統(tǒng)計(jì)分析與SPSS的應(yīng)用第五版課后練習(xí)答案

1、統(tǒng)計(jì)分析與 SPSS的應(yīng)用（第五版） 課后練習(xí)答案第一章練習(xí)題答案1、SPSS的中文全名是：社會(huì)科學(xué)統(tǒng)計(jì)軟件包（后改名為：統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案）英文全名是： Statistical Package for the Social Science.（Statistical Product and Service Solutions）2、SPSS的兩個(gè)主要窗口是數(shù)據(jù)編輯器窗口和結(jié)果查看器窗口。數(shù) 據(jù)編輯器窗口的主要功能是定義 SPSS數(shù)據(jù)的結(jié)構(gòu)、錄入編輯和管理待分析的數(shù)據(jù)；結(jié) 果查看器窗口的主要功能是現(xiàn)實(shí)管理SPSS統(tǒng)計(jì)分析結(jié)果、報(bào)表及圖形。3、SPSS的數(shù)據(jù)集：SPSS運(yùn)行時(shí)可同時(shí)打開(kāi)多個(gè)數(shù)據(jù)編

2、輯器窗口。每個(gè)數(shù)據(jù)編輯器窗口分別顯示不同 的數(shù)據(jù)集合（簡(jiǎn)稱(chēng)數(shù)據(jù)集） ?；顒?dòng)數(shù)據(jù)集：其中只有一個(gè)數(shù)據(jù)集為當(dāng)前數(shù)據(jù)集。SPSS只對(duì)某時(shí)刻的當(dāng)前數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行分析。4、SPSS的三種基本運(yùn)行方式：完全窗口菜單方式、程序運(yùn)行方式、混合運(yùn)行方式。完全窗口菜單方式：是指在使用 SPSS的過(guò)程中，所有的分析操作都通過(guò)菜單、按 鈕、輸入對(duì)話(huà)框等方式來(lái)完成， 是一種最常見(jiàn)和最普遍的使用方式， 最大優(yōu)點(diǎn)是簡(jiǎn) 潔和直觀。程序運(yùn)行方式：是指在使用 SPSS的過(guò)程中，統(tǒng)計(jì)分析人員根據(jù)自己的需要，手工 編寫(xiě) SPSS命令程序，然后將編寫(xiě)好的程序一次性提交給計(jì)算機(jī)執(zhí)行。該方式適用 于大規(guī)模的統(tǒng)計(jì)分析工作?；旌线\(yùn)行方式：

3、是前兩者的綜合。5、.sav 是數(shù)據(jù)編輯器窗口中的 SPSS數(shù)據(jù)文件的擴(kuò)展名.spv 是結(jié)果查看器窗口中的 SPSS分析結(jié)果文件的擴(kuò)展名.sps 是語(yǔ)法窗口中的 SPSS程序6、SPSS的數(shù)據(jù)加工和管理功能主要集中在編輯、數(shù)據(jù)等菜單中；統(tǒng)計(jì)分析和繪圖功能主要集中在 分析、圖形等菜單中。7、概率抽樣 （probability sampling） ：也稱(chēng)隨機(jī)抽樣， 是指按一定的概率以隨機(jī)原則抽取樣本， 抽取樣本時(shí)每個(gè)單位都有一定的機(jī)會(huì)被抽中， 每個(gè)單位被抽中的概率是已知的， 或是可以計(jì) 算出來(lái)的。概率抽樣包括簡(jiǎn)單隨機(jī)抽樣、系統(tǒng)抽樣（等距抽樣） 、分層抽樣（類(lèi)型抽樣） 、整 群抽樣、多階段抽樣等。簡(jiǎn)

4、單隨機(jī)抽樣 （simple random sampling） ：從包括總體 N 個(gè)單位的抽樣框中隨機(jī)地抽 取n 個(gè)單位作為樣本，每個(gè)單位抽入樣本的概率是相等的。是最基本的抽樣方法， 是其它抽樣方法的基礎(chǔ)。優(yōu)點(diǎn)：簡(jiǎn)單、直觀，在抽樣框完整時(shí)，可直接從中抽取樣 本，用樣本統(tǒng)計(jì)量對(duì)總體參數(shù)進(jìn)行估計(jì)比較方便。局限性：當(dāng) N 很大時(shí)，不易構(gòu) 造抽樣框，抽出的單位很分散，給實(shí)施調(diào)查增加了困難。分層抽樣 （stratified sampling） ：將抽樣單位按某種特征或某種規(guī)則劃分為不同的層， 然后從不同的層中獨(dú)立、 隨機(jī)地抽取樣本。 優(yōu)點(diǎn)： 保證樣本的結(jié)構(gòu)與總體的結(jié)構(gòu)比 較相近， 從而提高估計(jì)的精度， 組

