《统计分析与SPSS的应用(第五版)》课后练习答案

《统计分析与SPSS的应用（第五版）》课后练习答案

第一章练习题答案

1、SPSS的中文全名是：社会科学统计软件包（后改名为：统计产品与服务解决方案）

英文全名是：StatisticalPackagefortheSocialScience.（Statistical

ProductandServiceSolutions）

2、SPSS的两个主要窗口是数据编辑器窗口和结果查看器窗口。

•数据编辑器窗U的主要功能是定义SPSS数据的结构、录入编辑和管理待分析的数据；

•结果查看器窗口的主要功能是现实管理SPSS统计分析结果、报表及图形。

3、SPSS的数据集:

•SPSS运行时可同时打开多个数据编辑器窗口。每个数据编辑器窗口分别显示不同

的数据集合（简称数据集）。

•活动数据集：其中只有一个数据集为当前数据集。SPSS只对某时刻的当前数据集

中的数据进行分析。

4、SPSS的三种基本运行方式：

•完全窗口菜单方式、程序运行方式、混合运行方式。

•完全窗口菜单方式：是指在使用SPSS的过程中，所有的分析操作都通过菜单、按

钮、输入对话框等方式来完成，是一种最常见和最普遍的使用方式，最大优点是简

洁和直观。

•程序运行方式：是指在使用SPSS的过程中，统计分析人员根据自己的需要，手工

编写SPSS命令程序，然后将编写好的程序一次性提交给计算机执行。该方式适用

于大规模的统计分析工作。

•混合运行方式：是前两者的综合。

5、.sav是数据编辑器窗口中的SPSS数据文件的扩展名

.spv是结果查看器窗口中的SPSS分析结果文件的扩展名

.sps是语法窗口中的SPSS程序

6、SPSS的数据加工和管理功能主要集中在编辑、数据等菜单中；统计分析和绘图功能主

要集中在分析、图形等菜单中。

7、概率抽样（probabilitysampling）：也称随机抽样，是指按一定的概率以随机原则抽取

样本，抽取样本时每个单位都有一定的机会被抽中，每个单位被抽中的概率是已知的，或是

可以计算出来的。概率抽样包括简单随机抽样、系统抽样（等距抽样）、分层抽样（类型抽

样）、整群抽样、多阶段抽样等。

•简单随机抽样（simplerandomsampling）：从包括总体N个单位的抽样框中随机地

抽取n个单位作为样本,每个单位抽入样本的概率是相等的。是最基本的抽样方法,

是其它抽样方法的基础。优点：简单、直观，在抽样框完整时，可直接从中抽取样

本，用样本统计量对总体参数进行估计比较方便。局限性：当N很大时，不易构造

抽样框，抽出的单位很分散，给实施调查增加了困难。

•分层抽样（stratifiedsampling）：将抽样单位按某种特征或某种规则划分为不同

的层，然后从不同的层中独立、随机地抽取样本。优点：保证样本的结构与总体的

结构比较相近，从而提高估计的精度，组织实施调查方便（当层是以行业或行政区

划分时），既可以对总体参数进行估计，也可以对各层的参数进行估计。

•整群抽样（clustersampling）：将总体中若干个单位合并为组（群），抽样时直接抽

取群，然后对选中群中的所有单位全部实施调查。优点：抽样时只需群的抽样框，

可简化工作量；调查的地点相对集中，节省调查费用，方便调查的实施。缺点：估

计的精度较差。

•系统抽样（systematicsampling）：将总体中的所有单位（抽样单位）按一定顺序排

歹1J,在规定的范围内随机地抽取一个单位作为初始单位，然后按事先规定好的规则

确定其它样本单位，先从数字1到k之间随机抽取一个数字r作为初始单位，以后

依次取r+k,r+2k…等单位。优点:操作简便，可提高估计的精度。缺点：对估计

