用SPSS对数据进行分析

《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（8页珍藏版）》请在金锄头文库上搜索。

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于 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？21000，19000，33000，31500，18500，34000，29000，26000，25000，28000，30000，28500，27500，28000，26000单个样本统计量N 均值 标准差 均值的标准误V1 15 27000.00 4636.809 1197.219单个样本检验检验值 = 25000 差分的 95% 置信区间t d

2、f Sig.(双侧) 均值差值 下限 上限V1 1.671 14 .117 2000.000 -567.78 4567.78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 4636.809，样本均值分布的标准误差为 1197.219.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

3、于 0.117， 2.某物质在处理前与处理后分别抽样分析其含脂率如下：处理前：0.19，0.18，0.21，0.30，0.41，0.12，0.27处理后：0.15，0.13，0.07，0.24，0.19，0.06，0.08，0.12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VAR00002 N 均值 标准差 均值的标准误1.00 7 .2257 .09778 .03696含脂率2.00 8 .1300 .06234 .02204独立样本检验表 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同 表 2 是两组平均数

4、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 0.2950.05，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

5、.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。将同种属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：不同饲料的大白鼠中维生素 A 含量有无差别？大白鼠对号 1 2 3 4 5 6 7 8正常饲料组 3550 2000 3000 3950 3800 3750 3450 3050维生素 A 缺乏组 2450 2400 1800 3200 3250 2700 2500

6、 1750成对样本统计量均值 N 标准差 均值的标准误正常饲料组 3318.7500 8 632.42024 223.59432对 1维生素A缺乏组 2506.2500 8 555.13029 196.26820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均值 标准差 均值的标准误 差分的 95% 置信区间 t df Sig.(双侧 )方差方程的 Levene 检验 均值方程的 t 检验差分的 95% 置信区间F Sig. t df Sig.(双侧 ) 均值差值 标准误差值 下限 上限假设方差相等 1.193 .295

7、2.293 13 .039 .09571 .04174 .00553 .18590含脂率假设方差不相等 2.224 9.948 .050 .09571 .04303 -.00023 .19166下限 上限对 1 正常饲料组 - 维生素A缺乏组812.50000 546.25347 193.12977 355.82067 1269.179334.207 7 .004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。

8、两个变量差的均值是 812.5。标准差为 5846.25347。均值标准误为193.12977。差分为 95%的置信区间是 355.82067，1269.17933。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.下表为某职业病防治院对 31 名石棉矿工中的石棉肺患者、可疑患者和非患者进行了用力肺活量(L)测定。问三组石棉矿工的用力肺活量有无差别？石棉肺患者 1.8 1.4 1.5

9、 2.1 1.9 1.7 1.8 1.9 1.8 1.8 2.0可疑患者 2.3 2.1 2.1 2.1 2.6 2.5 2.3 2.4 2.4 非患者 2.9 3.2 2.7 2.8 2.7 3.0 3.4 3.0 3.4 3.3 3.5描述用力肺活量均值的 95% 置信区间N 均值 标准差 标准误 下限 上限 极小值 极大值1.00 11 1.7909 .20226 .06098 1.6550 1.9268 1.40 2.102.00 9 2.3111 .18333 .06111 2.1702 2.4520 2.10 2.603.00 11 3.0818 .29264 .08823 2.8

10、852 3.2784 2.70 3.50总数 31 2.4000 .60000 .10776 2.1799 2.6201 1.40 3.50方差齐性检验用力肺活量Levene 统计量 df1 df2 显著性2.852 2 28 .075ANOVA用力肺活量平方和 df 均方 F 显著性组间 9.266 2 4.633 84.544 .000组内 1.534 28 .055总数 10.800 30表2是方差齐次性检验结果。从表2中可以看出，F值（levene Statistic）为2.852，显著性水平为0.75，两个自由度分别为2和28。由于显著性水平大于0.05， 所以可以接受分析变量在自变

11、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 25 3.18 6.14 4.4752 .69249 .480有效的 N （列表状态） 25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

12、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 58.3333 5.66221 12公路死亡增长百分比 12.4833 6.63350 12相关性公路平均速度公路死亡增长百分比Pearson 相关性 1 .900*显著性（双侧） .000平方与叉积的和 352.667 371.697协方差 32.061 33.791公路平均速度N 12 12Pearson 相关性 .900* 1显著性（双侧） .000公路死亡增长百分比平方与叉积的和 371.697 484.037协方差 33.791 44.003N 12 12*. 在 .01 水

13、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是以交叉表的形式表现的相关分析的结果, Pearson Correlation是皮尔逊相关系数。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。由于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“公路死亡增长百分比”下面对应的数据为0.9，这是“公路平均速度”与“公路死亡增长百分比”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，表明总体中两个变量的相关是显著的。

14、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 b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 b模型 R R 方 调整 R 方 标准 估计的误差 Durbin-Watson1 .749a .562 .518 .28775 2.150a. 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 Square即R2 为0

15、.562，调整以后R2为0.518 ，Durbin-Watson 的值是 2.150，接近于2，所以认为随机误差项基本上相互独立的，不存在序列相关的问题。Anovab模型 平方和 df 均方 F Sig.回归 1.061 1 1.061 12.817 .005a残差 .828 10 .0831总计 1.889 11a. 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12.817，显著性水平为0.005。由于显著性已经达到0.001的水平，说明配合回归直线是有意义的

16、。系数 a非标准化系数 标准系数模型 B 标准 误差 试用版 t Sig.(常量) .000 .815 .001 1.0001体重 .059 .016 .749 3.580 .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4E-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 a极小值 极大值 均值 标准 偏差 N预测值 2.4711 3.4123 2.9025 .31060 12残差 -.41233 .46828 .00000 .27436 12标准 预测值 -1.389 1.641 .000 1.000 12标准 残差 -1.433 1.627