5、織實(shí)施調(diào)查方便 （當(dāng)層是以行業(yè)或行政區(qū)劃分時(shí) ）， 既可以對(duì)總體參數(shù)進(jìn)行估計(jì)，也可以對(duì)各層的參數(shù)進(jìn)行估計(jì)。整群抽樣 （cluster sampling） ：將總體中若干個(gè)單位合并為組 （群）,抽樣時(shí)直接抽取群， 然后對(duì)選中群中的所有單位全部實(shí)施調(diào)查。優(yōu)點(diǎn)： 抽樣時(shí)只需群的抽樣框， 可簡(jiǎn)化工作量；調(diào)查的地點(diǎn)相對(duì)集中，節(jié)省調(diào)查費(fèi)用，方便調(diào)查的實(shí)施。缺點(diǎn)：估計(jì)的精度較差。系統(tǒng)抽樣 （systematic sampling） ：將總體中的所有單位 （ 抽樣單位 ） 按一定順序排列， 在規(guī)定的范圍內(nèi)隨機(jī)地抽取一個(gè)單位作為初始單位， 然后按事先規(guī)定好的規(guī)則確定 其它樣本單位， 先從數(shù)字 1 到 k 之間隨

6、機(jī)抽取一個(gè)數(shù)字 r 作為初始單位， 以后依次 取 r+k， r+2k等單位。優(yōu)點(diǎn)：操作簡(jiǎn)便，可提高估計(jì)的精度。缺點(diǎn)：對(duì)估計(jì)量方 差的估計(jì)較困難。多階段抽樣 （multi-stage sampling） ：先抽取群， 但并不是調(diào)查群內(nèi)的所有單位， 而是 再進(jìn)行一步抽樣，從選中的群中抽取出若干個(gè)單位進(jìn)行調(diào)查。群是初級(jí)抽樣單位， 第二階段抽取的是最終抽樣單位。 將該方法推廣， 使抽樣的段數(shù)增多， 就稱(chēng)為多階 段抽樣。優(yōu)點(diǎn)：具有整群抽樣的優(yōu)點(diǎn)，保證樣本相對(duì)集中，節(jié)約調(diào)查費(fèi)用。在大規(guī) 模的抽樣調(diào)查中，經(jīng)常被采用的方法。非概率抽樣是指抽取樣本時(shí)不是依據(jù)隨機(jī)原則， 而是根據(jù)研究目的對(duì)數(shù)據(jù)的要求， 采用 某種

7、方式從總體中抽出部分單位對(duì)其實(shí)施調(diào)查，包括方便抽樣、自愿抽樣、 配額抽樣、 判斷 抽樣和滾雪球抽樣等。方便抽樣： 樣本限于總體中易于抽到的一部分。 最常見(jiàn)的方便抽樣是偶遇抽樣， 即 研究者將在某一時(shí)間和環(huán)境中所遇到的每一總體單位均作為樣本成員。 “街頭攔人 法”就是一種偶遇抽樣。 方便抽樣是非隨機(jī)抽樣中最簡(jiǎn)單的方法， 省時(shí)省錢(qián)，但樣 本代表性因受偶然因素的影響太大而得不到保證。自愿抽樣： 某些調(diào)查對(duì)被調(diào)查者來(lái)說(shuō)是不愉快的、 麻煩的， 這時(shí)為方便起見(jiàn)就采用 以自愿被調(diào)查者為調(diào)查樣本的方法。判斷抽樣：研究人員從總體中選擇那些被判斷為最能代表總體的單位作樣本的抽樣 方法。當(dāng)研究者對(duì)自己的研究領(lǐng)域十分

8、熟悉， 對(duì)研究總體比較了解時(shí)采用這種抽樣 方法，可獲代表性較高的樣本。 這種抽樣方法多應(yīng)用于總體小而內(nèi)部差異大的情況， 以及在總體邊界無(wú)法確定或因研究者的時(shí)間與人力、物力有限時(shí)采用。滾雪球抽樣： 以若干個(gè)具有所需特征的人為最初的調(diào)查對(duì)象， 然后依靠他們提供認(rèn) 識(shí)的合格的調(diào)查對(duì)象， 再由這些人提供第三批調(diào)查對(duì)象， 依次類(lèi)推， 樣本如同 滾雪球般由小變大。滾雪球抽樣多用于總體單位的信息不足或觀察性研究的情況。 這種抽樣中有些分子最后仍無(wú)法找到， 有些分子被提供者漏而不提， 兩者都可能造 成誤差。配額抽樣也稱(chēng)定額抽樣，是將總體依某種標(biāo)準(zhǔn)分層（群） ；然后按照各層樣本數(shù)與 該層總體數(shù)成比例的原則主觀抽

9、取樣本。 配額抽樣與分層概率抽樣很接近， 最大的 不同是分層概率抽樣的各層樣本是隨機(jī)抽取的，而配額抽樣的各層樣本是非隨機(jī) 的?？傮w也可按照多種標(biāo)準(zhǔn)的組合分層 （群 ），例如，在研究自殺問(wèn)題時(shí)，考慮到婚 姻與性別都可能對(duì)自殺有影響， 可將研究對(duì)象分為未婚男性、 已婚男性、 未婚女性 和已婚女性四個(gè)組， 然后從各群非隨機(jī)地抽樣。 配額抽樣是通常使用的非概率抽樣 方法，樣本除所選標(biāo)識(shí)外無(wú)法保證代表性。8、利用 SPSS進(jìn)行數(shù)據(jù)分析的一般步驟：數(shù)據(jù)的準(zhǔn)備 -數(shù)據(jù)的加工處理 -數(shù)據(jù)的分析 -分析結(jié)果的閱讀和解釋。第二章練習(xí)題答案1、SPSS中兩個(gè)基本的數(shù)據(jù)組織方式：原始數(shù)據(jù)的組織方式和計(jì)數(shù)數(shù)據(jù)的組織方式

