spss數(shù)據(jù)分析的概論 試題 答案 結(jié)果

《SPSS原理與運(yùn)用》練習(xí)題數(shù)據(jù)對應(yīng)關(guān)系：06-均值檢驗；07-方差分析；08-相關(guān)分析；09-回歸分析；10-非參數(shù)檢驗；17-作圖1、以data06-03為例，分析身高大于等于155cm的與身高小于155cm的兩組男生的體重和肺活量均值是否有顯著性。分析：一個因素有2個水平用獨立樣本t檢驗，此題即身高因素有155以上和以下2個水平，因此用獨立樣本t檢驗(analyze->comparemeans->independent-samplesTtest)。報告：一、體重①m+s:>=155cm時,m=40.838kg;s=5.117;<155cm時,m=34.133kg；s=3.816；方差齊性檢驗結(jié)果：P=0.198>0.05,說明方差齊性。t=4.056;p=0.001<0.01,說明身高大于等于155cm的與身高小于155cm的兩組男生的體重有極顯著性差異。二、肺活量①m+s:>=155cm時,m=2.404;s=0.402;<155cm時,m=2.016；s=0.423；方差齊性檢驗結(jié)果：P=0.961>0.05,說明方差齊性。t=2.512;p=0.018<0.05,說明說明身高大于等于155cm的與身高小于155cm的兩組男生的體重有顯著性差異。2、以data06-04為例，判斷體育療法對降低血壓是否有效。分析：比較前后2種情況有無顯著差異，用配對樣本t檢驗，(analyze->comparemeans->paired-samplesTtest).報告：①m+s治療前舒展壓：m=119.50;s=10.069;治療后舒展壓：m=102.50;s=11.118;相關(guān)系數(shù)correlation=0.599;p=0.067>0.05,說明體育療法與降低血壓相關(guān)。t=5.639;p=0.001v0.05,說明體育療法對降低血壓有效。3、以data07-01為例，比較四種飼料對豬體重增加的作用有無不同。分析：一個因素多個水平用單因素方差分析。(analyze->comparemeans->One-wayANOVA)。操作中，contrast不用改;post-hoc中需勾Bonferroni和S-N-K;Options中需勾第1個descriptive和第3個Homegeneityofvariancetest.報告：①m+s:A:m=133.36;s=6.808;B:m=152.04；s=6.957；C:m=189.72;s=6.350;D:m=220.78；s=6.106；方差齊性檢驗結(jié)果：F=0.024;P=0.995>0.05,說明方差齊性。F=157.467;p=0.001<0.05,說明ABCD四種飼料對豬體重增加的作用有顯著性差異。POST-HOC檢驗表明:ABCD四種飼料對豬體重增加的作用效果從高到低依次為：D>C>B>A.(如何看圖及如何排序，方法：如表格中顯示D-A=87.415;D-B=68.735;D-C=31.055,假設(shè)D=100，則易可計算出ABC的假設(shè)值，再根據(jù)假設(shè)值對ABCD進(jìn)行排序即可)4、以data07-10為例，分析四種藥物對某生化指標(biāo)有無顯著性作用。分析：對一個樣本重復(fù)測量時，作重復(fù)測量方差分析(。analyze->generallinearmodel->repeatedmeasure)操作：一、定義:factorname中填med;numberoflevels中填4;->add->define：將四個指標(biāo)一起添加到第一個框中去一》options中3個必要操作：1將med選到右邊框中去，2勾選下邊的comparemaineffect,在confidentintervaladjustment復(fù)選框中選Bonferroni；3desplay框中選第1個Des…和第2個Esti..。-＞0K報告：看結(jié)果時看第一個表descriptvestatics和第5個表testofwithin-subjectseffects表中的greenhouse-geisser結(jié)果F和Sig（即稍后要報告的p）即可m+s：服藥1后生化指標(biāo)：m=26.40；s=8.764;服藥2后生化指標(biāo)：m=15.60；s=6.542;服藥3后生化指標(biāo)：m=15.60；s=3.847;服藥4后生化指標(biāo)：m=32.00；s=8.000.F=24.759,p=0.001v0.01,說明差異顯著，四種藥物對某生化指標(biāo)有顯著性作用。且其中藥物4所起的作用最大，藥物3所起的作用最大?。〒?jù)平均值可看出來）。5、以data08-01為例，分析國民收入與城鄉(xiāng)居民儲蓄存款余額之間的關(guān)系。分析：變量間不準(zhǔn)確不穩(wěn)定的變化關(guān)系稱之為相關(guān)關(guān)系。相關(guān)分析種類很多，spss中有二列相關(guān)（Bivariate）、偏相關(guān)（partial）、距離分析（distances%類。其中的二列相關(guān)分析（Bivariate）有3種：（l）Pearson皮爾遜相關(guān)系數(shù)，即積差相關(guān)：就是2個變量標(biāo)準(zhǔn)分?jǐn)?shù)乘積的算術(shù)平均數(shù)，它用于兩個變量都是連續(xù)型變量時；⑵Kendall'stau-b:即肯德爾和諧系數(shù)，用于2（/3個以上）變量都是離散型變量時，可檢驗多個被試是否具有一致性。它分單維和雙維。⑶Speaman斯皮爾曼等級相關(guān)：用于兩變量中有1個是離散型變量時。操作：Analyze一＞Correlate一＞Bivariate（此題符合Pearson相關(guān)）1）Variables：選入這兩個變量2）Options:勾選Meansandstandarddeviations即可。報告：①m+s國民收入m=128.5452，其S=106.18753；城鄉(xiāng)居民儲蓄存款m=14.1216，s=23.79747。②相關(guān)系數(shù)r=0.976**，相關(guān)極顯著，且成正相關(guān)。以data08-03為例，判斷樹木的月生長量與月平均氣溫、月降雨量、月平均日照時數(shù)、月平均濕度這4個氣候因素的關(guān)系。