spss练习题及简答要点

2021年1月26日发(作者：relation)
SPSS
练习题

1
、现有两个
SPSS
数据文件 ，分别为“学生成绩一”和“学生成绩二”
，请将这两份数据文
件以学号为关键变量进行横向合 并，
形成一个完整的数据文件。
先排序
data---sort cases
再合
并
data---merge files
2
、有 一份关于居民储蓄调查的数据存储在
EXCEL
中，请将该数据转换成
SPSS
数据文件，
并在
SPSS
中指定其变量名标签和变量值标签。
转换
Data---transpose
，输题目

3
、利用第
2
题的数据，将数据分成两份文件，其中第一份文件存储常住地是“沿海或中心
繁华城市”
且本 次存款金额在
1000-2000
之间的调查数据，
第二份数据文件是按照简单随机< br>抽样所选取的
70%
的样本数据。
选取数据
data--- select cases

4
、利用第
2
题数据，将其按常住地（ 升序）
、收入水平（升序）存款金额（降序）进行多重
排序。
排序
data ---sort cases
一个一个选，加

5
、根据第
1
题的完整数据，对每个学生计算得优课程数和得良课程数，并按得优课程数的
降序排序。
计算
transform--- count
按个输，把所有课程选取，
define
设区间，再排序

6
、根据第
1
题的完整数据，计算每个学生课程的平均分和标准差，同时计算男生和 女生各
科成绩的平均分。
描述性统计，先转换
Data---transpose学号放下面，全部课程（
poli
到
his
）
放上面，
ok
，
analyze---descriptive statistics---desc riptives
，
全选，
options
。
先拆分
dat a---split file
按性别拆分，
analyze---descriptive statistics---descriptives
全选所有课程
options--- mean
7
、利用第
2
题数据，大致浏览存款金额的数据分布状况，并选择 恰当的组限和组距进行组
距分组。
数据分组
Transform---recode- --
下面一个，
输名字，
change
，
old
，
range
，
new value---add
挨个输，从小加到大，等距

8
、在第
2
题的数据中，如果认为调查“今年的收入比去年增加”且“预计未 来一两年收入
仍会会增加”的人是对自己收入比较满意和乐观的人，请利用
SPSS
的 计数和数据筛选功能
找到这些人。
（计算
transform--- count
或）
选取
data---select cases

9
、利用第
2
题数据，采用频数分析，分析被调查者的常住地、职业和年龄分布特征，并 绘
制条形图。
Analyze--- descriptive statistics--- frequencies

10
、利用第
2
题数据，从数据的集中趋 势、离散程度和分布形状等角度，分析被调查者本次
存款金额的基本特征，
并与标准分布曲线进 行对比，
进一步，
对不同常住地住房存款金额的
基本特征进行对比分析。
An

DS

d

Analyze--- Descriptive
Statistics---Descriptives,
选
择
存
款
金
额
到
Variable(s)
中
。
按
Option,
然
后
选
择
Mean,ion ,Minlmum,Variance,Maximum,Range,Kutosis,Skewness,V ariable
list.
然后按
continue
，
ok

11
、将第
1
题的数据看作来自总体的样本，试分析男生和女生的课程平均分是否存在显著 差异；试分析哪些
课程的平均差异不显著。

Transform compute
课程平均分
=mean()

analyze->compare means->independent-samples T
；
选择若干变量
作为检验变量到
test
variables< br>框
（课程平均分）
；
选择代表不同总体的变量
（
sex
）
作为分组变量到
grouping
variable

框；
.
定义分组变量的分组情况
Define Groups...
：
（填
1
，
2
）
。
1.
两总体方差是否相 等
F
检验：
F
的统
计量的观察值为
0.257,
对 应的
P
值为
0.614,
；如果显著性水平为
0.05,
由 于概率
P
值大于
0.05,
两种方式的方差
无显著差异
.< br>看
eaual variances

assumend
。
2.
两总体均值的检验：
.T
统计量的观测值为
-0.573,
对应 的双尾概
率为
0.569,T
的
P
值＞显著水平
0.05,
故不能推翻原假设
,
所以女生男生的课程平均分无显著差异。

配对差异
:
analyze->compare means->paired-
samples T…paired variables
框中每科与不同科目配对很麻烦

略




12
、
某公司经理宣称他的雇员英语水平很高，
如果按 照英语六级考试的话，
一般平均得分为
75
，现从雇员中随机随出
11
人参加考试，得分如下：
80
、
81
、
72
、
6 0
、
78
、
65
、
56
、
79
、
77
、
87
、
76
，请问该经理的宣称是否可信？