10、。原始數(shù)據(jù)的組織方式： 待分析的數(shù)據(jù)是一些原始的調(diào)查問(wèn)卷數(shù)據(jù)， 或是一些基本的 統(tǒng)計(jì)指標(biāo)。計(jì)數(shù)數(shù)據(jù)的組織方式： 所采集的數(shù)據(jù)不是原始的調(diào)查問(wèn)卷數(shù)據(jù)， 而是經(jīng)過(guò)分組匯總后的數(shù)據(jù)。2、個(gè)案：在原始數(shù)據(jù)的組織方式中，數(shù)據(jù)編輯器窗口中的一行稱(chēng)為一個(gè)個(gè)案或觀測(cè)。 變量：數(shù)據(jù)編輯器窗口中的一列。3、默認(rèn)的變量名： VAR；默認(rèn)的變量類(lèi)型：數(shù)值型。變量名標(biāo)簽和變量值標(biāo)簽可增強(qiáng)統(tǒng)計(jì)分析結(jié)果的可讀性。4、數(shù)據(jù)文件如圖所示：5、缺失值分為用戶(hù)缺失值（ User Missing Value）和系統(tǒng)缺失值（ System Missing Value）。用戶(hù)缺失值指在問(wèn)卷調(diào)查中，將無(wú)回答的一些數(shù)據(jù)以及明顯失真的數(shù)據(jù)當(dāng)作

11、缺失值 來(lái)處理。用戶(hù)缺失值的編碼一般用研究者自己能夠識(shí)別的數(shù)字來(lái)表示，如“0”、“ 9”、“ 99”等。系統(tǒng)缺失值主要指計(jì)算機(jī)默認(rèn)的缺失方式， 如果在輸入數(shù)據(jù)時(shí)空缺了某些數(shù)據(jù)或輸入了 非法的字符，計(jì)算機(jī)就把其界定為缺失值，這時(shí)的數(shù)據(jù)標(biāo)記為一個(gè)圓點(diǎn)“” 。在變量視圖中 定義。6、變量類(lèi)型包括：數(shù)值型（身高） 、定序型（受教育程度）以及定類(lèi)型（性別） 。在變量視 圖中定義。79 題 軟件操作，答案略第三章練習(xí)題答案18 題 軟件操作，答案略9、SPSS排序功能僅實(shí)現(xiàn)將觀測(cè)按用戶(hù)指定順序重新排列；拆分功能在按序排列的基礎(chǔ)上， 能夠?qū)崿F(xiàn)對(duì)數(shù)據(jù)按排序變量進(jìn)行分組，并分組進(jìn)行后續(xù)的統(tǒng)計(jì)分析。第四章練習(xí)題答

12、案1、Statistics戶(hù)口所在 地職業(yè)年齡Valid282282282NMissing000戶(hù)口所在地FrequencyPercentValid PercentCumulativePercent中心城市200Valid 邊遠(yuǎn)郊區(qū)82Total282職業(yè)FrequencyPercentValid PercentCumulativePercent國(guó)家機(jī)關(guān)24商業(yè)服務(wù)業(yè)54文教衛(wèi)生18公交建筑業(yè)15經(jīng)營(yíng)性公司18學(xué)校15一般農(nóng)戶(hù)35種糧棉專(zhuān)業(yè)Valid 戶(hù)4種果菜專(zhuān)業(yè) 戶(hù)10工商運(yùn)專(zhuān)業(yè) 戶(hù)34退役人員17金融機(jī)構(gòu)35現(xiàn)役軍人3Total282年齡FrequencyPercentValid Per

13、centCumulativePercent20 歲以下42035 歲146Valid 3550 歲9150 歲以上41Total282分析：本次調(diào)查的有效樣本為 282 份。常住地的分布狀況是：在中心城市的人最多， 有 200 人，而在邊遠(yuǎn)郊區(qū)只有 82 人；職業(yè)的分布狀況是：在商業(yè)服務(wù)業(yè)的人最多，其次是一 般農(nóng)戶(hù)和金融機(jī)構(gòu)；年齡方面：在 35-50 歲的人最多。由于變量中無(wú)缺失數(shù)據(jù)，因此頻數(shù)分 布表中的百分比相同。2、分析：由表中可以看出，有效樣本為282 份，存（?。┛罱痤~的均值是，標(biāo)準(zhǔn)差為，峰度系數(shù)為，偏度系數(shù)為。 與標(biāo)準(zhǔn)正態(tài)分布曲線(xiàn)進(jìn)行對(duì)比，由峰度系數(shù)可以看出，此表的存款金 額的數(shù)據(jù)分

