SPSS上机考试
1. SPSS中对变量的度量标准有哪些?请分别叙述.
答:度量标准:在SPSS 中,按照对事物描述的精确程度,可以将变量分为 3 种度量标准:名义,序号,度量。
名义:一种分类变量,并且变量取值之间没有内在的大小可比性。例如,以一个公司不同部门的名称所做的变量。典型的名义变量还有地区、邮编、民族等。
序号:一种分类变量,但是变量取值之间有内在的大小顺序或等级,例如,把服务满意作为变量,其取值可以为1级、2级、3级,数字越大表示越满意。典型的序号变量还有自信度大小、偏好大小等。
度量:也称为刻度变量,一般有刻度变量的连续型变量,可以在不同的取值之间定义距离。典型的度量变量有年份、美元收入、路程等。
2. 将文件data1.mdb,通过SPSS的数据库导入功能导入其中.
答:
GET DATA
/TYPE=ODBC
/CONNECT='DSN=MS Access Database;DBQ=E:\spss考试\题目所用数据\data1.mdb;DriverId=25;FIL=MS Access;MaxBufferSize=2048;PageTimeout=5;'
/SQL='SELECT x1, x3, y1, y2 FROM data1'
/ASSUMEDSTRWIDTH=255.
CACHE.
EXECUTE.
DATASET NAME 数据集1 WINDOW=FRONT.
SAVE OUTFILE='E:\第二题.sav'
/COMPRESSED.
3. 请列举SPSS中可用于描述数据基本特征的分析过程有哪些?它们各自能输出哪些常用的统计量?
答:1)OLAP在线分析过程:中位数、最大(小)值、范围、偏度等。
2)个案汇总分析:均值、方差、峰度、封度的标准误等。
3)频数分析:四分位数、割点、百分位数等。
4)列连表分析过程:卡方、相关性等。
5)按行和列的汇总分析:值的和、值的均值、峰度、偏度等。
6)描述性汇总分析:均值、方差等。
7)探索性分析过程:描述性、M-估计量、界外值等。
4. 某单位想了解目前在职职工的构成特点,包括年龄、受教育水平、薪资分布等,以帮助制
订本年度的发展规划,其所掌握的职工信息的数据保存在\单位职工信息数据.sav
(1) 请对不同性别、不同受教育年限的职工的当前薪金进行汇总分析
案例处理摘要a | ||||||
案例 | ||||||
已包含 | 已排除 | 总计 | ||||
N | 百分比 | N | 百分比 | N | 百分比 | |
性别 * 当前薪金 | 100 | 100.0% | 0 | .0% | 100 | 100.0% |
受教育年限 * 当前薪金 | 100 | 100.0% | 0 | .0% | 100 | 100.0% |
a. 限于前 100 个案例。 | ||||||
个案汇总a | |||||
性别 | 受教育年限 | ||||
当前薪金 | 16200.0 | 1 | 女 | 8 | |
总计 | N | 1 | 1 | ||
16950.0 | 1 | 女 | 12 | ||
总计 | N | 1 | 1 | ||
19200.0 | 1 | 女 | 15 | ||
总计 | N | 1 | 1 | ||
20100.0 | 1 | 女 | 12 | ||
总计 | N | 1 | 1 | ||
21150.0 | 1 | 女 | 15 | ||
总计 | N | 1 | 1 | ||
21450.0 | 1 | 女 | 12 | ||
总计 | N | 1 | 1 | ||
21750.0 | 1 | 男 | 12 | ||
总计 | N | 1 | 1 | ||
21900.0 | 1 | 女 | 8 | ||
2 | 女 | 12 | |||
3 | 男 | 8 | |||
总计 | N | 3 | 3 | ||
22050.0 | 1 | 女 | 12 | ||
总计 | N | 1 | 1 | ||
22350.0 | 1 | 女 | 15 | ||
总计 | N | 1 | 1 | ||
22500.0 | 1 | 男 | 8 | ||
总计 | N | 1 | 1 | ||
22950.0 | 1 | 女 | 12 | ||
2 | 女 | 12 | |||
总计 | N | 2 | 2 | ||
23250.0 | 1 | 男 | 12 | ||
总计 | N | 1 | 1 | ||
23550.0 | 1 | 女 | 12 | ||
总计 | N | 1 | 1 | ||
24000.0 | 1 | 女 | 12 | ||
2 | 女 | 15 | |||
3 | 女 | 8 | |||
总计 | N | 3 | 3 | ||
24150.0 | 1 | 女 | 15 | ||
2 | 男 | 12 | |||