分析：此題用偏相關(guān)partial，偏相關(guān)用于分析事物間是否存在潛在的關(guān)系。但作偏相關(guān)都首先需作一般相關(guān)。操作：第一步：二列相關(guān)Analyze一＞Correlate一＞Bivariate（Pearson相關(guān)）1）variables:選入所有變量2）option：Meansandstandarddeviations前打鉤。報告：①5個變量的平均數(shù)和標(biāo)準(zhǔn)差：m+s（見截圖）②樹木的月生長量與四個因子相關(guān)系數(shù)分別為：（看有無*，看*有多少）相關(guān)系數(shù)r=0.983**，相關(guān)極顯著，成正相關(guān)。相關(guān)系數(shù)r=0.709**，相關(guān)極顯著，成正相關(guān)。相關(guān)系數(shù)r=0.704*，相關(guān)顯著，成正相關(guān)。相關(guān)系數(shù)r=0.374，無顯著相關(guān)。第二步：偏相關(guān)Analyze一＞Correlate一＞Paritable（Pearson相關(guān)）1）Variables：樹木的月生長量與月平均氣溫；.000.0002）Controllingfor：月降雨量、月平均日照時數(shù)、月平均濕度做其它兩者之間的關(guān)系，操作類似，只是有點麻煩。報告：r=0.977,其他因素對樹木的月生長量與月平均氣溫之間的關(guān)系有影響；r=-0.491,…有影響；r=0.632,…有影響。（因為樹木的月生長量與月平均濕度之間無顯著相關(guān)，就沒必要再做偏相關(guān)）以data02-01為例,建立一個以初始工資、工作經(jīng)驗、受教育年數(shù)為自變量,當(dāng)前工資為因變量的回歸方程。分析：回歸表示一個變量隨另一個變量作不同程度變化的單向關(guān)系。根據(jù)自變量的多少克可分為一元回歸分析與多元回歸分析。過程：先做散點圖,判斷是用線性回歸還是曲線回歸（一般用線性回歸）操作：一、打開data,選擇REGRESSIONlinearregression，選擇因變量、自變量。二、在method中選擇stepwise三、在statistics中增加選項Rsquaredchange,descriptive報告：①目前工資的平均值是…，標(biāo)準(zhǔn)差是…初始工資的平均值是...,標(biāo)準(zhǔn)差是..工作經(jīng)驗的平均值是...,標(biāo)準(zhǔn)差是...教育年數(shù)的平均值是...,標(biāo)準(zhǔn)差是...DescriptiveStatisticsDescriptiveStatisticsMeanStd.DeviationNTOC\o"1-5"\h\zCurrentSalary34419.5717075.661474BeginningSalary17016.097870.638474EducationalLevel（years）13.492.885474MonthssinceHire81.1110.061474②.解釋力度為0.80，解釋力度很大.ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimateChangeStatisticsRSquareChangeFChangedf1df2Sig.FChangeTOC\o"1-5"\h\z.880(a).775.7748115.356.7751622.1181472.000.890(b).792.7927796.524.01840.3931471.000.895(c).801.8007645.998.00819.7281470.000Coefficients(a)1BeginningSalary1.9091BeginningSalary1.909(Constant)-7808.714BeginningSalary1.673EducationalLevel(years)(Constant)-19986.502(Constant)1928.206888.6802.170.031.047.88040.276.0001753.860-4.452.000.059.77128.423.0001020.390160.550.1726.3563236.616-6.175.000BeginningSalary1.689.058.77929.209.000EducationalLevel（years）966.107157.924.1636.118.000MonthssinceHire155.70135.055.0924.442.000aDependentVariable:CurrentSalary③回歸方程：YA=一19986.5+1.689*beginingsalary+966.107*educationallevel+155.701*monthssinceHire擲一顆六面題300次，見data10-01a，問這顆六面體是否均勻？分析：X2卡方是檢驗實際頻數(shù)與理論頻數(shù)之間差異的統(tǒng)計量。6面體如果均勻的話，6個面出現(xiàn)的頻數(shù)應(yīng)該是無顯著差異。操作：Analyse一NonparametricTests一Chi一square（卡方檢驗）將Imt加入到TestVariableList里Options勾選Descriptive報告：由結(jié)果可知X2=8.960P=0.111>0.05，說明無顯著性差異，所以，這顆六面體均勻。某研究者就目前就業(yè)情況作調(diào)查，在68名男性大學(xué)生中，39人認(rèn)為“很好”，29人認(rèn)為“不好”，在57名女性大學(xué)生中，42人認(rèn)為“不好”，15人認(rèn)為“很好”，試問大學(xué)生的態(tài)度是否與其性別有關(guān)？分析：原理同上題，理論值和實測值如果有顯著性差異，則與其有關(guān)，若無顯著性差異，則無關(guān)。操作：創(chuàng)建表：定義變量gender,attitude,num,輸入數(shù)據(jù)Dataweightcasenum選擇descriptivestatisticscrosstabsROWgender,COLUMNattidtudeSTATISTICS中選擇chi_squareCELLDISPLAY中增加選項COUNTS:EXPECTED報告：①?