14、布比標(biāo)準(zhǔn)正態(tài)分布更陡峭； 由偏度系數(shù)可以看出， 此表的存款金額的數(shù)據(jù)為右偏 分布，表明此表的存款金額均值對(duì)平均水平的測(cè)度偏大。分析：由表中可以看出，中心城市有 200 人，邊遠(yuǎn)郊區(qū)為 82 人。兩部分樣本存取款金額均 呈右偏尖峰分布，且邊遠(yuǎn)郊區(qū)更明顯。3、利用描述菜單下窗口對(duì)話(huà)框中的“將標(biāo)準(zhǔn)得分另存為變量”功能實(shí)現(xiàn)。對(duì)標(biāo)準(zhǔn)分?jǐn)?shù)變量 按降序排列，絕對(duì)值大于 3 的可視為“與眾不同”的樣本。理由： 標(biāo)準(zhǔn)化值反映的是樣本值與樣本均值的差是幾個(gè)標(biāo)準(zhǔn)差單位。如果標(biāo)準(zhǔn)化值等于0，則表示該樣本值等于樣本均值；如果標(biāo)準(zhǔn)化值大于0，則表示該樣本值大于樣本均值；如果標(biāo)準(zhǔn)化值小于 0，則表示該樣本值小于樣本均值。如

15、果標(biāo)準(zhǔn)化值的絕對(duì)值大于3，則可認(rèn)為是異常值。4、利用列聯(lián)分析實(shí)現(xiàn)。首先編制列聯(lián)表，然后進(jìn)行卡方檢驗(yàn)。以戶(hù)口和收入的列聯(lián)分析為 例：表中，卡方統(tǒng)計(jì)量的觀測(cè)值等于，概率 -P 值等于。若顯著性水平設(shè)為，由于 表明戶(hù)口地與收入水平不獨(dú)立。，拒絕原假設(shè)，5、多選項(xiàng)分類(lèi)法；存款的最主要目的是正常生活零用6、計(jì)算結(jié)果：卡方統(tǒng)計(jì)量： 2( fij ef ij ) ，用于測(cè)度各個(gè)單元格的觀測(cè)頻數(shù)與期望頻數(shù)的差異， i1 j1fije并依卡方理論分布判斷差異是否統(tǒng)計(jì)顯著。由于期望頻數(shù)代表的是行列變量獨(dú)立下的分布， 所以卡方值越大表明實(shí)際分布與期望分布差異越明顯。本例中，由于概率P 值小于顯著性水平，應(yīng)拒絕原假設(shè)

16、，婆媳關(guān)系與住房條件有關(guān)系。7、將計(jì)數(shù)數(shù)據(jù)還原為原始數(shù)據(jù)，采用交叉分組下的頻數(shù)分析，并進(jìn)行卡方檢驗(yàn)。表中，卡方統(tǒng)計(jì)量觀測(cè)值為，對(duì)應(yīng)的概率P-值為，小于顯著性水平，應(yīng)拒絕原假設(shè)，說(shuō)明減肥效果并不一致。8、多選項(xiàng)二分法；102（ 794 份）、101（514 份）、 401（400 份）賺錢(qián)比例： %，賠錢(qián)比例 38%主要依據(jù)：基本因素法；最少依據(jù)：更跟方法采用列聯(lián)分析。卡方檢驗(yàn)結(jié)果表明：專(zhuān)職和業(yè)余投資者在投資結(jié)果上存在顯著差異。9、（ 1）變量：汽車(chē)價(jià)格、居住地區(qū)；類(lèi)型：定序型變量、定類(lèi)型變量（ 2）上述是計(jì)數(shù)數(shù)據(jù)的組織方式， 應(yīng)首先組織到 SPSS的數(shù)據(jù)編輯器窗口中， 再利用交叉 分組下的頻數(shù)

17、分析方法。列聯(lián)分析。原假設(shè)：不同居住區(qū)的私家車(chē)主接受的汽車(chē)價(jià)格具有一致性的。上表可知，如果顯著性水平為，由于卡方檢驗(yàn)的概率P-值小于顯著性水平，因此應(yīng)拒絕原假設(shè)。第五章練習(xí)題答案1、采用單樣本 T 檢驗(yàn)（原假設(shè) H0:u=u0=75,總體均值與檢驗(yàn)值之間不存在顯著差異）One-Sample StatisticsNMeanStd. DeviationStd. ErrorMeanVAR0000111One-Sample TestTest Value = 75tdfSig. (2-tailed)MeanDifference95% Confidence Interval of the Differen

18、ceLowerUpperVAR0000110.668分析： N=11 人的平均值（ mean）為，標(biāo)準(zhǔn)差（）為，均值標(biāo)準(zhǔn)誤差（std error mean） 為。 t統(tǒng)計(jì)量的觀測(cè)值為， t 統(tǒng)計(jì)量觀測(cè)值的雙尾概率 P-值（ sig.（2-tailed） ）為；六七列是總體均值 與原假設(shè)值差的 95%的置信區(qū)間： ,。采用雙尾檢驗(yàn)比較 a 和 p。T 統(tǒng)計(jì)量觀測(cè)值的雙尾概率 p-值（ sig.（2-tailed） ）為 a=所以不能拒絕原設(shè)；且總體均值的95%的置信區(qū)間為 ,，檢驗(yàn)值75 包括在置信區(qū)間內(nèi)，所以經(jīng)理的話(huà)是可信的。2、每周上網(wǎng)時(shí)間的樣本平均值為， 標(biāo)準(zhǔn)差為， 總體均值 95%的置信

