2022年SPSS实验设计 .pdf

目录实验一 两变量相关分析 . 1产妇与婴儿体重相关分析 . 1实验二 线性回归分析 . 6高血压病因线性回归分析 . 6实验三 配对样本 T 检验（自学） . 11检验两种轮胎耐磨性的差异 . 11 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 13 页 - - - - - - - - - 1 实验一两变量相关分析产妇与婴儿体重相关分析某妇幼医院对33 名产妇进行产前检查并对应二的体重进行测量得到一组数据，数据见文中，试对所有变量两两之间进行相关分析。数据：名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 13 页 - - - - - - - - - 2 实验结论：相关性描述性统计量均值标准差N 髂前上棘间径23.6515 1.20211 33 髂脊间径25.9394 1.31552 33 耻骶外径17.5909 .97991 33 坐骨节间径7.8485 .64329 33 血红蛋白9.6803 .90657 33 婴儿体重3.0894 .51474 33 表1-1 表1-1给出了基本的描述性统计结果，其中各行数据分别是6组数据的均值，样本标准差及样本容量。相关性髂前上棘间径髂脊间径耻骶外径坐骨节间径血红蛋白婴儿体重髂前上棘间径Pearson 相关性1 .796*.684*.283 .269 .340 显著性（双侧）.000 .000 .110 .130 .053 平方与叉积的和46.242 40.303 25.795 7.008 9.373 6.728 协方差1.445 1.259 .806 .219 .293 .210 N 33 33 33 33 33 33 髂脊间径Pearson 相关性.796*1 .617*.441*.213 .277 显著性（双侧）.000 .000 .010 .235 .119 平方与叉积的和40.303 55.379 25.432 11.947 8.111 6.004 协方差1.259 1.731 .795 .373 .253 .188 N 33 33 33 33 33 33 耻骶外径Pearson 相关性.684*.617*1 .171 .377*.273 显著性（双侧）.000 .000 .341 .031 .124 平方与叉积的和25.795 25.432 30.727 3.455 10.709 4.407 协方差.806 .795 .960 .108 .335 .138 N 33 33 33 33 33 33 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 13 页 - - - - - - - - - 3 坐骨节间径Pearson 相关性.283 .441*.171 1 .166 .054 显著性（双侧）.110 .010 .341 .355 .765 平方与叉积的和7.008 11.947 3.455 13.242 3.102 .572 协方差.219 .373 .108 .414 .097 .018 N 33 33 33 33 33 33 血红蛋白Pearson 相关性.269 .213 .377*.166 1 .027 显著性（双侧）.130 .235 .031 .355 .880 平方与叉积的和9.373 8.111 10.709 3.102 26.300 .408 协方差.293 .253 .335 .097 .822 .013 N 33 33 33 33 33 33 婴儿体重Pearson 相关性.340 .277 .273 .054 .027 1 显著性（双侧）.053 .119 .124 .765 .880 平方与叉积的和6.728 6.004 4.407 .572 .408 8.479 协方差.210 .188 .138 .018 .013 .265 N 33 33 33 33 33 33 表1-2 *. 在 .01 水平（双侧）上显著相关。*. 在 0.05 水平（双侧）上显著相关。表 1-2 给出了各个变量的皮尔逊相关系数矩阵及相关性检验结果，其中每个行变量与列变量交叉单元格是二者的相关统计量的值。例如，髂前上棘间径与髂脊间径，耻骶外径之间的相关系数分别是 0.796 、0.684 ，反映了髂前上棘间径与髂脊间径，耻骶外径具有高度的正相关关系。而血红蛋白与耻骶外径之间的相关系数为0.377 ，这说明， 血红蛋白与耻骶外径虽然具有一定的正相关关系，但相关系数较低，说明两者之间有差异。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 4 页，共 13 页 - - - - - - - - - 4 非参数相关系数髂前上棘间径髂脊间径耻骶外径坐骨节间径血红蛋白婴儿体重Kendall 的tau_b 髂前上棘间径相关系数1.000 .606*.606*.202 .236 .229 Sig. （双侧）. .000 .000 .163 .080 .085 N 33 33 33 33 33 33 髂脊间径相关系数.606*1.000 .534*.388*.165 .261*Sig. （双侧）.000 . .000 .006 .215 .046 N 33 33 33 33 33 33 耻骶外径相关系数.606*.534*1.000 .146 .311*.203 Sig. （双侧）.000 .000 . .307 .020 .122 N 33 33 33 33 33 33 坐骨节间径相关系数.202 .388*.146 1.000 .109 .058 Sig. （双侧）.163 .006 .307 . .431 .670 N 33 33 33 33 33 33 血红蛋白相关系数.236 .165 .311*.109 1.000 -.028 Sig. （双侧）.080 .215 .020 .431 . .827 N 33 33 33 33 33 33 婴儿体重相关系数.229 .261*.203 .058 -.028 1.000 Sig. （双侧）.085 .046 .122 .670 .827 . N 33 33 33 33 33 33 Spearman 的rho 髂前上棘间径相关系数1.000 .708*.740*.250 .317 .317 Sig. （双侧）. .000 .000 .161 .072 .072 N 33 33 33 33 33 33 髂脊间径相关系数.708*1.000 .652*.481*.221 .350*Sig. （双侧）.000 . .000 .005 .216 .046 N 33 33 33 33 33 33 耻骶外径相关系数.740*.652*1.000 .178 .413*.290 Sig. （双侧）.000 .000 . .320 .017 .101 N 33 33 33 33 33 33 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 5 页，共 13 页 - - - - - - - - - 5 坐骨节间径相关系数.250 .481*.178 1.000 .142 .079 Sig. （双侧）.161 .005 .320 . .432 .663 N 33 33 33 33 33 33 血红蛋白相关系数.317 .221 .413*.142 1.000 -.013 Sig. （双侧）.072 .216 .017 .432 . .942 N 33 33 33 33 33 33 婴儿体重相关系数.317 .350*.290 .079 -.013 1.000 Sig. （双侧）.072 .046 .101 .663 .942 . N 33 33 33 33 33 33 表1-3 *. 在置信度（双测）为 0.01 时，相关性是显著的。*. 在置信度（双测）为 0.05 时，相关性是显著的。表 1-3 给出了肯德尔和斯皮尔曼的相关系数矩阵和相关检验的结果。注意图中标有星号的相关系数，这个结果与皮尔逊相关性检验的结果有些差异：在0.05的显著性水平下，婴儿体重与髂脊间径之间的相关系数是显著的。这说明不同的检验和分析方法的结论可能会有差异，要求我们在分析过程中要尽量使用多种方法进行分析，谨慎下结论，从而提高分析结果的可靠性。附注：创建的输出04-6月-2012 12 时30分31秒注释输入数据源文件 Chap04chanfu.sav 活动的数据集数据集 2 过滤器 权重 拆分文件 工作数据文件中的 N 行33 缺失值处理缺失的定义用户定义的缺失值将作为丢失对待。使用的案例每对变量的统计量是根据变量对中具有有效值的所有案例计算的。语法NONPAR CORR /VARIABLES=x1 x2 x3 x4 x5 x6 /PRINT=BOTH TWOTAIL NOSIG /MISSING=PAIRWISE. 资源处理器时间00 00:00:00.031 已用时间00 00:00:00.079 允许的案例数目92521 案例a名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 6 页，共 13 页 - - - - - - - - - 6 实验二线性回归分析高血压病因线性回归分析为研究男性高血压患者的血压与年龄、身高、体重等变量的关系，随机测量了32 名 40 岁以上男性的血压、年龄、身高及吸烟史。试建立血压作为被解释变量，其他变量作为解释变量的线性回归模型并进行分析。数据表：名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 7 页，共 13 页 - - - - - - - - - 7 实验结论：回归描述性统计量均值标准 偏差N 血压144.4375 14.30303 32 年龄53.4375 6.89056 32 吸烟.5313 .50701 32 体重指数3.53484 .782755 32 表2-1 表2-1 给出了基本的描述性统计结果，其中各行数据分别是各组数据的均值，样本标准差及样本容量。相关性血压年龄吸烟体重指数Pearson 相关性血压1.000 .818 .243 .659 年龄.818 1.000 -.115 .621 吸烟.243 -.115 1.000 .069 体重指数.659 .621 .069 1.000 Sig. （单侧）血压. .000 .090 .000 年龄.000 . .266 .000 吸烟.090 .266 . .354 体重指数.000 .000 .354 . N 血压32 32 32 32 年龄32 32 32 32 吸烟32 32 32 32 体重指数32 32 32 32 表2-2 表 2-2 给出了相关系数矩阵表，表中显示各个变量两两之间的皮尔逊相关系数矩阵及相关性检验结果， 其中每个行变量与列变量交叉单元格是二者的相关统计量的值。从表中看到因变量（血压）与自变量年龄、体重指数之间的相关系数分别为0.818 、0.659 ，反应血压与年龄、体重指数之间存在显著的相关关系；血压与吸烟之间的相关系数为0.243 ，吸烟与其他几个自变量之间的相关系数也很小，说明他们之间线性关系不明显。另外，年龄与体重指数之间的相关系数为0.621 ，说明它们之间存在显著的相关关。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 8 页，共 13 页 - - - - - - - - - 8 输入移去的变量b模型输入的变量移去的变量方法1 体重指数 , 吸烟, 年龄. 输入a. 已输入所有请求的变量。b. 因变量 : 血压表2-3 表2-3给出了进入模型和被剔除的变量的信息，从表中我们可以看出，所有自变量都进入模型，说明我们的解释变量都是显著并且是有解释力的。