Spss课程练习题

1、某年纪有80名学生，男女生各40人，分成2各班级，下面表1中是某次一门课程的成绩，请分性别、班级计算平均数、标准差等结果。表1 性别 班级 1 男生 2 1 女生 2

Cases Included 成绩 * 班级 * 性别

Report

成绩

班级 一班 性别 男生 女生 Total 二班 男生 女生 Total Total 男生 女生 Total

2、10名学生的两门其中考试成绩见表2，请按总成绩的40％计算总分。表2

序号（xu） 1 2 3 4 5 6 7

心理统计学(tj) 78 65 85 72 68 82 63 心理学研究方法(ff) 69 92 86 76 94 89 70 总成绩的40％（x） Mean 80.4500 80.2500 80.3500 79.2000 80.6500 79.9250 79.8250 80.4500 80.1375 N 20 20 40 20 20 40 40 40 80 Std. Deviation 5.33583 8.66861 7.10561 5.69025 8.87501 7.39503 5.48138 8.66159 7.20890 N 80 Percent 100.0% N 0 Excluded Percent .0% N 80 Total Percent 100.0% 考试成绩 82，72，74，86，93，74，79，83，78，81 84，75，87，78，85，74，84，78，79，83 81，77，74，80，70，74，72，90，84，87 84，79，77，69，80，79，81，80，88，78 75，73，89，72，70，74，77，70，61，91 85，83，94，85，82，86，91，83，87，77 85，83，68，79，82，87，86，81，79，83 75，84，73，96，67，88，63，89，71，94 Case Processing Summary

58.80 62.80 68.40 59.20 64.80 68.40 53.20

8 9 10

87 80 77 75 93 82 64.80 69.20 63.60 3、将表1中的数据合并，即不再分组，试整理成频数分布表，绘制出频数分布图，计算出常用的统计量。

Statistics

成绩

N

Mean Std. Error of Mean

Median Mode Std. Deviation Minimum Maximum Sum

Percentiles

25 50 75 成绩

Cumulative

Valid

61.00 63.00 67.00 68.00 69.00 70.00 71.00 72.00 73.00 74.00 75.00 77.00 78.00 79.00 80.00 81.00

Frequency

1 1 1 1 1 3 1 3 2 6 3 4 4 6 3 4

Percent 1.3 1.3 1.3 1.3 1.3 3.8 1.3 3.8 2.5 7.5 3.8 5.0 5.0 7.5 3.8 5.0

Valid Percent

1.3 1.3 1.3 1.3 1.3 3.8 1.3 3.8 2.5 7.5 3.8 5.0 5.0 7.5 3.8 5.0

Percent 1.3 2.5 3.8 5.0 6.3 10.0 11.3 15.0 17.5 25.0 28.8 33.8 38.8 46.3 50.0 55.0

Valid Missing

80 0 80.1375 .80598 80.5000 74.00(a) 7.20890 61.00 96.00 6411.00 74.2500 80.5000 85.0000

a Multiple modes exist. The smallest value is shown

82.00 83.00 84.00 85.00 86.00 87.00 88.00 89.00 90.00 91.00 93.00 94.00 96.00 Total

3 6 5 4 3 4 2 2 1 2 1 2 1 80

3.8 7.5 6.3 5.0 3.8 5.0 2.5 2.5 1.3 2.5 1.3 2.5 1.3 100.0

3.8 7.5 6.3 5.0 3.8 5.0 2.5 2.5 1.3 2.5 1.3 2.5 1.3 100.0

58.8 66.3 72.5 77.5 81.3 86.3 88.8 91.3 92.5 95.0 96.3 98.8 100.0

成绩141210864Frequency2060.062.565.067.570.072.575.077.580.082.585.087.590.092.595.0Std. Dev = 7.21 Mean = 80.1N = 80.00成绩 4、正常人的脉搏平均 数为72次/分。现测得15名患者的脉搏：71，55，76，68，72，69，56，70，79，67，58，77，63，66，78 试问这15名患者的脉搏与正常人的脉搏是否有差异？

