统计学spss课后题答案

实操训练答案目录1第一章2第二章3第三章4第四章8第五章11第六章22第七章27第八章32第九章40第十章第一章（一）思考略（二）练习题1.（1）定类变量（2）定类变量（3）定序变量（4）数值型变量（5）数值型变量2.A3.B4.ABCD5.DA6.AB（三）操作题略第二章（一）思考题略（二）练习题1.BDAC2.C3.D4.D5.A（三）操作题1.见SPSS文件2.1.sav。2.略。3.略。4.略。第三章1.2011年人均国内生产总值（agdp2011），排在前五位的是天津、上海、北京、江苏、浙江；排在后五位的是广西、西藏、甘肃、云南、贵州。.2011年国内生产总值（gdp2011），在东部各省市里，排在第1位的是广东，排在最后1位的分别是海南；在中部各省市里，排在第1位的是河南，排在最后1位的分别是吉林；在西部各省市里，排在第1位的是四川，排在最后1位的分别是西藏。2.见SPSS文件3.2.sav。3.见SPSS文件3.3.sav。4.A老师提供的管理学成绩见SPSS文件3.4-1.sav，B老师提供的经济学成绩见SPSS文件3.4-2.sav，合并后的文件见SPSS文件3.4.sav。5.见SPSS文件3.5.sav。6.见SPSS文件3.6.sav。7.见SPSS文件3.7.sav。8.见SPSS文件3.8.sav。9.两门课程都在80分以上的共4人，见SPSS文件3.5.sav。10.管理学成绩在80-89，经济学成绩在90分以上的只有1人，见SPSS文件3.6.sav。第四章1.由于变量品牌（brand）是定类变量，所以分别用众数和异众比来描述其集中趋势和离散趋势。由结果可知，众数是B，异众比是（800-279）/800=65.1%。 统计量 品牌 N 有效 800 缺失 0 众数 2 品牌 频率 百分比 有效百分比 累积百分比 有效 A 164 20.5 20.5 20.5 B 279 34.9 34.9 55.4 C 110 13.8 13.8 69.1 D 55 6.9 6.9 76.0 E 192 24.0 24.0 100.0 合计 800 100.0 100.0 2．由于变量《统计学》这门课程难吗（v2.4）是定序变量，所以用众数，中位数，四分位数来描述其集中趋势，用四分位差来描述其离散趋势。由分析结果可知，四分位差是3-2=1。 统计量 您认为《统计学》这门课程难吗？ N 有效 255 缺失 0 中值 3.00 众数 3 百分位数 25 2.00 50 3.00 75 3.00 您认为《统计学》这门课程难吗？ 频率 百分比 有效百分比 累积百分比 有效 非常难 10 3.9 3.9 3.9 难 95 37.3 37.3 41.2 一般 138 54.1 54.1 95.3 简单 8 3.1 3.1 98.4 很简单 4 1.6 1.6 100.0 合计 255 100.0 100.0 3.录入后的数据见SPSS文件4.3.sav。（1）数据中只有定类和定序变量，对于定类变量可以用用众数和异众比来描述其集中趋势和离散趋势。对于定序变量，可以众数，中位数，四分位数来描述其集中趋势，用四分位差来描述其离散趋势。（2）可以用条形图或饼图。先对数据进行加权，然后将中国队筛选出来，再通过频数分析做出条形图。（3）可以用条形图或饼图。先对数据进行加权，然后将中国队筛选出来，再通过频数分析做出饼图。（4）可以用条形图或饼图。先对数据进行加权，再通过频数分析做出饼图。4.录入后的数据见SPSS文件4.4.sav。采用基本的描述性统计可得如下结果，所以四分位差为391.25-360.25=31。还可以通过基本的描述性统计计算Z分数，可知368的分数为-0.08618。 统计量 销售额 N 有效 30 缺失 0 均值 370.77 中值 372.50 众数 238a 标准差 32.104 方差 1030.668 偏度 -2.371 偏度的标准误 .427 峰度 9.677 峰度的标准误 .833 百分位数 25 360.25 50 372.50 75 391.25 a.存在多个众数。显示最小值5.使用探索性分析完成本题，结果见SPSS文件4.5.spv。第五章（一）思考题略（二）练习题1.A2.B3.C4.绩效得分，连续的5.测量得分，连续的6.录入后的数据见SPSS文件5.6.sav，将变量概率（p）作为权重变量进行加权，再通过频数分析绘制直方图如下所示。7．使用探索分析绘制正态概率图，的如下结果，可知两个变量都是非正态分布。 正态性检验 Kolmogorov-Smirnova Shapiro-Wilk 统计量 df Sig. 统计量 df Sig. 每股收益（元） .182 923 .000 .759 923 .000 净资产收益率（%） .295 923 .000 .438 923 .000 a.Lilliefors显著水平修正sig的值小于0.05说明不服从正态分布8．第一步，先列出样本容量为3的所有样本。组合中位数1，3，531，3，731，3，931，5，751，5，951，7，973，5，753，5，953，7，975，7，97第二步，统计中位数出现的频数。中位数频数概率333/10=0.3544/10=0.4733/10=0.3第三步，数据录入后，结果见SPSS文件5.8.sav，将变量频率（f）作为权重变量进行加权，再通过频数分析绘制直方图如下所示。