《统计分析与SPSS的应用(第五版)》课后练习答案第一章练习题答案1、SPSS的中文全名是:社会科学统计软件包(后改名为:统计产品与服务解决方案)英文全名是:StatisticalPackagefortheSocialScience.(StatisticalProductandServiceSolutions)2、SPSS的两个主要窗口是数据编辑器窗口和结果查看器窗口。
数据编辑器窗口的主要功能是定义SPSS数据的结构、录入编辑和管理待分析的数据;结果查看器窗口的主要功能是现实管理SPSS统计分析结果、报表及图形。
3、SPSS的数据集:SPSS运行时可同时打开多个数据编辑器窗口。
每个数据编辑器窗口分别显示不同的数据集合(简称数据集)。
活动数据集:其中只有一个数据集为当前数据集。
SPSS只对某时刻的当前数据集中的数据进行分析。
4、SPSS的三种基本运行方式:完全窗口菜单方式、程序运行方式、混合运行方式。
完全窗口菜单方式:是指在使用SPSS的过程中,所有的分析操作都通过菜单、按钮、输入对话框等方式来完成,是一种最常见和最普遍的使用方式,最大优点是简洁和直观。
程序运行方式:是指在使用SPSS的过程中,统计分析人员根据自己的需要,手工编写SPSS命令程序,然后将编写好的程序一次性提交给计算机执行。
该方式适用于大规模的统计分析工作。
混合运行方式:是前两者的综合。
5、.sav是数据编辑器窗口中的SPSS数据文件的扩展名.spv是结果查看器窗口中的SPSS分析结果文件的扩展名.sps是语法窗口中的SPSS程序6、SPSS的数据加工和管理功能主要集中在编辑、数据等菜单中;统计分析和绘图功能主要集中在分析、图形等菜单中。
7、概率抽样(probabilitysampling):也称随机抽样,是指按一定的概率以随机原则抽取样本,抽取样本时每个单位都有一定的机会被抽中,每个单位被抽中的概率是已知的,或是可以计算出来的。
概率抽样包括简单随机抽样、系统抽样(等距抽样)、分层抽样(类型抽样)、整群抽样、多阶段抽样等。
简单随机抽样(simplerandomsampling):从包括总体N个单位的抽样框中随机地抽取n个单位作为样本,每个单位抽入样本的概率是相等的。
是最基本的抽样方法,是其它抽样方法的基础。
优点:简单、直观,在抽样框完整时,可直接从中抽取样本,用样本统计量对总体参数进行估计比较方便。
局限性:当N很大时,不易构造抽样框,抽出的单位很分散,给实施调查增加了困难。
分层抽样(stratifiedsampling):将抽样单位按某种特征或某种规则划分为不同的层,然后从不同的层中独立、随机地抽取样本。
优点:保证样本的结构与总体的结构比较相近,从而提高估计的精度,组织实施调查方便(当层是以行业或行政区划分时),既可以对总体参数进行估计,也可以对各层的参数进行估计。
整群抽样(clustersampling):将总体中若干个单位合并为组(群),抽样时直接抽取群,然后对选中群中的所有单位全部实施调查。
优点:抽样时只需群的抽样框,可简化工作量;调查的地点相对集中,节省调查费用,方便调查的实施。
缺点:估计的精度较差。
系统抽样(systematicsampling):将总体中的所有单位(抽样单位)按一定顺序排列,在规定的范围内随机地抽取一个单位作为初始单位,然后按事先规定好的规则确定其它样本单位,先从数字1到k之间随机抽取一个数字r作为初始单位,以后依次取r+k,r+2k…等单位。
优点:操作简便,可提高估计的精度。
缺点:对估计量方差的估计较困难。
多阶段抽样(multi-stagesampling):先抽取群,但并不是调查群内的所有单位,而是再进行一步抽样,从选中的群中抽取出若干个单位进行调查。
群是初级抽样单位,第二阶段抽取的是最终抽样单位。
将该方法推广,使抽样的段数增多,就称为多阶段抽样。
优点:具有整群抽样的优点,保证样本相对集中,节约调查费用。
在大规模的抽样调查中,经常被采用的方法。
非概率抽样是指抽取样本时不是依据随机原则,而是根据研究目的对数据的要求,采用某种方式从总体中抽出部分单位对其实施调查,包括方便抽样、自愿抽样、配额抽样、判断抽样和滚雪球抽样等。
方便抽样:样本限于总体中易于抽到的一部分。
“街头拦人法”就是一种偶遇抽样。