One-Sample Test

Test Value = 72 95% Confidence Interval Mean 脉搏频数

t -1.836 df 14 Sig. (2-tailed) .088 Difference -3.6667 of the Difference Lower -7.9494 Upper .6161 由结果可知，因为0.088>0.05，所以在p=0.05的显著性水平上差异不显著

5、收集了20名学生的自信心值，见表3，试问该指标是否与性别有关？表3

性别（g） 自信心(x)

Levene's Test for Equality of Variances t-test for Equality of Means 95% Confidence Interval of the Difference Mean F Sig. t df Sig. (2-tailed) Difference Std. Error Difference Lower Upper 数据值 1，1，1，1，2，2，1，1，1，2，2，1，2，2，2，1，1，2，2，2 6，8，5，6，6，4，8，5，3，8，6，5，5，7，8，5，6，8，7，4 Independent Samples Test

自信心 Equal variances assumed Equal variances not assumed .273 .608 -.876 -.876 18 17.960 .392 .392 -.6000 -.6000 .68475 .68475 -2.03862 -2.03885 .83862 .83885

由数据可知，F检验的p=0.608>0.05，所以两组样本的方差差异不显著，所以t检验应该是Equal variances assumed一项进行判断。双侧t检验的p=0.392>0.05，表示两个样本没有显著性差异

6、将条件相近的学生配成对，再随机分成两组，采用两种不同的训练方法进行训练，训练一周后，测得两组学生跳高成绩如表4，试问两种训练方法的效果是否相同？表4

X1 151 148 164 139 147 155 161 141 157 154 149 141 160 140 142 X2 151 158 143 153 148 注：x1、x2表示两组学生的跳高成绩，单位厘米（cm）

配对样本T检验：Analyze － Compare Means －Paried-sample T Test

Paired Samples Correlations

Pair 1 X1 & X2 N 10

Correlation .938 Sig. .000

Paired Samples Test

Paired Differences 95% Confidence Interval Std. Error Pair 1 X1 - X2 Mean 3.2000 Std. Deviation 2.85968 Mean .90431 of the Difference Lower 1.1543

Upper 5.2457 t 3.539 df 9 Sig. (2-tailed) .006 由配对样本相关性检验可知，两样本相关性的p=0.00<0.05，因此两者存在相关性，由配对样本T检验的数据分析可得，两组数据的p=0.006<0.05所以两者之间在0.05的差异水平上差异显著

7、为了探讨不同教法对英语教学效果的影响，将一个班级随机分成3组，接受3种不同的教法，英语成绩见表5，试问不同的教法之间是否存在着差异。表5

第一组 78.00 72.00 66.00 69.00 70.00 第二组 61.00 72.00 65.00 66.00 62.00 第三组 80.00 70.00 76.00 72.00 72.00 单因素方差分析：因变量：英语成绩；自变量：教法；3种不同的水平：3种不同的教法 Analyze － Compare Means － One-Way ANOVA

Test of Homogeneity of Variances

成绩

Levene Statistic .007 df1 2 ANOVA

成绩

Sum of Between Groups Within Groups Total Squares 200.133 218.800 418.933 df 2 12 14

Multiple Comparisons

Dependent Variable: 成绩 Mean Difference LSD (I) 组数 第一组 第二组 第三组 (J) 组数 第二组 第三组 第一组 第三组 第一组 第二组 (I-J) 5.8000 -3.0000 -5.8000 -8.8000(*) 3.0000 8.8000(*) Std. Error 2.70062 2.70062 2.70062 2.70062 2.70062 2.70062 Sig. .053 .288 .053 .007 .288 .007 Lower Bound -.0841 -8.8841 -11.6841 -14.6841 -2.8841 2.9159 Upper Bound 11.6841 2.8841 .0841 -2.9159 8.8841 14.6841 95% Confidence Interval Mean Square 100.067 18.233 F 5.488 Sig. .020 df2 12 Sig. .993 * The mean difference is significant at the .05 level. 由方差分析的结果可知，组间的F检验的p=0.020<0.05，所以组间差

