spss统计软件练习题及答案

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208112202108210106206204118112116210114104214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=0.05)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15156.2750.00512.911分析：样本数量为15，均值为156.27，标准差为50.005，均值的标准误差为12.911单个样本检验检验值=105tdfSig.(双侧)均值差值差分的95%置信区间下限上限元件个数3.97114.00151.26723.5778.96分析：显著性水平为0.001小于0.05，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1234567轮胎A9.610.811.310.78.29.011.2轮胎B8.29.411.89.19.311.013.1这两种轮胎的平均磨损质量存在显著差异吗？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A10.11471.1950.4517轮胎B10.27171.7433.6589轮胎A的均值10.114小于轮胎B的均值10.271。成对样本相关系数N相关系数Sig.对1轮胎A&轮胎B7.457.303相关系数为0.457，认为轮胎之间相关性大成对样本检验成对差分tdfSig.(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-.15711.6009.6051-1.63771.3234-.2606.804显著性水平为0.804，大于0.01，接受原假设，认为两个轮胎的平均磨损质量之间无显著性差异。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49.41675.0893512身高160.58333.7769212肺活量2.8942.4174512体重的均值为49.41，身高的均值为160.58，肺活量的均值为2.89相关性体重身高肺活量Pearson相关性体重1.000.771.800身高.7711.000.640肺活量.800.6401.000Sig.（单侧）体重..002.001身高.002..012肺活量.001.012.N体重121212身高121212肺活量121212显著性水平小于0.05，因此它们之间具有显著性差异水平描述性统计量均值标准偏差N体重49.41675.0893512身高160.58333.7769212肺活量2.8942.4174512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RR方调整R方标准估计的误差1.868a.754.6992.79325a.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FSig.1回归214.6972107.34813.759.002a残差70.22097.802总计284.91711a.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tSig.B的95.0%置信区间B标准误差试用版下限上限1(常量)-63.96842.155-1.517.163-159.32931.393身高.592.290.4392.040.072-.0641.249肺活量6.3202.626.5182.407.039.38012.260a.因变量:体重体重与身高的线性回归方程为：y=0.592x-63.968体重与肺活量的线性回归方程为：y=6.320x-63.968案例诊断a案例数目标准残差体重预测值残差1-.69342.0043.9351-1.935112-.53742.0043.4995-1.499463.07546.0045.7914.208644-.19346.0046.5401-.540055-.46246.0047.2917-1.291726.11350.0049.6837.316277-1.11351.0054.1080-3.1080381.21952.0048.59573.404329-1.29252.0055.6084-3.6084010.93652.0049.38432.6157511.34258.0057.0456.95445121.60556.0051.51674.48334a.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43.499557.045649.41674.4179012标准预测值-1.3391.727.0001.00012预测值的标准误差.8341.6901.369.28712调整的预测值44.332056.905349.48424.4626712残差-3.608404.48335.000002.5265912标准残差-1.2921.605.000.90512Student化残差-1.5061.715-.0111.03112已删除的残差-4.905275.25044-.067503.3065812Student化已删除的残差-1.6421.971.0091.10912Mahal。距离.0653.1111.8331.04312Cook的距离.001.414.104.12712居中杠杆值.006.283.167.09512a.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43.499557.045649.41674.4179012标准预测值-1.3391.727.0001.00012预测值的标准误差.8341.6901.369.28712调整的预测值44.332056.905349.48424.4626712残差-3.608404.48335.000002.5265912标准残差-1.2921.605.000.90512Student化残差-1.5061.715-.0111.03112已删除的残差-4.905275.25044-.067503.3065812Student化已删除的残差-1.6421.971.0091.10912Mahal。距离.0653.1111.8331.04312Cook的距离.001.414.104.12712居中杠杆值.006.283.167.09512a.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著影响。副食192419292930283029292930品店30293031百货公司32332932313531323134293231342931超市31353533313535323336293232343031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1627.813.763.94125.8129.821931百货公司1631.631.784.44630.6732.582935超市1632.752.082.52031.6433.862936总数4830.733.388.48929.7531.711936ANOVA销售额平方和df均方F显著性组间（组合）214.2922107.14614.827.000线性项对比195.0311195.03126.989.000偏差19.260119.2602.665.110组内325.188457.226总数539.47947p为0.000小于0.05，拒绝原假设，认为不同商店类型对产品销售量有显著性影响。多重比较销售额LSD(I)商店(J)商店均值差(I-J)标准误显著性95%置信区间下限上限副食品店百货公司-3.813*.950.000-5.73-1.90超市-4.938*.950.000-6.85-3.02百货公司副食品店3.813*.950.0001.905.73超市-1.125.950.243-3.04.79超市副食品店4.938*.950.0003.026.85百货公司1.125.950.243-.793.04*.均值差的显著性水平为0.05。从两两比较的结果可知，在三中类型的商店中，副食品店与百货公司、副食品店与超市之间的差异是显著的，即不同类型的商店对销售量具有显著性差异