管理定量分析试卷教案

姓名：汪宝成班级：08物流管理学号：0809012042
1、对本市200户样本的人均面积（M2）进行调查，见“人均面积"文件，对数据做描述统计。

通过直方图观察可知：人均面积在16 M2的户口是最多的
2、分析“人均面积"文件数据，对全市人均面积为25 M2说法进行检验
结果说明：由表显示，显著性概率P值为0。

618〉0。

05，所以接受原假设,即有理由认为全市人均面积为25 M2说法是正确的。

3、针对“人均面积”文件数据，若设前一百户为本市户口，后一百户是外地户口,检验两者人均面积有无显著差异
结果说明：由表显示，F=0。

049 P=0。

824，说明方差齐性的假设成立，T检验的结果是P=-2.119 是小概率事件，否定原假设,即两者人均面积有显著差异。

4、调查喝某种品牌减肥茶情况，得35名顾客饮茶前后的体重数据，见“减肥茶"文件，检验饮茶前后有无显著差异。

由表显示,P=0.000〈0.05，否定原假设,即饮茶前后,对体重没有显著差
5、检验“人均面积”文件数据的分布是否服从正态、均匀、泊松、和指数分布
单样本 Kolmogorov—Smirnov 检验
VAR00001
N 200 正态参数a,，b均值24.6350
标准差10。

33274 最极端差别绝对值.113
正.113
负-.049 Kolmogorov—Smirnov Z 1。

600
单样本 Kolmogorov—Smirnov 检验 2
VAR00001
N 200 均匀参数a,,b极小值 6.00
极大值50.00 最极端差别绝对值。

181
正.181
负-。

056 Kolmogorov—Smirnov Z 2.565 渐近显著性（双侧) .000 a. 检验分布为均匀分布。

b。

根据数据计算得到。

单样本 Kolmogorov—Smirnov 检验 3
VAR00001
N 200 Poisson 参数a，，b均值24.6350 最极端差别绝对值.241
正。

241
负-.187 Kolmogorov—Smirnov Z 3.406 渐近显著性（双侧）.000 a. 检验分布为 Poisson 分布。

b。

根据数据计算得到。

通过以上图表显示：F1=0。

012 F2=0.000 F3=0.000 F4=0。

000
所以可知人居面积不服从于正态、均匀、泊松和指数分布
6、针对“一周就诊患者”文件数据，检验周一到周五患者数有无显著差异
检验统计量
VAR00001
卡方31。

107a df 4 渐近显著性。

000 a. 0 个单元 (。

0％) 具有小于 5 的期望频率.单元最小期望频率为 33。

6。

由表显示：F=0。

000 拒绝原假设，所以“一周就诊患者”从周一到周五患者数有显著差异.
7、针对“地区与营销额”文件数据，分析本市四个区,四天某产品营销额有无显著差异
通过比较可知：销售额存在显著性差异的地区分别是：瑶海区与庐阳区瑶海区与包河区。

8、针对“广告"文件数据，分析本市四个区,四天采用四种广告形式，某产品营销额有无显著差异
Multiple Comparisons
Dependent Variable: VAR00001
Based on observed means 。

通过上表可得 采用不同的广告形式，对于产品销售额有显著影响。

1、 根据文件“家庭收
入与人均面积”,
判断两者之间有无关联性,并对结
果做检验。

相关性
VAR00003
VAR00004
VAR00003
Pearson 相关性 1。

176*
显著性（双侧）
.012
2。

00 1。

00 6。

2500
6.9161.390 —9。

3955 21.8955 3。

00 3。

7500
6.9161。

601 —11。

19。

3955 4.00 15.0
000
6.9161。

058 -.6455 30.6455 3。

00 1.00 2。

5000
6.9161。

726 —13.14518.1455 2。

00 —3。

7500
6。

916.601 -19。

3955 11。

8955 4.00 11。

2500
6.9161.138 —4.3955 26。

8955 4.00 1。

00 —8.
7500
6.9161。

238 -24.3955 6.8955 2.00 —15
.000
6。

916.058 —30。

.6455 3.00 —11
.250
6。

916。

138 —26.895 4.3955
Tam han 1。

00 2。

00 —6。

2500
11。

936.997 —62.82050.3209 3。

00 —2.
5000
7。

0681。

000 -29.7695 24.7695
4.00 8。

7500
6.8905。

824 -17。

7624 35.2624
2。

00 1。

00 6。

2500
11。

936.997 —50.32062.8209 3.00 3.75
00
12.1231。

000 -51.9153 59。

4153 4.00 15。

0000 12。

020
82 .858 —41。

1318 71。

1318 3。

00 1。

00 2.5000 7。

0681。

000 —24。

29。

7695 2。

00 -3.7500 12。

123 1.000 —59。

51.9153
4.00
11。

2500 7.2096。

673 -16.4959 38。

9959 4。

00 1。

00 -8.7500 6.8905。

824 —35.26217。

7624 2。

00 -15.0000 12.020。

858 —71.13141。

1318
3.00
-11。

2500 7。

209。

673
—38.995
16。

4959
N 200 200 VAR00004 Pearson 相关性。

176* 1
显著性（双侧）。

012
N 200 200 *. 在 0.05 水平（双侧)上显著相关。

从输出结果可以看出,家庭收入（X）和人均面积（Y）两者之间的Pearson相关系数r=0.176，p=0.012，在a=0。

05条件下没有统计显著性线形相关
2、根据文件“学生排名”,判断学生成绩与工作能力之间有无关联性，并对结果做检验
相关系数
VAR00005 VAR00006 Spearman 的 rho VAR00005 相关系数1。

