SPSS期末大作業(yè)-完整版

1、第1題：基本統(tǒng)計(jì)分析1分析：本題要求隨機(jī)選取 80%的樣本，因而需要選用隨機(jī)抽樣的方法，在此選擇隨機(jī)抽樣中的近似抽樣方法進(jìn)行抽樣。其基本操作步驟如下： 數(shù)據(jù)一選擇個(gè)案一隨機(jī)個(gè)案樣本一大約（A） 80所有個(gè)案的%。1、基本思路：（1）由于存款金額為定距型變量，直接采用頻數(shù)分析不利于對(duì)其分布形態(tài)的把握，因而采用數(shù)據(jù)分組，先對(duì)數(shù)據(jù)進(jìn)行分組再編制頻數(shù)分布表。此處分為少于500元，5002000元，20003500元，35005000元，5000元以上五組。分組后進(jìn)行頻數(shù)分析并繪制帶正態(tài)曲 線的直方圖。（2）進(jìn)行數(shù)據(jù)拆分，并分別計(jì)算不同年齡段儲(chǔ)戶的一次存取款金額的四分位數(shù)，并通 過(guò)四分位數(shù)比較其分布上的

2、差異。操作步驟：（1）數(shù)據(jù)分組：【轉(zhuǎn)換一重新編碼為不同變量】，然后選擇存取款金額到【數(shù)字變量一輸出變量（V）】框中。在【名稱（N）】中輸入“存取款金額 1"，單擊更改（H）】按鈕； 單擊【舊值和新值】按鈕進(jìn)行分組區(qū)間定義。存取款金額1頻率百分比有效百分比累積百分比1.008234.634.634.62.007632.132.166.73.00104.24.270.9有效4.00229.39.380.25.004719.819.8100.0合計(jì)237100.0100.0（2）【分析一描述統(tǒng)計(jì)一頻率】；選擇“存款金額分組”變量到【變量（ V）】框中；單 擊圖標(biāo)（C）按鈕，選擇【直方圖】和

3、【在直方圖上顯示正態(tài)曲線】；選中【顯示頻率表格】，確定。(3)【數(shù)據(jù)一拆分文件】，選擇“年齡”變量到【分組方式】框中，選中【比較組】和【按分組變量排序文件】，確定；【分析一描述統(tǒng)計(jì)一頻率】，選擇“存款金額”到【變量】框中，單擊【統(tǒng)計(jì)量】按鈕，選擇【四分位數(shù)】一繼續(xù)一確定。統(tǒng)計(jì)量存(取)款金額有效1N缺失020歲以下2550.00百分位數(shù)5050.007550.00有效131N缺失02035歲25500.00百分位數(shù)501000.00755000.00有效73N缺失03550歲25500.00百分位數(shù)501000.00754500.00有效32N缺失050歲以上25525.00百分位數(shù)50100

4、0.00752000.00結(jié)果及結(jié)果描述：頻數(shù)分布表表明，有一半以上的人的一次存取款金額少于2000元，且有34.6%的人的存取款金額少于 500元，19.8%的人的存取款金額多于 5000元，下圖為相應(yīng)的帶正態(tài)曲線的 直方圖。統(tǒng)計(jì)量表格表明，年齡在20歲以下的人有1人，其存取款金額的四分位差是0 (50-50) 元，年齡在2035歲之間的人有131人，其存取款金額的四分位差是 4500 (5000-500)元， 年齡在3550歲之間的人有73人，其存取款金額的四分位差是 4000 (4500-500)元，年齡 在50歲以上的人有 32人，其存取款金額的四分位差是 1475 (2000-525

5、)元?？梢?jiàn)，2035, 3550兩個(gè)年齡段的離散程度比較大，其余兩個(gè)年齡段的離散程度較小。2、基本思路：本問(wèn)題涉及到兩個(gè)變量戶口和物價(jià)趨勢(shì)，考慮兩者之間的聯(lián)系，因而需要用到交叉列聯(lián)表。該列聯(lián)表的行變量為戶口，列變量為物價(jià)趨勢(shì)，需要在列聯(lián)表中輸出各種百分比、期望頻數(shù)、剩余、標(biāo)準(zhǔn)剩余，顯示各交叉分組下頻數(shù)分布柱形圖，并利用卡方檢驗(yàn)方法，對(duì)城鎮(zhèn)和農(nóng)村儲(chǔ)戶對(duì)物價(jià)趨勢(shì)的態(tài)度是否一致進(jìn)行分析。操作步驟：(1)【分析一描述統(tǒng)計(jì)一交叉表】，選擇“戶口”至ij【行】框中，選擇“物價(jià)趨勢(shì)”到【列】框中；并選中【顯示復(fù)式條形圖】(2)單擊【單元格】按鈕，選中【觀測(cè)值】、【期望值】、【行】、【列】、【總計(jì)】各框一繼續(xù)

6、；(3)單擊【統(tǒng)計(jì)量】，選中【卡方】框一繼續(xù)；結(jié)果及其結(jié)果分析：戶口 *物價(jià)趨勢(shì) 交叉制表物價(jià)趨勢(shì)合計(jì)上升穩(wěn)定下降計(jì)數(shù)2113118170期望的計(jì)數(shù)20.1122.727.3170.0城鎮(zhèn)戶口戶口中的12.4%77.1%10.6%100.0%物價(jià)趨勢(shì)中的75.0%76.6%47.4%71.7%總數(shù)的8.9%55.3%7.6%71.7%戶口計(jì)數(shù)7402067期望的計(jì)數(shù)7.948.310.767.0農(nóng)村戶口戶口中的10.4%59.7%29.9%100.0%物價(jià)趨勢(shì)中的25.0%23.4%52.6%28.3%總數(shù)的3.0%16.9%8.4%28.3%計(jì)數(shù)2817138237期望的計(jì)數(shù)28.0171.

