spss统计软件期末课程考试题

《SPSS统计软件》课程作业

要求：数据计算题要求注明选用的统计分析模块和输出结果；并解释结果的意义。 完成后将作业电子稿发送至

1. 某单位对100名女生测定血清总蛋白含量，数据如下：

74.3 78.8 68.8 78.0 70.4 80.5 80.5 69.7 71.2 73.5 79.5 75.6 75.0 78.8 72.0 72.0 72.0 74.3 71.2 72.0 75.0 73.5 78.8 74.3 75.8 65.0 74.3 71.2 69.7 68.0 73.5 75.0 72.0 64.3 75.8 80.3 69.7 74.3 73.5 73.5 75.8 75.8 68.8 76.5 70.4 71.2 81.2 75.0 70.4 68.0 70.4 72.0 76.5 74.3 76.5 77.6 67.3 72.0 75.0 74.3 73.5 79.5 73.5 74.7 65.0 76.5 81.6 75.4 72.7 72.7 67.2 76.5 72.7 70.4 77.2 68.8 67.3 67.3 67.3 72.7 75.8 73.5 75.0 73.5 73.5 73.5 72.7 81.6 70.3 74.3 73.5 79.5 70.4 76.5 72.7 77.2 84.3 75.0 76.5 70.4

计算样本均值、中位数、方差、标准差、最大值、最小值、极差、偏度和峰度，并给出均值的置信水平为95%的置信区间。

解：

描述 血清总蛋白含量 均值 均值的 95% 置信区间 统计量 73.6680 标准误 .39389 下限 上限 72.8864 74.4496 73.6533 73.5000 15.515 5% 修整均值 中值 方差

标准差 极小值 极大值 范围 四分位距 偏度 峰度 3.93892 64.30 84.30 20.00 4.60 .054 .037 .241 .478

样本均值为：73.6680；中位数为：73.5000；方差为：15.515；标准差为：3.93892；最大值为：84.30；最小值为：64.30；极差为：20.00；偏度为：0.054；峰度为：0.037；均值的置信水平为95%的置信区间为：【72.8864，74.4496】。

2. 绘出习题1所给数据的直方图、盒形图和QQ图，并判断该数据是否服从正态分布。 解

：

4 5 6 7 8 9 10 11 12 13 14 15 131 67 169 81 192 116 55 252 232 144 103 212 205 86 265 98 330 195 53 430 372 236 157 370 2838 2347 3782 3008 2450 2137 2560 4020 4427 2660 2088 2605 (1) 画出这三个变量的两两散点图，并计算出两两之间的相关系数。

解

：

相关性 人均收入X2 Pearson 相关性 显著性（双侧） 平方与叉积的和 协方差 N 人均收入X2 1 销售Y .639 .010 405762.200 28983.014 15 1 * 7473615.733 533829.695 15 .639 .010 405762.200 28983.014 15 *销售Y Pearson 相关性 显著性（双侧） 平方与叉积的和 协方差 N 53901.600 3850.114 15 *. 在 0.05 水平（双侧）上显著相关。

其中包括了叉积离差矩阵、协方差矩阵、Pearson相关系数及相伴概率p值。从表中可看出，相关系数为0.639>0，说明呈正相关

相关性 人数X1 Pearson 相关性 显著性（双侧） 平方与叉积的和 协方差 N 人数X1 1 人均收入X2 .569 .027 679452.467 48532.319 15 1 * 191088.933 13649.210 15 .569 .027 679452.467 48532.319 15 *人均收入X2 Pearson 相关性 显著性（双侧） 平方与叉积的和 协方差 N 7473615.733 533829.695 15 *. 在 0.05 水平（双侧）上显著相关。 其中包括了叉积离差矩阵、协方差矩阵、Pearson相关系数及相伴概率p值。从表中可看出，相关系数为0.569>0，说明呈正相关

相关性 销售Y Pearson 相关性 显著性（双侧） 平方与叉积的和 协方差 N 销售Y 1 人数X1 .995 .000 101031.400 7216.529 15 1 ** 53901.600 3850.114 15 .995 .000 101031.400 7216.529 15 **人数X1 Pearson 相关性 显著性（双侧） 平方与叉积的和 协方差 N 191088.933 13649.210 15 **. 在 .01 水平（双侧）上显著相关。 表格中包括了叉积离差矩阵、协方差矩阵、Pearson相关系数及相伴

概率p值。从表中可看出，相关系数为0.995>0，说明呈正相关

(2) 试建立Y与X1，X2 之间的线性回归方程，并研究相应的统计推断问题。同时预测适合购买此化妆品的人数为220千人，人均收入为2500元的某城市对该化妆品的销量。

输入／移去的变量 模型 1 输入的变量 人均收入X2, 人数X1 a. 已输入所有请求的变量。 a移去的变量 方法 . 输入 表中显示回归模型编号、进入模型的变量、移出模型的变量和变量的筛选方法。可以看出，进入模型的自变量为“人均收入X2和人数X1” 。

模型汇总 更改统计量 模型 R R 方 调整 R 方 标准 估计的误差 R 方更改 F 更改 df1 df2 Sig. F 更改 1 .999 .999 a.999 2.17722 .999 5679.466 2 12 .000 a. 预测变量: (常量), 人均收入X2, 人数X1。 R=0.999，说明自变量与因变量之间的相关性很强。R方(R2) =0.999，说明自变量“人均收入和人数”可以解释因变量“销售量”的99.9%的差异性。 Anova 模型 1 回归 残差 总计 平方和 53844.716 56.884 53901.600 df 2 12 14 均方 26922.358 4.740 F 5679.466 Sig. .000 ab a. 预测变量: (常量), 人均收入X2, 人数X1。 b. 因变量: 销售Y 表中显示因变量的方差来源、方差平方和、自由度、均方、F检验统计量的观测值和显著性水平。方差来源有回归、残差。从表中可以看出，F统计量的观测值为5679.466，显著性概率为0.000，即检验假设“H0：回归系数B = 0”成立的概率为0.000，从而应拒绝原假设，说明因变量和自变量的线性关系是非常显著的，可建立线性模型

本文来源：https://www.bwwdw.com/article/b90t.html