男性認(rèn)為很好的實測值有39人，期望值為29.4人；男性認(rèn)為不好的實測值有29人，期望值是38.6人；女性認(rèn)為很好的實測值有15人，期望值為24.6人；女性認(rèn)為不好的實測值有42人，期望值是32.6人。②卡方檢驗結(jié)果：x2=12.173,P=0.001v0.01,表明學(xué)生態(tài)度受性別影響。（看第一行PearsonChi-square那一行中的值）有甲、乙兩種藥物，獨立觀察20名患者，其中10人各服甲、乙藥物，試比較兩種藥物的療效是否不同，數(shù)據(jù)見data10-06。分析：本題采用非參數(shù)檢驗。假設(shè)檢驗的方法有參數(shù)檢驗和非參數(shù)檢驗2種。參數(shù)檢驗是根據(jù)樣本信息對相應(yīng)的總體參數(shù)的假設(shè)檢驗。它對數(shù)據(jù)要求高，如總體呈正態(tài)或近正態(tài)分布。但實際研究中出現(xiàn)總體狀態(tài)不明，或總體狀態(tài)呈非正態(tài)分布時，此時可采用非參數(shù)檢驗。操作1）analyse一NonparametricTest—2Independentsamplestest;2）將ycss加入testvariablelist框中，將zb加入grooupingvariable中，在definegroup中定義分組；（在group中分別輸入1、2）3testtype中四個選項全選，option中選擇descriptive報告：①m+s:ycss:m=1.625;s=1.9655;Zb:m=1.50;s=0.513;②四種檢驗的P值如下：Mann-WhitneyTest檢驗：P1=0.036<0.05表明差異顯著.P2=0.035<0.05表明差異顯著。2）Moses-Test檢驗有2個P值，Pl=0.291>0.05表明差異不顯著；P2=0.686>0.05,表明差異不顯著。3）Two-SampleKolmogorov-SmirnovTest檢驗：P=0.164>0.05，表明差異不顯著。4）Wald-WolfowitzTest檢驗:P（min）=0.019v0.05表明差異顯著。P（max）=0.414>0.05表明差異不顯著。綜合以上各種檢驗的P值來看，這兩種藥物之間的療效差異不顯著。11、以data17-01數(shù)據(jù)文件生成1985-1994年某個城市12個月份平均氣溫的簡單條形圖。第11題：以data17-01數(shù)據(jù)文件生成1985-1994年某個城市12個月份平均氣溫的簡單條形圖。操作：1.題目分析：因為只有一個城市，所以用簡單的畫圖Graphs-bar（選第一個sample）圓坨坨選最后一個otherstatistic把北京選入第一個框框variable將月份選入第二個框框categoryaxis結(jié)果：這是以北京市的情況為例的。12、以data17-07數(shù)據(jù)文件為例，分別生成1993年俄羅斯每季度失業(yè)人口情況和部分獨聯(lián)體國家失業(yè)人口情況的圓圖。步驟：題目分析：本題有兩問1993年俄羅斯每季度失業(yè)人口情況，因為只有一個國家，所以用簡單的畫圖Graphs-pie（選第一個sample）圓坨坨選最后一個otherstatistic把俄羅斯選入第一個框框variable將季節(jié)選入第二個框框defineslices這是第一問，俄羅斯的情況1.部分獨聯(lián)體國家失業(yè)人口情況的圓圖，因為只有一個國家，所以用第二個畫圖2.Graphs-pie（選第二個separate）3.把部分獨聯(lián)體國家選入第一個大框框slicesrepresentUnit1SPSSforWindows軟件有幾種運(yùn)行方式？什么是混合運(yùn)行方式，它有什么特點？SPSSforWindows有幾種類型的窗口，每個窗口主要功能是什么？答：3種，數(shù)據(jù)窗口（處理數(shù)據(jù)）；結(jié)果窗口（顯示結(jié)果）；語句窗口（用來編程）什么是輸出窗（或語句窗）的主窗，什么是主窗的標(biāo)志？怎樣把非主窗變成主窗？分出主窗和非主窗的作用是什么？以輸出窗為例說明之。通過什么菜單項設(shè)置系統(tǒng)參數(shù)？Edit中的OptionsSPSS的統(tǒng)計分析功能分布在何處？Analyze從何處可以獲得幫助信息？系統(tǒng)提供的幫助有幾種形式？7種：Topics；Tutorial；StatisticsCoach；對話框中的右鍵幫助；選擇項的右鍵幫助；輸出項的右鍵幫助；統(tǒng)計量解釋的右鍵幫助Unit41.均值比較的T檢驗分幾種類型？各自檢驗的假設(shè)是什么？單一樣本t檢驗，檢驗單個變量的均值是否與給定的常數(shù)之間存在差異。即樣本均值與總體均值相等的假設(shè)。兩個獨立樣本的t檢驗用于檢驗兩個不相關(guān)的樣本來自具有相同均值的總體。配對樣本t檢驗（PairedSampleTtest）用于檢驗兩個相關(guān)的樣本是否來自具有相同均值的總體。要使用T檢驗進(jìn)行均值比較的變量，應(yīng)該具有怎樣的分布特征？變量應(yīng)該是正態(tài)分布的。如果分析變量明顯是非正態(tài)分布的，應(yīng)該選擇非參數(shù)檢驗過程。3?獨立樣本T檢驗對變量的齊性有什么要求？被檢驗的兩個樣本方差要求具有齊性，如果不齊，使用校正公式計算T值和自由度。因此，在輸出結(jié)果中，應(yīng)該先檢查方差齊性，根據(jù)齊性的結(jié)果，在輸出表格中選擇T檢驗的結(jié)果。Unit5簡述方差分析的基本思想。用簡單的表達(dá)式表示單因素方差分析的偏差平方和分解。通過分析研究中不同來源的變異對總變異的貢獻(xiàn)大小，從而確定可控因素對研究結(jié)果影響力的大小。方差分析的假定的前提條件有哪些？（1）各處理條件下的樣本是隨機(jī)的。（2）樣本是相互獨立的，否則可能出現(xiàn)無法解析的輸出結(jié)果。（3樣本分別來自正態(tài)分布總體，否則使用非參數(shù)分析。（4）方差齊性。什么是主效應(yīng)？什么是交互效應(yīng)？一個因素的水平之間的平均數(shù)差異，稱為該因素的主效應(yīng)。當(dāng)研究設(shè)計被呈現(xiàn)為一個矩陣，并且第一個因素定義行，第二個因素定義列的時候，行與行之間的平均數(shù)差異描述就是第一個因素的主效應(yīng)，列之間的平均數(shù)差異描述的是第二個因素的主效應(yīng)當(dāng)被試處理情境之間或單元之間的平均數(shù)差異顯著不同于因素的全部主效應(yīng)時，雙因素之間的交互作用就發(fā)生了?