《SPSS管理软件应用考试题目与答案.doc》由会员分享，可在线阅读，更多相关《SPSS管理软件应用考试题目与答案.doc（13页珍藏版）》请在金锄头文库上搜索。
1、管理软件应用实践考查试卷请按照以下题目要求，通过SPSS软件分析数据给出结果，并给出对结果的分析和讨论。110名15岁中学生身高、体重数据如下：编号12 3 45 6789 10性别男男男男男女女女女女身高(cm)166.0 189.0 170.0 165.1 172.0 159.4 171.3 158.0 158.6 169.0 体重(kg)57.0 58.5 51.0 58.0 55.0 44.7 45.4 44.3 42.8 51.5 回答：1男生身高和体重的极小值、极大值？ 2女生的身高、体重和体重指数的均数？标准差？体重指数=体重(kg)/ 身高(m)2答：1.1男生身高和体重的极小
2、值、极大值分析如表所示，因此，男生身高的极大值和极小值分别为189cm和165cm。男生体重的极大值和极小值为58kg和51kg。1.2女生的身高、体重和体重指数的均数和标准差分析如图所示，因此女生的身高均数和标准差为163.26cm和6.361，体重均数和标准差为45.74和3.358，体重指数均数和标准差为0.2801和0.01532。2. 现希望评价两位教师的教学质量，试比较其分别任教的甲、乙两班（设两班原成绩相近，不存在差别）考试后的成绩是否存在差异？ 甲班：85 73 86 77 94 68 82 83 90 88 76 85 87 74 85 80 82 88 90 93乙班：75
3、 90 62 98 73 75 75 76 83 66 65 78 80 68 87 74 64 68 72 80答：分析如图所示可以从第二个表中看出F检验的值为0.747，对应的概率p值为0.393，如果显著性水平为0.05，由于概率p值大于0.05，可以认为两个总体的方差无显著性差异，即方差具备齐性。 3. 为研究长跑运动对增强普通高校学生的心功能效果，对某校15名男生进行实验，经过5个月的长跑锻炼后，看其晨脉是否减少。锻炼前后的晨脉数据如下： 高校学生实验前后的晨脉数据123456789101112131415锻炼前707656636356586065657566565970锻炼后485
4、460644855544551485648645054答：从第二个表中可以看出在显著性水平为0.05时，训练前后的概率p值为0.428，大于0.05，接受零假设，可以认为训练前后的晨脉数据没有明显的线性关系。 从第三个表中可以看出最后一列的双尾检验概率p值为0.001，在置信区间为95%时，显著性水平为0.05，由于概率p值小于0.05，拒绝零假设，可以认为训练后晨脉数有减少。4. 研究某地区土壤中所含植物可给磷的情况，得到下列表中的数据：土壤子样序号x1x2x3y土壤子样序号x1x2x3y10.453158641010.9371117620.423163601112.6581125130.6
5、34157611211.6291739341.765123771323.1461149651.936143541423.1501347769.44446811521.644739373.11937711623.1561689584.72459541726.858202168910.131117931829.95112499其中：x1为土壤中含无机磷浓度； x2为土壤中溶于K2C03溶液并受溴化物水解的无机磷浓度；x3为土壤中溶于K2C03溶液但不受溴化物水解的无机磷浓度；y为种植在20C土壤内的玉米中的可给态磷。建立数据文件，（1）4个变量之间的相关分析；（2）y关于x1、x2、x3、的线性回
6、归方程。给出分析的结果，并讨论。答：4.1 从表中第一行可知，土壤中无机磷浓度x1与x2，x3，y的相关系数分别为0.4620， 0.1520， 0.6930，说明都呈正相关，而相伴概率Sig. 分别为0.0540.05，0.5470.05，0.0010和0.3540，说明x2与x3，y都呈正相关，而相伴概率sig. 分别为0.1990.05和0.1490.05，说明x3, y均与x2无影响。由表中第三行可知，x3与y的相关系数为0.3620，说明x3与y呈正相关，而相伴概率sig.为0.1400.05，说明x3与y无影响。4.2 线性回归方程由表的第一列数据可知相关方程为y=1.785*x1
7、-0.083*x2+0.161*x3。但是由于x2的显著性概率为0.8450.05, x3的显著性概率为0.1710.05, 表示x2, x3的系数与0没有显著性的差异, x2，x3不应当作为解释变量出现在方程中。而x1的显著性概率为0.0050.05，表示x1的系数与0有显著性的差异，x1应当作为解释变量出现在方程中。因此最终相关方程为y=1.785*x1。5. 对给定数据进行探索性因子分析，分析数据并给出结果的讨论。答：5.1特征值与方差贡献表Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squ
8、ared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %13.25065.00665.0063.25065.00665.00621.22024.39689.4011.22024.39689.4013.2504.99394.3944.1813.62098.0145.0991.986100.000Extraction Method: Principal Component Analysis.可以看出前两个特征值大于1，同时这两个公共因子的方差贡献率占了89.401%，说明提取这两个公共因子可以解释原变量的绝大
9、部分信息。因此提取这两个变量为第一和第二主成分。5.2 旋转前的因子载荷矩阵5.3 旋转后的因子载荷矩阵Rotated Component MatrixaComponent12345家庭多子率-.239-.573-.207.756-.021避孕率.092.968.073-.224.011初中以上人口比率.607.139.753-.213.029人均国民收入.951.121.197-.156-.135城镇人口比率.856.108.367-.138.319Extraction Method: Principal Component Analysis. Rotation Method: Varima
10、x with Kaiser Normalization.a. Rotation converged in 6 iterations.在5.2未经旋转的载荷矩阵的表中，因子变量在许多变量上均有较高的载荷，从旋转后的因子载荷矩阵可以看出。因子1在人均国民收入上有较大负荷，因子2在避孕率上有较大负荷。5.4 因子转换矩阵Component Transformation MatrixComponent123451.728.404.421-.354.0662.490-.774.184.354.0493.447.330-.680.469-.0924-.173.357.522.717.2375-.011.0
11、45.231.125-.964Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. 上表是因子转换矩阵，表明了因子提取方法是主成分分析，旋转的方法是方差极大法。5.5 Component Score Coefficient MatrixComponent12家庭多子率-.234.454避孕率.175-.630初中以上人口比率.274.209人均国民收入.268.284城镇人口比率.274.303Extraction Method: Principal Component Analysis. Component Scores.因子系数矩阵，可将所有主成分表示为各个变量的线性组合，即F1=-0.234*zx1+0.175*zx2F2=0.454*zx1-0.630*zx25.6 其他分析Correlation Matrix家庭多子率避孕率初中以上人口比率人均国民收入城镇人口比率Correlation家庭多子率1.000-.761-
