SPSS实践题习题1分析此班级不同性别的学生的物理和数学成绩的均值、最高分和最低分。
结论：男生数学成绩最高分: 95 最低分: 72 平均分: 80.08物理成绩最高分: 87 最低分: 69 平均分: 74.54 女生数学成绩最高分: 99 最低分: 70 平均分: 80.77物理成绩最高分: 91 最低分: 65 平均分: 76.15习题2分析此班级的数学成绩是否和全国平均成绩85存在显著差异。
One-Sample StatisticsN Mean Std. Deviation Std. Error Mean数学26 80.4231 7.36029 1.44347结论：由分析可知相伴概率为0.004，小于显著性水平0.05，因此拒绝零假设，即此班级数学成绩和全国平均水平85分有显著性差异习题3分析兰州市2月份的平均气温在90年代前后有无明显变化。
Group Statistics分组N Mean Std. Deviation Std. Error Mean二月份气温0 11 -4.527273 1.2034043 .36284001 18 -3.200000 1.3006786 .3065729结论：由分析可知, 方差相同检验相伴概率为0.322,大于显著性水平0.05,因此接受零假设，90年代前后2月份温度方差相同。
双侧检验相伴概率为0.011, 小于显著性水平0.05，拒绝零假设，即2月份平均气温在90年代前后有显著性差异习题4分析15个居民进行体育锻炼3个月后的体质变化。
Paired Samples StatisticsMean NStd. DeviationStd. Error MeanPair 1锻炼前 65.20 157.523 1.943 锻炼后53.27155.8731.516Paired Samples CorrelationsNCorrelationSig. Pair 1锻炼前 & 锻炼后15-.300.277结论：由分析可知，锻炼前后差值与零比较，相伴概率小于显著性水平，拒绝零假设，即锻炼前后有显著性差异习题5为了农民增收，某地区推广豌豆番茄青菜的套种生产方式。
为了寻找该种方式下最优豌豆品种，进行如下试验：选取5种不同的豌豆品种，每一品种在4块条件完全相同的田地上试种，其它施肥等田间管理措施完全一样。
根据表中数据分析不同豌豆品种对平均亩产的影响是否显著。
Multiple ComparisonsDependent Variable:产量(I) 品种(J) 品种Mean Difference(I-J) Std. Error Sig.95% Confidence IntervalLower Bound Upper BoundLSD 1 2 -13.25000 19.57166 .509 -54.9660 28.46603 -5.75000 19.57166 .773 -47.4660 35.96604 -21.50000 19.57166 .289 -63.2160 20.21605 51.50000*19.57166 .019 9.7840 93.21602 1 13.25000 19.57166 .509 -28.4660 54.96603 7.50000 19.57166 .707 -34.2160 49.21604 -8.25000 19.57166 .679 -49.9660 33.46605 64.75000*19.57166 .005 23.0340 106.46603 1 5.75000 19.57166 .773 -35.9660 47.46602 -7.50000 19.57166 .707 -49.2160 34.21604 -15.75000 19.57166 .434 -57.4660 25.96605 57.25000*19.57166 .010 15.5340 98.96604 1 21.50000 19.57166 .289 -20.2160 63.21602 8.25000 19.57166 .679 -33.4660 49.96603 15.75000 19.57166 .434 -25.9660 57.46605 73.00000*19.57166 .002 31.2840 114.71605 1 -51.50000*19.57166 .019 -93.2160 -9.78402 -64.75000*19.57166 .005 -106.4660 -23.03403 -57.25000*19.57166 .010 -98.9660 -15.53404 -73.00000*19.57166 .002 -114.7160 -31.2840 *. The mean difference is significant at the 0.05 level.结论：由以上分析可知，F统计量F(4,15)=4.306，对应的相伴概率为0.016，小于显著性水平，拒绝零假设，即不同品种豌豆与亩产量之间存在显著性差异。
1、2、3、4号品种与5号有明显差异, 5号品种产量最低, 因此购种选择前四种均可。
习题6由于时间安排紧张，公司决定安排4名员工操作设备A、B、C各一天，得到日产量数据如表所示。
试分析4名员工和3台设备是否有显著性差异，以便制定进一步的采购计划。