方便抽样是非随机抽样中最简单的方法,省时省钱,但样本代表性因受偶然因素的影响太大而得不到保证。
自愿抽样:某些调查对被调查者来说是不愉快的、麻烦的,这时为方便起见就采用以自愿被调查者为调查样本的方法。
判断抽样:研究人员从总体中选择那些被判断为最能代表总体的单位作样本的抽样方法。
当研究者对自己的研究领域十分熟悉,对研究总体比较了解时采用这种抽样方法,可获代表性较高的样本。
滚雪球抽样:以若干个具有所需特征的人为最初的调查对象,然后依靠他们提供认识的合格的调查对象,再由这些人提供第三批调查对象,……依次类推,样本如同滚雪球般由小变大。
滚雪球抽样多用于总体单位的信息不足或观察性研究的情况。
这种抽样中有些分子最后仍无法找到,有些分子被提供者漏而不提,两者都可能造成误差。
配额抽样也称定额抽样,是将总体依某种标准分层(群);然后按照各层样本数与该层总体数成比例的原则主观抽取样本。
配额抽样与分层概率抽样很接近,最大的不同是分层概率抽样的各层样本是随机抽取的,而配额抽样的各层样本是非随机的。
总体也可按照多种标准的组合分层(群),例如,在研究自杀问题时,考虑到婚姻与性别都可能对自杀有影响,可将研究对象分为未婚男性、已婚男性、未婚女性和已婚女性四个组,然后从各群非随机地抽样。
配额抽样是通常使用的非概率抽样方法,样本除所选标识外无法保证代表性。
8、利用SPSS进行数据分析的一般步骤:数据的准备--数据的加工处理--数据的分析--分析结果的阅读和解释。
第二章练习题答案1、SPSS中两个基本的数据组织方式:原始数据的组织方式和计数数据的组织方式。
原始数据的组织方式:待分析的数据是一些原始的调查问卷数据,或是一些基本的统计指标。
计数数据的组织方式:所采集的数据不是原始的调查问卷数据,而是经过分组汇总后的数据。
2、个案:在原始数据的组织方式中,数据编辑器窗口中的一行称为一个个案或观测。
变量:数据编辑器窗口中的一列。
3、默认的变量名:VAR------;默认的变量类型:数值型。
变量名标签和变量值标签可增强统计分析结果的可读性。
4、数据文件如图所示:5、缺失值分为用户缺失值(UserMissingValue)和系统缺失值(SystemMissingValue)。
用户缺失值指在问卷调查中,将无回答的一些数据以及明显失真的数据当作缺失值来处理。
用户缺失值的编码一般用研究者自己能够识别的数字来表示,如“0”、“9”、“99”等。
系统缺失值主要指计算机默认的缺失方式,如果在输入数据时空缺了某些数据或输入了非法的字符,计算机就把其界定为缺失值,这时的数据标记为一个圆点“”。
在变量视图中定义。
6、变量类型包括:数值型(身高)、定序型(受教育程度)以及定类型(性别)。
7~9题软件操作,答案略第三章练习题答案1~8题软件操作,答案略9、SPSS排序功能仅实现将观测按用户指定顺序重新排列;拆分功能在按序排列的基础上,能够实现对数据按排序变量进行分组,并分组进行后续的统计分析。
第四章练习题答案1、Statistics户口所在地职业年龄NValid282282282Missing000户口所在地FrequencyPercentValidPercentCumulativePercentValid中心城市200边远郊区82Total282Valid国家机关24商业服务业54文教卫生18公交建筑业15经营性公司18学校15一般农户35种粮棉专业户4种果菜专业户10工商运专业户34退役人员17金融机构35现役军人3Total282年龄FrequencyPercentValidPercentCumulativePercentValid20岁以下420~35岁14635~50岁9150岁以上41Total282分析:本次调查的有效样本为282份。
常住地的分布状况是:在中心城市的人最多,有200人,而在边远郊区只有82人;职业的分布状况是:在商业服务业的人最多,其次是一般农户和金融机构;年龄方面:在35-50岁的人最多。
由于变量中无缺失数据,因此频数分布表中的百分比相同。
2、分析:由表中可以看出,有效样本为282份,存(取)款金额的均值是,标准差为,峰度系数为,偏度系数为。
与标准正态分布曲线进行对比,由峰度系数可以看出,此表的存款金额的数据分布比标准正态分布更陡峭;由偏度系数可以看出,此表的存款金额的数据为右偏分布,表明此表的存款金额均值对平均水平的测度偏大。