步骤：采用单样本
T
检验（
原假设
H0:u=u0,
总体均 值与检验值之间不存在显著差异
.
）
；
菜单选项：
Analyze- >compare means->one-samples T test
；
指定检验值:
在
test
后的框中输入检验值
（填
75
）
，
最后
ok!
分析：
N
=
11
人的
平均值 （
mean
）
为
73.7
，
标准差（
ion
）
为
9.55
,
均值标准误差
(std
error < br>mean)
为
2.87.
t
统计量观测值
为
-4.2 2
，
t
统计量观测值的双尾概率
p-
值（
sig.(2-t ailed)
）为
0.668
，六七列是总体均值与原假
设值差的
9 5%
的置信区间
,
为
(-7.68,5.14),
由此采用
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
0.66
8< br>＞
a
=0.05
所以不能拒绝原假设
；
且
总体均值的
95%
的置信区间
为
(67.31,80.14),
所以
均 值在
67.31~80.14
内
,75
包括在置信区间内
,
所以经理的话是可信的。



13
、
利用促销方式数据，
试分析这三种推销方式是否存在显著差异，
绘制各组均值的对比图，
并利用
L SD
方法进行多重比较检验。
单因素方差分析


对比图为
options
中的
descriptives


LSD
为
post
…
中的





P
值大于
a
接受

所以无关

14
、已知
240
例心肌梗塞患者治疗后
24
小时内的死亡 情况如表
1
所示，问两组病死亡率相
差是否显著？（

）
（显 著性水平为
5%
）

表
1
：急性心肌梗塞患者治疗后
24
小时生死情况


用单参注射液

未用单参注射液

合计

生存

187
36
223
死亡

11
6
17
·
提
出
假
设
：

H
0

：是否接受治疗的急性心肌梗塞患者的病死率相差不显著











H
1
：是否接受治疗的急性心肌梗塞患者的病死率相差显著

·
操
作
步
骤
：

1
、打开数据文 件：
file
－
open
－
data
－

2
、对
count
变量进行
weight cases
处理：
data
－
weight cases
选中
weight cases by
；在

Frequencies variable
中加入变量
count
。

3
、对数据进 行交叉汇总，如得出的下列频次交叉表，如图表
3
－
1
：

用
descriptive-cross tab
过程，
column
填
status, row
填
group
。

在
cell
选项中，选中
percentages
，以计算频数百分比。


·
统
计
表
格
及
分
析
：

表
3
－
1


是否接受治疗与生存状况的相关性检验成果表（
Chi-Square Tests
）

Asymp. Sig.

Pearson Chi-Square
Linear-by-Linear Association
有效个案数

Value
6.040(b)
6.015
240
df
1
1

(2-sided)
.014
.014

表
3
－
1
是相关 性卡方检验成果表。表中依次列出了
Pearson
卡方系数、线性相关的值
（
Value
）
、自由度（
df
）和双尾检验的显著水平（
Asym p. Sig. (2-sided)
）
。

表
3
－
2
显示了根据是否使用单参注射液对急性心肌梗塞患者进行分组后，患者的生存
和死亡状况频 数和所占总数的百分比。

表
3
－
2

急性心肌梗塞患者是否治疗与生死情况的列联表





分组
(group))






总数









用单参注射液



未用单参注射液



Count
% within
分组
(group)
Count
% within ·
分组
(group)
Count
% within ·
分组
(group)
状况
(status)
总数



195
100.0%
45
100.0%
240
100.0%
生存

185
94.9%
38
84.4%
223
92.9%
死亡

10
5.1%
7
15.6%
17
7.1%
·
结
论
：

根据表
3
－
1
可以看出，双侧检验的显著性概论为
0
.014
，小于显著性水 平
0
.05
；因此
否定原假设，接受备择假设，即两组患者的完全缓解率之间 差别显著。


15
、已知数据如表
2
所示，比较单用甘磷 酰芥（单纯化疗组）与复合使用光霉素、环磷酰胺
等药（复合化疗组）对淋巴系统肿瘤的疗效，问两组患 者的完全缓解率之间有无差别？
()
（显著性水平为
5%
）