19、區(qū)間為、 利用兩獨(dú)立樣本的 T 檢驗(yàn)實(shí)現(xiàn)， 本質(zhì)為兩個(gè)總體比例差的檢驗(yàn)。 首先將計(jì)數(shù)數(shù)據(jù)通過(guò)加權(quán)功能還原為原始數(shù)據(jù)， 然后，采用兩獨(dú)立樣本 T 檢驗(yàn)實(shí)現(xiàn)。檢驗(yàn)變量為行為，分組變量為方式。Group Statistics方式NMeanStd. DeviationStd. ErrorMeana2方式一200.4600.49965.03533方式二183.8798.32611.02411分析：從上表可以看出票丟仍買(mǎi)的人數(shù)比例為46%,錢(qián)丟仍買(mǎi)的人數(shù)比例為 88%,兩種方式的樣本比例有較大差距。1.兩總體方差是否相等 P值為,；如果顯著性水平為 看假設(shè)方差不相等行的結(jié)果。F 檢驗(yàn)： F 的統(tǒng)計(jì)量的觀察

20、值為 ,對(duì)應(yīng)的 ,由于概率 P 值小于 ,兩種方式的方差有顯著差異。2.兩總體均值（比例）差的檢驗(yàn)： .T 統(tǒng)計(jì)量的觀測(cè)值為 ,對(duì)應(yīng)的雙尾概率為 ,T統(tǒng)計(jì)量對(duì)應(yīng)的概率 P 值,故推翻原假設(shè) ,表明兩總體比例有顯著差異 .更傾向心 理學(xué)家的說(shuō)法。4、本題是單個(gè)總體的比例檢驗(yàn)問(wèn)題。首先將數(shù)據(jù)組織成計(jì)數(shù)方式，并以數(shù)量為加權(quán)變量還 原為原始數(shù)據(jù)。然后，采用獨(dú)立樣本的 T 檢驗(yàn)實(shí)現(xiàn)。檢驗(yàn)變量為是否開(kāi)蘭花，檢驗(yàn)值為。分析：由表知： 樣本中 200 棵開(kāi)蘭花的比例為 71%。如果總體比例的原假設(shè)為， 由于 T 統(tǒng)計(jì)量的概 率 P 值大于顯著性水平（） ，不能拒絕原假設(shè)，不能說(shuō)與遺傳模型不一致。5、方式一：采

21、用兩配對(duì)樣本 t 檢驗(yàn)Paired Samples StatisticsMeanNStd. DeviationStd. ErrorMean飼料 1Pair 1飼料 299Paired Samples CorrelationsNCorrelationSig.飼料 1 & 飼料 Pair 129.571.108Paired Samples TestPaired DifferencestdfSig.(2-tailed)MeanStd.DeviationStd. ErrorMean95% Confidence Interval of the DifferenceLowerUpperPair 飼 料 1

22、 -1 飼料 28.306由上表可知， t 統(tǒng)計(jì)量觀測(cè)值為，概率 P-值為，大于顯著性水平，不應(yīng)拒絕原假設(shè)，不 能認(rèn)為不同飼料使幼鼠體內(nèi)鈣的留存量出現(xiàn)了顯著不同。方式二：采用兩獨(dú)立樣本 t 檢驗(yàn)由上面的表可知，兩組殘留的樣本平均值差異不大。由下表可知，該檢驗(yàn)的 F 統(tǒng)計(jì)量的觀測(cè)值為，對(duì)應(yīng)的概率P-值為。如果顯著性水平為 ,則可以認(rèn)為兩總體的方差無(wú)顯著差異。兩總體均值的檢驗(yàn)應(yīng)看第一行。 T統(tǒng)計(jì)量的觀測(cè)值為， P-值為 ,。如果顯著性水平為，則不應(yīng) 拒絕原假設(shè)，不能認(rèn)為兩飼料殘留有顯著差異。6、兩獨(dú)立樣本 T 檢驗(yàn)分析：1. 兩總體方差是否相等用 F檢驗(yàn)： F的統(tǒng)計(jì)量的觀察值為 ,對(duì)應(yīng)的 P值為

23、,；如果顯著性水 平為,由于概率 P值大于 ,兩種方式的方差無(wú)顯著差異 .看假設(shè)方差相等行。2.兩總體均值的檢驗(yàn)： T統(tǒng)計(jì)量的觀測(cè)值為 ,對(duì)應(yīng)的雙尾概率為 ,T統(tǒng)計(jì)量對(duì)應(yīng)的 P 值顯 著水平 ,故不能拒絕原假設(shè) ,不能認(rèn)為女生男生的課程平均分有顯著差異。7、利用配對(duì)樣本 T 檢驗(yàn)，逐對(duì)檢驗(yàn) 8、由第一個(gè)表知，培訓(xùn)前和培訓(xùn)后樣本的平均值（mean ）有一定差異，培訓(xùn)后平均值較大；表二表明，在顯著性水平為時(shí)，培訓(xùn)前后的銷(xiāo)售量有一定的線(xiàn)性關(guān)系；由表三知， t 檢驗(yàn)統(tǒng) 計(jì)量的觀測(cè)值為，對(duì)應(yīng)的雙尾概率p-值為，小于顯著水平 a= ，應(yīng)拒絕原假設(shè)，培訓(xùn)前后的銷(xiāo)售平均值存在顯著差異。第六章練習(xí)題答案1、（1