第六章（一）思考题略（二）练习题1.A2.B3.A4.B5.B（三）操作题1.采用平均数分析过程，计算平均数。 报告 CEO年度报酬 CSRC行业分类 均值 N 标准差 农林牧渔 359286.72 25 213764.287 采掘业 590242.11 56 317833.666 制造业 519896.11 1644 465024.395 电力、煤气及水的生产和供应业 453231.41 196 225904.480 建筑业 697179.70 100 405924.285 交通运输、仓储业 600931.31 336 354617.014 信息技术业 630815.33 350 408263.810 批发和零售贸易 648283.84 560 453729.226 金融、保险业 830874.98 585 665377.768 房地产业 459350.44 280 272179.784 社会服务业 594574.00 110 392970.868 传播与文化产业 719317.65 516 819097.617 总计 607878.21 4758 524319.837（2） 报告 CEO年度报酬 地区 均值 N 标准差 东部 658988.06 2832 465035.082 中部 550343.11 747 727166.242 西部 487307.09 780 467696.544 东北 588532.58 399 524062.008 总计 607878.21 4758 524319.837（3） 报告 CEO年度报酬 地区 CSRC行业分类 均值 N 标准差 东部 农林牧渔 335600.00 11 168289.667 采掘业 704364.92 24 358745.650 制造业 606842.92 795 495823.958 电力、煤气及水的生产和供应业 582996.95 76 202372.197 建筑业 821714.31 65 434904.725 交通运输、仓储业 681862.60 216 332732.075 信息技术业 681380.70 266 413654.402 批发和零售贸易 707141.89 376 475438.125 金融、保险业 812714.97 405 571359.283 房地产业 493577.19 170 244343.839 社会服务业 751925.00 44 556560.314 传播与文化产业 585784.38 384 415430.058 总计 658988.06 2832 465035.082 中部 农林牧渔 447450.00 4 63956.053 采掘业 596775.00 16 177162.560 制造业 424178.05 354 275855.860 电力、煤气及水的生产和供应业 441421.89 36 244512.351 建筑业 569202.67 15 28109.826 交通运输、仓储业 277290.00 60 136126.901 信息技术业 456883.33 42 247969.443 批发和零售贸易 508375.00 64 390998.282 金融、保险业 1277540.00 45 1133584.826 房地产业 234500.00 30 51653.688 社会服务业 478446.67 33 147062.455 传播与文化产业 1593839.75 48 2084056.882 总计 550343.11 747 727166.242 西部 农林牧渔 272696.00 8 169525.332 采掘业 412525.00 16 295132.430 制造业 443455.90 375 545421.194 电力、煤气及水的生产和供应业 313592.31 52 151225.812 建筑业 485900.00 15 182463.284 交通运输、仓储业 461280.00 30 208523.354 信息技术业 351733.33 21 225647.292 批发和零售贸易 490244.44 72 203672.707 金融、保险业 713085.71 63 531329.284 房地产业 489642.86 70 352607.981 社会服务业 566350.00 22 184389.404 传播与文化产业 923466.67 36 550985.810 总计 487307.09 780 467696.544 东北 农林牧渔 659600.00 2 567806.745 制造业 465117.50 120 292355.478 电力、煤气及水的生产和供应业 385237.50 32 194627.637 建筑业 96000.00 5 .000 交通运输、仓储业 805160.00 30 471041.244 信息技术业 617266.67 21 533730.877 批发和零售贸易 610833.33 48 532322.864 金融、保险业 756925.00 72 771346.882 房地产业 340000.00 10 .000 社会服务业 370000.00 11 .000 传播与文化产业 759950.00 48 644591.415 总计 588532.58 399 524062.008 总计 农林牧渔 359286.72 25 213764.287 