表
2
：两化疗组的缓解率比较

治疗组

单纯化疗

复合化疗

合计

同上

小于

拒绝

显著

16
、已知数据如表
3
所示，问我国南北方鼻咽癌患者（按籍贯分）
的病理组织学分类的构成
比有 无差别？
()
（显著性水平为
5%
）同上

小于

拒绝

显著

表
3
：我国南北方鼻咽癌患者病理组织学分类构成

地域

南方四省

东北三省

合计


17、已知
97
名被调查儿童体检数据文件为

，请分别计算男性、女性与两性 合计的
儿童的平均身高与体重、中位身高与体重以及身高与体重的标准差。

1
、打开数据文件：
file
－
open
－
data
－
2
、均值比较与检验：
Analyze
－
Compare means
－
means

3
、在
independent Var.
中选性别，
dependent Var.
中选体重和身高

4
、在
option
子框中选择
median/mean/Std. Deviation
1
、男性儿童的平均身高为
109
.962
厘 米；平均体重为
18.202
千克；中位身高为
109.10
厘
米； 中位体重为
17.50
千克；身高的标准差为
6.084
厘米；体重的标准差 为
2.786
千克。

2
、女性儿童的平均身高为
109< br>.896
厘米；平均体重为
18.389
千克；中位身高为
109.4 50
厘米；
中位体重为
17.750
千克；
身高的标准差为
5.770
厘米；
体重的标准差为
3.235
千克。

3< br>、两性儿童的平均身高为
109
.930
厘米；平均体重为
18.29 2
千克；中位身高为
109.250
淋巴上皮癌

未分化癌

71
89
160
6
18
24
磷癌

16
22
38
其他

18
51
69
合计

111
180
291
缓解

2
14
16
未缓解

10
13
23
合计

12
27
39
厘米；
中位体重为
17.605
千克；
身高的标准差为
5.905< br>厘米；
体重的标准差为
2.995
千克。


18
、
已知
97
名被调查儿童体检数据文件为

，
请问儿童的身高与体重是否分别
受到性别与年龄的影响？（显著性水平为
5%
）
·
提
出
假
设
：

1
、
H
0
：
身高与体重受到年龄的影响不显著



H
1
：
身高与体重受到年龄的影响显著

2
、
H
0
：
身高与体重受到性别的影响不显著




H
1
：
身高与体重受到性别的影响显著


·
操
作
步
骤
：

1
、

打开数据文件：
file
－
open
－
data
－

2
、

均值比较与检验：
analysis
－
compare means
－
means
3
、

在
independent Var.
中选性别和年龄，
dependent Var.
中选体重和身高

4
、

在
option
子框中选择
median/mean/
Std. Deviation

在
statistic for first layer
区域内勾上
ANOVA table and eta
复选框


·
统
计
表
格
及
分
析
：


表
7
－
1

体重、身高与年龄的方差分析表

Mean


体重
(x4,kg) *
年龄
(age)








Between Groups
Within Groups
Total
Within Groups
Total
Sum of Squares
286.215
565.918
852.133
1757.707
1554.855
3312.562
df
2
93
95
2
93
95
Square
143.107
6.085

878.853
16.719

F
23.518


52.567


Sig.
.000


.000


身高
(x5,cm) *
年龄
(age)
Between Groups
在表
7
－
1
中，
分别列出了平方和
（
Sum of Squares
）
、
自由度
（
df
）
、
均方差
（
Mean Square
）
、
F
值以及
F
值的显著性水平 （
Sig.
）。
F
对应的概率值
P(sig)
＜
α
（
α
＝
0.05
）；故拒绝原假
设

，接受备择假设，即身高与体重受到年龄的影响显著。


表
7
－
2

体重、身高与性别的方差分析表

Mean

体重
(x4,kg) *
性别
(x2)




身高
(x5,cm) *
性别
(x2)




Between Groups
Within Groups
Total
Between Groups
Within Groups
Total
df
1
94
95
1
94
95
Square
.839
9.056

.105
35.239

F
.093


.003


Sig.
.762


.956


在表
7
－
2
中，
F
对应的概率值
P(sig)>
α
（
α
＝
0.05
）；故接受原假设
,
即 身高与体重受
到性别的影响不显著。


19
、文件

中列出了某学校四个年级同学接受专业训练前后的铁饼成绩，问接受
专业训练后同学们的铁饼成绩有无 显著提高？（显著性水平为
5%
）

统
计
表
格
及
分
析
：


表
8
－
1

配对样本的相关性分析表



Pair 1
铁饼
（训练前）

&
铁饼
（训练后）

N
24
Correlation
.976
Sig.
.000
H
0
：

铁饼（训练前）和

铁饼（训练后）的数据之间不存在线性关系


H
1
：

铁饼（训练前）和

铁饼（训练后）的数据之间存在线性关系

表
8
－
1
列出了配对样本的个数（
N
）、相关系数（
Correlation
）、显 著性概率（
Sig.
）。
显著性概率趋近于
0
，远小于
0. 05
，所以认为铁饼（训练前）和

铁饼（训练后）的数据之间
存在线性关系。


表
8
－
2

配对样本
T
检验的成果表

Sig.