7、038.0237.0合計(jì)戶口中的11.8%72.2%16.0%100.0%物價(jià)趨勢(shì)中的100.0%100.0%100.0%100.0%總數(shù)的11.8% .72.2%16.0%100.0%.卡方檢驗(yàn)值df漸進(jìn)Sig.(雙側(cè)）13.27Pearson 卡方6a2.00112.15似然比92.002線性和線性組合7.7501.005有效案例中的N237a. 0單元格（0.0%）的期望計(jì)數(shù)少于 5。最小期望計(jì)數(shù)為 7.92戶口上面交叉列聯(lián)表表明，I共有237名被訪者，其中170名有城鎮(zhèn)戶口， 67名是農(nóng)村戶口，占樣本總數(shù)的 71.7%, 28.3%;認(rèn)為物價(jià)趨勢(shì)為上升、穩(wěn)定、下降的人數(shù)分別為28、17

8、1、38,各占總數(shù)的11.8%,72.2%, 16.0%。II對(duì)不同戶口的人群進(jìn)行分析：城鎮(zhèn)戶口的人數(shù)總共有170人，對(duì)物價(jià)穩(wěn)定趨勢(shì)為上升、穩(wěn)定、下降的比例分別為 12.4%、77.1%、10.6%,認(rèn)為物價(jià)趨勢(shì)穩(wěn)定的人數(shù)多于總比例，認(rèn) 為物價(jià)趨勢(shì)下降的人數(shù)少于總比例；農(nóng)村戶口的總?cè)藬?shù)為67人，對(duì)物價(jià)穩(wěn)定趨勢(shì)為上升、穩(wěn)定、下降的比例分別為10.4%、59.7%、29.9%,認(rèn)為物價(jià)趨勢(shì)穩(wěn)定的人數(shù)少于總比例，認(rèn)為 物價(jià)趨勢(shì)下降的人數(shù)多于總比例；III對(duì)物價(jià)趨勢(shì)不同態(tài)度的人群分析：認(rèn)為物價(jià)上升的人數(shù)總共有28人，其中城鎮(zhèn)戶口和農(nóng)村戶口所占比例分別為 75%, 25%,有城鎮(zhèn)戶口的比例略高于總比例；

9、認(rèn)為物價(jià)穩(wěn)定的 人數(shù)總共有171人，其中城鎮(zhèn)戶口和農(nóng)村戶口所占比例分別為76.6%, 23.4%,有城鎮(zhèn)戶口的比例略高于總比例；認(rèn)為物價(jià)下降的人數(shù)總共有 28人，其中城鎮(zhèn)戶口和農(nóng)村戶口所占比例分 別為47.4%, 52.6%,有城鎮(zhèn)戶口的比例明顯低于總比例；總體來(lái)說(shuō)，不同戶口的人群對(duì)物價(jià)趨勢(shì)的態(tài)度存在一定的一致性。從所得卡方檢驗(yàn)結(jié)果來(lái)看，概率p值為0.001 ,小于顯著性水平，因此拒絕原假設(shè)，認(rèn)為行列變量具有較強(qiáng)的相關(guān)性。3、對(duì)居民一次存款金額分別按照收入水平進(jìn)行分類，得到均值、中位數(shù)、方差和偏 度。3、基本思路本題中的分類變量為收入水平，因而需按照收入水平對(duì)數(shù)據(jù)進(jìn)行拆分，然后分別計(jì)算一 次存

10、款金額的均值、中位數(shù)、方差和偏度。操作步驟：【數(shù)據(jù)一拆分文件，選擇“收入水平”變量到【分組方式】框中，選中【比較組】和【按分組變量排序文件】，確定；【分析一描述統(tǒng)計(jì)一頻率】，選擇“存款金額”到【變量】框中，單擊【統(tǒng)計(jì)量】按鈕，選中【均值】、【中位數(shù)】、【方差】、【偏度】一繼續(xù)一確a£o結(jié)果及其分析：統(tǒng)計(jì)量存（?。┛罱痤~有效41N缺失0均值2043.17300元以下中值300.00方差30740437.195偏度4.066偏度的標(biāo)準(zhǔn)誤.369有效N137缺失0均值4314.15300800元中值1000.00方差134185788.508偏度6.490偏度的標(biāo)準(zhǔn)誤.207有效N46缺失

11、0均值5687.678001500元中值1750.00方差116385836.002偏度4.415偏度的標(biāo)準(zhǔn)誤.350有效N13缺失01500元以均值11026.92上中值7000.00方差197942756.410偏度2.193偏度的標(biāo)準(zhǔn)誤.616第2題：基本統(tǒng)計(jì)分析 2用隨機(jī)抽樣中的近似抽樣方法選取 85%勺1¥本,數(shù)據(jù)一選擇個(gè)案一隨機(jī)樣本一大約（A） 85所有個(gè)案的第一問(wèn)基本思路：由于存款金額是定距型變量，考慮先進(jìn)行數(shù)據(jù)分組再編制頻數(shù) 分布表。進(jìn)行數(shù)據(jù)拆分，分別計(jì)算“300以下”、“300-800”、“800-1500”、“1500 以上”收入的四分位數(shù)，并通過(guò)四分位數(shù)比較上述