；蛘呖梢赃@樣理解，當(dāng)雙因素實驗研究的結(jié)果以圖形呈現(xiàn)的時候，如果存在不平行的折線，則說明存在交互作用簡述協(xié)方差分析的基本思想。統(tǒng)計復(fù)習(xí)題目一?某公司管理人員為了解某化妝品在一個城市的月銷售量Y（單位：箱）與該城市中適合使用該化妝品的人數(shù)X（單位：千人）以及他們?nèi)司率杖隭（單位：元）之間的關(guān)系,12在某個月中對15個城市做調(diào)查，得上述各量的觀測值如表A1所示?假設(shè)Y與X,X之間12滿足線性回歸關(guān)系y二B+Px+Px+￡,i二1,2,,15i01i12i2i其中￡獨立同分布于N(0,b2).i(1)求回歸系數(shù)P,P,P的最小二乘估計值和誤差方差b2的估計值，寫出回歸方程并對回012歸系數(shù)作解釋；analyze-regression-linear,ytodependent,x1x2toindepents‘statistics-confidenceintervals,save-unstandardized.Predictionindividual-individual.okCoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.95%ConfidenceIntervalforBBStd.ErrorBetaLowerBoundUpperBound1(Constant)3.4532.4311.420.181-1.8438.749x1.496.006.93481.924.000.483.509x2.009.001.1089.502.000.007a.DependentVariable:yANOVAbModelSumofSquaresdfMeanSquareFSig.1Regression53844.716226922.3585.679E3.000aResidual56.884124.740Total53901.60014Predictors:(Constant),x2,x1DependentVariable:y回歸系數(shù)p,p,p的最小二乘估計值和誤差方差b2的估計值分別為：3.453,0.496,0.009和012b2=4.740.回歸方程為y=0.496*x1+0.009*x2+3.453回歸系數(shù)解釋：3.453可理解為化妝品的月基本銷售量，當(dāng)人均月收入X固定時，適合使2用該化妝品的人數(shù)X每提高一個單位，月銷售量Y將增加0.496個單位；當(dāng)適合使用該化1妝品的人數(shù)X固定時，人均月收入X每提高一個單位，月銷售量Y將增加0.009個單位12(2)求出方差分析表，解釋對線性回歸關(guān)系顯著性檢驗的結(jié)果.求復(fù)相關(guān)系數(shù)的平方R2的值并解釋其意義；ANOVAbModelSumofSquaresdfMeanSquareFSig.1Regression53844.716226922.3585.679E3.000aResidual56.884124.740Total53901.60014Predictors:(Constant),x2,x1DependentVariable:yModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.999a.999.9992.17722a.Predictors:(Constant),x2,x1由于p值=0.000v0.05，所以回歸關(guān)系顯著.R2值=0.999,說明Y與X,X之間的線性回歸12關(guān)系是高度顯著的…分別求卩］和卩2的置信度為0.95的置信區(qū)間；coefficients的后面部分.卩和卩的置信度為0.95的置信區(qū)間分別為(0.483，0.509)，12(0.007,0.011)對a二0.05,分別檢驗人數(shù)X及收入X對銷量Y的影響是否顯著；12由于系數(shù)卩，0對應(yīng)的檢驗P值分別為0.000,0.000都小于0.05，所以適合使用該化妝品12的人數(shù)X和人均月收入X對月銷售量Y的影響是顯著的12該公司欲在一個適宜使用該化妝品的人數(shù)兀小=220，人均月收入x02=2500的新城市中銷售該化妝品，求其銷量的預(yù)測值及置信為0.95的置信區(qū)間.Y的預(yù)測值及置信度為0.95的置信區(qū)間分別為：135.5741和(130.59977，140.54305)在數(shù)據(jù)表中直接可以看見、某班42名男女學(xué)生全部參加大學(xué)英語四級水平考試，數(shù)據(jù)如下：(數(shù)據(jù)表為A2)不合格1合格2男生1262女生286問男女生在英語學(xué)習(xí)水平上有無顯著差異？單擊weightcases-weightcasesby_x,ok,analyze-descriptivestatistics-crosstabs,(列聯(lián)表分析)sextorows,scoretocolumn,exact-exact,statisticschi-square,ok.Chi-SquareTestsValuedfAsymp.Sig.(2-sided)ExactSig.(2-sided)ExactSig.(1-sided)PointProbabilityPearsonChi-Square7.721a1.005.010.010ContinuityCorrectionB5.5781.018LikelihoodRatio7.3691.007.037.010Fisher'sExactTest.010.010Linear-by-LinearAssociation7.537c1.006.010.010.010NofValidCases421cells(25.0%)haveexpectedcountlessthan5.Theminimumexpectedcountis2.67.Computedonlyfora2x2tableThestandardizedstatisticis2.745.原假設(shè)不顯著，看這個（Asymp.Sig.（2-sided））。PearsonChi-Square（卡方檢驗）andLikelihoodRatio（似然比）all<0.05男女生在英語學(xué)習(xí)水平上差異是顯著的三、將一塊耕地等分為24個小區(qū)，今有3種不同的小麥品種（d）和2種不同的肥料（B1,B2）,現(xiàn)將各小麥品種與各種肥料進(jìn)行搭配，對每種搭配都在4個小區(qū)上試驗，測得每個小區(qū)產(chǎn)量的數(shù)據(jù)如表A3所示.（1）假設(shè)所給數(shù)據(jù)服從方差分析模型，建立方差分析表,A與B的交互效應(yīng)在?二0.05下是否顯著？3.0???Analyze-generallinearmodel-univariate,xtodependentvariable?andbtofixedfactor,okTestsofBetween-SubjectsEffectsDependentVariable:x