Std.


Mean
Deviation
Paired Differences
Std.
Error
Mean
95% Confidence
Interval of the
Difference






t
df
(2-tailed)


Pair 1
铁饼（训练
前）

-
铁饼
（训练后）







Lower
Upper






-.2417
.4323
.0882
-.4242
-.0591
-2.739
23
.012






表
8
－
2
中为铁饼（训练前）和

铁饼（训练后） 的数据的
T
检验结果。表中前
4
项分别
为配对样本数据差异的均值< br>（
Mean
）
、
标准离差
（
Std. Deviation
）
、
均值的标准差
（
Std. Error < br>Mean
）
以及
95
％置信区间。
后
3
项为
t
值
（
t
）
、
自由度
（
df）
和双尾显著性概率
（
Sig. (2-tailed)
）
。







表中双尾显著性概率为
0.012
，远小于
0.05
，故 拒绝原假设，接受备择假设，认为配
对样本之间有显著差异，即接受专业训练后同学们的铁饼成绩提高显 著。


·
结
论
：


铁饼（训练前）和

铁饼（训练后）的数据之间存在线性关系。且配对样本之间有显著
差异，即接受专业训练后同学们的铁饼成绩有显著提高。


20
、 文件

中列出了某学校四个年级同学的外语与中文成绩，问男女生总成绩
（英文
+
中文）之间有无显著差异？（显著性水平为
5%
）做法：
先计算出总成绩， 计算方
法：
Transform
菜单栏下的
Compute Variable
选项








总成绩计算出来之后，选择
Analyze
选项下
Compare Means
选项下“两独立样本
T
检验”
选项卡



将总成绩放入
Test Variable
一栏中，性别放入
Grouping Variable
一栏中并为其定义。



点
Ok
即可得出结果。




结果分析 ：方差齐次性，采用
F
检验，
0.235
，大于
0.05
， 所以认为男女生总成绩两样本的
的方差是没有显著性差异的；

校正
t
检验的显著性水平
Sig
（
2-tailed
）为
0.951，大于
0.05
，所以男女生总成绩之间
没有显著性差异。


21
、
根据以往的资料，
学生中文的平均成绩为
80
分。< br>文件

中列出了某学校四个
年级学生的中文成绩，问学生中文成绩有无显著的下降 ？（显著性水平为
5%
）

·
提
出
假
设
：

H
0
:
μ
＝
50(
μ
-50=0)
；即学生中文成绩无显著的下 降。



















H
1
:
μ
≠
50(
μ
-50
≠< br>0)
；即学生中文成绩有显著的下降。


·
操
作
步
骤
：

1
、

打开数据文件：
file
－
open
－
data
－

2
、

单一样本的均值检验：
analysis
－
compare means
－
One Sample T Test
3
、

在
test value
中输入
80
，在
test Variable
中选“中文”
。

4
、

在
options
中输入显著性水平
5%


·
统
计
表
格
及
分
析
：




中文































表
9
－
1




数据统计量表

N
24
Mean
78.54
Std. Deviation
11.159
Std. Error Mean
2.278
表
9
－
1
为单样本数据的统计量表，
列出了变量
“中文”
对应的数据个数
（< br>N
）
、
均值
（
mean
）
、
标准离 差（
Std. Deviation
）、均值的标准差（
Std. Error Mean
）。



表
9
－
2




单样本均值检验成果表

Test Value = 80
95% Confidence Interval of
Mean


中文

t
-.640
df
23
Sig. (2-tailed)
.528
Difference
-1.458
the Difference
Lower
-6.17
Upper
3.25
表
9
－
2
为单样本均值检 验的成果表。表中分别为
t
值（
t
）、自由度（
df
）和双 尾显著性
概率（
Sig. (2-tailed)
）均值差（
Mean Difference
）以及均值差的
95
％置信区间。