采掘业 590242.11 56 317833.666 制造业 519896.11 1644 465024.395 电力、煤气及水的生产和供应业 453231.41 196 225904.480 建筑业 697179.70 100 405924.285 交通运输、仓储业 600931.31 336 354617.014 信息技术业 630815.33 350 408263.810 批发和零售贸易 648283.84 560 453729.226 金融、保险业 830874.98 585 665377.768 房地产业 459350.44 280 272179.784 社会服务业 594574.00 110 392970.868 传播与文化产业 719317.65 516 819097.617 总计 607878.21 4758 524319.8372.（1）首先提出原假设和备择假设：（工作时间是每周40个小时）；（工作时间不是每周40个小时）。（2）采用单样本T检验，通过SPSS操作得到如下图表： 单个样本统计量 N 均值 标准差 均值的标准误 工时 30 46.57 9.387 1.714 单个样本检验 检验值=40 T df Sig.(双侧) 均值差值 差分的95%置信区间 下限 上限 工时 3.832 29 .001 6.567 3.06 10.07假定给定的显著性水平是0.05，由t值是3.832，值=0.001<0.05，拒绝原假设，认为工作时间与每周40个小时在统计上有显著差异，由样本均值是46.57，我国员工工作时间远超过40小时。3.（1）①首先提出原假设和备择假设：原假设（国有和非国有上市公司CEO薪酬没有显著差异）；备择假设（国有和非国上市公司CEO薪酬有显著差异）。②采用独立样本T检验，通过SPSS操作得到如下图表： 组统计量 最终控制人类型 N 均值 标准差 均值的标准误 CEO年度报酬 dimension1 国有 633 549411.14 455164.426 18091.162 非国有 359 593606.05 521538.529 27525.751 独立样本检验 方差方程的Levene检验 均值方程的t检验 F Sig. t df Sig.(双侧) 均值差值 标准误差值 差分的99%置信区间 下限 上限 CEO年度报酬 假设方差相等 8.864 .003 1.393 990 .164 44194.91 31728.74 -37690.764 126080.59 假设方差不相等 1.342 663.92 .180 44194.91 32938.69 -40894.108 129283.93首先根据方差方程的Levene检验判断国有CEO报酬和非国有CEO报酬方差是否相等，提出原假设是方差相等，备择假设是方差不等。根据F值=8.864和值=0.003<0.01（<，拒绝原假设，接受备择假设），判断出方差不相等。再根据第二行数据中判断两组均值是否相等。第二行数据中的t值=1.342，值=0.180>0.01，则不拒绝原假设，认为国有和非国有上市公司CEO薪酬没有显著差异。两者成绩平均数之差的99%的置信区间是-40894.108~129283.93。（2）①首先提出原假设和备择假设：原假设（本科及以上和本科以下教育水平CEO薪酬没有显著差异）；备择假设（本科及以上和本科以下教育水平CEO薪酬有显著差异）。②采用独立样本T检验，通过SPSS操作得到如下图表： 组统计量 CEO教育水平 N 均值 标准差 均值的标准误 CEO年度报酬 dimension1 >=3 872 581229.72 483684.705 16379.631 <3 120 450412.54 441372.025 40291.569 独立样本检验 方差方程的Levene检验 均值方程的t检验 F Sig. t df Sig.(双侧) 均值差值 标准误差值 差分的99%置信区间 下限 上限 CEO年度报酬 假设方差相等 .239 .625 2.806 990 .005 130817.178 46618.452 10504.066 251130.289 假设方差不相等 3.008 160.982 .003 130817.178 43493.710 17441.512 244192.843首先根据方差方程的Levene检验判断本科及以上CEO报酬和本科以下CEO报酬方差是否相等，则原假设是方差相等，备择假设是方差不等。根据F值=0.239和值=0.625>0.01，判断出方差相等。再根据第一行数据中判断两组均值是否相等。第一行数据中的t值=2.806，值=0.005<0.01，则拒绝原假设，认为本科及以上CEO报酬和本科以下CEO报酬方差存在显著差异。两者成绩平均数之差的99%的置信区间是10504.066~251130.289。4.①首先提出原假设和备择假设：原假设（2011与2007年人均国内生产总值没有显著差异）；备择假设（2011与2007年人均国内生产总值有显著差异）。②采用配对样本T检验，通过SPSS操作得到如下图表： 成对样本统计量 均值 N 标准差 均值的标准误 对1 2011年人均国内生产总值（元） 39136.16 31 18614.094 3343.190 2007年人均国内生产总值（元） 22221.84 31 13787.135 2476.243 成对样本相关系数 N 相关系数 Sig. 