异在0.05的水平上差异显著，由事后检验结果可得第二组和第三组的p=0.007<0.05，因此第二组和第三组在0.05的水平上差异显著。

8、4名工人操作3台机器，1天的日产量数据见表6，试问机器之间、工人之间在日产量上是否有差异 表6

1 机器 2 3 －General Linlear Model － Univariate

Dependent Variable: 日产量

Type III Sum of Source Corrected Model Intercept 机器号 工人号 Error Total Corrected Total

Squares 433.167(a) 31212.000 318.500 114.667 32.833 31678.000 466.000 df 5 1 2 3 6 12 11 Mean Square 86.633 31212.000 159.250 38.222 5.472 F 15.831 5703.716 29.102 6.985 Sig. .002 .000 .001 .022 Tests of Between-Subjects Effects

1 50 63 52 2 47 54 42 工人 3 47 57 41 4 53 58 48 双因素方差分析（无交互作用）：因变量，日产量 ；自变量，机器，有3个水平；工人，有4个水平 Analyze

a R Squared = .930 (Adjusted R Squared = .871)

机器号

Dependent Variable: 日产量

Mean Difference LSD (I) 机器号 (J) 机器号 1.00 2.00 3.00 2.00 3.00 1.00 3.00 1.00 2.00 (I-J) -8.7500(*) 3.5000 8.7500(*) 12.2500(*) -3.5000 -12.2500(*) Std. Error 1.65412 1.65412 1.65412 1.65412 1.65412 1.65412 Sig. .002 .079 .002 .000 .079 .000 Lower Bound -12.7975 -.5475 4.7025 8.2025 -7.5475 -16.2975 Upper Bound -4.7025 7.5475 12.7975 16.2975 .5475 -8.2025 95% Confidence Interval Multiple Comparisons

Based on observed means.

* The mean difference is significant at the .05 level. Subset Student-Newman-Keuls(a,b) 机器号 3.00 1.00 2.00 Sig. term is Mean Square(Error) = 5.472.

a Uses Harmonic Mean Sample Size = 4.000. b Alpha = .05.

N 4 4 4 1 45.7500 49.2500 .079 2 58.0000 1.000 日产量

Means for groups in homogeneous subsets are displayed. Based on Type III Sum of Squares The error 工人号

Dependent Variable: 日产量

Mean Difference

LSD

(I) 工人号 (J) 工人号 1.00

2.00 3.00 4.00

2.00 3.00 4.00

Based on observed means.

* The mean difference is significant at the .05 level.

Subset Student-Newman工人号 2.00 N 3 1 47.6667 2 日产量

1.00 3.00 4.00 1.00 2.00 4.00 1.00 2.00 3.00

(I-J) 7.3333(*) 6.6667(*) 2.0000 -7.3333(*)

-.6667 -5.3333(*) -6.6667(*)

.6667 -4.6667 -2.0000 5.3333(*) 4.6667

Std. Error 1.91001 1.91001 1.91001 1.91001 1.91001 1.91001 1.91001 1.91001 1.91001 1.91001 1.91001 1.91001

Sig. .009 .013 .335 .009 .739 .031 .013 .739 .050 .335 .031 .050

Lower Bound

2.6597 1.9930 -2.6736 -12.0070 -5.3403 -10.0070 -11.3403 -4.0070 -9.3403 -6.6736 .6597 -.0070

Upper Bound

12.0070 11.3403 6.6736 -2.6597 4.0070 -.6597 -1.9930 5.3403 .0070 2.6736 10.0070 9.3403

95% Confidence Interval

Multiple Comparisons

-Keuls(a,b) 3.00 4.00 1.00 Sig. term is Mean Square(Error) = 5.472.

a Uses Harmonic Mean Sample Size = 3.000. b Alpha = .05.