分析:由表中可以看出,中心城市有200人,边远郊区为82人。
两部分样本存取款金额均呈右偏尖峰分布,且边远郊区更明显。
3、利用描述菜单下窗口对话框中的“将标准得分另存为变量”功能实现。
对标准分数变量按降序排列,绝对值大于3的可视为“与众不同”的样本。
理由:标准化值反映的是样本值与样本均值的差是几个标准差单位。
如果标准化值等于0,则表示该样本值等于样本均值;如果标准化值大于0,则表示该样本值大于样本均值;如果标准化值小于0,则表示该样本值小于样本均值。
如果标准化值的绝对值大于3,则可认为是异常值。
4、利用列联分析实现。
首先编制列联表,然后进行卡方检验。
以户口和收入的列联分析为例:表中,卡方统计量的观测值等于,概率-P值等于。
若显著性水平设为,由于<,拒绝原假设,表明户口地与收入水平不独立。
5、多选项分类法;存款的最主要目的是正常生活零用6、计算结果:卡方统计量:∑∑==-=ricjeijeijoijfff1122)(χ,用于测度各个单元格的观测频数与期望频数的差异,并依卡方理论分布判断差异是否统计显著。
由于期望频数代表的是行列变量独立下的分布,所以卡方值越大表明实际分布与期望分布差异越明显。
本例中,由于概率P值小于显著性水平,应拒绝原假设,婆媳关系与住房条件有关系。
7、将计数数据还原为原始数据,采用交叉分组下的频数分析,并进行卡方检验。
表中,卡方统计量观测值为,对应的概率P-值为,小于显著性水平,应拒绝原假设,说明减肥效果并不一致。
8、多选项二分法;102(794份)、101(514份)、401(400份)赚钱比例:%,赔钱比例38%主要依据:基本因素法;最少依据:更跟方法采用列联分析。
卡方检验结果表明:专职和业余投资者在投资结果上存在显著差异。
9、(1)变量:汽车价格、居住地区;类型:定序型变量、定类型变量(2)上述是计数数据的组织方式,应首先组织到SPSS的数据编辑器窗口中,再利用交叉分组下的频数分析方法。
列联分析。
原假设:不同居住区的私家车主接受的汽车价格具有一致性的。
上表可知,如果显著性水平为,由于卡方检验的概率P-值小于显著性水平,因此应拒绝原假设。
第五章练习题答案1、采用单样本T检验(原假设H0:u=u0=75,总体均值与检验值之间不存在显著差异);One-SampleStatisticsNMeanStd.DeviationStd.ErrorMeanVAR0000111分析:N=11人的平均值(mean)为,标准差()为,均值标准误差(stderrormean)为。
t统计量的观测值为,t统计量观测值的双尾概率P-值(sig.(2-tailed))为;六七列是总体均值与原假设值差的95%的置信区间:,。
采用双尾检验比较a和p。
T统计量观测值的双尾概率p-值(sig.(2-tailed))为>a=所以不能拒绝原设;且总体均值的95%的置信区间为,,检验值75包括在置信区间内,所以经理的话是可信的。
首先将计数数据通过加权功能还原为原始数据,然后,采用两独立样本T检验实现。
检验变量为行为,分组变量为方式。
GroupStatistics方式NMeanStd.DeviationStd.ErrorMeana2方式一200.4600.49965.03533方式二183.8798.32611.02411分析:从上表可以看出票丢仍买的人数比例为46%,钱丢仍买的人数比例为88%,两种方式的样本比例有较大差距。
1.两总体方差是否相等F检验:F的统计量的观察值为,对应的P值为,;如果显著性水平为,由于概率P值小于,两种方式的方差有显著差异。
看假设方差不相等行的结果。
2.两总体均值(比例)差的检验:.T统计量的观测值为,对应的双尾概率为,T统计量对应的概率P值<,故推翻原假设,表明两总体比例有显著差异.更倾向心理学家的说法。
4、本题是单个总体的比例检验问题。
首先将数据组织成计数方式,并以数量为加权变量还原为原始数据。
然后,采用独立样本的T检验实现。
检验变量为是否开兰花,检验值为。
分析:由表知:样本中200棵开兰花的比例为71%。
如果总体比例的原假设为,由于T统计量的概率P值大于显著性水平(),不能拒绝原假设,不能说与遗传模型不一致。