000 —.770＊＊
Sig。

（双侧) 。

.009
N 10 10
VAR00006 相关系数-.770＊*1。

000
Sig.（双侧）。

009 。

N 10 10
＊*. 在置信度(双测）为 0.01 时，相关性是显著的。

从输出结果可以看出，学生成绩和工作能力两者之间的Spearman 相关系数r=-0.770，p=0。

009，在a=0。

01条件下达到统计显著性相关
3、根据文件“质量评价”，判断男顾客与女顾客对商品的评价结果之间有无关联性，并对结果做检验
相关系数
VAR00005 VAR00006 Kendall 的 tau_b VAR00005 相关系数1。

000 .556＊
Sig。

(双侧) 。

.025
N 10 10
VAR00006 相关系数.556* 1.000
Sig。

（双侧）。

025 。

N 10 10 ＊。

在置信度（双测）为 0。

05 时,相关性是显著的.
从输出结果可以看出,男顾客与女顾客之间的Kendall相关系数r=0.556，p=0.025，
在a=0。

05条件下达到统计显著性相关
4、 根据“彩电评级"说明消费者对各种彩电的质量水平有无显著差异
从输出结果表明，东芝的均值最低，西湖的均值最高，统计检验结果表明，Kendall ’s W 系数为0.217,卡方为21。

743，拒绝原假设,即消费者对各种彩电的质量水平的评价不具有高度的一致性。

5、根据“偏相关”文件分析家庭收入与计划面积之间的相关性并以家庭常住人口为控制变量
相关性
控制变量 家庭收入 计划面积 家庭长住人口
-无—a
家庭收入
相关性 1.000。

022 .135 显著性（双侧) . 。

535 .000 df
0 830 830 计划面积
相关性 。

022 1。

000
-.186 显著性（双侧) 。

535 . .000 df
830
0 830 家庭长住人口 相关性
.135 -。

186 1.000
显著性（双侧)。

000
.000
.
秩
秩均值
VAR00001 3。

23 VAR00002 4.13 VAR00003 4.58 VAR00004 3。

53 VAR00005 2.48 VAR00006
3。

08
根据图表显示，家庭收入与计划面积之间的简单相关系数较高,且达到了高度的统计显著性水平，但将家庭常住人口控制起来的条件下，家庭收入与计划面积之间的偏相关系数仅为0.135，且不具有统计显著意义.
根据上表可知:决定性系数为0。

7,76 该一元线性回归方程对总平方和的解释能力达到了77。

6％， F=118.797 P=0。

000 所以拒绝零假设，回归方程的线性关系是显著的一元线性回归模型为:y=1.253x—0。

573
7、根据“保险公司”文件建立多元线性模型并分析
通过上图可知：决定性系数为0.883，该二元线性回归方程对总平方和的解释能力达到了88.3%，F=72.497 P=0。

000 所以拒绝零假设，回归方程的线性关系是显著的。

除了
常数项外，“公司规模”“公司类型"两个解释变量的t值较大,在a=0。

05 条件下拒绝零假设，说明两个解释变量对被解释变量的影响是显著的。

二元线性回归模型为：
y=33.874-0.102x1+8。

055x2
二元线性标准化回归模型为:y/=1.814-0.009x1+1。

452x2
8、根据文件“回归”建立变量间回归模型并分析
通过上表可知：社会消费品零售总额对国内生产总值二次函数的回归模型如下：
y=1253.197+0。

320X+2。

669E-7X平方
9、根据文件“工业指标”对各地经济效益作因子分析
公因子方差
初始提取
VAR00002 1.000 。

845 VAR00003 1。

000 .951 VAR00004 1.000 。

089 VAR00005 1。

000 .781 VAR00006 1.000 。

928 VAR00007 1.000 。

774
个因子的方差贡献率分别为：40.390％和32。

424，累计贡献率高达72.814％。

工业指标对地区的经济效益的几个指标主要是由前两个因子决定的。

10、根据文件“经济指标”对各地经济效益作聚类分析
1 1 1 1 西藏
2 2 2 2 四川
3 3 3 3 重庆
4 4 3 3 贵州
5 5 4 3 云南
6 5 4 3 陕西
4 4 3 3 甘肃
1 1 1 1 青海
1 1 1 1 宁夏
3 3 3 3 新疆
通过上表可知：若分为三类的话则有:西藏、青海和宁夏为一组,四川一组，重庆、贵州、云南、陕西和新疆为一组。

若分为四组的话，则有：西藏、青海和宁夏为一组，四川一组，重庆、贵州、甘肃和新疆为一组，云南和陕西为一组。

一次类推，由上表所示不一一列举。