spss统计软件练习题及答案

23.57
78.96
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
汽车
1
2
34
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”T“比较均值”T“配对样本T检验”命令，打开“配对样本T检验”对话框。
体重与肺活量的线性回归方程为：y=6.320x-63.968
案例诊断
案例数目
标准残差
体重
预测值
残差
1
-.693
42.00
43.9351
-1.93511
2
-.537
42.00
43.4995
-1.49946
3
.075
46.00
45.7914
.20864
4
-.193
46.00
46.5401
-.54005
5
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
详3T
与序1
1'
2.55)
^55.00
2
-42,00
2/20
1 58,00
3
46.OO
2.75
H56.OO
4
-46,00
至qO\
1 eiOO
5
2?3O
158.00
6
50.00
|2.71
163.00
7
sr .00
相关性
体重
身高
肺活量
Pearson相关性
体重
1.000
.771
.800
身高
.771
1.000
.640
肺活量
.800
.640
1.000
Sig.(单侧)
体重
.002
.001
身高
.002
.012
肺活量
.001
.012
N
体重
12
12
12
身高
12
12
12
肺活量
12
12
12
显著性水平小于0.05，因此它们之间具有显著性差异水平
.699
2.79325
a.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
F
Sig.
1
回归
214.697
2Baidu Nhomakorabea
107.348
13.759
.002a
残差
70.220
9
7.802
总计
284.917
11
a.预测变量：（常量）,肺活量，身高
b.因变量：体重
模型
非标准化系数
标准系数
t
163.00
S
52OO
3 10
157.00
9
52.00
3 46
165.00
1O
52OO
2 85
H61 OO
1 1
5300
3.50
7 2
|56*00
3.00
H63 OO
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 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” 有个案”，单击继续。
1.369
.287
12
调整的预测值
44.3320
56.9053
49.4842
4.46267
12
残差
-3.60840
4.48335
.00000
2.52659
12
标准残差
Sig.
B的95.0%置信区间
B
标准误差
试用版
下限
上限
1
（常量）
-63.968
42.155
-1.517
.163
-159.329
31.393
身高
.592
.290
.439
2.040
.072
-.064
1.249
肺活量
6.320
2.626
.518
2.407
.039
.380
12.260
a.因变量：体重
体重与身高的线性回归方程为：y=0.592x-63.968
11
.342
58.00
57.0456
.95445
12
1.605
56.00
51.5167
4.48334
a.因变量：体重
残差统计量
极小值
极大值
均值
标准偏差
N
预测值
43.4995
57.0456
49.4167
4.41790
12
标准预测值
-1.339
1.727
.000
1.000
12
预测值的标准误差
.834
1.690
描述性统计量
均值
标准偏差
N
体重
49.4167
5.08935
12
身高
160.5833
3.77692
12
肺活量
2.8942
.41745
12
输入/移去的变量
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
模型
R
R方
调整R方
标准估计的误
差
1
.868a
.754
(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A
10.114
7
1.1950
.4517
轮胎B
10.271
7
1.7433
.6589
轮胎A的均值10.114小于轮胎B的均值10.271
-.462
46.00
47.2917
-1.29172
6
.113
50.00
49.6837
.31627
7
-1.113
51.00
54.1080
-3.10803
8
1.219
52.00
48.5957
3.40432
9
-1.292
52.00
55.6084
-3.60840
10
.936
52.00
49.3843
2.61575
成对样本相关系数
「N
相关系数
Sig.
对1轮胎A&轮胎B
7
.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
差分的95%置信区间
均值
标准差
均值的标准误
下限
上限
t
df
Sig.（双侧）
对1
轮胎A-轮胎B
-.1571
1.6009
.6051
-1.6377
1.3234
-.260
6
.804
单个样本统计量
N
均值
标准差
均值的标准误
元件个数
15
156.27
50.005
12.911
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
t
df
Sig.（双侧）
均值差值
差分的95%置信区间
下限
上限
元件个数
3.971
14
.001
51.267
1
208
116 210
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
步骤：输入数据后，从菜单栏选择“分析”7“比较均值”7“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。
⑶单击“绘制”按钮，选用DEPENDENTZPEAD并选择“直方图”和“正态概率图 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
49.4167
5.08935
12
身高
160.5833
3.77692
12
肺活量
2.8942
.41745
12
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