5、方式一:采用两配对样本t检验PairedSamplesStatisticsMeanNStd.DeviationStd.ErrorMeanPair1饲料19饲料29PairedSamplesCorrelationsNCorrelationSig.Pair1饲料1&饲料29.571.108由上表可知,t统计量观测值为,概率P-值为,大于显著性水平,不应拒绝原假设,不能认为不同饲料使幼鼠体内钙的留存量出现了显著不同。
方式二:采用两独立样本t检验由上面的表可知,两组残留的样本平均值差异不大。
由下表可知,该检验的F统计量的观测值为,对应的概率P-值为。
如果显著性水平为,则可以认为两总体的方差无显著差异。
两总体均值的检验应看第一行。
T统计量的观测值为,P-值为,。
如果显著性水平为,则不应拒绝原假设,不能认为两饲料残留有显著差异。
6、两独立样本T检验分析:1.两总体方差是否相等用F检验:F的统计量的观察值为,对应的P值为,;如果显著性水平为,由于概率P值大于,两种方式的方差无显著差异.看假设方差相等行。
2.两总体均值的检验:T统计量的观测值为,对应的双尾概率为,T统计量对应的P值>显著水平,故不能拒绝原假设,不能认为女生男生的课程平均分有显著差异。
7、利用配对样本T检验,逐对检验8、由第一个表知,培训前和培训后样本的平均值(mean)有一定差异,培训后平均值较大;表二表明,在显著性水平为时,培训前后的销售量有一定的线性关系;由表三知,t检验统计量的观测值为,对应的双尾概率p-值为,小于显著水平a=,应拒绝原假设,培训前后的销售平均值存在显著差异。
第六章练习题答案1、(1)概率P-值接近于0,应拒绝原假设,认为5种推销方法有显著差异。
(2)均值图:MultipleComparisonsDependentVariable:VAR00002LSD(I)VAR00001(J)VAR00001MeanDifference(I-J)Std.ErrorSig.95%ConfidenceIntervalLowerBoundUpperBound12*.0483.7286.6534.0665*.00021*.048.0273*.018.7554*.0005*.04231.6532*.0184.1575*.00041.066.2162*.0003.157.9455*.00051*.0002*.042.1273*.0004*.000*.Themeandifferenceissignificantatthelevel.可知,1和2、1和5、2和3,2和4,2和5,3和5,4和5有显著差异。
2、;;3、因F检验的概率P值小于显著性水平(),拒绝原假设,方差不齐,不满足方差分析的前提假设。
;;67;各组均值存在显著差异。
更适合第三组4、Between-SubjectsFactorsValueLabelN地区地区一9地区二9地区三9日期周一至周三9周四至周五9周末9TestsofBetween-SubjectsEffectsDependentVariable:销售量SourceTypeIIISumofSquaresdfMeanSquareFSig.CorrectedModel.852a8.0001.000a12.313a22.254a1*a2.8154.704.000Error.66718Total27CorrectedTotal.51926a.RSquared=.788(AdjustedRSquared=.693)分析:(2)由上表可知,Fa1、Fa2的概率P-值为和,大于显著性水平(),所以不应拒绝原假设,可以认为不同地区和日期下的销售额总体均值不存在显著差异,不同地区和不同日期对该商品的销售没有产生显著影响。
(3)产生了交互影响。
因为概率P-值接近于0,拒绝原假设,认为不同地区和日期对销售额产生了显著的交互作用。
5、Between-SubjectsFactorsValueLabelN性别女12男12手机使用12不使用12TestsofBetween-SubjectsEffectsDependentVariable:得分SourceTypeIIISumofSquaresdfMeanSquareFSig.CorrectedModel3.0001.000性别1.310.584手机1.000性别*手机1.258Error20Total24CorrectedTotal23a.RSquared=.760(AdjustedRSquared=.724)分析:就性别而言,因为概率P-值=,大于显著性水平,所以不应拒绝原假设,认为性别对驾驶状态无显著影响;就手机使用情况而言,因为概率P-值接近0,应拒绝原假设,认为手机使用情况对驾驶状态存在显著影响。