总计 | N | 2 | 2 | ||
24300.0 | 1 | 女 | 12 | ||
总计 | N | 1 | 1 | ||
24600.0 | 1 | 女 | 12 | ||
总计 | N | 1 | 1 | ||
24750.0 | 1 | 女 | 12 | ||
总计 | N | 1 | 1 | ||
25050.0 | 1 | 男 | 12 | ||
2 | 女 | 8 | |||
总计 | N | 2 | 2 | ||
25950.0 | 1 | 男 | 15 | ||
2 | 女 | 12 | |||
总计 | N | 2 | 2 | ||
26250.0 | 1 | 女 | 12 | ||
总计 | N | 1 | 1 | ||
26400.0 | 1 | 女 | 15 | ||
2 | 女 | 12 | |||
总计 | N | 2 | 2 | ||
26850.0 | 1 | 男 | 15 | ||
总计 | N | 1 | 1 | ||
27000.0 | 1 | 男 | 12 | ||
总计 | N | 1 | 1 | ||
27300.0 | 1 | 男 | 12 | ||
总计 | N | 1 | 1 | ||
27600.0 | 1 | 女 | 12 | ||
总计 | N | 1 | 1 | ||
27750.0 | 1 | 男 | 15 | ||
总计 | N | 1 | 1 | ||
27900.0 | 1 | 女 | 15 | ||
总计 | N | 1 | 1 | ||
28050.0 | 1 | 男 | 15 | ||
总计 | N | 1 | 1 | ||
28350.0 | 1 | 男 | 8 | ||
总计 | N | 1 | 1 | ||
28500.0 | 1 | 女 | 12 | ||
总计 | N | 1 | 1 | ||
29100.0 | 1 | 男 | 12 | ||
总计 | N | 1 | 1 | ||
29250.0 | 1 | 男 | 8 | ||
2 | 女 | 15 | |||
总计 | N | 2 | 2 | ||
30000.0 | 1 | 女 | 12 | ||
2 | 男 | 8 | |||
总计 | N | 2 | 2 | ||
30300.0 | 1 | 女 | 16 | ||
总计 | N | 1 | 1 | ||
30750.0 | 1 | 男 | 12 | ||
2 | 男 | 12 | |||
3 | 男 | 8 | |||
总计 | N | 3 | 3 | ||
30900.0 | 1 | 男 | 12 | ||
总计 | N | 1 | 1 | ||
31050.0 | 1 | 男 | 15 | ||
总计 | N | 1 | 1 | ||
31200.0 | 1 | 男 | 15 | ||
总计 | N | 1 | 1 | ||
31350.0 | 1 | 女 | 8 | ||
2 | 男 | 15 | |||
总计 | N | 2 | 2 | ||
31650.0 | 1 | 男 | 15 | ||
总计 | N | 1 | 1 | ||
32100.0 | 1 | 男 | 15 | ||
总计 | N | 1 | 1 | ||
32550.0 | 1 | 男 | 15 | ||
总计 | N | 1 | 1 | ||
33900.0 | 1 | 男 | 15 | ||
2 | 女 | 15 | |||
总计 | N | 2 | 2 | ||
34800.0 | 1 | 男 | 15 | ||
2 | 女 | 16 | |||
总计 | N | 2 | 2 | ||
35100.0 | 1 | 女 | 15 | ||
2 | 男 | 15 | |||
总计 | N | 2 | 2 | ||
35550.0 | 1 | 男 | 12 | ||
总计 | N | 1 | 1 | ||
36000.0 | 1 | 男 | 15 | ||
2 | 男 | 16 | |||
总计 | N | 2 | 2 | ||
36150.0 | 1 | 男 | 12 | ||
总计 | N | 1 | 1 | ||
38850.0 | 1 | 女 | 16 | ||
总计 | N | 1 | 1 | ||
40200.0 | 1 | 男 | 16 | ||
2 | 男 | 17 | |||
总计 | N | 2 | 2 | ||
40800.0 | 1 | 男 | 12 | ||
总计 | N | 1 | 1 | ||
41100.0 | 1 | 男 | 15 | ||
总计 | N | 1 | 1 | ||
42000.0 | 1 | 男 | 15 | ||
总计 | N | 1 | 1 | ||
42300.0 | 1 | 男 | 12 | ||
