用SPSS对数据进行分析

用SPSS对数据进行分析 1.某轮胎厂的质量分析报告中说明，该厂某轮胎的平均寿命在一定的载重负荷与正常行驶条件下会大于25000公里。平均轮胎寿命的公里数近似服从正态分布。现对该厂的这种轮胎抽取一容量为15个的样本如下，能否作出结论:该产品与申报的质量 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 是否 相符, 21000，19000，33000，31500，18500，34000，29000，26000，25000，28000，30000， 28500，27500，28000，26000 单个样本统计量 均值 标准差 均值的标准误 N V1 15 27000.00 4636.809 1197.219 单个样本检验 检验值 = 25000 差分的 95% 置信区间 下限 上限 Sig.(双侧) 均值差值 t df V1 1.671 14 .117 2000.000 -567.78 4567.78 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 一表示有15个变量，平均值为27000，样本数据分布的标准差为4636.809，样本均值分布的标准误差为1197.219. 表二表示即在假设总体轮胎的寿命为25000公里的情况下，计算T统计量为1.671，自由度为14，双侧检验为0.117，样本均值与假设的差为20000，样本均值与原假设的差的95%的置信区间为[-567.78，4567.78]。也就是说，在总体均值为25000公里的情况下， 抽出的样本均值为27000平方米的概率大于等于0.117， 2.某物质在处理前与处理后分别抽样分析其含脂率如下: 处理前:0.19，0.18，0.21，0.30，0.41，0.12，0.27 处理后:0.15，0.13，0.07，0.24，0.19，0.06，0.08，0.12 假定处理前后的含脂率都服从正态分布，且方差相同。问:处理前后的含脂率的是否有显著变化, 组统计量 VAR00 均值 标准差 均值的标准误 002 N 含脂率 1.00 7 .2257 .09778 .03696 2.00 8 .1300 .06234 .02204 独立样本检验 方差方程的 Levene 检验 均值方程的 t 检验 差分的 95% 置信区间 Sig.(双侧) 均值差值 标准误差值 下限 上限 F Sig. t df 含脂率 假设方差相等 1.193 .295 2.293 13 .039 .09571 .04174 .00553 .18590 假设方差不相等 2.224 9.948 .050 .09571 .04303 -.00023 .19166 表1是分1，2进行的描述统计。其内容的解释与单个样本描述统计的解释完全相 同 表2是两组平均数差异的T检验结果。下面对表中各项的内容解释如下: ?等方差假定。 也就是检验的原假设为两总体分布的方差相等。 ?方差齐性检验。采用T检验的方法对两个总体的均值差进行检验的前提条件是两个总体分布的方 差必须相等。 但如果是大样本， 则对方差齐性不作 要求 对教师党员的评价套管和固井爆破片与爆破装置仓库管理基本要求三甲医院都需要复审吗 。从该 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 的检验结果看，F值为1.193，显 著性水平为0.295〉0.05，可以接受两总体为等方差的假设。 ?均值相等的T检验。从该题的检验结果看，t值为23.293，显著性水平为0.39，远远大于0.05， 可以接受两个总体均值相等的假设。两个总体的均值差为0.9571，均值差的标准误差为0.4174，均 值差的95%的置信区间为[0.00553，0.18590]。 检验的结论为:处理前后的含脂率的均值差异显著。 3.某单位研究饮食中缺乏维生素E与肝中维生素A含量的关系。将同种属的大白鼠按性 别相同、年龄体重相近者配成对，共8对，并将每对中的两头动物随机分到正常饲料组 和维生素E缺乏组。一定时期后，将大白鼠杀死测得其肝中维生素A的含量。