第七章练习题答案1、卡方检验因概率P值小于显著性水平(),拒绝原假设,不同年龄度对该商品满意程度不一致。
2、单样本K-S检验因概率P值小于显著性水平(),拒绝原假设,与正态分布存在显著差异。
3、单样本游程检验因概率P值小于显著性水平(),拒绝原假设,认为成品尺寸的变化是由生产线工作不稳定导致的。
4、两独立样本的K-S检验因概率P值大于显著性水平(),不应拒绝原假设,认为不同地区本次存取款金额的分布不存在显著差异。
第八章练习题答案1、能。
因概率P值小于显著性水平(),拒绝原假设,认为两者存在显著关系。
3.(1)如果所绘制的图形不能较清晰地展示变量之间的关系,应对散点图进行调整。
在SPSS查看器窗口中选中相应的散点图双击鼠标,进入SPSS图形编辑器窗口。
选中【选项】菜单下的【块元素】子菜单进行数据合并。
3、检验其可信程度并找出哪些变量的影响显著、哪些不显著。
主要包括回归方程的拟合优度检验、显著性检验、回归系数的显著性检验、残差分析等。
4、向前、向后、逐步。
5、方法:采用逐步回归策略。
结论:粮食总产量的主要因素有施用化肥量(kg/公顷),农业劳动者人数(百万人),总播种面积(万公顷),风灾面积比例(%)。
6、.1;;3;26;;Y=回归方程显著性检验:整体线性关系显著回归系数显著性检验:各个回归系数检验均显著7、因概率P值小于显著性水平(),所以表明在控制了性别之后,阅读成绩对数学成绩有显著的线性影响。
8、采用二次曲线(略)第十章练习题答案1、采用欧氏距离,组间平均链锁法利用凝聚状态表中的组间距离和对应的组数,回归散点图,得到碎石图。
大约聚成4类由图可知,北京自成一类,江苏、广东、上海、湖南、湖北聚成一类。
其他略。
均值对比,依据聚类解,利用分类汇总,计算各个聚类变量的均值方差分析结果:不同组在各个聚类变量上的均值均存在显著差异。
2、数量级将对距离产生较大影响,并影响最终聚类结果。
3、会。
如果所选变量之间存在较强的线性关系,能够相互替代,在计算距离时同类变量将重复“贡献”,占有较高权重,而使最终的聚类结果偏向该类变量。
4、K-Means聚类分析步骤:确定聚类数目K--确定K个初始类中心点--根据距离最近原则进行分类--重新确定K个类中心点--判断是否已经满足终止条件。
是一个反复迭代的分类过程。
在聚类过程中,样本所属的类会不断调整,直至达到最终稳定为止。
5、聚成3类较为恰当。
二、因子提取。
三、使因子具有命名解释性:使提取出的因子实际含义清晰。
四、计算样本的因子得分。
同时,KMO值为,根据KMO度量标准可知原有变量可以进行因子分析。
CommunalitiesInitialExtraction国家预算内资金.196国内贷款.769利用外资.820自筹资金.920其他投资.821ExtractionMethod:PrincipalComponentAnalysis.由表三可知,利用外资、自筹资金、其他投资等变量的绝大部分信息(大于80%)可被因子解释,这些变量的信息丢失较少。
但国家预算内资金这个变量的信息丢失较为严重(近80%)。
总的来说,本次因子提取的总体效果还不错。
为了达到更好的效果,可以重新指定提取特征值的标准,指定提取2个因子。
补充说明如下:故由表四可知,第1个因子的特征值很高,对解释原有变量的贡献最大;第三个以后的因子特征值都较小,对解释原有变量的贡献很小,可以忽略,因此选取两个因子是合适的。
表五:重新提取因子后的公因子方差表CommunalitiesInitialExtraction国家预算内资金.975国内贷款.795利用外资.860自筹资金.937其他投资.882ExtractionMethod:PrincipalComponentAnalysis.表五是指定提取2个特征值下的变量共同度数据。
由第二列数据可知,此时所有变量的共同度均较高,各个变量的信息丢失都较少。