12、四者分布上的差異。操作步驟：【轉(zhuǎn)換一重新編碼為不同變量（R）；選擇“存款金額”到【數(shù) 字變量一輸出變量（V）】框中；在名稱（N）】中輸入“存款金額分組”，單擊【更改（m 按鈕；單擊【舊值和新值】按鈕進(jìn)行分組區(qū)間定義。存款金額分組頻率百分比有效百分比累積百分比1.008534.334.334.32.007731.031.065.33.00166.56.571.8有效4.002510.110.181.95.004518.118.1100.0合計(jì)248100.0100.0【分析一描述統(tǒng)計(jì)一頻率】；選擇“存款金額分組”變量到【變量（V）框中; 單擊【圖標(biāo)（C）按鈕，選擇【直方圖】和【在直方圖上顯示正態(tài)

13、曲線】；選中 【顯小頻率表格】，確定?！緮?shù)據(jù)一拆分文件，選擇“收入水平”變量到【分組方式】框中，選中 【比較組】和【按分組變量排序文件】，確定；【分析一描述統(tǒng)計(jì)一頻率】，選 擇“存款金額”到【變量】框中，單擊【統(tǒng)計(jì)量】按鈕，選擇【四分位數(shù)】一繼 續(xù)一確定。統(tǒng)計(jì)量存（?。┛罱痤~有效43N缺失0300元以下25200.00百分位數(shù)50300.00751000.00有效148N缺失0300800元25500.00百分位數(shù)501000.00754475.00有效41N缺失08001500元25710.00百分位數(shù)502000.00756000.00有效16N缺失01500元以上253000.00百分位

14、數(shù)504450.00759750.00第二問(wèn)基本思路：該問(wèn)題中設(shè)計(jì)到兩個(gè)變量，應(yīng)采用交叉分組下的頻數(shù)分析， 行變 量為“年齡”，列變量為“未來(lái)收入狀況的變化趨勢(shì)”，在列聯(lián)表中輸出觀測(cè)頻 數(shù)、期望頻數(shù)、各種百分比，顯示各交叉分組下頻數(shù)分布柱形圖，并利用卡方檢 驗(yàn)，針對(duì)各年齡段對(duì)“未來(lái)收入狀況的變化趨勢(shì)”的態(tài)度是否一致進(jìn)行分析。操作步驟：【分析一描述統(tǒng)計(jì)一交叉表】，選擇“年齡”到【行】框中， 選擇“未來(lái)收入情況”到【列】框中；單擊【單元格】按鈕，選中【觀測(cè)值】、【期望值】、【行】、【列】、【總計(jì)】各框一繼續(xù)；單擊【統(tǒng)計(jì)量】，選中【卡方】框一繼續(xù)；選中【顯示復(fù)式條形圖】一確定。年齡*未來(lái)收入情況交叉

15、制表未來(lái)收入情況合計(jì)增加基本不變減少年齡 20歲以下計(jì)數(shù)0213期望的計(jì)數(shù).71.8.53.0年齡中的0.0%66.7%33.3%100.0%未來(lái)收入情況中的0.0%1.3%2.4%1.2%總數(shù)的0.0%0.8%0.4%1.2%計(jì)數(shù)356527127期望的計(jì)數(shù)28.277.321.5127.0203啰年齡中的27.6%51.2%21.3%100.0%未來(lái)收入情況中的63.6%43.0%64.3%51.2%總數(shù)的14.1%26.2%10.9%51.2%計(jì)數(shù)16551081期望的計(jì)數(shù)18.049.313.781.03550 歲年齡中的19.8%67.9%12.3%100.0%未來(lái)收入情況中的29.

16、1%36.4%23.8%32.7%總數(shù)的6.5%22.2%4.0%32.7%計(jì)數(shù)429437期望的計(jì)數(shù)8.222.56.337.050歲以上年齡中的10.8%78.4%10.8%100.0%未來(lái)收入情況中的7.3%19.2%9.5%14.9%總數(shù)的1.6%11.7%1.6%14.9%計(jì)數(shù)5515142248期望的計(jì)數(shù)55.0151.042.0248.0年齡中的22.2%60.9%16.9%100.0%合計(jì)100.未來(lái)收入情況中的100.0%100.0%100.0%0%總數(shù)的22.2%60.9%16.9%100.0%卡方檢驗(yàn)值fd新進(jìn)Sig.（雙側(cè)）12.Pearson 卡方895 a6.045

17、13.似然比9056.031.01線性和線性組合1.8957有效案例中的N248a. 3單元格（25.0%）的期望計(jì)數(shù)少于 5 最小期望計(jì)數(shù)為.51 。44 / 45第三問(wèn)基本思路:首先按照戶口對(duì)數(shù)據(jù)進(jìn)行拆分，然后計(jì)算存款金額的統(tǒng)計(jì)量：均值、四分位數(shù)和標(biāo)準(zhǔn)差。操作步驟：【數(shù)據(jù)一拆分文件，選擇“戶口”變量到【分組方式】框中， 選中【比較組】和【按分組變量排序文件】，確定；【分析一描述統(tǒng)計(jì)一頻率】， 選擇“存款金額”到【變量】框中，單擊【統(tǒng)計(jì)量】按鈕，選中【均值】、【四 分位數(shù)】、【標(biāo)準(zhǔn)差】一繼續(xù)一確定。統(tǒng)計(jì)量17804476.848813.369500.001000.00存（?。┛罱痤~有效N缺失

