文档介绍：该【用SPSS对数据进行分析 (2) 】是由【taoapp】上传分享，文档一共【9】页，该文档可以免费在线阅读，需要了解更多关于【用SPSS对数据进行分析 (2) 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。,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
N
均值
标准差
均值的标准误
V1
15
单个样本检验
检验值=25000
t
df
Sig.(双侧)
均值差值
差分的95%置信区间
下限
上限
V1
14
.117
-
表一表示有15个变量,平均值为27000,,.
表二表示即在假设总体轮胎的寿命为25000公里的情况下,,自由度为14,,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[-,]。也就是说,在总体均值为25000公里的情况下,,
:
处理前:,,,,,,
处理后:,,,,,,,
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
VAR00002
N
均值
标准差
均值的标准误
含脂率
7
.2257
.09778
.03696
8
.1300
.06234
.02204
独立样本检验
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
F
Sig.
t
df
Sig.(双侧)
均值差值
标准误差值
下限
上限
含脂率
假设方差相等
.295
13
.039
.09571
.04174
.00553
.18590
方差方程的Levene检验
均值方程的t检验
差分的95%置信区间
F
Sig.
t
df
Sig.(双侧)
均值差值
标准误差值
下限
上限
含脂率
假设方差相等
.295
13
.039
.09571
.04174
.00553
.18590
假设方差不相等
.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:
①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。
②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。从该题的检验结果看,,〉,可以接受两总体为等方差的假设。
③均值相等的T检验。从该题的检验结果看,,,,可以接受两个总体均值相等的假设。,,均值差的95%的置信区间为[,]。检验的结论为:处理前后的含脂率的均值差异显著。。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
N
标准差
均值的标准误
对1
正常饲料组
8
维生素A缺乏组
8
成对样本相关系数
N
相关系数
Sig.
对1
正常饲料组&维生素A缺乏组
8
.584
.129
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
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
正常饲料组-维生素A缺乏组
7
.004
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。,。总体的相关不是很显著的。
表3是配对样本的T检验结果。。。。差分为95%的置信区间是[,]。T是T统计量的计算结果。Df是自由度。-tailed是双为检验的显著性水平。从表中输出的数据看,,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
、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
可疑患者
 
 
非患者
描述
用力肺活量
N
均值
标准差
标准误
均值的95%置信区间
极小值
极大值
下限
上限
11
.20226
.06098
9
.18333
.06111
11
.29264
.08823
总数
31
.60000
.10776
方差齐性检验
用力肺活量
Levene统计量
df1
df2
显著性
2
28
.075
ANOVA
用力肺活量
平方和
df
均方
F
显著性
组间
2
.000
组内
28
.055
总数
30
表2是方差齐次性检验结果。从表2中可以看出,F值(leveneStatistic),,两个自由度分别为2和28。,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,,,,。,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
.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,,,,,
1.
描述性统计量
均值
标准差
N
公路平均速度
12
公路死亡增长百分比
12
相关性
公路平均速度
公路死亡增长百分比
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
协方差
N
12
12
相关性
公路平均速度
公路死亡增长百分比
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
协方差
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
协方差
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
协方差
N
12
12
**.(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,PearsonCorrelation是皮尔逊相关系数。在它右侧“公路平均速度”,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”,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,
,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,,。
2.
输入/移去的变量b
模型
输入的变量
移去的变量
方法
1
体重a
.
输入
。
:肺活量
表1表明只有一个自变量“体重”进入了模型。
模型汇总b
模型
R
R方
调整R方
标准估计的误差
Durbin-Watson
1
.749a
.562
.518
.28775
:(常量),体重。
:肺活量
表2“体重”与“肺活量”,,,Durbin-,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。
Anovab
模型
平方和
df
均方
F
Sig.
1
回归
1
.005a
残差
.828
10
.083
总计
11
Anovab
模型
平方和
df
均方
F
Sig.
1
回归
1
.005a
残差
.828
10
.083
总计
11
:(常量),体重。
:(常量),体重。
: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,,。,。,说明配合回归直线是有意义的。
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)
.000
.815
.001
体重
.059
.016
.749
.005
: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,。,。,,,,。。
残差统计量a
极小值
极大值
均值
标准偏差
N
预测值
.31060
12
残差
-.41233
.46828
.00000
.27436
12
标准预测值
-
.000
12
标准残差
-
.000
.953
12
: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。