对1 2011年人均国内生产总值（元）&2007年人均国内生产总值（元） 31 .964 .000 成对样本检验 成对差分 t df Sig.(双侧) 均值 标准差 均值的标准误 差分的95%置信区间 下限 上限 对1 2011年人均国内生产总值（元）-2007年人均国内生产总值（元） 16914.323 6474.493 1162.853 14539.459 19289.186 14.546 30 .000给定的显著性水平是0.05，t值=14.546，值=0<0.05，因此拒绝原假设，认为2011与2007年人均国内生产总值有显著差异，两者成绩平均数之差的95%的置信区间是14539.459~19289.186。5.录入后的数据见SPSS文件6.5.sav。①首先提出原假设和备择假设：原假设（喝茶前后体重没有显著差异）；备择假设（喝茶前后体重有显著差异）。②采用配对样本T检验，通过SPSS操作得到如下图表： 成对样本统计量 均值 N 标准差 均值的标准误 对1 喝后 69.92 36 5.623 .937 喝前 89.31 36 5.296 .883 成对样本相关系数 N 相关系数 Sig. 对1 喝后&喝前 36 -.056 .747 成对差分 t df Sig.(双侧) 均值 标准差 均值的标准误 差分的95%置信区间 下限 上限 对1 喝后-喝前 -19.389 7.936 1.323 -22.074 -16.704 -14.658 35 .000给定的显著性水平是0.05，t值=14.546，值=0<0.05，因此拒绝原假设，认为喝茶前后体重有显著差异，由于喝茶前体重的平均数远大于喝茶后体重的平均数，因此认为该减肥茶有较好的减肥效果。第七章（一）思考题略（二）操作题1.①首先提出检验假设：原假设：专业方向与《统计学》学习难度之间不存在相关关系；备择假设：专业方向与《统计学》学习难度之间存在相关关系。②采用交叉表分析及卡方检验得到如下图表，由EMBEDEquation.3=51.926，渐进的=0<0.05，则拒绝原假设，认为专业方向与《统计学》学习难两个变量之间有相关关系，即不同专业方向的学生，其《统计学》学习难度有显著差异。 您认为《统计学》这门课程难吗？*专业方向交叉制表 专业方向 合计 人力资源管理 国际连锁经营管理 商务助理 城市物流 物业管理 出版营销 您认为《统计学》这门课程难吗？ 非常难 计数 0 5 1 0 2 2 10 您认为《统计学》这门课程难吗？中的% .0% 50.0% 10.0% .0% 20.0% 20.0% 100.0% 难 计数 29 7 20 12 14 13 95 您认为《统计学》这门课程难吗？中的% 30.5% 7.4% 21.1% 12.6% 14.7% 13.7% 100.0% 一般 计数 60 20 20 11 26 1 138 您认为《统计学》这门课程难吗？中的% 43.5% 14.5% 14.5% 8.0% 18.8% .7% 100.0% 简单 计数 5 0 0 0 3 0 8 您认为《统计学》这门课程难吗？中的% 62.5% .0% .0% .0% 37.5% .0% 100.0% 很简单 计数 1 1 1 0 0 1 4 您认为《统计学》这门课程难吗？中的% 25.0% 25.0% 25.0% .0% .0% 25.0% 100.0% 合计 计数 95 33 42 23 45 17 255 您认为《统计学》这门课程难吗？中的% 37.3% 12.9% 16.5% 9.0% 17.6% 6.7% 100.0% 卡方检验 值 df 渐进Sig.(双侧) Pearson卡方 51.926a 20 .000 似然比 57.416 20 .000 线性和线性组合 7.228 1 .007 有效案例中的N 255 a.18单元格(60.0%)的期望计数少于5。最小期望计数0.27。观察卡方检验表的注释发现，有60%的单元格的期望频数都小于5，所以该结果是无效的，需要进行变量值的合并。将“您认为《统计学》这门课程难吗？”的变量值“非常难”和“难”合并，定义为“难”，将变量值“一般”“简单”“很简单”合并，定义为“不难”，再进行交叉分析和卡方检验，得到如下结果： 统计学学习难度*专业方向交叉制表 计数 专业方向 合计 人力资源管理 国际连锁经营管理 商务助理 城市物流 物业管理 出版营销 统计学学习难度 1.00 29 12 21 12 16 15 105 2.00 66 21 21 11 29 2 150 合计 95 33 42 23 45 17 255 卡方检验 值 df 渐进Sig.(双侧) Pearson卡方 23.393a 5 .000 似然比 24.407 5 .000 线性和线性组合 10.205 1 .001 有效案例中的N 255 a.0单元格(.0%)的期望计数少于5。最小期望计数为7.00。所以，卡方值是23.393，P<0.05，则拒绝原假设，认为学习难度和专业不存在相关关系。2.录入后的数据见SPSS文件7.2.sav。采用交叉表分析、卡方检验及等级相关分析所得结果见SPSS文件7.2.spv。所以独立性的卡方值是8.075，性别与最高文凭之间的相关系数是0.003。3.录入后的数据见SPSS文件7.3.sav。采用等级相关分析所得结果如下表，可见工作压力对满意度影响较低，相关系数-0.182，值=0<0.05，说明两者的相关性较弱，且在统计上是显著的。 