结果如下 表，问:不同饲料的大白鼠中维生素A含量有无差别, 大白鼠对号 1 2 3 4 5 6 7 8 正常饲料组 3550 2000 3000 3950 3800 3750 3450 3050 维生素A缺乏组 2450 2400 1800 3200 3250 2700 2500 1750 成对样本统计量 均值 标准差 均值的标准误 N 对 1 正常饲料组 3318.7500 8 632.42024 223.59432 维生素A缺乏组 2506.2500 8 555.13029 196.26820 成对样本相关系数 相关系数 N Sig. 对 1 正常饲料组 & 维生素A缺乏8 .584 .129 组 成对样本检验 成对差分 均值 标准差 均值的标准误 差分的 95% 置信区间 Sig.(双侧) t df 下限 上限 对 1 正常饲料组 - 维812.50000 546.25347 193.12977 355.82067 1269.174.207 7 .004 生素A缺乏组 933 表1是配对样本的描述统计。其内容的解释与单个样本描述统计的解释完全相同 表2是配对样本的相关分析结果。两个变量的相关系数为0.5844，显著性水平为0.129。总体的相关不是很显著的。 表3是配对样本的T检验结果。两个变量差的均值是812.5。标准差为5846.25347。均值标准误为193.12977。差分为95%的置信区间是[355.82067，1269.17933]。T是T统计量的计算结果。Df是自由度。Sig.2-tailed是双为检验的显著性水平。从表中输出的数据看，双侧检验为0.004小于0.05，所以有无维生素A前后，大白鼠的变化是相当显著的。也就是说不同饲料的大白鼠中维生素A含量差别是显著的 4.下表为某职业病防治院对31名石棉矿工中的石棉肺患者、可疑患者和非患者进行了 用力肺活量(L)测定。问三组石棉矿工的用力肺活量有无差别, 石棉肺患者 1.8 1.4 1.5 2.1 1.9 1.7 1.8 1.9 1.8 1.8 2.0 可疑患者 2.3 2.1 2.1 2.1 2.6 2.5 2.3 2.4 2.4 非患者 2.9 3.2 2.7 2.8 2.7 3.0 3.4 3.0 3.4 3.3 3.5 描述 用力肺活量 均值的 95% 置信区间 下限 上限 均值 标准差 标准误 极小值 极大值 N 1.00 11 1.7909 .20226 .06098 1.6550 1.9268 1.40 2.10 2.00 9 2.3111 .18333 .06111 2.1702 2.4520 2.10 2.60 3.00 11 3.0818 .29264 .08823 2.8852 3.2784 2.70 3.50 总数 31 2.4000 .60000 .10776 2.1799 2.6201 1.40 3.50 方差齐性检验 用力肺活量 Levene 统计量 显著性 df1 df2 2.852 2 28 .075 ANOVA 用力肺活量 平方和 均方 显著性 df F 组间 9.266 2 4.633 84.544 .000 组内 1.534 28 .055 总数 10.800 30 表2是方差齐次性检验结果。从表2中可以看出，F值(levene Statistic)为2.852，显著性水平为0.75，两个自由度分别为2和28。由于显著性水平大于0.05， 所以可以接受分析变量在自变量的各个不同影响因素上的分布是等方差的. 表3是方差分析的结果。从表3中可以看出，平均组间平方和为9.266，平均组内平方和为1.534，F值为84.544，显著性水平为0.000。由于显著性水平远远小于0.05，可以认为不同人群的用力肺活量是有显著差异的。 描述统计 描述统计量 N 极小值 极大值 均值 标准差 方差 V2 25 3.18 6.14 4.4752 .69249 .480 有效的 N :列表状态: 25 由于变量没有缺失值，所以变量有效数据为25个，有表看出健康男子的血清总胆固醇值最大值为6.14，最小值为3.18，平均血清总胆固醇值为4.4752，健康男子的血清总胆固醇值的标准差和方差分别为0.69249和0.480， 1. 