18、均值城鎮(zhèn)戶口標(biāo)準(zhǔn)差25百分位數(shù)50755000.00有效70N缺失0均值2856.47農(nóng)村戶口標(biāo)準(zhǔn)差8317.29525300.00百分位數(shù)50775.00752000.00第3題:基本統(tǒng)計(jì)分析3利用居民儲(chǔ)蓄調(diào)查數(shù)據(jù)，從中隨機(jī)選取85%勺樣本，進(jìn)行頻數(shù) 分析，實(shí)現(xiàn)以下分析目標(biāo)：1 .分析儲(chǔ)戶一次存款金額的分布，基本描述統(tǒng)計(jì)量，并對(duì)城鎮(zhèn)儲(chǔ)戶和農(nóng)村 儲(chǔ)戶進(jìn)行比較；2 .分析不同年齡的儲(chǔ)戶對(duì)什么合算的認(rèn)同是否一致。3 .檢驗(yàn)城鎮(zhèn)儲(chǔ)戶的一次存款金額的均值為 500OK,是否可信？利用居民儲(chǔ)蓄調(diào)查數(shù)據(jù)，從中隨機(jī)選取 85%勺樣本，進(jìn)行頻數(shù)分析，實(shí)現(xiàn)以 下分析目標(biāo)：基本思路：首先通過(guò)隨機(jī)抽樣中的近似抽樣方

19、式， 對(duì)居民儲(chǔ)蓄調(diào)查數(shù)據(jù)進(jìn)行 抽樣。操作步驟：選擇菜單一數(shù)據(jù)一選擇個(gè)案一隨機(jī)個(gè)案樣本，樣本尺寸填大約所有個(gè)案85%分析儲(chǔ)戶一次存款金額的分布,基本描述統(tǒng)計(jì)量，并對(duì)城鎮(zhèn)儲(chǔ)戶和農(nóng)村儲(chǔ)戶進(jìn)行比較;基本思路：（1）由于存（?。┛罱痤~數(shù)據(jù)為定距型變量，直接采用頻數(shù)分析不利于對(duì) 其分布形態(tài)的把握，因此考慮依據(jù)第三章中的數(shù)據(jù)分組功能對(duì)數(shù)據(jù)分組后再編制 頻數(shù)分布表。（2）進(jìn)行數(shù)據(jù)拆分,額的四分位數(shù)，并通過(guò)四分位數(shù)比較兩者分布上的差異操作步驟：轉(zhuǎn)換一重新編碼為不同變量一選擇存（?。┓Q填存款金額分組，單擊舊值和新值，對(duì)數(shù)據(jù)進(jìn)行分組，分為2001-3500、3501-5000、5000以上五個(gè)組。最后點(diǎn)擊確定。頻率

20、一變量：存款金額分組，圖表選擇直方圖口的一切Lil 口的二“7一21 目的三榭防.小4 H旬 fflutaw 除劃 淵階 上璘海備laigj 和車下六灌勺R(shí)H1J獨(dú)星齊白的廂i 內(nèi)口 Im勖，-M J FT I. 臺(tái)“她小案 之口生人L .一依七叮門MW * （可我的 什家試種罕片觸字在R -噴出.變?nèi)﨏fas 一存驗(yàn)組的好出陶舊而：H野叫也1匚 |存才姜於舟陽(yáng)振姿也I 收油 I WKT回畫C.僮”'：余送去國(guó)f：第后淵以喧天化卜范時(shí)«il£ 博國(guó)U | 二，死脫阜走巴， ：nirs(ir- 一工 新西 0 ihru POO 1 501 thru 20002比01

21、Lhlil i LtJD - 3 3SD1 thm 5000 -t &0口。gnu-t 5匚期有耳虺15亡,J首i由中任力手送韋出;值子筆甲多式切步驟：數(shù)據(jù)一拆分文件一分組方式：戶口一確定。分析一描述統(tǒng)計(jì)一頻率一統(tǒng)計(jì)量一四分位數(shù)前打勾一確定 HffiZ |a7,J oil物彷水不則 ,d明輸電勢(shì)la9 鼻 物情上施-佳& a 10 拿到理不變一隹好值11 A ¥g不砂闌園.41職業(yè)典 dl華我國(guó)1用 4；大為4聚M 35% C.*存融或蛔出廠分析所有個(gè)器，二削單啊妁T總且蛆織駢H4Q)升明F國(guó)y-卡口|0 3將同施工劇集宇文件 。如4日小序讓有前苗湍；茂煙禽井折我羽,

22、也定機(jī)心貼吧童孟麗科丁 錫丁|存款金額分組頻率百分比有效百分比累積百分比后效1.008735.435.435.42.007630.930.966.33.00145.75.772.04.00208.18.180.15.004919.919.9100.0合計(jì)246100.0100.0統(tǒng)計(jì)量存款金額分組城鎮(zhèn)戶口N后效177缺失0百分位數(shù)252.0000503.0000755.0000農(nóng)村戶口N后效69缺失0百分位數(shù)251.5000503.0000753.0000存款在500以下所占百分比最大，有 35.4%,其次是500-1000的人數(shù)。而 存款在5000以上的也有19.9%,說(shuō)明存款數(shù)額懸殊較大。

