《用SPSS对数据进行分析》由会员分享，可在线阅读，更多相关《用SPSS对数据进行分析（10页珍藏版）》请在人人文库网上搜索。

1、1. 某轮胎厂的质量分析报告中说明，该厂某轮胎的平均寿命在一定的载重负荷与正常行驶条件下会大丁 25000公里。平均轮胎寿命的公里数近似服从正态分布。现对该厂的这种轮胎抽取一容量为15个的样本如下，能否作出结论：该产品与申报的质量标准是否相符？2, 3, 1, 2, 2, 3, 2, 26000单个样本统计量N均值标准差均值的标准误V636.单个样本检验检验值=25000tdfSig.（双侧）均值

2、差值差分的95% 置信区间下限上限V11.0.000-567.表一表示有15个变量，平均值为27000,样本数据分布的标准差为,样本均值分布的标准误差为.表二表示即在假设总体轮胎的寿命为25000公里的情况下，计算 T统计量为1.671，自由度为14,双侧检验为 0.117,样本均值与假设的差为20000，样本均值与原假设的差的95%的置信区间为-567.78 , 4567.78 。也就是说，在总体均值为25000公里的情况下，抽出的样本均值为 27000平方米的概率大于等于 0.117,2. 某物质在处理前与处理后分别

假定处理前后的含脂率都服从正态分布，且方差相同。问：处理前后的含脂率的是否有显著变化？组统计量VAR00002N均值标准差均值的标准误含脂率1.007....02204独立样本检验方差方程的Levene检验均值方程的t检验差分的95%置信区间FSig.tdfSig.（双侧）均值差值标准误差值下限上限含

4、脂率假设方差相等假设方差不相等1.193..050...0.表1是分1, 2进行的描述统计。其内容的解释与单个样本描述统计的解释完全相I表2是两组平均数差异的 T检验结果。下面对表中各项的内容解释如下： 等方差假定。也就是检验的原假设为两总体分布的方差相等。 方差齐性检验。采用T检验的方法对两个总体的均值差进行检验的前提条件是两个总体分布的方差必须相等。但如果是大样本，则对方差齐性不作要求。从该题的检验结果看，F值为1.193,显著性水平为0.295>

5、0.05,可以接受两总体为等方差的假设。 均值相等的T检验。从该题的检验结果看， t值为23.293,显著性水平为 0.39，远远大于0.05,可以接受两个总体均值相等的假设。两个总体的均值差为0.9571，均值差的标准误差为 0.4174,均值差的95%的置信区间为0.00553 , 0.18590。检验的结论为：处理前后的含脂率的均值差异显著。3. 某单位研究饮食中缺乏维生素 E与肝中维生素A含量的关系。将同种届的大白鼠按性 别相同、年龄体重相近者配成对，共8对，并将每对中的两头动物随机分到正常饲料组 和维生素E缺乏组。一定时期后，将大白鼠杀死测得其肝中维生素 A的含量。结果如下 表，问：

6、不同饲料的大白鼠中维生素 A含量有无差别？大白鼠对号正常饲料组维生素A缺之组成对样本统计量均值N标准差均值的标准误对1 正常饲料组2.32维生素A缺乏组5.20成对样本相关系数N相关系数Sig.对1正常饲料组 &维生素A缺乏组8.584.129成对样本检验成对差分tdfSig.（双侧）均值标准差均值的标准误差分的95% 置信区间下限上限对1正常饲料组

7、-维 生素A缺乏组812.55.4表1是配对样本的描述统计。其内容的解释与单个样本描述统计的解释完全相同 表2是配对样本的相关分析结果。两个变量的相关系数为0.5844,显著性水平为 0.129。总体的相关不是很显著的。表3是配对样本的T检验结果。两个变量差的均值是812.5。标准差为。均值标准误为193.12977。差分为95%的置信区间是355.82067 , 。T是T统计量的计算结果。Df是自由度。Sig.2-tailed是双为检验的显著性水平。从表中输

8、出的数据看，双侧检验为0.004小于0.05,所以有无维生素 A前后，大白鼠的变化是相当显著的。也就是说不同饲料的大白鼠中维生素A含量差别是显著的4.