量方差的估计较困难。

•多阶段抽样（multi-stag?sampling）：先抽取群，但并不是调查群内的所有单位，

而是再进行一步抽样，从选中的群中抽取出若干个单位进行调查。群是初级抽样单

位，第二阶段抽取的是最终抽样单位。将该方法推广，使抽样的段数增多，就称为

多阶段抽样。优点：具有整群抽样的优点，保证样本相对集中，节约调查费用。在

大规模的抽样调查中，经常被采用的方法。

非概率抽样是指抽取样本时不是依据随机原则，而是根据研究目的对数据的要求，采用

某种方式从总体中抽出部分单位对其实施调查，包括方便抽样、自愿抽样、配额抽样、判断

抽样和滚雪球抽样等。

•方便抽样：样本限于总体中易于抽到的一部分。最常见的方便抽样是偶遇抽样，即

研究者将在某一时间和环境中所遇到的每一总体单位均作为样本成员。“街头拦人

法”就是•种偶遇抽样。方便抽样是非随机抽样中最简单的方法，省时省钱，但样

本代表性因受偶然因素的影响太大而得不到保证。

•自愿抽样：某些调查对被调查者来说是不愉快的、麻烦的，这时为方便起见就采用

以自愿被调查者为调查样本的方法。

•判断抽样:研究人员从总体中选择那些被判断为最能代表总体的单位作样本的抽样

方法。当研究者对自己的研究领域十分熟悉，对研究总体比较了解时采用这种抽样

方法，可获代表性较高的样本。这种抽样方法多应用于总体小而内部差异大的情况,

以及在总体边界无法确定或因研究者的时间与人力、物力有限时采用。

•滚雪球抽样：以若干个具有所需特征的人为最初的调查对象，然后依靠他们提供认

识的合格的调查对象，再由这些人提供第三批调查对象，……依次类推，样本如同

滚雪球般由小变大。滚雪球抽样多用于总体单位的信息不足或观察性研究的情况。

这种抽样中有些分子最后仍无法找到，有些分子被提供者漏而不提，两者都可能造

成误差。

•配额抽样也称定额抽样，是将总体依某种标准分层（群）；然后按照各层样本数与

该层总体数成比例的原则主观抽取样本。配额抽样与分层概率抽样很接近，最大的

不同是分层概率抽样的各层样本是随机抽取的，而配额抽样的各层样本是非随机

的。总体也可按照多种标准的组合分层（群），例如，在研究自杀问题时，考虑到婚

姻与性别都可能对自杀有影响，可将研究对象分为未婚男性、已婚男性、未婚女性

和已婚女性四个组，然后从各群非随机地抽样。配额抽样是通常使用的非概率抽样

方法，样本除所选标识外无法保证代表性。

8、利用SPSS进行数据分析的一般步骤：

数据的准备一数据的加工处理一数据的分析一分析结果的阅读和解释。

第二章练习题答案

1、SPSS中两个基本的数据组织方式：原始数据的组织方式和计数数据的组织方式。

•原始数据的组织方式：待分析的数据是一些原始的调查问卷数据，或是一些基本的

统计指标。

•计数数据的组织方式：所采集的数据不是原始的调查问卷数据，而是经过分组汇总

后的数据。

2、个案：在原始数据的组织方式中，数据编辑器窗口中的一行称为一个个案或观测。

变量：数据编辑器窗口中的一列。

3、默认的变量名：VAR------；默认的变量类型：数值型。

变量名标签和变量值标签可增强统计分析结果的可读性。

4、数据文件如图所示：

产品类型•宏重变化人数

11.001.0027.00

21.002.0019.00

32.001.0020.00

42.002.0033.00

5、缺失值分为用户缺失值（UserMissingValue）和系统缺失值（SystemMissing

Value）。用户缺失值指在问卷调查中，将无回答的一些数据以及明显失真的数据当作缺失值

未处理。用户缺失值的编码•般用研究者自己能够识别的数字末表示，如“0”、“9”、“99”