24、）ANOVAVAR00002Sum of SquaresdfMean SquareFSig.Between GroupsWithin GroupsTotal43034.000概率 P-值接近于 0，應(yīng)拒絕原假設(shè)，認(rèn)為 5 種推銷(xiāo)方法有顯著差異。2）均值圖：Multiple ComparisonsDependent Variable: VAR00002LSD(I) VAR00001 (J) VAR00001MeanStd. ErrorSig.95% Confidence IntervalDifference (I-J)Lower BoundUpper Bound2*.0483.7286.6531

25、4.0665*.0001*.048.0273*.018.7552*4.0005*.0421.6532*.01834.1575*.0001.066.2162*.00043.157.9455*.0001*.0002*.042.12753.0004*.000*. The mean difference is significant at the level.可知， 1 和 2、1 和 5、2 和 3，2 和 4,2 和 5,3 和 5,4和 5 有顯著差異。2、；3、因 F檢驗(yàn)的概率 P 值小于顯著性水平（） ，拒絕原假設(shè)，方差不齊，不滿(mǎn)足方差分析的前提 假設(shè)。；67； 各組均值存在顯著差異。更適合

26、第三組4、Between-Subjects FactorsValue LabelN地區(qū)一9地區(qū)地區(qū)二9地區(qū)三9周一至周三9日期周四至周五9周末9Tests of Between-Subjects Effects Dependent Variable: 銷(xiāo)售量SourceType III Sum of SquaresdfMean SquareFSig.Corrected Model.852a8.0001.000a12.313a22.254a1 * a2.8154.704.000Error.66718Total27Corrected Total.51926a. R Squared = .788 (

27、Adjusted R Squared = .693)分析：（ 2）由上表可知， Fa1、Fa2的概率 P-值為和， 大于顯著性水平 （），所以不應(yīng)拒絕原假設(shè)， 可以認(rèn)為不同地區(qū)和日期下的銷(xiāo)售額總體均值不存在顯著差異， 不同地區(qū)和不同日期對(duì)該商 品的銷(xiāo)售沒(méi)有產(chǎn)生顯著影響。（ 3）產(chǎn)生了交互影響。因?yàn)楦怕?P-值接近于 0，拒絕原假設(shè)，認(rèn)為不同地區(qū)和日期對(duì)銷(xiāo) 售額產(chǎn)生了顯著的交互作用。5、Between-Subjects FactorsValue LabelN性別女12男12手機(jī)使用12不使用12Tests of Between-Subjects EffectsDependent Variable

28、: 得分SourceType III Sum of SquaresdfMean SquareFSig.Corrected Model3.0001.000性別1.310.584手機(jī)1.000性別 * 手機(jī)1.258Error20Total24Corrected Total23a. R Squared = .760 (Adjusted R Squared = .724)分析：就性別而言，因?yàn)楦怕?P-值 =，大于顯著性水平，所以不應(yīng)拒絕原假設(shè)，認(rèn)為性別對(duì)駕 駛狀態(tài)無(wú)顯著影響；就手機(jī)使用情況而言，因?yàn)楦怕蔖-值接近 0，應(yīng)拒絕原假設(shè)，認(rèn)為手機(jī)使用情況對(duì)駕駛狀態(tài)存在顯著影響。6、在剔除加盟時(shí)間的影響下

29、，因 P-值小于，應(yīng)拒絕原假設(shè)，兩種培訓(xùn)方式效果有顯著差異。第七章練習(xí)題答案1、卡方檢驗(yàn)因概率 P 值小于顯著性水平（） ，拒絕原假設(shè)，不同年齡度對(duì)該商品滿(mǎn)意程度不一致。2、單樣本 K-S 檢驗(yàn)因概率 P 值小于顯著性水平（） ，拒絕原假設(shè)，與正態(tài)分布存在顯著差異。3、單樣本游程檢驗(yàn)因概率 P 值小于顯著性水平（） ，拒絕原假設(shè)，認(rèn)為成品尺寸的變化是由生產(chǎn)線(xiàn)工作不穩(wěn)定 導(dǎo)致的。4、兩獨(dú)立樣本的 K-S檢驗(yàn)因概率 P 值大于顯著性水平（） ，不應(yīng)拒絕原假設(shè)，認(rèn)為不同地區(qū)本次存取款金額的分布不 存在顯著差異。5、兩獨(dú)立樣本的曼 -惠特尼檢驗(yàn)因概率 P 值小于顯著性水平（） ，應(yīng)拒絕原假設(shè)，兩品牌白