SourceTypeIIISumofSquaresdfMeanSquareFSig.CorrectedModel263.333a552.66721.545.0003650.66713650.6671.493E3.000a190.333295.16738.932.000b54.000154.00022.091.000a*b19.00029.5003.886.040Error44.000182.444Total3958.00024CorrectedTotal307.33323a.RSquared=.857(AdjustedRSquared=.817)由于交互效應(yīng)檢驗P值=0.04v0.05，所以小麥(A)與肥料(B)之間的交互效應(yīng)是顯著的.(2)若A與B的交互效應(yīng)顯著，分別就B的各水平B.(i=1,2)，給出在A的各水平A.上ij的均值卩..的置信度為0.95的置信區(qū)間以及兩兩之差的置信度不小于0.95的Bonferroni同ij時置信區(qū)間.3.1???.Analyze-generallinearmodel-univariate,xtodependentvariable?tofixedfactor,posthoc-atoposthoctestsfor,bonferroni,options-atodisplaymeansfor.okaDependentVariable*aMeanStd.Error95%ConfidenceIntervalLowerBoundUpperBound19.000.6877.44510.555210.000.6878.44511.555313.500.68711.94515.055MultipleComparisonsxBonferroni(I)a(J)aMeanDifference(I-J)Std.ErrorSig.95%ConfidenceIntervalLowerBoundUpperBound12-1.00.972.991-3.851.853-4.50*.972.004-7.35-1.65211.00.972.991-1.853.853-3.50*.972.017-6.35-.65314.50*.972.0041.657.35

23.50*.972.017.656.35)Basedonobservedmeans.TheerrortermisMeanSquare(Error)=1.889.*.Themeandifferenceissignificantatthe.05level.固定肥料的Bi水平，叫2‘匕的置信度為0.95的置信區(qū)間分別為(7.445,10.555),(8.445,11.555),(11.945,15.055);%~^i2%一匕'卩12一匕的置信度不小于0.95的Bonferroni同時置信區(qū)間分別為(-3.85,1.85),(-7.35,-1.65),(-6.35,-0.65)2.Analyze-generallinearmodel-univariate,xtodependentvariable,atofixedfactor,posthoc-atoposthoctestsfor,bonferroni,options-atodisplaymeansfor,.okaDependentVariable*aMeanStd.Error95%ConfidenceIntervalLowerBoundUpperBound110.500.8668.54112.459212.000.86610.04113.959319.000.86617.04120.959MultipleComparisonsxBonferroni(I)a(J)aMeanDifference(I-J)Std.ErrorSig.95%ConfidenceIntervalLowerBoundUpperBound12-1.501.225.755-5.092.093-8.50*1.225.000-12.09-4.91211.501.225.755-2.095.093-7.00*1.225.001-10.59-3.41318.50*1.225.0004.9112.0927.00*1.225.0013.4110.59Basedonobservedmeans.TheerrortermisMeanSquare(Error)=3.000.*.Themeandifferenceissignificantatthe.05level.固定肥料的B水平，卩,卩,卩的置信度為0.95的置信區(qū)間分別2212223(8.541,12.459),(10.041,13.959),(17.041,20.959)卩―卩,卩―卩,卩―卩的置信度不小212221232223于0.95的Bonferroni同時置信區(qū)間分別為(-5.09,2.09),(-12.09,-4.91),(-10.59,-3.41)四、數(shù)據(jù)表A4給出了我國31個省市自治區(qū)的的經(jīng)濟(jì)發(fā)展?fàn)顩r，所考察的八個指標(biāo)為：x:1地區(qū)生產(chǎn)總值；x:居民消費(fèi)水平；x:基本建設(shè)投資；x職工平均工資；x:居民消2345費(fèi)價格指數(shù)；x:商品零售價格指數(shù)；x:貨物周轉(zhuǎn)量；x:工業(yè)總產(chǎn)值。678(1)從樣本相關(guān)系數(shù)矩陣R出發(fā)做主成分分析，求各主成分的貢獻(xiàn)率及前三個主成分的累計貢獻(xiàn)率；求出前三個主成分的表達(dá)式。