对称度量 值 渐进标准误差a 近似值Tb 近似值Sig. 按顺序 γ -.182 .049 -3.670 .000 有效案例中的N 411 a.不假定零假设。 b.使用渐进标准误差假定零假设。4.录入后的数据见SPSS文件7.4.sav。采用Kappa分析所得结果如下表，，值=0<0.05，说明两个评委打分结果的一致性较差，且Kappa系数在统计上是显著的。 对称度量 值 渐进标准误差a 近似值Tb 近似值Sig. 一致性度量 Kappa .213 .039 6.133 .000 有效案例中的N 513 a.不假定零假设。 b.使用渐进标准误差假定零假设。第八章（一）思考题略（二）操作题1.采用方差分析，结果见SPSS文件8.1.spv。由此可知，东部、中部、西部三大地区的2011年人均国内生产总值（agdp2011），2011城镇居民家庭人均可支配收入（ui2011）都存在显著差异。2.（1）采用独立样本T检验得如下表格，可见不同性别的上市公司CEO年度报酬平均数不存在显著差异。 组统计量 CEO性别 N 均值 标准差 均值的标准误 CEO年度报酬 dimension1 男 957 561917.58 476706.405 15409.730 女 35 660762.86 573399.332 96922.177 独立样本检验 方差方程的Levene检验 均值方程的t检验 F Sig. t df Sig.(双侧) 均值差值 标准误差值 差分的95%置信区间 下限 上限 CEO年度报酬 假设方差相等 3.501 .062 -1.196 990 .232 -98845.278 82665.381 -261064.77 63374.21 假设方差不相等 -1.007 35.740 .321 -98845.278 98139.534 -297931.80 100241.25（2）采用方差分析得如下表格，不同教育水平的上市公司CEO年度报酬平均数存在显著差异。 ANOVA CEO年度报酬 平方和 df 均方 F 显著性 组间 3.745E12 4 9.362E11 4.106 .003 组内 2.250E14 987 2.280E11 总数 2.288E14 991 3.录入后的数据见SPSS文件8.3.sav。①首先提出检验假设：（三支队之间的射箭成绩无显著差异）；不全相等（三支队之间的射箭成绩有显著差异）。②采用方差分析得如下表格，由值=0.025，值=0.975>0.05，不拒绝原假设，认为三支队之间的射箭成绩没有显著差异。 方差齐性检验 成绩 Levene统计量 df1 df2 显著性 1.176 2 45 .318 ANOVA 成绩 平方和 df 均方 F 显著性 组间 .056 2 .028 .025 .975 组内 49.194 45 1.093 总数 49.250 47 4.录入后的数据见SPSS文件8.4.sav。①首先提出检验假设：：不同广告下的销售量平均数没有显著差异；：不同广告媒体下的销售量平均数没有显著差异；：广告方案和广告媒体之间没有对销量产生交互作用。：不同广告方案下的销售量平均数有显著差异；：不同广告媒体下的销售量平均数有显著差异；：广告方案和广告媒体之间对销量有交互作用。②采用双因素方差分析，得如下结果，根据F值和P值，可知不同广告媒体下的销售量平均数没有显著差异；不同广告方案下的销售量平均数有显著差异；广告方案和广告媒体之间没有对销量产生交互作用。 主体间效应的检验 因变量:销售量 源 III型平方和 df 均方 F Sig. 校正模型 448.000a 5 89.600 5.600 .029 截距 3072.000 1 3072.000 192.000 .000 media 48.000 1 48.000 3.000 .134 project 344.000 2 172.000 10.750 .010 media*project 56.000 2 28.000 1.750 .252 误差 96.000 6 16.000 总计 3616.000 12 校正的总计 544.000 11 a.R方=.824（调整R方=.676）5.录入后的数据见SPSS文件8.5.sav。①首先提出检验假设：：不同工作年限的销售量平均数没有显著差异；：不同职位的销售量平均数没有显著差异；：工作年限和职位之间没有对满意度产生交互作用。：不同工作年限的销售量平均数有显著差异；：不同职位下的销售量平均数有显著差异；：工作年限和职位之间对满意度有交互作用。②采用双因素方差分析，得如下结果，根据F值和P值，可知不同工作年限的满意度有显著差异；不同职位的满意度没有显著差异；工作年限和职位之间对满意度没有交互作用。 主体间效应的检验 因变量:满意度打分 源 III型平方和 df 均方 F Sig. 校正模型 31.000a 8 3.875 3.875 .030 截距 1058.000 1 1058.000 1058.000 .000 year 24.333 2 12.167 12.167 .003 occup 5.333 2 2.667 2.667 .123 year*occup 1.333 4 .333 .333 .849 误差 9.000 9 1.000 总计 1098.000 18 校正的总计 40.000 17 a.R方=.775（调整R方=.575）第九章（一）思考题略（二）操作题1.