描述性统计量 均值 标准差 N 公路平均速度 58.3333 5.66221 12 公路死亡增长百分比 12.4833 6.63350 12 相关性 公路死亡增长百 公路平均速度 分比 **公路平均速度 Pearson 相关性 1 .900 显著性:双侧: .000 平方与叉积的和 352.667 371.697 协方差 32.061 33.791 N 12 12 **公路死亡增长百分比 Pearson 相关性 .900 1 显著性:双侧: .000 平方与叉积的和 371.697 484.037 协方差 33.791 44.003 N 12 12 **. 在 .01 水平:双侧:上显著相关。 表1的内容就是两个变量的平均值、标准差和个案数. 表2是以交叉表的形式表现的相关分析的结果, Pearson Correlation是皮尔逊相关系数。在它右侧“公路平均速度”一列中对应的数据为1.000，这是“公路平均速度”与“公路平均速度”的相关系数。由于使用同一个变量计算相关，数据完全一一对应，所以计算的相关系数为1。在“公路死亡增长百分比”下面对应的数据为0.9，这是“公路平均速度”与“公路死亡增长百分比”的皮尔逊相关系数。 Sig. (2-tailed)是双尾检验的显著性水平。可以看出，相关系数 0.9 的显著性水平 为 0.000，表明总体中两个变量的相关是显著的。 从输出的情况来看，“住房面积”和“家月收入”呈正相关，其相关系数为 0.9，在总体中这个相关系数在 0.01 的水平上是显著的。 2. b输入,移去的变量 模型 输入的变量 移去的变量 方法 a1 体重 . 输入 a. 已输入所有请求的变量。 b. 因变量: 肺活量 表1表明只有一个自变量“体重” 进入了模型。 b模型汇总 模型 R R 方 调整 R 方 标准 估计的误差 Durbin-Watson a1 .749 .562 .518 .28775 2.150 a. 预测变量: (常量), 体重。 b. 因变量: 肺活量 表2“体重”与“肺活量”的相关系数R为0.749，模型的判定系数R Square即R2为0.562，调整以后R2为0.518 ，Durbin-Watson的值是2.150，接近于2，所以认为随机误差项基本上相互独立的，不存在序列相关的问题。 bAnova 模型 平方和 df 均方 F Sig. a1 回归 1.061 1 1.061 12.817 .005 残差 .828 10 .083 总计 1.889 11 a. 预测变量: (常量), 体重。 bAnova 模型 平方和 df 均方 F Sig. a1 回归 1.061 1 1.061 12.817 .005 残差 .828 10 .083 总计 1.889 11 a. 预测变量: (常量), 体重。 b. 因变量: 肺活量 表3的内容是对模型的方差分析与F检验的结果。从表中可以看出，平均的回归平方和为1.061，平均的剩余平方和为0.828。F值为12.817，显著性水平为0.005。由于显著性已经达到0.001的水平，说明配合回归直线是有意义的。 a系数 非标准化系数 标准系数 模型 B 标准 误差 试用版 t Sig. 1 (常量) .000 .815 .001 1.000 体重 .059 .016 .749 3.580 .005 a. 因变量: 肺活量 表4的内容是回归方程的参数及检验结果。从表中可以看出，回归方程的常数项即截距为4×E-4，截距的标准误差为0.815。T检验值为0.001，显著性水平为1.00。回归方程的斜率即回归系数为0.59，回归系数的标准误差为0.16，标准化回归系数为0.749，T检验值为3.58，显著性水平为0.000。可以在0.001的水平上说明这个斜率对总体是有意义的。 a残差统计量 极小值 极大值 均值 标准 偏差 N 预测值 2.4711 3.4123 2.9025 .31060 12 残差 -.41233 .46828 .00000 .27436 12 标准 预测值 -1.389 1.641 .000 1.000 12 标准 残差 -1.433 1.627 .000 .953 12 a. 因变量: 肺活量 从表5中可以看出，残差的平均值为0。标准化残差的平均值为0。说明残差的分布满足均值为零的假设。 从图1中可以看出，残差的分布基本呈正态。 图2是以标准化预测值为横轴，以标准化残差为纵轴绘制的散点图。可以用于检验 等方差性和奇异值的情况。 如果残差分布具有等方差性， 则图中的散点应该在由原点发出的横线 上下的确定的范围内分布。 从图5-37中可以看出， 残差的分布基本满足等方差性的要求。