Analyze-data-reduction-factor將八個成分全部選入variables，extraction-extract-numberoffactors-8,okTotalVarianceExplainedComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%13.74146.76146.7613.74146.76146.76122.39429.92676.6872.39429.92676.6873.7389.23185.918.7389.23185.9184.4806.00691.9235.4375.46697.3896.1421.77699.1657.060.74599.9108.007.090100.000ExtractionMethod:PrincipalComponentAnalysis.ComponentMatrixaComponent12345678地區(qū)生產(chǎn)總值.814.556-.116.031-.035-.028-.094-.061居民消費(fèi)水平.766-.493.195-.076.212-.285.005.006基本建設(shè)投資.785.558-.141.085-.083-.013.196.003職工平均工資.604-.572.016.465.264.149-.002-.002居民消費(fèi)價格指數(shù)-.314.599.666.298-.091-.051-.007.001商品零售價格指數(shù)-.397.721-.006-.131.552.029.013.000貨物周轉(zhuǎn)量.761-.181.458-.380-.005.185.017-.004工業(yè)總產(chǎn)值.823.540-.116.020-.042.019-.109.058Undefinederror#11401-Cannotopentextfile"F:\SPSS\spss\lang\en\spss.err":Nosuchfileordirea.8componentsextracted.各主成分的貢獻(xiàn)率分別為46.761%，29.926%，9.231%，6.006%，5.466%，1.776%，0.745%，0.09%.前三個主成分的累計貢獻(xiàn)率為85.918%.y1=0.814x1+0.766x2+0.785x3+0.604x4-0.314x5-0.397x6+0.761x7+0.823x8y2=0.556x1-0.493x2+0.558x3-0.572x4+0.599x5+0.721x6-0.181x7+0.540x8y3=-0.116x1+0.195x2-0.141x3+0.016x4+0.666x5-0.006x6+0.458x7-0.116x8(2)本相關(guān)系數(shù)矩陣R出發(fā)做因子分析，提取三個公共因子Fl,F2,F3,說明每個公共因子各由哪些指標(biāo)解釋，并解釋每個公共因子的具體意義。1.求出三個公共因子Fl，F(xiàn)2，F(xiàn)3的表達(dá)式。Analyze-data-reduction-factor將八個成分全部選入variables,extraction-extract-numberoffactors-3,descriptives-correlationmatrixcoefficients,rotation-method-varimax,scores-saveasvariables,displayfactorscorecoefficientmatrix,okComponentScoreCoefficientMatrixComponent123地區(qū)生產(chǎn)總值.341-.075-.062居民消費(fèi)水平-.031.380.092基本建設(shè)投資.343-.097-.089職工平均工資-.036.258-.125居民消費(fèi)價格指數(shù)-.085.220.910商品零售價格指數(shù).114-.254.157貨物周轉(zhuǎn)量-.021.468.460工業(yè)總產(chǎn)值.339-.069-.065Undefinederror#11401-Cannotopentextfile"F:\SPSS\spss\lang\en\spss.err":NosuchfileordireUndefinederror#11408-Cannotopentextfile"F:\SPSS\spss\lang\en\spss.err":NosuchfileordireF1=0.341x1-0.031x2+0.343x3-0.036x4-0.085x5+0.114x6-0.021x7+0.339x8F2=-0.075x1+0.38x2-0.097x3+0.258x4+0.22x5-0.254x6+0.468x7-0.069x8F2=-0.062x1+0.092x2-0.089x3-0.125x4+0.910x5+0.157x6+0.460x7-0.065x82?根據(jù)三個公共因子Fl，F(xiàn)2,F3的得分，對31個省市自治區(qū)進(jìn)行分層聚類分析，要求樣本間用歐氏平方距離，類間用類內(nèi)平均連接法，如果聚為4類，寫出每一類成員。Analyze-classify-hierarchicalcluster,Fl.F2.F3tovariables,地區(qū)tolabelcasesby,statistics-clustermembership-singlesolution-numberofcluster-4.method-clustermethod-medianclustering,save-clustermembership-singlesolution-numberofcluster-4.ok分類在表的最后一列可以讀出。五、表B1給出了煤凈化過程的一組數(shù)據(jù)，Y為凈化后煤溶液中所含雜質(zhì)的重量，這是衡量凈化效率的指標(biāo)，XI表示輸入凈化過程的溶液所含的煤與雜質(zhì)的比,,X2是溶液的PH值，X3是溶液的流量。