23、從輸出圖表中看出城鎮(zhèn)儲(chǔ)戶較農(nóng)村儲(chǔ)戶有兩倍之多，可能是因?yàn)槌擎?zhèn)居民比較富裕而且存款意識(shí)比較強(qiáng)。農(nóng)村戶口的居民可能更愿意把錢藏在家里而不是拿 到銀行去存。分析不同年齡的儲(chǔ)戶對(duì)什么合算的認(rèn)同是否一致?；舅悸罚涸搯?wèn)題列聯(lián)表的行變量為年齡，列變量為什么合算，在列聯(lián)表中 輸出各種百分比、期望頻數(shù)、剩余、標(biāo)準(zhǔn)化剩余，顯示各交叉分組下頻數(shù)分布柱 形圖，并利用卡方檢驗(yàn)方法，對(duì)不同年齡的儲(chǔ)戶對(duì)什么合算的認(rèn)同是否一致進(jìn)行分析.操作步驟：分析一描述統(tǒng)計(jì)一交叉表，顯示復(fù)式條形圖前打勾，行選擇年齡, 列選擇什么合算，統(tǒng)計(jì)量選擇卡方，點(diǎn)擊單元格，在觀察值、期望值、行、歹I、總計(jì)、四舍五入單元格計(jì)數(shù)前打勾，最后確認(rèn)口 la

24、 ldiji ll. nt JJJ_ J -1金收入情潞I靠辛斗4K入tic通 3斗|比九鄴平府與卡 苻g 的住31法口晶存ERffiS |.日的二卬二1 日的三口丁_川 忡明平 忸mts需：?*喇力上熱隹/ I3 10J r鹿耳聲舊i nJ+4注不*由國(guó) "/電加配小雹空 =（»0. J 蛆上十1里工.| 元忸國(guó) . JJ旦吧蛆但內(nèi)I叫 X . 1WME) J 耳 >1 1CTI|_w«卡方檢驗(yàn)值df漸進(jìn)Sig.（雙側(cè)）Pearson 卡方3.997 a3.262似然比3.9863.263線性和線性組合3.3371.068有效案例中的N246a. 2單元格

25、（25.0%）的期望計(jì)數(shù)少于5。最小期望計(jì)數(shù)為.77。dft Jh . R3分析：因?yàn)榭ǚ街敌∮?.05拒絕原假設(shè)，認(rèn)為行列變量之間相關(guān)，年齡對(duì)什 么合算的認(rèn)同有影響，說(shuō)明不同年齡的儲(chǔ)戶對(duì)什么合算的認(rèn)同不一致.3.檢驗(yàn)城鎮(zhèn)儲(chǔ)戶的一次存款金額的均值為5000元，是否可信？單個(gè)樣本統(tǒng)計(jì)量戶口N均值標(biāo)準(zhǔn) 差均值的 標(biāo)準(zhǔn)誤城鎮(zhèn)戶口存（?。┛罱?8719643.177.11647724.861額農(nóng)村戶口存（?。┛罱?517145281749.0069.45.3407額單個(gè)樣本檢驗(yàn)戶口檢驗(yàn)值=5000tdfSig.(雙側(cè)）均值差值差分的95%置信區(qū)間下限上限城鎮(zhèn)戶口存（取）款金額-17-128-15513

26、01.6.1786.859.8879.425存（?。┛罱痤~-482-3973007.5農(nóng)村戶口.27668.783.5512.644由上表可知，城鎮(zhèn)儲(chǔ)戶的一次存款金額的均值為 5000元，不可信.II1濃度1溫度1收率13二 2111012_12題：方差分析I題思路問(wèn)題（2）是研究一制變量即濃度的不同水平是否對(duì)觀測(cè)變量收率產(chǎn)生了顯著影響， 因而應(yīng)用單因素方差分析。建立原假設(shè) 為：不同濃度沒(méi)有對(duì)收率產(chǎn)生顯著影響，對(duì)原假設(shè)進(jìn)行檢驗(yàn)。問(wèn)題（3）首先是研究?jī)蓚€(gè)控制變量濃度及溫度的不同水平對(duì)觀測(cè)變量收率的獨(dú)立影響，然后分析兩個(gè)這控制變量的交互作用能否對(duì)收率產(chǎn)生顯著影響，因而應(yīng)該采用多因素方差分析。建立原

27、假設(shè)為：Hoi不同濃度沒(méi)有對(duì)收率產(chǎn)生顯著影響；H02不同溫度沒(méi)有對(duì)收率產(chǎn)生顯著影響；H03濃度和溫度對(duì)化工廠的收率沒(méi) 有產(chǎn)生顯著性的交互影響。操作步驟問(wèn)題（2）:選擇菜單【分析一比較均值一單因素】，將收率選入到因變量列 表中，將濃度選入到因子框中，則 SPSS會(huì)將結(jié)果顯示到輸出窗口中。問(wèn)題（3）:選擇菜單【分析一一股線性模型一單變量】，把收率制定到因變 量中，把濃度與溫度制定到固定因子框中，則 SPSS會(huì)將結(jié)果顯示到輸出窗口。 輸出結(jié)果解釋與結(jié)論問(wèn)題（1）：?jiǎn)我蛩胤讲罘治鍪章势椒胶蚫f均方F顯著性組間39.083219.5425.074.016組內(nèi)80.875213.851總數(shù)119.9582