总计 | N | 1 | 1 | ||
45000.0 | 1 | 男 | 15 | ||
总计 | N | 1 | 1 | ||
45150.0 | 1 | 男 | 15 | ||
总计 | spss中bootstrap结果解读N | 1 | 1 | ||
45250.0 | 1 | 男 | 16 | ||
总计 | N | 1 | 1 | ||
46000.0 | 1 | 男 | 15 | ||
2 | 男 | 16 | |||
总计 | N | 2 | 2 | ||
48000.0 | 1 | 男 | 16 | ||
总计 | N | 1 | 1 | ||
51000.0 | 1 | 女 | 16 | ||
总计 | N | 1 | 1 | ||
53125.0 | 1 | 男 | 16 | ||
总计 | N | 1 | 1 | ||
54000.0 | 1 | 女 | 16 | ||
总计 | N | 1 | 1 | ||
55000.0 | 1 | 男 | 17 | ||
总计 | N | 1 | 1 | ||
56550.0 | 1 | 男 | 16 | ||
总计 | N | 1 | 1 | ||
57000.0 | 1 | 男 | 15 | ||
总计 | N | 1 | 1 | ||
60000.0 | 1 | 男 | 16 | ||
总计 | N | 1 | 1 | ||
60375.0 | 1 | 男 | 19 | ||
总计 | N | 1 | 1 | ||
68750.0 | 1 | 男 | 19 | ||
总计 | N | 1 | 1 | ||
72500.0 | 1 | 男 | 19 | ||
总计 | N | 1 | 1 | ||
73750.0 | 1 | 男 | 18 | ||
总计 | N | 1 | 1 | ||
78125.0 | 1 | 男 | 19 | ||
总计 | N | 1 | 1 | ||
78250.0 | 1 | 男 | 18 | ||
总计 | N | 1 | 1 | ||
81250.0 | 1 | 男 | 17 | ||
总计 | N | 1 | 1 | ||
82500.0 | 1 | 男 | 17 | ||
总计 | N | 1 | 1 | ||
92000.0 | 1 | 男 | 19 | ||
总计 | N | 1 | 1 | ||
103750.0 | 1 | 男 | 16 | ||
总计 | N | 1 | 1 | ||
110625.0 | 1 | 男 | 19 | ||
总计 | N | 1 | 1 | ||
135000.0 | 1 | 男 | 19 | ||
总计 | N | 1 | 1 | ||
总计 | N | 100 | 100 | ||
a. 限于前 100 个案例。 | |||||
(2) 请给出关于职工年龄分布特点的建议
统计量 | ||
年龄 | ||
N | 有效 | 474 |
缺失 | 0 | |
标准差 | 11.77562 | |
方差 | 138.665 | |
答:企业员工年龄结构根据企业性质决定,但一般来说有以下规律:25岁以下员工是培养的一代约占20%,25—30岁的员工是成长的一代约占20%,30——40岁是扛大梁的一代约占40%,45岁以上员工是辅导的一代约占20%。
(3) 请分析受教育年限与职务类别之间是否有显著的相关性
案例处理摘要 | ||||||
案例 | ||||||
有效的 | 缺失 | 合计 | ||||
N | 百分比 | N | 百分比 | N | 百分比 | |
受教育年限 * 职务 | 474 | 100.0% | 0 | .0% | 474 | 100.0% |
受教育年限* 职务 交叉制表 | |||||
计数 | |||||
职务 | 合计 | ||||
办事员 | 保管员 | 经理 | |||
受教育年限 | 8 | 40 | 13 | 0 | 53 |
12 | 176 | 13 | 1 | 190 | |
14 | 6 | 0 | 0 | 6 | |
15 | 111 | 1 | 4 | 116 | |
16 | 24 | 0 | 35 | 59 | |
17 | 3 | 0 | 8 | 11 | |
18 | 2 | 0 | 7 | 9 | |
19 | 1 | 0 | 26 | 27 | |
20 | 0 | 0 | 2 | 2 | |
21 | 0 | 0 | 1 | 1 | |
合计 | 363 | 27 | 84 | 474 | |
答:是显著的。从卡方检验的Sig值远小于0.01来看,认为受教育年限与职务类别之间是有显著相关的。但有超过50%的单元格期望值小于5,故建议采用以下几种改进方法在进行分析:汇总出具之较小的相邻单元格、使用精确校验、使用Bootstrap过程。