假設(shè)Y與X，X和X之間滿足線性回歸關(guān)系123y二B+Px+Px+P+￡,i二1,2,,12i01i12i2i3i其中￡獨立同分布于N(0,b2).i(1)求回歸系數(shù)P0’P1,P2P3的最小二乘估計值和誤差方差^2的估計值，寫出回歸方程并對回歸系數(shù)作解釋；analyze-regression-linear,ytodependent,x1x2x3toindependent,statistics-confidenceintervals,save-unstandardized.Predictionindividual-individual.okCoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.95%ConfidenceIntervalforBBStd.ErrorBetaLowerBoundUpperBound1(Constant)397.08762.7576.327.000252.370541.805x1-110.75014.762-.841-7.502.000-144.792-76.708x215.5834.921.3553.167.0134.23626.931x3-.058.026-.255-2.274.053-.117.001a.DependentVariable:yANOVAbModelSumofSquaresdfMeanSquareFSig.1Regression31156.024310385.34123.827.000aResidual3486.8928435.862Total34642.91711Predictors:(Constant),x3,x2,x1DependentVariable:y回歸系數(shù)P,P,P,P的最小二乘估計值和誤差方差b2的估計值分別0123為:397.087,-110.75,15.583,-0.058和435.862y=-110.750*x1+15.583*x2-0.058*x3+397.087回歸系數(shù)解釋：397.087可理解為雜質(zhì)的基本重量，當(dāng)PH值X和溶液流量X固定時，輸23入凈化過程的溶液所含的煤與雜質(zhì)的比X每提高一個單位，雜質(zhì)的重量Y將減少110.751個單位；當(dāng)輸入凈化過程的溶液所含的煤與雜質(zhì)的比X和溶液流量X固定時,PH值X每132提高一個單位，雜質(zhì)的重量Y將增加15.583個單位；當(dāng)輸入凈化過程的溶液所含的煤與雜質(zhì)的比X和PH值X固定時，溶液流量X每提高一個單位，雜質(zhì)的重量Y將減少0.058123個單位。(2)求出方差分析表，解釋對線性回歸關(guān)系顯著性檢驗的結(jié)果.求復(fù)相關(guān)系數(shù)的平方R2的值并解釋其意義；ANOVAbModelSumofSquaresdfMeanSquareFSig.1Regression31156.024310385.34123.827.000aResidual3486.8928435.862Total34642.91711Predictors:(Constant),x3,x2,x1DependentVariable:yModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.948a.899.86220.87730a.Predictors:(Constant),x3,x2,x1由于p值=0.000v0.05，所以回歸關(guān)系顯著R2值=0.899,說明Y與X，X，X之間的線性123回歸關(guān)系是顯著的(3)分別求0，卩和P的置信度為0.95的置信區(qū)間；123coefficients的后面部分0，丨和0的置信度為0.95的置信區(qū)間分別為(-144.792,-76.708),123(4.236，26.931)，(-0.117，0.001)⑷對a二0.05，分別檢驗X，X和X對Y的影響是否顯著；123由于系數(shù)0,0對應(yīng)的檢驗P值分別為0.000,0.013都小于0.05，所以X和X對Y的1212影響是顯著的.而0對應(yīng)的檢驗P值為0.053大于0.05，所以X對Y的影響是不顯著的。33⑸若有X，X，X的值（x,x,x）二（2,8,1400），求Y的預(yù)測值及置信度為0.95的123010203置信區(qū)間.Y的預(yù)測值及置信度為0.95的置信區(qū)間分別為：218.64484和（166.93687，270.35282）在數(shù)據(jù)表中直接可以看見六、考察四種不同催化劑對某一化工產(chǎn)品得率的影響，在四種不同催化劑下分別做了6次實驗，得數(shù)據(jù)如表B2所示.假定各種催化劑下產(chǎn)品的得率服從同方差的正態(tài)分布，試在q二0.05下，檢驗四種不同催化劑對該化工產(chǎn)品的得率有無顯著影響.要寫出方差分析表。方差分析表:Analyze—comparemeans-one-wayanova,xtodependentlist,atofactor,okANOVAxSumofSquaresdfMeanSquareFSig.BetweenGroups.0063.0021.306.300WithinGroups.03020.001Total.03623由于檢驗P值=0.300>0.05，所以認(rèn)為四種不同催化劑對該化工產(chǎn)品的得率在水平0.05下無顯著差異。七、為了研制一種治療枯草熱病的藥物，將兩種成分（A和B）各按三種不同劑量（低、中、高）混合，將36位自愿受試患者隨機(jī)分為9組，每組4人服用各種劑量混合下的藥物，記錄其病情緩解的時間（單位：小時）數(shù)據(jù)如表B3所示.（1）假設(shè)所給數(shù)據(jù)服從方差分析模型，建立方差分析表,A與B的交互效應(yīng)在?二0.05下是否顯著？B3.0....Analyze-generallinearmodel-univariate,xtodependentvariable?andbtofixedfactor,okTestsofBetween-SubjectsEffectsDependentVariable*SourceTypeIIISumofSquaresdfMeanSquareFSig.CorrectedModel373.105a846.638774.910.0001857.61011857.6103.086E4.000a220.0202110.0101.828E3.000b123.660261.8301.027E3.000