28、3單因素方差分析結(jié)果解釋：可以看到觀測(cè)變量收率的總離差平方和為119.958,如果僅考慮濃度單個(gè)因素的影響，則收率總變差中，濃度可解釋的變 差為39.083 ,抽樣誤差引起的變差為80.875 ,他們的方差分別為 19.542和3.851 ,相除所得的F統(tǒng)計(jì)量的觀測(cè)值為5.074,對(duì)應(yīng)的概率p值近似為0.016。 由于顯著性水平a=0.05,概率p值小于顯著性水平，則應(yīng)拒絕原假設(shè)，認(rèn)為 不 同濃度對(duì)收率產(chǎn)生了顯著影響。問(wèn)題（3）:主體間效應(yīng)的檢驗(yàn)因變量：收率源III 型平方和df均方FSig.校正模型70.458 a116.4051.553.230截距2667.04212667.042646.

29、556.000濃度39.083219.5424.737.030溫度13.79234.5971.114.382濃度*溫 匕17.58362.931.710.648慶方49.500124.125總計(jì)2787.00024校正的總計(jì)119.95823a. R 方=.587 （調(diào)整 R 方=.209 ）多因素方差分析結(jié)果解釋：輸出結(jié)果中，第一列是對(duì)觀測(cè)變量總變差分解的 說(shuō)明，第二列是觀測(cè)變量變差分解的結(jié)果，第三列是自由度，第四列是均方，第 五列是F檢驗(yàn)統(tǒng)計(jì)量的觀測(cè)值，第六列是檢驗(yàn)統(tǒng)計(jì)量的概率p值。可以看到觀測(cè)變量收率的總變差為119.958,由濃度不同引起的變差是39.083,由溫度不同 引起的變差為1

30、3.792,由濃度和溫度的交互作用引起的變差為17.583,由隨機(jī)因素引起的變差為49.500。濃度，溫度和濃度*溫度的概率 p值分別為0.030,0.382和0.648。濃度的概率p值小于顯著性水平 行0.05 ,則應(yīng)拒絕原假 設(shè)，認(rèn)為不同濃度給收率帶來(lái)了顯著影響；同時(shí)溫度的概率p值和濃度*溫度的概率p值均大于顯著性水平，因此不應(yīng)拒絕原假設(shè)，可以認(rèn)為不同溫度沒(méi)有對(duì)收率產(chǎn)生顯著影響，不同濃度和溫度沒(méi)有對(duì)收率產(chǎn)生顯著的交互作用第5題：方差分析2某電器公司想知道某產(chǎn)品銷售量與銷售方式及銷售地點(diǎn)是否有關(guān)，根據(jù)近2個(gè)月的情況得到下表的數(shù)據(jù)，以 0.05的顯著性水平進(jìn)行檢驗(yàn)：(1)給出SPS激據(jù)集的格式

31、(列舉前4個(gè)樣本即可)；(2)銷售方式對(duì)銷售量的影響；(3)銷售方式和銷售地點(diǎn)以及它們的交互作用對(duì)銷售量的影響。某電器公司想知道某產(chǎn)品銷售量與銷售方式及銷售地點(diǎn)是否有關(guān)，根據(jù)近2個(gè)月的情況得到下表的數(shù)據(jù)，以 0.05的顯著性水平進(jìn)行檢驗(yàn)：(1)給出SPSSt據(jù)集的格式(列舉前4個(gè)樣本即可)；(2)銷售方式對(duì)銷售量的影響；(3)銷售方式和銷售地點(diǎn)以及它們的交互作用對(duì)銷售量的影響。每種組占下分兩個(gè)樣本 視姑屏b孫a小鼻，.0 4的，.T*4，鼻蜘總* Qr我用72, D亨H4. BO片黑N4PN4, HH7事Ml. NO基本思路：本道題重點(diǎn)考察我們對(duì)于在 SPSS應(yīng)用過(guò)程中對(duì)于方差分析的應(yīng) 用情況

32、。先將這組數(shù)據(jù)輸入 SPSS然后進(jìn)行兩個(gè)方面的計(jì)算：?jiǎn)我蛩胤讲罘治?和多因素方差分析。利用 SPSS勺非必須功能，從而得出它們的方差數(shù)據(jù)，進(jìn)而 進(jìn)行分析和結(jié)果的得出。(1)操作步驟：分別定義分組變量 A (方式)、X (銷售量)、B (地區(qū))，在變量視圖與數(shù)據(jù)視圖中輸入表格數(shù)據(jù)I A乂日變歸11771217213183241862618336179371SD40100491骷&101&112白白11?2&S1132922149621527S3162013(2)銷售方式對(duì)銷售量無(wú)顯著性影響操作步驟：分析-比較均值-單因素ANOVA-S變量列表：收率，因子列表單因素方差分析

33、X平方和df均方F顯著性組間407.1013.241221.300304.000組內(nèi)1106.6003630.739總數(shù)2327.90039結(jié)果分析：顯著性0.05說(shuō)明拒絕原假設(shè)(銷售方式對(duì)銷售量無(wú)顯著性影響) 證明銷售方式對(duì)銷售量有顯著性影響。(3)操作步驟：分析-一般線性模型-單變量-因變量：收率，固定因子主體間效應(yīng)的檢驗(yàn) 因變量：X源III型平方和df均方FSig.校正模型2211.900 a19116.41620.072.000截距269288.11269288.146428.0000000983A1221.3003407.10070.190.000B269.650467.41211.

