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。
Std. Deviation
Minimum
Maximum
结论：男生数学成绩最高分: 95 最低分: 72 平均分:
物理成绩最高分: 87 最低分: 69 平均分:
女生数学成绩最高分: 99 最低分: 70 平均分:
物理成绩最高分: 91 最低分: 65 平均分:
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 Statistics
N Mean Std. Deviation Std. Error Mean
数学26
结论：由分析可知相伴概率为，小于显著性水平，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011.3628400
118.3065729
结论：由分析可知, 方差相同检验相伴概率为,大于显著性水平,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, 小于显著性水平，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 Statistics
Mean N Std. Deviation Std. Error Mean
Paired Samples Correlations
N Correlation Sig.
Pair 1锻炼前 & 锻炼后15.277
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。
ANOVA
产量
Sum of Squares df Mean Square F Sig.
Multiple Comparisons Dependent Variable:产量
(I) 品种(J) 品种Mean Difference
(I-J)Std. Error Sig.
95% Confidence Interval
Lower Bound Upper Bound
LSD12.509
3.773
4.289
5*.019
21.509
3.707
4.679
5*.005
31.773
2.707
4.434
5*.010
41.289
2.679
3.434
5*.002 51*.019
2*.005
3*.010
4
*.002
*. The mean difference is significant at the level.
产量
品种N Subset for alpha = 12
Student-Newman-Keuls a54
14
34
24
44
Sig..696 Means for groups in homogeneous subsets are displayed.
a. Uses Harmonic Mean Sample Size = .
结论：由以上分析可知，F统计量F(4,15)=，对应的相伴概率为，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 Effects
Dependent Variable:日生产量
Source Type III Sum of
Squares df Mean Square F Sig.
Corrected Model433.167a5.002
Intercept1
.000
equipment2.001 staff3.022 Error6
Total12
Corrected Total11
2
3
4 21
2
3
4 31
2
3
4
Based on observed means.
The error term is Mean Square(Error) = .
日生产量
员工N
Subset
12
Student-Newman-Keuls a,b23
33
43
13
Sig..070.335
日生产量
设备N
Subset
12
Student-Newman-Keuls a,b34
14
24
Sig..079
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 Factors
N
钾肥量.006
6
6
氮肥量多9
少9
Descriptive Statistics
Dependent Variable:树苗生长量
钾肥量氮肥量Mean Std. Deviation N
.00多.080213少.202073
Total.194056
多.115333
少.066583
Total.094116
多.050003
少.150003
Total.100006 Total多.119499少.229739
Total.1862618
1. Grand Mean Dependent Variable:树苗生长量
Mean Std. Error
95% Confidence Interval Lower Bound Upper Bound
少 1.906a.043
多 2.111a.041
少 1.920a.041
多 2.263a.039
少 2.244a.039
a. Covariates appearing in the model are evaluated at the following values: 树苗初
始高度 = .
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 Statistics
Mean Std. Deviation N
总收入31
消费性支出31
Correlations
总收入消费性支出
总收入Pearson Correlation1.987**
Sig. (2-tailed).000
N3131
消费性支出Pearson Correlation.987**1
Sig. (2-tailed).000
N3131
**. Correlation is significant at the level (2-tailed).
结论：由分析可知，总收入和支出的pearson相关系数为，为高度相关。
假设检验得出的相伴概率小于显著水平，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。
Correlations
Control 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.959.988
Significance
(2-tailed)
..000.000
df02929课题总数Correlation.959.944
Significance
(2-tailed)
.000..000
df29029投入高级职称的人年数Correlation.988.944
Significance
(2-tailed)
.000.000.
df29290投入高级职称的人年数投入人年数Correlation.507
Significance
(2-tailed)
..004
df028
课题总数Correlation.507
Significance
(2-tailed)
.004.
df280
a. 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。
投入人年数和课题总数相关系数为，为中度相关，可以用样本相关系数代替总体相关系数。