a*b29.42547.356122.227.000Error1.62527.060Total2232.34036CorrectedTotal374.73035a.RSquared=.996(AdjustedRSquared=.994)交互效應(yīng)檢驗P值=0.000v0.05，所以成分(A)與成分(B)之間的交互效應(yīng)是顯著的(2)若A與B的交互效應(yīng)顯著，分別就A的各水平A.(I二1,2,3)，給出在B的各水平Bij上的均值卩的置信度為0.95的置信區(qū)間以及兩兩之差的置信度不小于0.95的Bonferroniij同時置信區(qū)間.B3.1???.Analyze-generallinearmodel-univariate,xtodependentvariablestofixedfactor,posthoc-atoposthoctestsfor,bonferroni,options-atodisplaymeansfor.okDependentVariable*bMeanStd.Error95%ConfidenceIntervalLowerBoundUpperBound12.475.1102.2262.72424.600.1104.3514.84934.575.1104.3264.824MultipleComparisonsxBonferroni(I)b(J)bMeanDifference(l-J)Std.ErrorSig.95%ConfidenceIntervalLowerBoundUpperBound12-2.1250*.15546.000-2.5810-1.66903-2.1000*.15546.000-2.5560-1.6440212.1250*.15546.0001.66902.58103.0250.155461.000-.4310.4810312.1000*.15546.0001.64402.55602-.0250.155461.000-.4810.4310Basedonobservedmeans.TheerrortermisMeanSquare(Error)=.048.*.Themeandifferenceissignificantatthe.05level.固定成分(A)的Ai水平，匕'匕的置信度為0.95的置信區(qū)間分別為(2.226,2.724),(4.351,4.849),(4.326,4.824);71—卩12‘71—卩13‘卩12—卩13的置信度不小于0.95的Bonferroni同時置信區(qū)間分別為(-2.581,-1.669),(-2.556,-1.644),(-0.431,0.481)B3.2???.Analyze-generallinearmodel-univariate,xtodependentvariablestofixedfactor,posthoc-atoposthoctestsfor,bonferroni,options-atodisplaymeansfor.okbDependentVariable*bMeanStd.Error95%ConfidenceIntervalLowerBoundUpperBound15.450.1275.1625.73828.925.1278.6379.21339.125.1278.8379.413MultipleComparisonsxBonferroni(I)b(J)bMeanDifference(I-J)Std.ErrorSig.95%ConfidenceIntervalLowerBoundUpperBound12-3.4750*.18028.000-4.0038-2.94623-3.6750*.18028.000-4.2038-3.1462213.4750*.18028.0002.94624.00383-.2000.18028.888-.7288.3288313.6750*.18028.0003.14624.20382.2000.18028.888-.3288.7288Basedonobservedmeans.TheerrortermisMeanSquare(Error)=.065.*.Themeandifferenceissignificantatthe.05level.固定成分(A)的A2水平，^21'^22'巴3的置信度為0.95的置信區(qū)間分別為(5.162,5.738),(8.637,9.213),(8.837,9.413)；巴1—卩22’卩21—巴3’卩22—卩23的置信度不小于0.95的Bonferroni同時置信區(qū)間分別為(-4.0038,-2.9462),(-4.2038,-3.1462),(-0.7288,0.3288)

B3.3???.Analyze-generallinearmodel-univariate,xtodependentvariablestofixedfactor,posthoc-atoposthoctestsfor,bonferroni,options-atodisplaymeansfor.okDependentVariable*bMeanStd.Error95%ConfidenceIntervalLowerBoundUpperBound15.975.1305.6826.268210.275.1309.98210.568313.250.13012.95713.543MultipleComparisonsxBonferroni(I)b(J)bMeanDifference(I-J)Std.ErrorSig.95%ConfidenceIntervalLowerBoundUpperBound12-4.3000*.18333.000-4.8378-3.76223-7.2750*.18333.000-7.8128-6.7372214.3000*.18333.0003.76224.83783-2.9750*.18333.000-3.5128-2.4372317.2750*.18333.0006.73727.812822.9750*.18333.0002.43723.5128Basedonobservedmeans.TheerrortermisMeanSquare(Error)=.067.*.Themeandifferenceissignificantatthe.05level.固定成分(A)的A水平，卩,卩,卩的置信度為0.95的置信區(qū)間分別為TOC\o"1-5"\h\z3313233(5.682,6.268),(9.982,10.568),(12.957,13.543)屮—卩,卩—卩,卩—卩的置信度不小于3132313332330.95的Bonferroni同時置信區(qū)間分別為(-4.8378,-3.7622),(-7.8128,-6.7372),(-3.5128,-2.4372).八、表B4給出了1991年我國30個省、區(qū)、市城鎮(zhèn)居民的月平均消費(fèi)數(shù)據(jù)，所考察的八個指標(biāo)如下(單位均為元/人)x:人均糧食支出；x:人均副食支出；x:人均煙酒茶支出；123x