模型汇总b模型R R 方调整 R 方标准 估计的误差Durbin-Watson 1 .895a.801 .780 6.70636 1.213 a. 预测变量 : ( 常量), 体重指数 , 吸烟, 年龄。b. 因变量 : 血压表2-4 表2-4给出了模型整体拟合的效果的概述，模型的拟合优度系数为0.895 ，反映了因变量与自变量之间存在高度显著的线性相关关系。表里还显示了R平方以及调整的R值估计标准误差。另外表中还给出了 DW=1.213 。Anovab模型平方和df 均方F Sig. 1 回归5082.566 3 1694.189 37.669 .000a残差1259.309 28 44.975 总计6341.875 31 a. 预测变量 : ( 常量), 体重指数 , 吸烟, 年龄。b. 因变量 : 血压表2-5 表2-5给出了方差分析表，我们可以看到模型的设定检验F统计量的值为37.669 ，显著性水平的P值几乎为 0，也就是说我们的模型通过了设定检验，因变量与自变量之间的线性关系明显。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 9 页，共 13 页 - - - - - - - - - 9 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) 45.724 9.746 4.692 .000 年龄1.547 .228 .745 6.798 .000 吸烟8.922 2.431 .316 3.670 .001 体重指数3.195 1.995 .175 1.601 .120 a. 因变量 : 血压表2-6 表2-6给出了回归系数表和变量显著性检验的T值，我们发现，只有体重指数没有达到显著性水平，因此，我们要将这个变量剔除，从这里我们也可以看出，模型虽然通过了设定检验，但很有可能不通过变量的显著性检验。残差统计量a极小值极大值均值标准 偏差N 预测值119.5472 168.4835 144.4375 12.80444 32 标准 预测值-1.944 1.878 .000 1.000 32 预测值的标准误差1.648 5.992 2.245 .775 32 调整的预测值118.7923 175.4356 144.5559 13.31790 32 残差-9.57664 13.71040 .00000 6.37361 32 标准 残差-1.428 2.044 .000 .950 32 Student 化 残差-1.474 2.206 -.003 1.012 32 已删除的残差-10.20067 15.96993 -.11840 7.34545 32 Student 化 已删除的残差-1.507 2.384 .007 1.038 32 Mahal。 距离.903 23.777 2.906 3.982 32 Cook 的距离.000 .395 .043 .078 32 居中杠杆值.029 .767 .094 .128 32 a. 因变量 : 血压表2-7 表2-7给出了残差分析表，表中显示了预测值、残差、标准化预测值、标准化残差的极小值、极大值、均值、标准差及样本容量等统计指标。根据概率的3西格玛原则，标准化残差的绝对值最大为 2.044 ，小于 3，说明样本数据中没有奇异值。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 10 页，共 13 页 - - - - - - - - - 10 图表图2-1 图2-2 图2-1， 2-2 给出了模型残差直方图，由于我们在模型中始终假设残差服从正态分布，因此我们可以从这两张图中直观地看出回归后实际残差是否符合我们的假设。从直方图与附于图上的正态分布曲线相比较，可以认为残差分布不是明显的服从正态分布。但是，从2-2 的散点分布状况来看，散点大致散布于斜线附近，因此可以认为残差分布基本上是正态的。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 11 页，共 13 页 - - - - - - - - - 11 实验三配对样本 T 检验（自学）检验两种轮胎耐磨性的差异为了比较两种橡胶轮胎的耐磨性，分别从甲乙两家生产地同规格的前轮轮胎中随机的抽取10只，将它们随机的安装在10 辆汽车吊左右轮胎上，行驶相同的里程之后，测得各只轮胎磨损量的数据，试用配对样本T 检验过程检验两种轮胎的耐磨性之间的差异。数据表：实验结论：T检验成对样本统计量均值N 标准差均值的标准误对 1 左轮胎磨损量614.2000 10 119.64466 37.83496 右轮胎磨损量586.9000 10 99.31258 31.40540 表3-1 表3-1给出了几个基本的配对样本描述性统计量，包括左右轮磨损前后的均值、标准差等，从这里可以看出左右轮胎磨损量的均值差别不大。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 12 页，共 13 页 - - - - - - - - - 12 成对样本相关系数N 相关系数Sig. 对 1 左轮胎磨损量 & 右轮胎磨损量10 .989 .000 表3-2 表3-2给出了两配对样本之间的相关系数，相关系数的值为0.989 ，说明两组样本之间有显著的相关性。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左轮胎磨损量- 右轮胎磨损量27.30000 25.82441 8.16639 8.82633 45.77367 3.343 9 .009 表3-3 表3-3 给出了正式的配对检验结果，从图中看到T统计量的值为3.343 ，双尾显著性水平的P值为0.009 ，小于 0.05 ，因此拒绝原假设，这样我们认为左右轮胎的磨损具有显著的差异。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 13 页，共 13 页 - - - - - - - - -