录入后的数据见SPSS文件9.1.sav。（1）做出散点图，如下图所示。由图可知，价格与需求量之间应该存在线性关系。（2）采用相关分析得到如下表格，由表可知，需求量与价格的Pearson相关系数为-0.926，且显著性水平为0，说明两个变量呈线性的负相关关系，且在统计上是显著的。 相关性 需求量 价格 需求量 Pearson相关性 1 -.926** 显著性（双侧） .000 N 14 14 价格 Pearson相关性 -.926** 1 显著性（双侧） .000 N 14 14 **.在.01水平（双侧）上显著相关。（3）建立一元线性回归模型，采用一元线性回归分析，得如下表格：R2=0.857，说明模型拟合较好；DW=1.230，说明残差的独立性欠佳；F=71.773，P=0，说明自变量与因变量呈显著线性关系；回归方程的常数项即截距为311.606，T检验值为12.048，显著性水平为0。回归方程的斜率为-0.052，t检验值为-8.472，显著性水平为0<0.05，拒绝原假设，认为自变量对因变量的影响是显著的。由此可以得出回归方程:回归系数-0.052的含义是，价格每增加1元，需求量减少0.052个。若16期的产品定价是4800元，将4800代入回归方程，得到销售量是62。 模型汇总b 模型 R R方 调整R方 标准估计的误差 Durbin-Watson 1 .926a .857 .845 17.42944 1.230 a.预测变量:(常量),价格。 b.因变量:需求量 Anovab 模型 平方和 df 均方 F Sig. 1 回归 21803.503 1 21803.503 71.773 .000a 残差 3645.425 12 303.785 总计 25448.929 13 a.预测变量:(常量),价格。 b.因变量:需求量 系数a 模型 非标准化系数 标准系数 t Sig. B 标准误差 试用版 1 (常量) 311.606 25.864 12.048 .000 价格 -.052 .006 -.926 -8.472 .000 a.因变量:需求量2.（1）做出散点图，如下图所示。由图可知，北京城镇居民家庭人均可支配收入(元)与城市人均居住使用面积(平方米)之间应该存在显著正线性关系。（2）采用相关分析得到如下表格，由表可知，需求量与价格的Pearson相关系数为0.985，且显著性水平为0，说明两个变量呈线性的正相关关系，且在统计上是显著的。 相关性 城镇居民人均可支配收入(元) 城市人均居住使用面积(平方米) 城镇居民人均可支配收入(元) Pearson相关性 1 .985** 显著性（双侧） .000 N 34 34 城市人均居住使用面积(平方米) Pearson相关性 .985** 1 显著性（双侧） .000 N 34 34 **.在.01水平（双侧）上显著相关。（3）建立一元线性回归模型，采用一元线性回归分析，得如下表格：R2=0.971，说明模型拟合得很好；DW=0.224，说明残差不独立性；F=1063.901，P=0，说明自变量与因变量呈显著线性关系；回归方程的常数项即截距为8.766，T检验值为30.939，显著性水平为0。回归方程的斜率为0.001，T检验值为32.617，显著性水平为0<0.05，拒绝原假设，认为自变量对因变量的影响是显著的。由此可以得出回归方程:回归系数0.001的含义是，收入每增加1元，居住面积增加0.001平方米。若2012年的城镇居民家庭人均可支配收入是35000元，将35000代入回归方程，得到居住面积是43.766。 模型汇总b 模型 R R方 调整R方 标准估计的误差 Durbin-Watson 1 .985a .971 .970 1.2059 .224 a.预测变量:(常量),城镇居民人均可支配收入(元)。 b.因变量:城市人均居住使用面积(平方米) Anovab 模型 平方和 df 均方 F Sig. 1 回归 1546.999 1 1546.999 1063.901 .000a 残差 46.531 32 1.454 总计 1593.530 33 a.预测变量:(常量),城镇居民人均可支配收入(元)。 b.因变量:城市人均居住使用面积(平方米) 系数a 模型 非标准化系数 标准系数 t Sig. B 标准误差 试用版 1 (常量) 8.766 .283 30.939 .000 城镇居民人均可支配收入(元) .001 .000 .985 32.617 .000 a.因变量:城市人均居住使用面积(平方米)3.录入后的数据见SPSS文件9.3.sav。建立二元线性回归模型，其中是虚拟变量，=0代表女性；=1代表男性。采用多元线性回归分析，得如下表格：R2=0.890，说明模型拟合得很好；DW=2.334，说明残差相互独立；F=48.539，P=0，说明自变量与因变量呈显著线性关系；回归方程的常数项即截距为2732.061，t检验值为11.597，显著性水平为0。工龄的回归系数为111.220，t检验值为1.543，显著性水平为0.149>0.05，不拒绝原假设，认为工龄对收入没有显著影响。性别的回归系数为458.684，t检验值为8.580，显著性水平为0<0.05，拒绝原假设，认为性对收入有显著影响。观察容差和VIF可知，回归模型不存在多重共线性。