等。系统缺失值主要指计算机默认的缺失方式，如果在输入数据时空缺了某些数据或输入了

非法的字符，计算机就把其界定为缺失值，这时的数据标记为一个圆点在变量视图中

定义。

6、变量类型包括：数值型（身高）、定序型（受教育程度）以及定类型（性别）。在变量视

图中定义。

7"9题软件操作，答案略

第三章练习题答案

「8题软件操作，答案略

9、SPSS排序功能仅实现将观测按用户指定顺序重新排列；拆分功能在按序排列的基础上，

能够实现对数据按排序变量进行分组，并分组进行后续的统计分析。

第四章练习题答案

Statistics

户口所在职业年龄

地

Valid282282282

N

Missing000

户口所在地

FrequencyPercentValidCumulative

PercentPercent

中心城市20070.970.970.9

Valid边远郊区8229.129.1100.0

Total282100.0100.0

职业

FrequencyPercentValidCumulative

PercentPercent

国家机关228.58.58.5

商业服务业5乙19.119.127.7

文教卫生186.46.434.0

公交建筑业155.35.339.4

经营性公司186.46.445.7

学校155.35.351.1

一般农户3512.412.463.5

种粮棉专业

41.41.464.9

Vaiid户

种果菜专业

103.53.568.4

户

工商运专业

y12.112.180.5

户

退役人员176.06.086.5

金融机构3512.412.498.9

现役军人;1.11.1100.0

Total282100.0100.0

年龄

FrequencyPercentValidCumulative

PercentPercent

20岁以下41.41.41.4

20-35岁14651.851.853.2

Valid35~5O岁9132.332.385.5

50岁以上4114.514.5100.0

Total282100.0100.0

户口所在地

中CMrti匕反切

户口所在地

SDfUt.

分析：本次调查的有效样本为282份。常住地的分布状况是：在中心城市的人最多，有

200人，而在边远郊区只有82人；职业的分布状况是：在商业服务业的人最多，其次是一

般农户和金融机构；年龄方面：在35・50岁的人最多。由于变量中无缺失数据，因此频数分

布表中的百分比相同。

2、

DescriptiveStatistics

NMeanStd.DeviationSkewnessKurtosis

StatisticStatisticStatisticStatisticStd.ErrorStatisticStd.Error

存侬)款金额2824738.0910945.5695.234,14533.656.289

ValidN(listwise)282

分析：由表中可以看出，有效样本为282份，存(取)款金额的均值是4738.09,标准差为

10945.09,峰度系数为33.656,偏度系数为5.234。与标准正态分布曲线进行对比，由峰度

系数可以看出，此表的存款金额的数据分布比标准正态分布更陡峭；由偏度系数可以看出，

此表的存款金额的数据为右偏分布，表明此表的存款金额均值对平均水平的测度偏大。

DescriptiveStatistics

户口所在地NMeanStd.DeviationSkewnessKurtosis

StatisticStatisticStatisticStatisticStd.ErrorStatisticStd.Error

中心城市存儆)款金额2004956.949792.5154.293,17223.208.342

ValidN(listwise)200

边近郊区存霞)献金额824204.3213402.4255.948.26638.060.526

ValidN(listwise)82

分析：由表中可以看出，中心城市有200人，边远郊区为82人。两部分样本存取款金额均

呈右偏尖峰分布，且边远郊区更明显。

3、利用描述菜单下窗口对话框中的“将标准得分另存为变量”功能实现。对标准分数变量

按降序排列，绝对值大于3的可视为“与众不同”的样本。

理由：标准化值反映的是样本值与样本均值的差是几个标准差单位。如果标准化值等于

0,则表示该样本值等于样本均值；如果标准化值大于0,则表示该样本值大于样本均值；

如果标准化值小于0,则表示该样本值小于样本均值。如果标准化值的绝对值大于3,则可

认为是异常值。

4、利用列联分析实现。首先编制列联表，然后进行卡方检验。以户口和收入的列联分析为

例：

户口所在地*收入水平Crosstabulation

收入水平

1000元以下1000~3000JL3000~5000JE5000元以上Total

户口所在地中心城市Count191274014200

ExpectedCount35.5116.335.512.8200.0

%within户口所在地9.5%63.5%20.0%7.0%100.0%

%within收入水平38.0%77.4%80.0%77.8%70.9%

边远郊区Count313710482

ExpectedCount14.547.714.55.282.0

%within户口所在池37.8%45.1%12.2%4.9%100.0%

%within收入水平62.0%22.6%20.0%22.2%29.1%

TotalCount501645018282

ExpectedCount50.0164.050.018.0282.0

%within户口所在地17.7%58.2%17.7%6.4%100.0%

%within收入水平100.0%100.0%100.0%100.0%100.0%

Chi-SquareTests

Asymp.Sig.