5. 分别测定了10只大耳白家兔、11只青紫蓝家兔在停食18小时之后正常血糖值,数据\家兔血糖值.txt,问这两个品种的家兔的正常血糖值是否有显著差异?单个样本统计量
6. | N | 均值 | 标准差 | 均值的标准误 |
大耳白 | 10 | 94.9000 | 29.78982 | 9.42037 |
青紫蓝 | 11 | 62.0000 | 25.68268 | 7.74362 |
单个样本检验 | ||||||
检验值 = 0 | ||||||
t | df | Sig.(双侧) | 均值差值 | 差分的 95% 置信区间 | ||
下限 | 上限 | |||||
大耳白 | 10.074 | 9 | .000 | 94.90000 | 73.5896 | 116.2104 |
青紫蓝 | 8.007 | 10 | .000 | 62.00000 | 44.7461 | 79.2539 |
从Levene检验的Sig值>0.1来看,参考方差相等时的T检验(Sig<0.05),认为两种家兔的血糖在0.05的显著水平上,是有显著差异的。
6.某调查公司记录了某地区的人均月收入与同期某种商品的销售额,数据见\人均收入与销售额.xls,请判断二者之间是否存在着一定的相关关系?
7、某试验用三种酸类处理一种牧草的种子,观察其对牧草幼苗生长的影响,指标为幼苗干重,试验资料\牧草种子.xls,试通过方差分析,回答以下几个问题:
(1) 酸液处理是否能阻碍牧草幼苗的生长?
答:能阻碍牧草幼苗生长。
(2) 两种有机酸(丙酸,丁酸)的作用是否有显著差异?
答:差异不大。
(3) 有机酸的作用是否不同于无机酸(HCI)?
答:是的。
GET DATA
/TYPE=XLS
/FILE='E:\题目所用数据\牧草种子.xls'
/SHEET=name 'Sheet1'
/CELLRANGE=full
/READNAMES=on
/ASSUMEDSTRWIDTH=32767.
EXECUTE.
DATASET NAME 数据集1 WINDOW=FRONT.
GLM V3 V4 V5 V6 BY 幼苗干重mg
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/CRITERIA=ALPHA(.05)
/DESIGN= 幼苗干重mg.
一般线性模型
主体间因子 | ||
N | ||
幼苗干重(mg) | 3.66 | 1 |
3.75 | 1 | |
3.85 | 1 | |
4.23 | 1 | |
多变量检验b | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
效应 | 值 | F | 假设 df | 误差 df | Sig. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
截距 | Pillai 的跟踪 | . | .a | . | . | . | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Wilks 的 Lambda | . | .a | . | . | . | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Hotelling 的跟踪 | . | .a | . | . | . | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Roy 的最大根 | . | .a | . | . | . | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
幼苗干重mg | Pillai 的跟踪 | . | .a | . | . | . | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Wilks 的 Lambda | . | .a | . | . | . | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Hotelling 的跟踪 | . | .a | . | . | . | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Roy 的最大根 | . | .a | . | . | . | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
a. 精确统计量 b. 设计 : 截距 + 幼苗干重mg
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198,我们将在24小时内删除。
发表评论