30、糖實(shí)際重量的分布存在顯著差異 6、（略）7、兩配對(duì)樣本的秩檢驗(yàn)因概率 P 值小于顯著性水平（） ，應(yīng)拒絕原假設(shè)，喝酒前后剎車(chē)反映時(shí)間存在顯著差異8、多配對(duì)樣本的 friedman 檢驗(yàn)因概率 P 值大于顯著性水平（） 差異。，不應(yīng)拒絕原假設(shè)，三個(gè)品牌牛奶的日銷(xiāo)售數(shù)據(jù)不存在顯著第八章練習(xí)題答案1、能。Correlations客戶(hù)滿(mǎn)意 度綜合競(jìng)爭(zhēng) 力Pearson Correlation1.864*客戶(hù)滿(mǎn)意度 Sig. (2-tailed).000N1515Pearson Correlation.864*1綜合競(jìng)爭(zhēng)力 Sig. (2-tailed).000N1515*. Correlation i

31、s significant at the level (2-tailed).兩者的簡(jiǎn)單相關(guān)系數(shù)為，說(shuō)明存在正的強(qiáng)相關(guān)性。2、香煙消耗量與肺癌死亡率的散點(diǎn)圖相關(guān)系數(shù)為。因概率 P 值小于顯著性水平（） ，拒絕原假設(shè)，認(rèn)為兩者存在顯著關(guān)系。3. (1)如果所繪制的圖形不能較清晰地展示變量之間的關(guān)系，應(yīng)對(duì)散點(diǎn)圖進(jìn)行調(diào)整。在 SPSS 查看器窗口中選中相應(yīng)的散點(diǎn)圖雙擊鼠標(biāo)，進(jìn)入SPSS圖形編輯器窗口。選中【選項(xiàng)】菜單下的【塊元素】子菜單進(jìn)行數(shù)據(jù)合并。2)CorrelationsControl Variables銷(xiāo)售額銷(xiāo)售價(jià)格Correlation銷(xiāo)售額Significance (2-tailed).0

32、26家庭收入df07Correlation銷(xiāo)售價(jià)格Significance (2-tailed).026df70如表所示，在家庭收入作為控制變量的條件下，銷(xiāo)售額和價(jià)格的偏相關(guān)系數(shù)為，呈 定的負(fù)相關(guān)關(guān)系，且統(tǒng)計(jì)顯著。第九章練習(xí)題答案1、2、相關(guān)分析是回歸分析的基礎(chǔ)和前提，回歸分析則是相關(guān)分析的深入和繼續(xù)。相關(guān)分析需 要依靠回歸分析來(lái)表現(xiàn)變量之間數(shù)量相關(guān)的具體形式， 而回歸分析則需要依靠相關(guān)分析來(lái)表 現(xiàn)變量之間數(shù)量變化的相關(guān)程度。 只有當(dāng)變量之間存在高度相關(guān)時(shí)， 進(jìn)行回歸分析尋求其相 關(guān)的具體形式才有意義。 如果在沒(méi)有對(duì)變量之間是否相關(guān)以及相關(guān)方向和程度做出正確判斷 之前，就進(jìn)行回歸分析，很容易造

33、成“虛假回歸” 。與此同時(shí)，相關(guān)分析只研究變量之間相 關(guān)的方向和程度， 不能推斷變量之間相互關(guān)系的具體形式， 也無(wú)法從一個(gè)變量的變化來(lái)推測(cè) 另一個(gè)變量的變化情況，因此，在具體應(yīng)用過(guò)程中，只有把相關(guān)分析和回歸分析結(jié)合起來(lái)， 才能達(dá)到研究和分析的目的。3、檢驗(yàn)其可信程度并找出哪些變量的影響顯著、哪些不顯著。 主要包括回歸方程的擬合優(yōu)度檢驗(yàn)、 顯著性檢驗(yàn)、 回歸系數(shù)的顯著性檢驗(yàn)、 殘差分析等。4、向前、向后、逐步。5、（kg/公頃）, 農(nóng)業(yè)勞動(dòng)者人數(shù) （百萬(wàn)人 ）, 總播種面方法：采用逐步回歸策略。 結(jié)論：糧食總產(chǎn)量的主要因素有施用化肥量 積（ 萬(wàn)公頃 ）, 風(fēng)災(zāi)面積比例 （%）。6、.1； 3；

34、26；Y=回歸方程顯著性檢驗(yàn)：整體線(xiàn)性關(guān)系顯著 回歸系數(shù)顯著性檢驗(yàn)：各個(gè)回歸系數(shù)檢驗(yàn)均顯著 7、因概率 P 值小于顯著性水平（） ，所以表明在控制了性別之后，閱讀成績(jī)對(duì)數(shù)學(xué)成績(jī)有顯著 的線(xiàn)性影響。8、采用二次曲線(xiàn)第十章練習(xí)題答案1、采用歐氏距離，組間平均鏈鎖法利用凝聚狀態(tài)表中的組間距離和對(duì)應(yīng)的組數(shù)，回歸散點(diǎn)圖，得到碎石圖。大約聚成4類(lèi)由圖可知，北京自成一類(lèi)，江蘇、廣東、上海、湖南、湖北聚成一類(lèi)。其他略。均值對(duì)比，依據(jù)聚類(lèi)解，利用分類(lèi)匯總，計(jì)算各個(gè)聚類(lèi)變量的均值方差分析結(jié)果：不同組在各個(gè)聚類(lèi)變量上的均值均存在顯著差異。2、數(shù)量級(jí)將對(duì)距離產(chǎn)生較大影響，并影響最終聚類(lèi)結(jié)果。3、會(huì)。如果所選變量之間存