Valuedf(2-sided)

PearsonChi-Square32.064'3.000

LikelihoodRatio29.3663.000

Linear-by-Linear15.8961.000

Association

NofValidCases282

a.0cells(.0%)haveexpectedcountlessthan5.Theminimum

expectedcountis5.23.

表中，卡方统计量的观测值等于32.064,概率-P值等于0.001。若显著性水平设为0.05,由

于0.001V0.05,拒绝原假设，表明户口地与收入水平不独立。

5、多选项分类法;

$setFrequencies

Responses

Percentof

NParcantCasRS

$seta买高档消费!£677.9%23.8%

结婚用516.0%18.1%

正常生活零用18021.3%63.8%

做生意526.1%18.4%

购买农业生产资料161.9%5.7%

买证券及单位集资344.0%12.1%

买房或建房8810.4%31.2%

支付孩子教育费769.0%27.0%

养老金556.5%19.5%

防以外事故10712.6%37.9%

彳朝息12014.2%42.6%

Total846100.0%300.0%

a.Group

存款的最主要目的是正常生活零用

6、计算结果;

577860195

48.868.378.0195.0

29.2%40.0%30.8%100.0%

38.0%37.1%25.0%32.5%

458763195

48.868.378.0195.0

23.1%44.6%32.3%100.0%

30.0%41.4%26.3%32.5%

4845117210

52.573.584.0210.0

22.9%21.4%55.7%100.0%

32.0%21.4%48.8%35.0%

150210240600

150.0210.0240.0600.0

25.0%35.0%40.0%100.0%

100.0%100.0%100.0%100.0%

卡方统计量：42=ZZ>，用于测度各个单元格的观测频数与期望频数的差异,

i=lj=lfij

并依卡方理论分布判断差异是否统计显著。由于期望频数代表的是行列变量独立下的分布,

所以卡方值越大表明实际分布与期望分布差异越明显。

本例中，由于概率P值小于显著性水平，应拒绝原假设，婆媳关系与住房条件有关系。

7、将计数数据还原为原始数据，采用交叉分组下的频数分析，并进行卡方检验。

产品类5r体重变化交叉制表

体重变化

明显感轻无明显变化合计

产品类型第一种产品计数271946

期望的诂颜21.824.246.0

产品类型中的%58.7%41.3%100.0%

体重变化中的％57.4%36.5%46.5%

总数的％27.3%19.2%46.5%

第二种产品计数203353

期望的5颗25.227.853.0

产品类型中的％37.7%62.3%100.0%

体重变化中的%42.6%63.5%53.5%

总数的％20.2%33.3%53.5%

合计计数475299

期望的沙数47.052.099.0

产品类型中的％47.5%52.5%100.0%

体重变化中的％100.0%100.0%100.0%

总数的%47.5%52.5%100.0%

卡方检验

渐进热g.微精确视g.微精确Rig.（单

值df则）®'D侧）

Pearson卡方4339a1.037

连续校正b3.5391.060

似然比4.3671.037

Fisher的精确检验.045.030

线性和线性组合4.2951.038

有效案例中的N99

a.0单元格（.0%）的期望计效少于5。最小期坐计却为21.84c

b.仅对2x2表计算

表中，卡方统计量观测值为4.339,对应的概率P・值为0.037,小于显著性水平0.05,

应拒绝原假设，说明减肥效果并不一致。

8、多选项二分法;

城市代码

Cumulative

FrequencyPercentValidPercentPercent

Valid10279414.114.114.1

1015149.19.123.2

4014007.17.130.3

6022464.44.434.6

1032223.93.938.6

17011903.43.441.9

3011893.43.445.3

102（794份）、101（514份）、401（400份）

到目前为止您做股课的结果是

Cumulative

FrequencyPercentValidPercentPercent

valid蟾镒212937.738.038.0

不赔不赚178031.631.869.7

赚钱169730.130.3100.0

Total560699.4100.0

Missing935.6

Total5641100.0

赚钱比例:30.3%,赔钱比例38%

SsetFrequencies

Responses

Percentof

NPercentCases

$seta买卖股票主要依据：基本177929.5%32.0%

因素法

买窘股票主要侬据：技术164527.3%29.6%

分源法

买卖股票主要依据：跟风83113.8%15.0%

方法

买卖股票主要侬据：凭想177329.4%31.9%

觉去买卖

Total6028100.0%108.6%

a.Dichotomygrouptabulatedatvalue1.