由此可以得出回归方程:回归系数458.684的含义是，在其他条件保持不变的情况下，男性员工比女性员工的收入多458.684，因此该行业的薪水有性别歧视。 模型汇总b 模型 R R方 调整R方 标准估计的误差 Durbin-Watson 1 .943a .890 .872 96.79158 2.334 a.预测变量:(常量),性别,工龄（年）。 b.因变量:月薪（元） Anovab 模型 平方和 df 均方 F Sig. 1 回归 909488.418 2 454744.209 48.539 .000a 残差 112423.316 12 9368.610 总计 1021911.733 14 a.预测变量:(常量),性别,工龄（年）。 b.因变量:月薪（元） 系数a 模型 非标准化系数 标准系数 t Sig. 共线性统计量 B 标准误差 试用版 容差 VIF 1 (常量) 2732.061 235.584 11.597 .000 工龄（年） 111.220 72.083 .158 1.543 .149 .878 1.139 性别 458.684 53.458 .877 8.580 .000 .878 1.139 a.因变量:月薪（元）4.录入后的数据见SPSS文件9.4.sav。建立多元线性回归模型，，采用多元线性回归分析，得如下表格，根据回归系数的T值及P值可知，流通股比例，深成指，换手率对公司上市首日收益率的影响都不是显著的。 模型汇总b 模型 R R方 调整R方 标准估计的误差 Durbin-Watson 1 .540a .291 .150 .3343603 2.194 a.预测变量:(常量),换手率,流通股比例,深成指。 b.因变量:上市首日收益率 Anovab 模型 平方和 df 均方 F Sig. 1 回归 .690 3 .230 2.056 .149a 残差 1.677 15 .112 总计 2.367 18 a.预测变量:(常量),换手率,流通股比例,深成指。 b.因变量:上市首日收益率 系数a 模型 非标准化系数 标准系数 t Sig. 共线性统计量 B 标准误差 试用版 容差 VIF 1 (常量) -1.056 .823 -1.284 .219 流通股比例 1.110 1.313 .203 .845 .411 .819 1.222 深成指 .000 .000 .363 1.277 .221 .584 1.711 换手率 1.016 .915 .297 1.110 .284 .659 1.518 a.因变量:上市首日收益率第十章（一）思考题略（二）操作题1.①首先提出检验假设：原假设：五种不同文化程度者被抽中的概率一样；备择假设：五种不同文化程度者被抽中的概率不一样。②采用非参数检验之卡方检验，通过SPSS操作得到如下图表。由表可知，=26.900，自由度（df）为4，值为0。假定显著性水平是0.05，则，拒绝原假设，认为五种不同文化程度者被抽中的概率不一样。 文化程度 观察数 期望数 残差 研究生及以上 23 40.0 -17.0 大学本科 61 40.0 21.0 大专 40 40.0 .0 高中/中专 51 40.0 11.0 初中及以下 25 40.0 -15.0 总数 200 检验统计量 文化程度 卡方 26.900a df 4 渐近显著性 .000 a.0个单元(.0%)具有小于5的期望频率。单元最小期望频率为40.0。2.①首先提出检验假设：原假设：本地出生婴儿的性别比例与通常的男女性比例无显著差异；备择假设：本地出生婴儿的性别比例与通常的男女性比例有显著差异。②采用非参数检验之二项分布检验，通过SPSS操作得到如下图表，由表可知，值=0.031，假定显著性水平是0.05，则，拒绝原假设，认为本地出生婴儿的性别比例与通常的男女性比例有显著差异。 二项式检验 类别 N 观察比例 检验比例 渐近显著性(双侧) 性别 组1 男 75 .60 .50 .031a 组2 女 50 .40 总数 125 1.00 a.基于Z近似值。3.①首先提出检验假设：原假设：24个学生家庭收入部分排列呈随机分布；备择假设：24个学生家庭收入部分排列呈非随机分布。②采用非参数检验之游程检验，通过SPSS操作得到如下图表，由表可知，值=1.086，值=0.277，假定显著性水平是0.05，则，不拒绝原假设，认为24个学生家庭收入部分排列呈随机分布。 游程检验 年收入 检验值a 332083.33 案例<检验值 13 案例>=检验值 11 案例总数 24 Runs数 16 Z 1.086 渐近显著性(双侧) .277 a.均值4.①首先提出检验假设：原假设：呼叫次数服从泊松分布；备择假设：呼叫次数不服从泊松分布。②采用非参数检验之单样本K-S检验，通过SPSS操作得到如下图表，由表可知，P=0.117>0.05，所以不拒绝原假设，认为呼叫次数服从泊松分布。 单样本Kolmogorov-Smirnov检验 电话呼叫次数 N 100 Poisson参数a,b 均值 2.76 最极端差别 绝对值 .119 正 .119 负 -.118 Kolmogorov-SmirnovZ 1.192 渐近显著性(双侧) .117 a.检验分布为Poisson分布。 b.根据数据计算得到。5.①首先提出检验假设：原假设：东部地区、中部地区和西部地区分公司销售额无显著差异；备择假设：东部地区、中部地区和西部地区分公司销售额有显著差异。