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 208 112 202 108 210 106 206 204 118 112 116 210 114 104 214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 = 105 tdfSig.(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 1 2 3 4 5 6 7 轮胎A 9.6 10.8 11.3 10.7 8.2 9.0 11.2 轮胎B 8.2 9.4 11.8 9.1 9.3 11.0 13.1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。副食品店19241929293028302929293030293031百货公司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
