spss统计软件期末课程考试题

《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. 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：正态性检验 Kolmogorov-Smirnov aShapiro-Wilk统计量df Sig. 统计量 df Sig. 血清总蛋白含量 .073100.200*.990100.671a. Lilliefors 显著水平修正 *. 这是真实显著水平的下限。

表中显示了正态性检验结果，包括统计量、自由度及显著性水平，以K-S 方法的自由度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922510/L , 今测得20名男性油漆工作者的血小板计数值（单位：910/L ）如下：220 188 162 230 145 160 238 188 247 113126 245 164 231 256 183 190 158 224 175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本例置信水平为95%，显著性水平为，从上表中可以看出，双尾检测概率P值为，小于，故原假设不成立，也就是说，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：99 79 59 89 79 89 99 82 80 85女：88 54 56 23 75 65 73 50 80 65假设总体服从正态分布，比较男女得分是否有显著性差异。

解：组统计量性别N均值标准差均值的标准误成绩a10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。

根据上表“方差方程的 Levene 检验”中的sig.为，远大于设定的显著性水平，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，在显著性水平为的情况下，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著性差异。

5. 设有5种治疗荨麻疹的药，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：问所有药物的效果是否一样解：上表是几种药物分析的结果，组间（Between Groups）平方和（Sum of Squares）为，自由度（df）为4，均方为；组内（Within Groups）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值）=<，故应拒绝假设（五种药物对人的效果无显著差异），说明五种药物对人的效果有显著性H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著差异。

如果想进一步了解究竟是哪种药物与其他组有显著性的均值差别（即哪种药物更好）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LSD方法；显著性水平默认取；多重比较因变量:治愈所需天数从整个表反映出来五种药物相互之间均存在显著性差异，从效果来看是第1种最好。

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（千人）人均收入（元）116227424502120180325432233753802413120528385678623476169265378278198300881923302450911619521371055532560 112524304020 122323724427 131442362660 141031572088 152123702605(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：相关性人均收入X2销售Y人均收入X2Pearson 相关性1.639*显著性（双侧）.010平方与叉积的和协方差N1515销售Y Pearson 相关性.639*1显著性（双侧）.010平方与叉积的和协方差N1515*. 在水平（双侧）上显著相关。

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，说明呈正相关相关性人数X1人均收入X2人数X1Pearson 相关性1.569*显著性（双侧）.027平方与叉积的和协方差N1515人均收入X2Pearson 相关性.569*1显著性（双侧）.027平方与叉积的和协方差N1515*. 在水平（双侧）上显著相关。

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，说明呈正相关相关性销售Y人数X1销售Y Pearson 相关性1.995**显著性（双侧）.000平方与叉积的和协方差N1515人数X1Pearson 相关性.995**1显著性（双侧）.000平方与叉积的和协方差N1515相关性销售Y 人数X1 销售YPearson 相关性 1.995**显著性（双侧）.000 平方与叉积的和 协方差N15 15人数X1 Pearson 相关性 .995**1显著性（双侧） .000平方与叉积的和 协方差 N1515**. 在 .01 水平（双侧）上显著相关。

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(2) 12试建立Y 与X ，X 之间的线性回归方程，并研究相应的统计推断问题。

同时预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。

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R=，说明自变量与因变量之间的相关性很强。

R方(R2) =，说明自变量“人均收%的差异性。

入和人数”可以解释因变量“销售量”的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值以及显著性水平（Sig.）因此可以得到回归方程：Y=*X1+*X2 即，销售量=*人数+*人均收入。

回归系数的显著性水平为，明显小于，故应拒绝T检验的原假设，这也说明了回归系数的显著性，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Y=*220000+*2500=元。

7. 研究青春发育阶段的年龄和远视率的变化关系，测得数据如下请对年龄与远视率的关系进行曲线估计。

解：线性对数倒数二次三次复合幂增长指数LogisticS三次曲线的方差分析图：从决定系数（R方即R2）来看，三次曲线效果最好（因为其R2值最大），并且方差分析的显著性水平（Sig.）为0。

故重新进行上面的过程，只选“三次曲线（Cubic）”一种模型。

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：从图形上看，拟合效果很好。

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SPSS软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统计的数据已经有了更深的认识，知道了一些统计数据的具体涵义。

提到SPSS，我们初步学习了怎么分析一些数据；怎样利用图表来显示数据，使我们更加直观的通过图表来显示数据之间的关系；怎样通过探索分析，寻求数据之间的交错关系；知道了几种常见的统计方法：假设检验，方差分析，回归分析；有些情况下还要用到非参数检验……总之，对SPSS的学习，感觉自己的知识又有了增加，而且通过这次学习，深刻的了解到了要学好数理统计的重要性，明白了数理统计也是学好这个软件，分析数据的基础；知道了理论与实践相结合的内涵，一定要在学好理论的基础上也要学会利用软件来处理一些问题，做到学有所用，融会贯通！。