3 3 3 48.3333 53.0000 .070 53.0000 55.0000 .335 Means for groups in homogeneous subsets are displayed. Based on Type III Sum of Squares The error

由双因素分析结果可知，机器号的F检验的p=0.001<0.05，因此机器号的影响存在显著性，工人号的F检验的p=0.022<0.05，因此工人间也存在显著影响

由事后检验的数据可知，1号机器和2号机器之间的

p=0.002<0.05，说明二者之间存在显著性差异；同理，2号机器和3号机器之间的p=0.000<0.05，因此二者之间也存在着显著性差异。1号工人和2号工人的p=0.009<0.05，1号和3号之间的p=0.013<0.05，因此1号和2号、3号之间存在显著性差异；2号和4号的p=0.013<0.05，因此二者之间存在显著性差异；3号和4号之间的p=0.050=0.05，因此二者之间也存在显著性差异。

‘

9、一研究着选择了两种类型的文章（因素A）：不熟悉（A1）、熟悉（A2），使用3种生字密度（因素B）：5：1（B1）、10：1（B2）、20：1（B3），将24名五年级学生随机分为6组，测得数据见表7，试问文章类型之间、生字密度之间有无差异。表7

B1 B2 B3

Dependent Variable: 测试数据

Type III Sum of Source Corrected Model Intercept

Squares 218.333(a) 888.167 df 5 1 Mean Square 43.667 888.167 F 23.463 477.224 Sig. .000 .000 A1 3，6，4，3 4，6，4，2 5，7，5，2 A2 4，5，3，3， 8，9，8，7 12，13，12，11 双因素方差分析（有交互作用）：Analyze －General Linlear Model － Univariate

Tests of Between-Subjects Effects

文章类型 生字密度

文章类型 * 生字密度 Error Total

Corrected Total

Dependent Variable: 测试数据

Mean (I) 生字密 LSD 度 B1 B2 B3 Based on observed means. * The mean difference is significant at the .05 level. Subset Student-Newman-Keuls(a,b) 生字密度 B1 B2 B3 Sig. term is Mean Square(Error) = 1.861.

a Uses Harmonic Mean Sample Size = 8.000. b Alpha = .05.

N 8 8 8 1 3.8750 1.000 2 6.0000 1.000 3 8.3750 1.000 测试数据

(J) 生字密度 B2 B3 B1 B3 B1 B2 Difference (I-J) -2.1250(*) -4.5000(*) 2.1250(*) -2.3750(*) 4.5000(*) 2.3750(*) Std. Error .68211 .68211 .68211 .68211 .68211 .68211 Sig. .006 .000 .006 .003 .000 .003 Lower Bound -3.5581 -5.9331 .6919 -3.8081 3.0669 .9419 Upper Bound -.6919 -3.0669 3.5581 -.9419 5.9331 3.8081 95% Confidence Interval 80.667 81.083 56.583 33.500 1140.000 251.833

1 2 2 18 24 23

80.667 40.542 28.292 1.861

43.343 21.784 15.201

.000 .000 .000

a R Squared = .867 (Adjusted R Squared = .830)

Multiple Comparisons

Means for groups in homogeneous subsets are displayed. Based on Type III Sum of Squares The error 由双因素分析的结果可知，文章类型的F检验的p=0.000<0.05，说明文章类型对该实验有显著性影响，生字密度F检验的p=0.000<0.05，因此，生字密度也对实验产生显著性影响 由事后检验的结果可知，B1与B2的p=0.006<0.05，二者之间存在显著性影响，B1和B3的p=0.000<0.05，因此二者之间也存在着显

著性影响；B2和B3之间的p=0.003<0.05，说明二者之间存在显著性影响

10、为研究学生的平时作文成绩x与高考作文成绩y的关系，随机抽取10名考生，数据见表8，试进行相关分析。表8 序号 x y 1 80 29 2 78 24 3 90 30 4 92 32 5 82 28 Correlations