34、623.000A * B720.9501260.07910.358.0004H至 慶方116.000205.800總計(jì)271616.04000校正的總計(jì)2327.90039a. R 方=.950 （調(diào)整 R 方=.903）根據(jù)圖可知，因子A和B是顯著地，方差分析可以很好的去辨別兩個(gè)事物 之間存在聯(lián)系的緊密性。7.以高?？蒲醒芯繑?shù)據(jù)為例，建立回歸方程研究以課題總數(shù)X5為被解釋變量，解釋變量為投入人年數(shù) X2、投入科研事業(yè)費(fèi) X4、專著數(shù)X6、論文數(shù)X7。解釋變量采用（強(qiáng)制）進(jìn)入策略，對(duì)回歸方程和回歸系數(shù)的顯著性檢驗(yàn)結(jié)果 進(jìn)行解釋分析，并給出最終的回歸模型（=0.05）。以高?？蒲醒芯繑?shù)據(jù)為例，建

35、立回歸方程研究以課題總數(shù)X5為被解釋變量，解釋變量為投入人年數(shù) X2、投入科研事業(yè)費(fèi) X4、專著數(shù)X&論文數(shù)X7。解釋變量采用（強(qiáng)制）進(jìn)入策略，對(duì)回歸方程和回歸系數(shù)的顯著性檢驗(yàn)結(jié)果 進(jìn)行解釋分析，并給出最終的回歸模型（=0.05）。步驟：菜單 分析 回歸 線性。統(tǒng)計(jì)量選擇回歸系數(shù)估計(jì)，置信區(qū)間 95%模型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差1.966a.933.923232.3360a.預(yù)測(cè)變量：（常量），論文數(shù)，投入科研事業(yè)費(fèi)（百元），專 著數(shù)，投入人年數(shù)。模型平方和df均方FSig.1回歸19673329.27644918332.31991.114.000baAnova殘差總計(jì)14

36、03480.72421076810.000263053980.028a.因變量：課題總數(shù)b.預(yù)測(cè)變量：（常量），論文數(shù)，投入科研事業(yè)費(fèi)（百元），專著數(shù)，投 入人年數(shù)。系數(shù)模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)4H至 慶方試用版（常量）-55.26775.625-.731.471投入人年數(shù).571.1061.1135.367.0001投入科研事業(yè)費(fèi) （百元）.003.002.2311.611.119專著數(shù)-.282.267-.177-1.058.300論文數(shù)-.051.043-.203-1.184.247a.因變量：課題總數(shù)由表可知常量 0.471>0.05,0.119>0.05,

37、0.300>0.05,0.247>0.05,故他們不 能通過(guò)方程的顯著性檢驗(yàn)。課題總數(shù)=0.571*投入人年數(shù) 把回歸方程寫出來(lái)第6題：回歸分析1基本思路：（1）建立多元線性回歸模型，分析汽車特征與銷售量之間的關(guān)系，并利用 回歸結(jié)果給出改進(jìn)汽車設(shè)計(jì)方案的建議，以促進(jìn)銷售量的提高。（2）做多重共線性、方差齊性和殘差的自相關(guān)檢驗(yàn)。操作步驟&結(jié)果分析I （強(qiáng)制進(jìn)入策略）：（1）分析一回歸一線性，把“銷售量”選入【因變量（D）】框中，把“車 型”、“價(jià)格”、“發(fā)動(dòng)機(jī)規(guī)格”、“馬力”、“軸距”、“寬度”、“長(zhǎng)度”、“凈重”、”燃料箱容量”和“燃料效率”這十個(gè)變量選進(jìn)【自變量（ I ）

38、】框 中，采用進(jìn)入篩選策略；（2）單擊【統(tǒng)計(jì)量（S）】，選中【估計(jì)（E）】、【模型擬合度（兇】、 【共線性診斷（L）】和【Durbin-Watson（U）框，繼續(xù)，確定；表6-1模型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差Durbin-Watson1.697 a.486.449.989601.481a.預(yù)測(cè)變量：（常量），燃料效率，長(zhǎng)度，價(jià)格，車型，寬度，發(fā)動(dòng)機(jī)規(guī)格，燃料箱 容量，軸距，凈重，馬力。b.因變量：銷售量分析：依據(jù)該表可盡心回歸方程擬合優(yōu)度檢驗(yàn)， 由于該方程中有多個(gè)解釋變 量，因此應(yīng)參考調(diào)整的判定系數(shù)，調(diào)整的判定系數(shù)為 0.449,離1較遠(yuǎn)，所以擬合 優(yōu)度較低，被解釋變量可以被模型解釋

