《统计分析与SPSS的应用学生复习题 (2)》由会员分享，可在线阅读，更多相关《统计分析与SPSS的应用学生复习题 (2)（7页珍藏版）》请在金锄头文库上搜索。
1、1、 SPSS 的数据编辑窗口分为 Data wiew 和 Vairable view 两个视图子窗口。2、 SPSS 最基本的变量类型有数值型、字符型和日期型。3、 SPSS 有两类缺失值：系统缺失值和用户缺失值。4、 SPSS 的测量尺度主要有标度测量、有序测量和名义测量。5、 SPSS 有四种创建数据文件的方法：6、 从其它数据文件导入数据主要三种方法：7、 如果只需保存部分变量可使用选择性保存功能。8、 姓名、性别、年龄、身高、体重分别是那种变量？9、 SPSS 有两种定义缺失值的方式： 和 。1）可以定义 3 个单独的缺失值。2）可以定义一个缺失值范围和一个单独的缺失值。10、数据进
2、行排序时，选择 菜单下的 命令。Data 菜单下 sort case11、spss 进行数据的行列互换时，选择 菜单下的 命令。Data 菜单下transpose.12、数据文件的合并有两种方式： 和 。13、SPSS 的系统运行管理方式有哪三种？答:1 ）批处理方式；2 ）完全窗口菜单运行方式； 3）程序运行方式。14、SPSS 数据文件的扩展名是 。.sav15、SPSS 的输出结果编辑窗口分成左右两部分：16、输入变量名，为了避免与老版本及其它软件出现不兼容问题，变量名一般控制在 8 位以内且尽量避免采用中文。17、下面是每周去图书馆学习次数的编码方案：1=每周去 1 次；2=每周去 2
3、 次或 2 次以上；3=每周去 3 次或 3 次以上；4=每周去 4 次或 4 次以上。问：1）如此编码有无错误？2）请写出正确的编码方案。19、数据一旦拆分之后，如果没有取消拆分，在以后的统计分析过程中拆分一直存在。20、数据一旦加权之后，如果没有取消加权，在以后的统计分析过程中加权一直存在。21、对于缺失值，如何利用 SPSS 进行科学替代。（见课件）22、SPSS 数据文件的特点及监理 SPSS 数据文件时应完成的两项任务是什么？P16-1723、简述 SPSS 数据文件的基本组织形式。24、统计学依数据的计量尺度将数据分为哪三类CH5 参数检验（均值比较与 t 检验）1、 什么是 t
4、检验，简述 t 检验的一般步骤。2、 在统计学中，通常将 t 检验分为 4 类：样本均值与总体均值比较的 t 检验、独立两样本均值比较 t 检验、配对设计的差数均值与总体均值 0 的 t 检验以及独立两样本几何均值比较的 t 检验。3、 简述单样本 t 检验的一般步骤。4、 两独立样本 T 检验的零假设 H0 是两总体均值之间不存在显著差异。两配对样本 T 检验的零假设 H0 是两总体均值之间不存在显著差异5、 面是学生数学成绩的单样本检验。One-sample statisticsN Mean Std DeviationStd Error Mean数学 1 74.0000 23.44355
5、7.068501One Sample TestTest Value=7095% Confidence interval of the differencet df Sig.(2-tailed) Mean DifferenceLower Upper 数学成绩0.566 10 0.584 4.00000 -11.7496 19.7496试建立显著性检验的零假设和备择假设，并说明检验的结果是什么？（=0.05）答：零假设：=70；备择假设： 70.从数据看，11 个学生的数学平均值为 74.00，标准差为 23.44，均值误差为 7.07，t 值=0.566，相伴概率值=0.5840.05，不能拒绝
6、零假设，认为均值与 70 无显著性差别。样本均值与检验值差为 4，其 95%的置信区间是（ -11.7496，19.7496 ） 。6、这是取自 71 个不同的学生的学习成绩，彼此之间是独立的。按性别分组进行独立样本的 T 检验，写出显著性检验的零假设和备择假设，并说明检验的结果是什么？（=0.05）Group Statistics学生性别 N Mean Std Deviation Std Error Mean 当前成绩 男生女生482482.9086.176.585.190.951.06Independent Sample TestLevenes Test for EqualityOf Va
7、riancest-test for Equality of MeansF Sig. t df Sig.(2-tailed)当前成绩 Equal variances assumedEqual variancesnot assumed0.423 0.518 -2.125-2.2997056.8570.0370.025CH6 方差分析1、简述单因素方差分析的基本思想。2、简述多因素方差分析的基本思想。3、简述方差分析的适用条件。答：（1）样本来自的总体要服从正态分布。 （2）样本方差必须是齐次的。 （3）各样本之间相互独立。4、在多因素方差分析中，变量的总离差平方和分解为哪三部分？答：在多因素方差分
8、析中，变量的总离差平方和 SST 分解为 3 个部分：1）多个控制变量单独作用引起的平方和；2）多个控制变量交互作用引起的离差平方和；3）其他随机因素引起的离差平方和。5、简述单因素方差分析的基本步骤。P142-1436、研究一个班 3 组同学（分别接受了 3 种不同的教学方法）在数学成绩。分析下面方差分析结果，写出零假设和备择假设，并讨论 3 组同学在数学成绩上是否有显著的差异？(=0.05)Test of Homogeneity of VariancesLevene Statistic df1 df2 sig.3.862 2 15 0.044ANOVASum of Squaresdf Me
