯246.27.218622323韩晓247.58.02575rA-1.1_|.11二•L~7n■1n■7m^dependentSamplesTestLevene'sTestforEqualityofVariances1-t-testforEqualityofMean^FSiq.tdfSiq.(2-tailed)'MeanDifferenceStd.ErrorDifference95%,-GonfidenceInteiADifferenceLower1.403.%-.016222.951-.416676.70703-14.32619-.06221.113-站1-.416676.70703--14.36017结果分析：方差齐次性，采用F检验，0.235,大于0.05,所以认为男女生总成绩两样本的的方差是没有显著性差异的；校正t检验的显著性水平Sig(2-tailed)为0.951,大于0.05,所以男女生总成绩之间没有显著性差异。21、根据以往的资料，学生中文的平均成绩为80分。文件example.sav中列出了某学校四个年级学生的中文成绩,问学生中文成绩有无显著的下降？(显著性水平为5%)•提出假设：：M=50(p-50=0)；即学生中文成绩无显著的下降。：MW50(|J-50W0)；即学生中文成绩有显著的下降。•操作步骤：1、打开数据文件：file—open—data—example.sav2、单一样本的均值检验：analysis—comparemeans—OneSampleTTest3、在testvalue中输入80,在testVariable中选“中文”。4、在options中输入显著性水平5%•统计表格及分析：表9—1数据统计量表NMeanStd.DeviationStd.ErrorMean中文2478.5411.1592.278表9—1为单样本数据的统计量表，列出了变量“中文”对应的数据个数(N)、均值(mean)、标准离差(Std.Deviation)、均值的标准差(Std.ErrorMean)。表9—2单样本均值检验成果表TestValue=8095%ConfidenceIntervalofMeantheDifferencetdfSig.(2-tailed)DifferenceLowerUpper中文-.64023.528-1.458-6.173.25表9—2为单样本均值检验的成果表。表中分别为t值(匕、自由度”£)和双尾显著性概率(Sig.(2-tailed))均值差(MeanDifference)以及均值差的95%置信区间。表中的显著性概率为0.528，远大于0.05；因此，可以认为该样本数据的均值与总体均值之间没有显著差异。故接受原假设，即学生中文成绩无显著的下降。结论：样本数据的均值与总体均值之间没有显著差异，即学生中文成绩无显著的下降。22、文件example.sav中列出了某学校四个年级同学的英文成绩，问学生英文成绩是否受到年级因素的影响？(显著性水平为5%)中1=p2=p3；即学生英文成绩不受年纪影响。中1、R2、|J3不完全相等；即学生英文成绩受年纪影响。操作步骤：1、打开数据文件：file—open—data—example.sav2、单因方差分析检验：Analysis—CompareMeans—One-WayANOVA3、在“dependentlist”列表中输入变量名“英语”；在“factor”文本框中输入变量名“年纪”。4、在options中输入显著性水平5%统计表格及分析：表10—1数据方差分析表SumofSquaresdfMeanSquareFSig.BetweenGroups105.000335.000.283.837WithinGroups2475.00020123.750Total2580.00023表10—1中分别列出了方差来源、平方和(SumofSquares)、自由度(df)、均方差(MeanSquare)、F值以及F值的显著性水平(Sig.)。由于表中的显著性水平为0.837,远大于0.05；故接受原假设，即认为学生英文成绩不受年级影响。23、已知10名20岁男青年身高与臂长的数据，请计算其相关系数，身高与臂长间存在显著的相关关系吗？（显著性水平为5%）（example4.sav）表4青年身高与臂长的数据身高（cm）170173160155173188178183180165臂长（cm）45424441475047464943提出假设：0:身高与臂长间不存在显著的相关关系。1:身高与臂长间存在显著的相关关系。操作步骤：1、打开数据文件：file—open—data—example4.sav2、相关性检验：Correlation—Bivariate3、选择Pearson（积距相关）；在option子框中选择means/Sd.•统计表格及分析：表11—1描述统计量表MeanStd.DeviationN身高（cm）172.5010.34110臂长（cm）45.402.95110表11—1为描述统计量表。表中列出的统计量包括变量的均值（Mean）、标准离差（Std.Deviation）和数据个数（N）。表11—2相关分析成果表身高（cm）臂长（cm）身高（cm）PearsonCorrelation1.823(**)Sig.(1-tailed).002N1010臂长（cm）PearsonCorrelation.823(**)1Sig.(1-tailed).002N1010**Correlationissignificantatthe0.01level（1-tailed）表11—2为相关分析成果表，表中列出了2个变量之间的Pearson相关系数、单侧显著性检验概率（Sig.（1-tailed））和数据组数（N）。脚注内容显示相关分析结果在0.01的水平上显著。另外，从表中可以看出，显著性概率为0.002，远小于0.05，故拒绝原假设，接受备择假设；可以认为身高和臂长的数据有较强的相关性。