表中的显 著性概率为
0.528
，远大于
0.05
；因此，可以认为该样本数据的均值 与总体均
值之间没有显著差异。故接受原假设，即学生中文成绩无显著的下降。


·
结
论
：

样本数据的均值与总体均值之间没有显著差异，即学生中文成绩无显著的下降。

< br>22
、文件

中列出了某学校四个年级同学的英文成绩，问学生英文成绩是否受到
年级因素的影响？（显著性水平为
5%
）

H
0
:
μ
1 =
μ
2 =
μ
3

；即学生英文成绩不受年纪影响。



















H
1
:
μ
1
、
μ
2
、
μ
3
不完全相等；即学生英文成绩受年纪影响。


·
操
作
步
骤
：

1
、

打开数据文件：
file
－
open
－
data
－

2
、
单因方差分析检验：
Ana lysis
→
Compare Means
→
One-Way ANOV
A



3
、

在“
dependent list
”列表中输入变量名“英语”
；在“factor
”文本框中输入变量名“年
纪”
。

4
、

在
options
中输入显著性水平
5%

·
统
计
表
格
及
分
析
：

































表
10
－
1



数据方差分析表

Sum of


Between Groups
Squares
105.000
df
3
Mean Square
35.000
F
.283
Sig.
.837
Within Groups
Total
2475.000
2580.000
20
23
123.750





表
10
－
1
中分别列出了方差来源 、
平方和
（
Sum of Squares
）
、
自由度（
df
）
、
均方差
（
Mean
Square
）
、
F
值以及
F
值的显著性水平
（
Sig .
）
。
由于表中的显著性水平为
0.837
，
远大于
0.05
；
故接受原假设，即认为学生英文成绩不受年级影响。


23
、
已知
10
名
20
岁男青年身高与臂长的数据，请计算其相关系数，
身高与臂长间存在显著
的相关关系吗？（显著性水平为
5%< br>）
（

）

表
4
青年身高与臂长的数据

身高
(cm)
臂长
(cm)
170
173
160
155
173
188
178
183
180
165
45
42
44
41
47
50
47
46
49
43
·
提
出
假
设
：

H
0
:

身高与臂长间不存在显著的相关关系。



















H
1
:
身高与臂长间存在显著的相关关系。


·
操
作
步
骤
：

1
、

打开数据文件：
file
－
open
－
data
－

2
、

相关性检验：
Correlation
－
Bivariate
3
、

选择
Pearson(
积距相关
)
；在
option
子框中选择
means/Sd.

·
统
计
表
格
及
分
析
：


表
11
－
1



描述统计量表



Mean
172.50
45.40
Std. Deviation
10.341
2.951
N
10
10
身高（
cm
）

臂长（
cm
）








表
11
－
1
为描述统计量表。表中列出的统计 量包括变量的均值（
Mean
）、标准离差
（
Std. Deviation
）和数据个数（
N
）。

表
11
－
2



相关分析成果表




身高（
cm
）

臂长（
cm
）

身高（
cm
）





臂长（
cm
）





Pearson Correlation
Sig. (1-tailed)
N
Pearson Correlation
Sig. (1-tailed)
N
1

10
.823(**)
.002
10
.823(**)
.002
10
1

10
**

Correlation is significant at the 0.01 level (1-tailed)
表
11
－
2
为相关 分析成果表，
表中列出了
2
个变量之间的
Pearson
相关系数、
单侧显著
性检验概率（
Sig. (1-tailed)
）和数据组数（N
）。脚注内容显示相关分析结果在
0.01
的水平
上显著。另外，从表 中可以看出，显著性概率为
0.002
，远小于
0.05
，故拒绝原假设，接 受
备择假设；可以认为身高和臂长的数据有较强的相关性。


·
结
论
：

根据相关性分析结果，可知身高与臂长间存在显 著的相关关系，其相关系数为
0.823
，
属于强相关。


24
、已知学生铁饼与标枪的数据，请计算其相关系数？（

）

·
提
出
假
设
：

H
0
:

学生铁饼与标枪成绩之间不存在显著关系。



















H
1
:
学生铁饼与标枪成绩之间存在显著关系。


·
操
作
步
骤
：

1
、
打 开数据文件：
file
－
open
－
data
－

2
、
相关性检验：
Correlation
－
Bivari ate
3
、选择
Pearson(
积距相关
)
；在
option
子框中选择
means/Sd.

·
统
计
表
格
及
分
析
：



表
12
－
1



描述统计量表


Mean
32.79
Std. Deviation
12.476
N
24
标枪（
m
）