9、an SquareF Sig.Between Groups (Combined)Linear Term ContrastDeviationWithin GroupsTotal3686.333494.0833192.2501563.6675250.00021115171843.167494.0833192.250104.24417.6814.74030.6230.0000.0460.000答：由表 Test of Homogeneity of Variances 分析：零假设是不同分组均值方差相同。Levene Statistic=3.862，相伴概率值=0.0440.05，拒绝零假设，至少一组
10、和其他两组均值方差有显著性的不同，因此，这组数据不适合进行单因素方差分析。7、多重比较。8、课本案例及练习题 1、2、3CH8 相关分析1、 什么是相关分析？常用的方法有哪些？答：描述变量之间线性相关程度的强弱，并用适当的统计指标表示出来的过程为相关分析。可根据研究的目的不同，或变量的类型不同，采用不同的相关分析方法。常用的相关分析方法：二元定距变量的相关分析、二元定序变量的相关分析、偏相关分析和距离相关分析。2、利用相关系数 r 说明变量之间线性相关程度时，根据经验可将相关程度分为以下几种情况：当 时，视为高度相关；当 时，视为中度相关；当 时，视为低度相关；当 时，说明变量之间的相关程度极
11、弱，可视为不相关。； ； ；8.0r8.05r5.03r3.r3、简述线性相关分析的基本步骤。4、用的相关系数有哪些？（试写出 3 种）5、课本案例及练习题 1、2CH9 回归分析1、 试述回归分析的基本步骤.2、 一元线性回归的数学模型是什么？其中 满足的两个前提是什么？3、 多元线性回归的数学模型是什么？4、 常用的回归方程的统计检验有：回归方程的拟合优度检验、回归方程的显著性检验、回归系数的显著性检验及残差分析。5、 在多元回归分析中，解释变量的筛选一般有哪三种基本策略？6、 在线性回归分析中，SST 称为离差平方和，SSR 称为回归平方和，SSE 称为残差平方和，三者之间的关系是 SS
12、T=SSR+SSE,决定系数 R2= 。ST7、为了研究高等数学成绩与概率成绩的关系，今收集到 20 名学生的高等数学、概率成绩。采用 SPSS 统计分析进行线性回归分析，得出如下输出结果：ANOVA（b）Model Sum of Squares df Mean Square F Sig1 Regression 1252.095 1 1252.095 41.856 0.000Residual 538.455 18 29.914Total 1790.550 19Cofficients(a)Model UnstandardizedCoefficientsStandardizedCoefficien
13、tsB Std.ErrorBetat Sig.Constant 8.184 10.576 0.774 0.4491高等数学 0.855 0.132 0.836 6.470 0.0001） 据 ANOVA（b）表计算出判决系数，建立显著性检验的零假设和备择假设，并说明检验的结果是什么？（=0.05）2） 据 Cofficients(a)表写出估计回归方程，建立显著性检验的零假设和备择假设，并说明检验的结果是什么？（=0.05）8、下面给出中国民航客运量的回归模型。为了研究我国民航客运量的变化趋势及其成因，以民航客运量作为因变量 Y，以国民收入（ X1） ，消费额（ X2） ，铁路客运量（X3）
14、，民航航线里程（X4） ，来华旅游入境人数（ X5）为主要影响因素。结果输出如下：ANOVA（b）Model Sum of Squares df Mean Square F Sig1 Regression 13818877 5 2763775.354 1128.3030.000Residual 24494.981 10 2449.498Total 13843372 15Cofficients(a)Model UnstandardizedCoefficientsStandardizedCoefficientsB Std.ErrorBetat Sig.Constant 450.909 178.07
15、8 2.532 0.020X1 0.354 0.085 2.447 4.152 0.002X2 -0.561 0.125 -2.485 -4.478 0.001X3 -7.25E-03 0.002 -0.083 -3.510 0.006X4 21.578 4.030 0.531 5.354 0.0001X5 0.435 0.052 0.564 8.440 0.0001）据 ANOVA（b）表计算出判决系数，建立显著性检验的零假设和备择假设，并说明检验的结果是什么？（=0.05）2）据 Cofficients(a)表写出估计回归方程，建立显著性检验的零假设和备择假设，并说明检验的结果是什么？（=
16、0.05）9 、下面给出了 19782006 年间我国社会消费品零售总额之间的关系的线性回归分析模型。以社会消费品零售总额 Y 为因变量，以时间 T 为自变量，下面给出了四种模型输出。Model Summary and Parameter EstimatesDependent Variable:YModel Summary Parameter EstimatesEquationR SquareF df1 df2 Sig. Constant b1 b2 b3Linear 0.868 177.446 1 27 0.000 -14000.703 2420.776Cubic 0.994 1506.032 3 25 0.000