统计量df1df2显著性2.用力肺活量ANOVA平方和df均方F显著性组间组内总数9..3.0表2是方差齐次性检验结果。从表2中可以看出，F值（levene Sta

10、tistic）为2.852,显著性 水平为0.75，两个自由度分别为2和28。由丁显著性水平大丁 0.05,所以可以接受分析 变量在自变量的各个不同影响因素上的分布是等方差的 .表3是方差分析的结果。从表3中可以看出，平均组间平方和为9.266,平均组内平方和为1.534,F值为84.544,显著性水平为0.000。由于显著性水平远远小于0.05,可以认为不同人群的用力肺活量是有显著差异的。描述统计描述统计量N极小值极大值均值标准差方差V2有效的N （列表状态）4..480由于变量没有缺失值，所以变量有效数据为25个，有表看出健康男子的血清总胆固醇值

11、最大值为6.14,最小值为3.18，平均血清总胆固醇值为4.4752,健康男子的血清总胆固醇值的标准差和方差分别为 0.69249 和 0.480 ,1.描述性统计量均值标准差N公路平均速度58.2公路死亡增长百分比12.2相关性公路平均速度公路死亡增长百分比公路平均速度Pearson相关性1*.900显著性（双侧）.000平方与叉积的和352.协方差32.12公路死亡增长百分比Pearson相关性*.9001显著性（双侧）.000平方与叉积的和371.协方差33.

12、N1212*.在.01水平（双侧）上显著相关。表1的内容就是两个变量的平均值、标准差和个案数.表2是以交义表的形式表现的相关分析的结果，Pearson Correlation皮尔逊相关系数。在 它右侧“公路平均速度” 一列中对应的数据为1.000,这是“公路平均速度”与“公路平均速度”的相关系数。由丁使用同一个变量计算相关，数据完全一一对应，所以计算 的相关系数为1。在“公路死亡增长白分比”下面对应的数据为 0.9,这是“公路平均速 度”与“公路死亡增长白分比”的皮尔逊相关系数。Sig. （2-tailed）是双尾检验的显著性水平。可以看出，相关系数 0.9的显著性水平 为0.000,表明总体

13、中两个变量的相关是显著的。从输出的情况来看，“住房面积”和“家月收入”呈正相关，其相关系数为0.9,在总体中这个相关系数在 0.01的水平上是显著的。2.输入/移去的变量模型输入的变量移去的变量方法1体重a.输入a. 已输入所有请求的变量。b. 因变量：肺活量表1表明只有一个自变量“体重”进入了模型模型汇总模型RR方调整R方标准估计的误差Durbin-Watson1a.749.562.518.a. 预测变量：（常量）,体重。b. 因变量：肺活量表2 “体重”与“肺活量”的相关系数R为0.749,模型的判定系数R SquareR2为0.562, 调整以后R2为0.518 ,

a残差.总计1.88911a. 预测变量：（常量）,体重。b. 因变量：肺活量表3的内容是对模型的方差分析与F检验的结果。从表中可以看出，平均的回归平方和为 1.061,平均的剩余平方和为0.828。F值为12.8

15、17,显著性水平为0.005。由丁显著性已经 达到0.001的水平，说明配合回归直线是有意义的。系数模型非标准化系数标准系数tSig.B标准误差试用版1（常量）体重.000.059.815.016.749.0.005a.因变量：肺活量表4的内容是回归方程的参数及检验结果。从表中可以看出，回归方程的常数项即截距为4X E-4,截距的标准误差为0.815。T检验值为0.001，显著性水平为1.00。回归方程的 斜率即回归系数为0.59,回归系数的标准误差为0.16，标准化回归系数为0.749, T检验 值为3.58，显著性水平为0.000。可以在0.001的水平上说明这个斜率对总体是有意义的。残差统计量极小值极大值均值标准偏差N预测值2..残差-..2标准预测值-1.1.00012标准残差-1..95312a.因变量：肺活量从表