SPSS统计分析考查课试题.docx

《SPSS统计分析考查课试题.docx》由会员分享，可在线阅读，更多相关《SPSS统计分析考查课试题.docx（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、河南师范大学生命科学学院研究生考察课程答卷 年级类别： 12级 学科专业： 植物学 学 号： 1204180293 姓 名： 王多多 课程名称： SPSS统计分析 授课教师： 张黛静 邵云 姜丽娜 考试时间： 2021-06-26 考试分数： 1、 SPSS的全称是什么？SPSS统计软件的特点是什么？2、 为了从3种原料和3种温度中选择使酒精产量最高的水平组合，设计了二因素试验，重复4次，结果如表1所示。试进展统计分析，并进展解释。表1原料及温度对酒精产量影响资料 (kg)原料(A)重复温度(B)B1 (30)B2 (35)B3 (40)A114111624912223232526425241

2、1A2147438259382235033184403614A314855302353833353472645944193、测定了10个大麦亲本材料的穗长x1、穗下节间长x2、每株穗数x3、每穗粒数x4、每株粒数x5、千粒重x6和每株粒重y的关系，结果如表2所示。试用逐步回归的方法建立y依xj的最优线性回归方程，并进展解释。表2 大麦穗长资料编号穗长x1/ cm穗下节间长x2/ cm每株穗数x3/ 个每穗粒数x4/ 粒每株粒数x5/ 粒千粒重x6/g每株粒重y/g123.0236.03459.034.0620.0729.0826.09101. 答：SPSS 的全称是Statistical Pa

3、ckage for the Social Science ，于1968年由美国斯坦福大学Stanford University，USA的三位研究生研发而成，并以此名创立SPSS公司。SPSS统计软件的特点是操作简单，易学易用；具有较强的统计功能和强大的作图功能，特别是能够快速准确的完成大量的、烦琐的、专业的和复杂的数据统计分析。是国际上认可的专业统计分析软件之一。2统计分析及结果如下：原料多个比拟因变量:酒精产量(I) 原料(J) 原料均值差值 (I-J)标准 误差Sig.95% 置信区间下限上限LSD12*.0063*.00021*.0063.09031*.0002.090基于观测到的均值。

4、 误差项为均值方 (错误。*. 均值差值在 .05 级别上较显著。检验结果说明：原料A1和原料A2之间，及原料A1和原料A3之间有显著性差异，而原料A2和原料A3之间没有显著性差异，说明不同原料对酒精产量有较显著影响。温度多个比拟因变量:酒精产量(I) 温度(J) 温度均值差值 (I-J)标准 误差Sig.95% 置信区间下限上限LSD12*.0033*.00021*.0033*.00331*.0002*.003基于观测到的均值。 误差项为均值方 (错误。*. 均值差值在 .05 级别上较显著。结果说明，在0.01的显著水平上，不同温度处理之间的Sig值均小于0.01，因此不同温度处理之间的差

5、异性到达极显著水平，说明不同温度对酒精产量有极显著影响3.描述性统计量均值标准 偏差N每株粒重10穗长10穗下节间长10每株穗数10每穗粒数10每株粒数10千粒重10Variables Entered/RemovedbModelVariables EnteredVariables RemovedMethod1每株粒数a.Enter2千粒重.Stepwise (Criteria: Probability-of-F-to-enter = .100).a. All requested variables entered.b. Dependent Variable: 每株粒重Model Summary

6、cModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson1.607a.368.2892.979b.958.946.6587a. Predictors: (Constant), 每株粒数b. Predictors: (Constant), 每株粒数, 千粒重c. Dependent Variable: 每株粒重模型1给出了每株粒重及每株粒数之间的相关系数0.607，反响了两者之间具有显著的线性关系。模型2中，因变量及两个自变量的复相关系数为0.979，反映了每株粒重及每株粒数和千粒重之间具有显著的线性关系。AN

7、OVAcModelSum of SquaresdfMean SquareFSig.1Regression1.063aResidual8Total92Regression2.000bResidual7.434Total9a. Predictors: (Constant), 每株粒数b. Predictors: (Constant), 每株粒数, 千粒重c. Dependent Variable: 每株粒重表中给出了两个模型的方差分析结果模型2，F=80.351 sig=0.000到达极显著水平，存在显著线性关系CoefficientsaModelUnstandardized Coefficien

8、tsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant).308每株粒数.022.010.607.0632(Constant).000每株粒数.029.003.783.000千粒重.373.037.788.000a. Dependent Variable: 每株粒重根据表中数据非标准化系数B的值可知，逐步回归过程中先后建立的两个回归模型分别是556根据表中标准化回归系数Beta的值可知，逐步回归过程中先后建立的两个标准化回归模型分别是556Excluded VariablescModelBeta IntSig.Partial Corr

9、elationCollinearity StatisticsTolerance1穗长.323a.291.396.952穗下节间长.290a.343.359.969每株穗数.551a.061.644.865每穗粒数a.097.163千粒重.788a.000.966.9502穗长b.494.736穗下节间长b.881.824每株穗数b.980.478每穗粒数.147b.554.600.221.094a. Predictors in the Model: (Constant), 每株粒数b. Predictors in the Model: (Constant), 每株粒数, 千粒重c. Depen

10、dent Variable: 每株粒重相关性每株粒重穗长穗下节间长每株穗数每穗粒数每株粒数千粒重Pearson 相关性每株粒重.174.387.253.367.607.613穗长.174.592.502穗下节间长.387.103.176.332每株穗数.253.592.688每穗粒数.367.103.915每株粒数.607.176.915千粒重.613.502.332.688Sig. 单侧每株粒重.315.135.240.148.031.030穗长.315.113.036.112.272.070穗下节间长.135.113.458.389.314.175每株穗数.240.036.458.012.

11、148.014每穗粒数.148.112.389.012.000.090每株粒数.031.272.314.148.000.267千粒重.030.070.175.014.090.267.N每株粒重10101010101010穗长10101010101010穗下节间长10101010101010每株穗数10101010101010每穗粒数10101010101010每株粒数10101010101010千粒重10101010101010残差统计量a极小值极大值均值标准 偏差N预测值10标准 预测值.00010预测值的标准误差.408.598.512.06810调整的预测值10残差.59323.00000.3560710标准 残差.962.000.57710Student 化 残差.03310已删除的残差.0237310Student 化 已删除的残差.15510Mahal。 距离10Cook 的距离.018.565.65910居中杠杆值.337.841.600.18010a. 因变量: 每株粒重从回归残差的直方图及附于其上的正态分布曲线相比拟，可以看出残差分布并不明显的符从正态分布，尽管这样我们不能盲目的否认残差服从正态分布的假定，因为我们的样本容量太少，仅有10个样本容量。