②采用非参数检验之多个独立样本的检验，通过SPSS操作得到如下图表，由表可知，卡方是35.183，P=0<0.05，所以拒绝原假设，认为东部地区、中部地区和西部地区分公司销售额有显著差异。 秩 地区 N 秩均值 销售额 东部地区 17 36.59 中部地区 15 23.27 西部地区 14 7.86 总数 46 检验统计量a,b 销售额 卡方 35.183 df 2 渐近显著性 .000 a.KruskalWallis检验 b.分组变量:地区6.①首先提出检验假设：原假设：广告宣传前后的月销售量无显著差异；备择假设：广告宣传前后的月销售量有显著差异。②采用非参数检验之两个相关样本的检验，通过SPSS操作得到如下图表，由表可知，Z值=-0.119，P=0.905>0.05，所以不拒绝原假设，认为广告宣传前后的月销售量无显著差异。 秩 N 秩均值 秩和 广告宣传后销量-广告宣传前销量 负秩 5a 4.30 21.50 正秩 4b 5.88 23.50 结 1c 总数 10 a.广告宣传后销量<广告宣传前销量 b.广告宣传后销量>广告宣传前销量 c.广告宣传后销量=广告宣传前销量 检验统计量b 广告宣传后销量-广告宣传前销量 Z -.119a 渐近显著性(双侧) .905 a.基于负秩。 b.Wilcoxon带符号秩检验7.①首先提出检验假设：原假设：4条生产线生产产品的质量无显著差异；备择假设：4条生产线生产产品的质量有显著差异。②采用非参数检验之多个独立样本的检验，通过SPSS操作得到如下图表，由表可知，卡方=12.875，P=0.005<0.05，所以拒绝原假设，认为4条生产线生产产品的质量有显著差异。 秩 生产线 N 秩均值 次品数 生产线A 6 4.83 生产线B 7 19.29 生产线C 7 12.43 生产线D 6 16.67 总数 26 检验统计量a,b 次品数 卡方 12.875 df 3 渐近显著性 .005 a.KruskalWallis检验 b.分组变量:生产线8.①首先提出检验假设：原假设：5种广告方案的得分无显著差异，即专家的标准不一致；备择假设：5种广告方案的得分有显著差异，即专家的评价标准一致。②采用非参数检验之多个相关样本的检验，通过SPSS操作得到如下图表，由表可知，卡方=0.880，P=0.927>0.05，所以不拒绝原假设，认为5种广告方案的得分无显著差异，即专家的评价标准不一致。KendallW=0.022，接近与0，认为5种广告方案的得分无显著差异，即评价者的评价标准不一致。 秩 秩均值 方案A得分 3.20 方案B得分 3.20 方案C得分 3.10 方案D得分 2.80 方案E得分 2.70 检验统计量a N 10 卡方 .880 df 4 渐近显著性 .927 a.Friedman检验 检验统计量 N 10 KendallWa .022 卡方 .880 df 4 渐近显著性 .927 a.Kendall协同系数1_1435324818.unknown_1435324910.unknown_1435324965.unknown_1435325022.unknown_1435325298.unknown_1435325306.unknown_1435325332.unknown_1435325338.unknown_1435325312.unknown_1435325303.unknown_1435325281.unknown_1435325291.unknown_1435325029.unknown_1435325014.unknown_1435325019.unknown_1435325011.unknown_1435324930.unknown_1435324955.unknown_1435324960.unknown_1435324935.unknown_1435324921.unknown_1435324925.unknown_1435324914.unknown_1435324850.unknown_1435324869.unknown_1435324873.unknown_1435324861.unknown_1435324834.unknown_1435324838.unknown_1435324827.unknown_1434372169.unknown_1435324770.unknown_1435324781.unknown_1435324785.unknown_1435324760.unknown_1434374015.unknown_1434437189.unknown_1435324756.unknown_1434437005.unknown_1434372770.unknown_1432644319.unknown_1432644513.unknown_1431868990.unknown_1431495732.unknown_1431495715.unknown_1431495721.unknown_1429617257.unknown_1427608547.unknown_1427608597.unknown_1427608604.unknown_1427608611.unknown_1427608561.unknown_1426585035.unknown_1427608525.unknown_1426509634.unknown