结论：根据相关性分析结果，可知身高与臂长间存在显著的相关关系，其相关系数为0.823，属于强相关。24、已知学生铁饼与标枪的数据，请计算其相关系数？（example.sav）提出假设：H0:学生铁饼与标枪成绩之间不存在显著关系。H1:学生铁饼与标枪成绩之间存在显著关系。操作步骤：1、打开数据文件：file—open—data—example.sav2、相关性检验：Correlation—Bivariate3、选择Pearson（积距相关）；在option子框中选择means/Sd.•统计表格及分析：表12—1描述统计量表MeanStd.DeviationN标枪(m)32.7912.47624铁饼（训练前）8.1541.647924表11—1为描述统计量表。表中列出的统计量包括变量的均值（Mean）、标准离差（Std.Deviation）和数据个数（N）。表12—2相关分析成果表标枪（m）铁饼（训练前）标枪(m)PearsonCorrelation1.644(**)Sig.(1-tailed).000N2424铁饼(训练前)PearsonCorrelation.644(**)1Sig.(1-tailed).000N2424

**Correlationissignificantatthe0.01level(1-tailed).**表12—2为相关分析成果表，表中列出了2个变量之间的Pearson相关系数、单侧显著性检验概率（Sig.（1-tailed））和数据组数（N）。脚注内容显示相关分析结果在0.01的水平上显著。另外，从表中可以看出，显著性概率趋近于0，故拒绝原假设，接受备择假设，即学生铁饼与标枪成绩之间存在显著关系。・结论：学生的铁饼与标枪的数据有较强的相关性，其相关系数为0.644。25、已调查97名儿童的生长发育数据，其中有左眼视力（x9）、右眼视力（乂10）,并已建立数据文件child.sav。试问左眼视力（x9）与右眼视力（x10）间有无相关关系？（显著性水平为5%）•提出假设：：M1—M2=0,即左眼视力与右眼视力间不存在显著的相关关系。:p1—p2W0,即左眼视力与右眼视力间存在显著的相关关系。•操作步骤：1、打开数据文件：file—open—data—child.sav2、相关性检验：Correlation—Bivariate3、选择Pearson（积距相关）；在option子框中选择means/Sd.4、在options中输入显著性水平5%•统计表格及分析：表13—1描述统计量表MeanStd.DeviationN左眼视力（x9）1.039.294696右眼视力（x10）1.033.293396表13—1为描述统计量表。表中列出的统计量包括变量的均值（Mean）、标准离差（Std.Deviation）和数据个数（N）。表13—2相关分析成果表左眼视力（x9）右眼视力（x10）左眼视力（x9）PearsonCorrelation1.779(**)Sig.(1-tailed).000N9696TOC\o"1-5"\h\z右眼视力（x10）PearsonCorrelation.779（**）1Sig.（1-tailed）.000N9696**Correlationissignificantatthe0.01level（1-tailed）.表13—2为相关分析成果表，表中列出了2个变量之间的Pearson相关系数、单侧显著性检验概率（Sig.（1-tailed））和数据组数（N）。脚注内容显示相关分析结果在0.01的水平上显著。另外，从表中可以看出，显著性概率趋近于0，远小于0.05，故拒绝原假设，接受备择假设；可以认为儿童左眼视力与右眼视力有较强的相关性。・结论：儿童左眼视力与右眼视力有较强的相关性，其相关系数为0.779。26、某地29名13岁男童身高（x1,cm）,体重（x2,kg）及肺活量（y,L）的实测数据文件是：example5.sav。试计算其简单相关系数，当体重（x2）被控制（即固定）时，计算身高（x1）与肺活量（y）的偏相关系数r31.2,并作假设检验•提出假设：H0:身高与肺活量的偏相关系数与零无显著差异。:身高与肺活量的偏相关系数与零有显著差异。•操作步骤：1、打开数据文件：file—open—data—example5.sav2、偏相关计算：Analyze—Correlate—Partial3、把参与分析的变量”身高"、”肺活量”选择到Variables；将控制变量”体重”选择到Controllingfor。在option中的statistics中选择Zero-orderCorrelations,表示输出零阶偏相关系数。•统计表格及分析：表14—1偏相关因素的偏相关分析成果表ControlVariables身高（cm）肺活量①）体重（kg）-none-(a)身高(cm)Correlation1.000.588.742Significance(2-tailed)..001.000df02727肺活量。)Correlation.5881.000.736Significance(2-tailed)df.00127.0.00027体重(kg)Correlation.742.7361.000Significance(2-tailed)df.00027.00027.0体重(kg)身高(cm)Correlation1.000.093肺活量。)Significance(2-tailed)dfCorrelation.0.093.639261.000Significance(2-tailed)dfaCellscontainzero-order(Pearson)correlations..63926.0由上表可以知道一系列简单相关系数和当体重被控制时，身高与肺活量的偏相关系数。检验统计量的概率P值为0.639,大于给定的显著性水平0.05；故接受原假设，认为身高与肺活量的偏相关系数与零无显著差异。结论：1