高高作文 平时成绩 Pearson Correlation Sig. (2-tailed) N 高高作文成绩 Pearson Correlation Sig. (2-tailed) N 平时成绩 1 . 10 .869(**) .001 10 成绩 .869(**) .001 10 1 . 10 6 72 25 7 90 27 8 84 30 9 64 15 10 76 25 简单相关分析：Analyze － Correlate － Bivariate

** Correlation is significant at the 0.01 level (2-tailed).

由相关分析的结果可知两变量的相关系数为0.869，在这个数据旁边有两个星号，表示当显著性水平为0.01时，统计检验的显著性概率小于等于0.01，所以，平时成绩与高考作文成绩显著高度正相关。

11、一般来说物理成绩受数学成绩的影响较大，今收集到20名学生的物理、数学成绩，试建立用数学成绩预测物理成绩的回归方程。成绩见表9。表9 数学（x） 物理 (y) 数学（x） 物理 (y) 78 74 77 79 67 63 86 88 89 70 67 65 76 75 93 90 83 81 85 78 91 86 65 67 74 67 90 80 69 63 83 91 94 89 75 73 66 62 81 82 一元线性回归分析：Analyze － Regression － Linear

ScatterplotDependent Variable: 物理100908070物理60-2.0-1.5-1.0-.50.0.51.01.52.0Regression Standardized Predicted Value Model Summary(b)

Adjusted R Model 1 R .836(a) R Square .699 Square .683 Std. Error of the Estimate 5.46939 a Predictors: (Constant), 数学 b Dependent Variable: 物理

ANOVA(b)

Sum of Model 1 Regression Residual Total Squares 1252.095 538.455 1790.550 df 1 18 19 Mean Square 1252.095 29.914 F 41.856 Sig. .000(a) a Predictors: (Constant), 数学 b Dependent Variable: 物理

Coefficients(a)

Unstandardized Coefficients Model B Std. Error Standardized Coefficients Beta t Sig.

1 (Constant) 数学 8.184 .855 10.576 .132 .836 .774 6.470 .449 .000 a Dependent Variable: 物理 由散点图模型可知，两个因素之间存在一定的相关关系，由回归模型的拟合优度检验结果可知，相关系数R为0.836，，判定系数R2为0.699，校正判定系数为0.683，说明模型的拟合优度较好。由方差分析结果可知，显著性p=0.000<0.05，可以认为两因素之间有线性关系。从线性回归的系数分析结果可知，常数项显著性

p=0.449>0.05，说明该常数项应为0。因此重新选择去除常数项，即

Model Summary

R Model 1 R .998(b) Square(a) .995 Adjusted R Square .995 Std. Error of the Estimate 5.41132 a For regression through the origin (the no-intercept model), R Square measures the proportion of the variability in the dependent variable about the origin explained by regression. This CANNOT be compared

to R Square for models which include an intercept.

b Predictors: 数学 ANOVA(c,d)

Sum of Model 1 Regression Residual Total Squares 117210.634 556.366 117767.000(b) df 1 19 20 a Predictors: 数学 b This total sum of squares is not corrected for the constant because the constant is zero for regression

through the origin. c Dependent Variable: 物理 d Linear Regression through the Origin

Coefficients(a,b) Model Unstandardized Standardized t Sig. Mean Square 117210.634 29.282 F 4002.768 Sig. .000(a)

Coefficients B 1 数学 .957 Std. Error .015 Coefficients Beta .998 63.267 .000 a Dependent Variable: 物理 b Linear Regression through the Origin

由去除常数项后的分析可知，判定系数R2=0.995，矫正判定系数为0.995，模型拟合优度非常好。方差分析中，p=0.000<0.05，说明两因素存在统计学意义。由线性回归分析可得，该线性方程的系数的p=0.000<0.05，具有统计学意义，因此该线性回归方程为y=0.957x。