主要依据：基本因素法;

$setFrequencies

Responses

Percentof

NPercentCases

$seta买卖股票主要依据：基本377223.3%68.0%

隙法

买参股票主要侬据：技术390624.1%70.5%

分野法

买卖股票主要依据：跟风472029.2%85.2%

方法

买卖股票主要侬据：凭感377823.4%68.2%

觉去买卖

Total16176100.0%291.8%

a.Dichotomygrouptabulatedatvalue0.

最少依据：更跟方法

华是专职股票投资者还是业余股煤投资者'到目前为止您做股篇的结果是

Crosstabulation

Count

到目前为止您做股票的结果是

赚钱不赔不赚赔钱Total

您是专职股票投资者还是专职投资者342162291795

业余股票投资者

业余投资者135Ci161118354796

Total1692177321265591

Chi-SquareTests

Asymp.Sig.

Valuedf(2-sided)

PearsonChi-Square87.867，2.000

LikelihoodRatio87,6682.000

Linear-by-Linear27.5171.000

Association

NofValidCases5591

a.0cells(.0%)haveexpectedcountlessthan5.Theminimum

expectedcountis240.59.

采用列联分析。卡方检验结果表明：专职和业余投资者在投资结果上存在显著差异。

9、（1）变量：汽车价格、居住地区；类型：定序型变量、定类型变量

（2）上述是计数数据的组织方式，应首先组织到SPSS的数据编辑器窗口中，再利用交

叉分组下的频数分析方法。

居住地区*汽车价格交叉制表

汽车价格

10万元以下10万~20万元20万~30万元30万元以上合计

居住地区东部地区计数20503040140

期望的计数35.056.024.524.5140.0

居住地区中的％14.3%35.7%21.4%28.6%100.0%

汽车价格中的％20.0%31.3%42.9%57.1%35.0%

总数的%5.0%12.5%7.5%10.0%35.0%

中部地区计数40602020140

期望的计数35.056.024.524.5140.0

居住地区中的%28.6%42.9%14.3%14.3%100.0%

汽车价格中的％40.0%37.5%28.6%28.6%35.0%

总数的%10.0%15.0%5.0%5.0%35.0%

西部地区计数40502010120

期望的计数30.048.021.021.0120.0

居住地区中的％33.3%41.7%16.7%8.3%100.0%

汽车价格中的％40.0%31.3%28.6%14.3%30.0%

总额的％10.0%12.5%5.0%2.5%30.0%

合计计数1001607070400

期望的计数100.0160.070.070.0400.0

居住地区中的％25.0%40.0%17.5%17.5%100.0%

汽车价格中的%100.0%100.0%100.0%100.0%100.0%

总数的％25.0%40.0%17.5%17.5%100.0%

卡方检验

渐进利g仅只

值df俐)

Pearson卡方29.991a6.000

似然比30.6836.000

线性和线性组合26.2061.000

有效案例中的N400

铝流元格(吟的期望计数少于5。最小雌计数为

列联分析。原假设：不同居住区的私家车主接受的汽车价格具有一致性的。上表可知,

如果显著性水平为0.05,由于卡方检验的概率P・值小于显著性水平，因此应拒绝原假设。

第五章练习题答案

1、采用单样本T检验(原假设H0:u=u0=75,总体均值与检验值之间不存在显著差异)；

One-SampleStatistics

MeanStd.Std.Error

DeviationMean

VAR000011173.72739.550822.87968

One-SampleTest

TestValue=75

tdfSig.Mean95%ConfidenceIntervalof

(2-tailed)DifferencetheDifference

LowerUpper

VAR00001-.44210.668-1.27273-7.68915.1436

分析：N=11人的平均值(mean)为73.7,标准差(std.deviadon)为9.55,均值标准误差(std

errormean)为2.87。t统计量的观测值为422,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：(-7.68,5.14)。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

绝原设；且总体均值的95%的置信区间为(67.31,80.14),检验值75包括在置信区间内，所以

经理的话是可信的。

2、

One-SampleStatistics

Std.Error

NMeanbtd.DeviationMean

上网时间3527.5429'0.700041.80864

One-SampleTest

TestValue=0

95%ConfidenceInlervalofthe