Tests of Between-Subjects EffectsDependent Variable:日生产量Source Type III Sum ofSquares df Mean Square F Sig.Corrected Model 433.167a 5 86.633 15.831 .002 Intercept 31212.000 1 31212.000 5703.716 .000 equipment 318.500 2 159.250 29.102 .001 staff 114.667 3 38.222 6.985 .022 Error 32.833 6 5.472Total 31678.000 12Corrected Total 466.000 11日生产量员工NSubset1 2Student-Newman-Keuls a,b 2 3 47.673 3 48.334 3 53.00 53.001 3 55.00Sig. .070 .335日生产量设备NSubset1 2Student-Newman-Keuls a,b 3 4 45.751 4 49.252 4 58.00Sig. .079 1.000结论：由以上假设检验分析可知，不同人员、不同设备各自以及他们的交互作用对日生产量都有显著影响。
由上图可知，要提高员工日生产量，应该选购设备2。
习题7数据记录了18个试验地里杨树一年生长量与施用氮肥和钾肥的关系，考虑杨树初始高度的影响，分析氮肥和钾肥的施肥量和杨树生长量之间的关系。
Between-Subjects FactorsN钾肥量.00 612.50 625.00 6氮肥量多9少9Tests of Between-Subjects Effects Dependent Variable:树苗生长量Source Type III Sum ofSquares df Mean Square F Sig.Corrected Model .538a 6 .090 19.247 .000 Intercept .627 1 .627 134.473 .000 初始高度.129 1 .129 27.602 .000 钾肥.313 2 .157 33.579 .000 氮肥.041 1 .041 8.877 .013 钾肥* 氮肥.021 2 .011 2.262 .150 Error .051 11 .005Total 77.801 18Corrected Total .590 17a. R Squared = .913 (Adjusted R Squared = .866)12.50 多 2.111a.041 2.021 2.200少 1.920a.041 1.829 2.01125.00 多 2.263a.039 2.176 2.350少 2.244a.039 2.157 2.330a. Covariates appearing in the model are evaluated at the following values: 树苗初始高度=5.6111.结论：由分析可知，剔除树苗初始高度的影响，树苗生长量与钾肥、氮肥施肥量有显著性差异。
习题8试分析表中的全国各地区城镇居民消费性支出和总收入的相关性。
Descriptive StatisticsMean Std. Deviation N总收入12273.2971 3763.84849 31消费性支出8401.4674 2388.45482 31Correlations总收入消费性支出总收入Pearson Correlation 1 .987**Sig. (2-tailed) .000N 31 31消费性支出Pearson Correlation .987** 1Sig. (2-tailed) .000N 31 31**. Correlation is significant at the 0.01 level (2-tailed).结论：由分析可知，总收入和支出的pearson相关系数为0.987，为高度相关。
假设检验得出的相伴概率小于显著水平0.01，因此拒绝零假设，即可以用样本相关系数r代替总体相关系数ρ。
习题9试分析表中各地区科研投入的人年数和课题总量之间的相关关系。
CorrelationsControl Variables 投入人年数课题总数投入高级职称的人年数-none-a投入人年数Correlation 1.000 .959 .988Significance (2-tailed) . .000 .000df 0 29 29 课题总数Correlation .959 1.000 .944Significance (2-tailed) .000 . .000df 29 0 29 投入高级职称的人年数Correlation .988 .944 1.000Significance (2-tailed) .000 .000 .df 29 29 0 投入高级职称的人年数投入人年数Correlation 1.000 .507Significance (2-tailed) . .004df 0 28课题总数Correlation .507 1.000Significance (2-tailed) .004 .df 28 0a. Cells contain zero-order (Pearson) correlations.结论：由分析可知，投入高级职称的人年数对投入人年数和课题总数都有影响，剔除它的影响，采用偏相关分析。