39、的部分較少，未能別解釋的部分較多。表 6-2 Anova模型平方和df均方FSig.回歸130.3001013.03013.305.000 b1 殘差138.082141.979總計(jì)268.383151a.因變量：銷售量b.預(yù)測(cè)變量：（常量），燃料效率，長(zhǎng)度，價(jià)格，車型，寬度，發(fā)動(dòng)機(jī)規(guī)格， 燃料箱容量，軸距，凈重，馬力。分析：被解釋標(biāo)量的總離差平方和為268.38,由回歸平方和130.3麗剩余平 方和138.0821&成；回歸平方和的均方為13.030,剩余平方和的均方為0.979; F檢 驗(yàn)統(tǒng)計(jì)量的觀測(cè)值為13.305,對(duì)應(yīng)的概率P值近似為0。依據(jù)該表可進(jìn)行回歸方程 的顯著性檢驗(yàn)。若

40、顯著性水平為0.05,由于概率P小于0.05,拒絕回歸方程顯著性 檢驗(yàn)的零假設(shè)，認(rèn)為各回歸系數(shù)不同時(shí)為 0,被解釋變量與解釋變量全體的線性 關(guān)系是顯著的，可建立線性模型。表6-3系數(shù)模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.共線性統(tǒng)計(jì)量B標(biāo)準(zhǔn)誤差試用版容差VIF-3.01-1.10（常量）72.7411.273車型.883.331.2932.670.008.3043.2931-3.59價(jià)格-.046.013-.5026.000.1875.337發(fā)動(dòng)機(jī)規(guī)格.356.190.2811.871.063.1626.159 馬力-.002.004-.092-.509.611.1128.896軸距.042.023

41、.2411.785.076.2004.997寬度-.028.042-.073-.676.500.3133.193長(zhǎng)度.015.014.1481.032.304.1785.605凈重.156.350.075.447-1.20.655.1317.644燃料箱容量-.057.047-.1673.231.1895.303燃料效率.081.040.2622.023.045.2174.604a.因變量：銷售量分析：由表6-3可進(jìn)行回歸系數(shù)顯著性檢測(cè)，寫出回歸方程和檢測(cè)多重共線 性。如果顯著性水平為0.05,除了車型、價(jià)格，燃料效率外，其他變量的回歸系 數(shù)顯著性t檢驗(yàn)的概率P值都大于顯著性水平，因此不應(yīng)該拒

42、絕零假設(shè)，認(rèn)為這些 偏回歸系數(shù)與0無(wú)顯著差異，它們與被解釋變量的線性關(guān)系是不顯著的，不應(yīng)該 保留在方程中。由于該模型保留了一些不應(yīng)被保留的變量，因此該模型目前是不可用的，應(yīng)該重新建模。從膨脹因子看，VIF都小于10,各解釋變量都不存在嚴(yán)重的多重共線性，從容忍度看，容忍度接近于 0,但卻沒(méi)有小于0.1,不存在嚴(yán)重 的多重共線性。表6-4共線性診斷模型數(shù)博征值條件索引方差比例（常旦里）車型價(jià)格發(fā)動(dòng)機(jī)規(guī)格馬力軸距寬度長(zhǎng)度凈重燃料箱容量燃料效率9.1.00.00.0.001920.703.6700.00 .00.000000. .00.00.00.0.0.00233.286.1900.28 .00.0

43、10000. .00.00.00.0.0.01359.0314.000.00 .07.140000. .00.00.00.0.0.021450.05122.500.12 .30.100000. .00.00.00.0.1.05519.08935.900.27 .01.620700. .00.00.03.8.0.05608.04244.200.00 .26.057300. .00.00.01.1.7.13705.07558.400.00 .00.030001 . .00.01.29.8.0.428038001002417070103592.076.1.902751807031.0130.0017

44、470610031.0148.1002677516070001. .11.11.107.00.00.2500.0.010167088002105.0.0800158008050a.因變量：銷售量分析：由表6-4,從方差比例看，并沒(méi)有哪個(gè)特征值對(duì)應(yīng)的解釋變量的方差比例有同時(shí)存在0.7以上的，由此認(rèn)為，不存在嚴(yán)重的多重共線性。由表6-4,從條件指數(shù)看，第3, 4, 5, 6, 7, 8條件指數(shù)都大于10,說(shuō)明變 量之間確實(shí)存在多重共線型，第9, 10條件指數(shù)大于100,說(shuō)明變量之間存在嚴(yán)重 的多重共線性。綜合以上三個(gè)關(guān)于多重共線性的檢驗(yàn)， 認(rèn)為變量間存在多重共線 性。通過(guò)以上分析可知，上面的方程存

45、在一些問(wèn)題，應(yīng)重新建立回歸方程，采用向前篩選策略讓spssi動(dòng)完成解釋變量的選擇。操作步驟&結(jié)果分析II （向前篩選策略）：（1）點(diǎn)擊繪制，Y: ZRESID, X: ZPRED,標(biāo)準(zhǔn)化殘差圖：正態(tài)概率圖、 直方圖，點(diǎn)擊保存，預(yù)測(cè)值：標(biāo)準(zhǔn)化，殘差：標(biāo)準(zhǔn)化。最后點(diǎn)擊確定。（2）分析一相關(guān)一雙變量，變量選擇：Standardized Predicted ValueStandardized ResiduaJ 相關(guān)系數(shù)中， spearman丁勾。確定。表6-5模型匯總c模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差Durbin-Watson1.552 a.304.3001.115532.655 b.430.4221.013571.371a.預(yù)測(cè)變量：（常量），價(jià)格。b.預(yù)測(cè)變量：（常量，價(jià)格，軸距。c.因變量：銷售量分析：由表6-5可知，最終保留的變量有價(jià)格