35、在較強(qiáng)的線(xiàn)性關(guān)系，能夠相互替代，在計(jì)算距離時(shí)同類(lèi)變量將 重復(fù)“貢獻(xiàn)” ，占有較高權(quán)重，而使最終的聚類(lèi)結(jié)果偏向該類(lèi)變量。4、K-Means 聚類(lèi)分析步驟： 確定聚類(lèi)數(shù)目 K-確定 K個(gè)初始類(lèi)中心點(diǎn) -根據(jù)距離最近原則進(jìn)行分類(lèi) -重新確定 K 個(gè)類(lèi) 中心點(diǎn) -判斷是否已經(jīng)滿(mǎn)足終止條件。是一個(gè)反復(fù)迭代的分類(lèi)過(guò)程。 在聚類(lèi)過(guò)程中， 樣本所屬的類(lèi)會(huì)不斷調(diào)整， 直至達(dá)到最終 穩(wěn)定為止。5、聚成 3 類(lèi)較為恰當(dāng)。第十一章練習(xí)題答案1、因子分析的主要步驟： 一、前提條件：要求原有變量之間存在較強(qiáng)的相關(guān)關(guān)系。二、因子提取。三、使因子 具有命名解釋性：使提取出的因子實(shí)際含義清晰。四、計(jì)算樣本的因子得分。2、“基本

36、建設(shè)投資分析”因子分析（1）Correlation Matrix國(guó)家預(yù)算內(nèi)資金國(guó)內(nèi)貸款利用外資自籌資金其他投資國(guó)家預(yù)算內(nèi)資金.458.229.331.211國(guó)內(nèi)貸款.458.746.744.686Correlation 利用外資.229.746.864.776自籌資金.331.744.864.928其他投資.211.686.776.928表一是原有變量的相關(guān)系數(shù)矩陣。 由表可知， 一些變量的相關(guān)系數(shù)都較高， 呈較強(qiáng)的線(xiàn) 性關(guān)系，能夠從中提取公共因子，適合進(jìn)行因子分析。KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sampling Ade

37、quacy.706Approx. Chi-SquareBartletts Test of Sphericitydf10Sig.000由表二可知， 巴特利特球度檢驗(yàn)統(tǒng)計(jì)量的觀測(cè)值為， 相應(yīng)的概率 P-值接近 0.如果顯著性 水平為， 由于概率 P-值小于顯著性水平， 則應(yīng)拒絕原假設(shè)， 認(rèn)為相關(guān)系數(shù)矩陣與單位陣有 顯著差異，原有變量適合做因子分析。同時(shí)，KMO 值為，根據(jù) KMO 度量標(biāo)準(zhǔn)可知原有變量可以進(jìn)行因子分析。CommunalitiesInitialExtraction國(guó)家預(yù)算內(nèi)資金.196國(guó)內(nèi)貸款.769利用外資.820自籌資金.920其他投資.821Extraction Method:

38、 Principal Component Analysis.由表三可知，利用外資、自籌資金、其他投資等變量的絕大部分信息（大于80%）可被因子解釋?zhuān)?這些變量的信息丟失較少。 但國(guó)家預(yù)算內(nèi)資金這個(gè)變量的信息丟失較為嚴(yán)重 （近 80%）。總的來(lái)說(shuō)，本次因子提取的總體效果還不錯(cuò)。為了達(dá)到更好的效果，可以重新指定 提取特征值的標(biāo)準(zhǔn)，指定提取 2 個(gè)因子。補(bǔ)充說(shuō)明如下：故由表四可知， 第 1 個(gè)因子的特征值很高， 對(duì)解釋原有變量的貢獻(xiàn)最大； 第三個(gè)以后的 因子特征值都較小，對(duì)解釋原有變量的貢獻(xiàn)很小，可以忽略，因此選取兩個(gè)因子是合適的。表五：重新提取因子后的公因子方差表CommunalitiesInit

39、ialExtraction國(guó)家預(yù)算內(nèi)資金.975國(guó)內(nèi)貸款.795利用外資.860自籌資金.937其他投資.882Extraction Method: Principal Component Analysis.表五是指定提取 2 個(gè)特征值下的變量共同度數(shù)據(jù)。由第二列數(shù)據(jù)可知，此時(shí)所有變量 的共同度均較高，各個(gè)變量的信息丟失都較少。因此，本次因子提取的總體效果比較理想。Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %12.9233.306.200 .046 .925Extraction Method: Principal Component Analysis.Total Variance ExplainedComponen tInitial EigenvaluesExtraction Sums of Squared Loa