spss复习题.doc

spss复习题

SPSS复习资料
一、选择题
1、SPSS数据文献的扩展名是（ ）。.sav
2、SPSS软件的三种运行管理方式：（ ）、（ ）和（ ）。
完全窗口菜单运行管理方式 程序运行管理方式 混合运行管理方式
输出窗口的重要功能：（ ）。显示和管理SPSS记录分析成果、报表和图形。
3、记录学根据数据的度量尺度将数据划分为三大类，（ ）、（ ）和（ ）。
定距型数据 定类型数据 定序型数据
4、SPSS有两个基本窗口：（ ）和（ ）。数据编辑窗口和成果输出窗口。
5、SPSS数据的组织方式有两种：（ ）和（ ）。原始数据的组织方式和计数数据的组织方式
5、常见的基本描述记录量有三大类：（ ）、（ ）和（ ）。
刻画集中趋势的记录量 刻画离中趋势的记录量 刻画分布形态的记录量
6、数据编辑窗口的重要功能：（ ）、（ ）和（ ）。
定义SPSS数据的构造 录入编辑 管理待分析的数据。
7、填写下面的方差分析表 ANOVA（）
Model

Sum of Squares
df
Mean Square
F
Sig
1
Regression
1252
1

41.856
0.000

Residual

---
---

Total
1774
19
---
---
---
1252 522 18 29
8、SPSS对不一样类型的变量应采用不一样的有关系数来度量，常用的有关系数重要有（ ）、（ ）和（ ）。
Pearson简朴有关系数、Spearman等级有关系数和Kendallτ有关系数等。
9、运用样本有关系数r进行变量间线性关系的分析,一般( ) 表达两变量有较强的线性关系; ( ) 表达两变量之间的线性关系较弱。
|r|>0.8表达两变量有较强的线性关系； |r|<0.3表达两变量之间的线性关系较弱
10、运用样本有关系数r进行变量间线性关系的分析，r＝( ) 表达两变量存在完全正有关；r＝( ) 表达两变量存在完全负有关； r＝（ ）表达两变量不有关。
r＝1表达两变量存在完全正有关；r＝-1表达两变量存在完全负有关；r＝0表达两变量不有关
11、样本有关系数r的取值范围是（ ）。在-1～+1之间
12、对回归方程的检查重要包括（ ）、（ ）、（ ）和（ ）。
回归方程的拟合优度检查 回归方程的明显性检查 回归系数的明显性检查 残差分析
13、层次聚类有两种类型，分别是（ ）和（ ）。Q型聚类和R型聚类；层次聚类的聚类方式又有两种，分别是（ ）和（ ）。凝聚方式聚类和分解方式聚类。
14、根据控制变量的个数可将方差分析分为（ ）和（ ）。单原因方差分析、多原因方差分析；根据观测变量的个数可将方差分析分为（ ）和（ ）。一元方差分析（单因变量方差分析）和多元方差分析（多因变量方差分析）。

5、方差分析的合用条件 、 和
。
6 、spss进行数据的行列互换时，选择 菜单下的 命令。
二、简答题
1、简述SPSS数据文献的特点
答： SPSS数据文献的特点：SPSS是一种有别于其他文献的特殊格式的文献，SPSS数据文献是一种有构造的数据文献，它由数据构造和内容两部分构成，其中的数据构造记录数据变量的名称、类型、变量宽度、小数位数、变量名标签、变量值标签、缺失值、显示宽度、对齐方式和度量尺度等必要信息，数据的内容才是那些待分析的详细数据。
基于上述特点，建立SPSS数据文献时应完毕两项任务，即描述数据的构造和录入编辑数据。
2、简述数据排序的作用
答：数据排序便于数据的浏览，有助于理解数据的取值状况、缺失值数量的多少等；
通过数据排序可以快捷的找到数据的最大值和最小值，进而可以计算出数据的全距，初步把握和比较数据的离散程度；
通过数据排序可以快捷地发现数据的异常值，为深入明确它们与否会对分析产生重要影响提供协助。
3、简述频数分析的目的和基本任务
答：目的：基本记录分析往往从频数分析开始。通过频数分析可以理解变量取值的状况，对把握数据的分布特性是非常有用的。
基本任务：（1）频数分析的第一种基本任务是编制频数分布表。（2）频数分析的第二个任务是绘制记录图
4、简述回归分析的一般环节
答：（1）确定回归方程中的解释变量（自变量）和被解释变量（因变量）
（2）确定回归方程；
（3）对回归方程进行多种检查；
（4）运用回归方程进行预测。
5、什么是回归分析？
答：回归分析是一种应用极为广泛的数量分析措施。它用于分析事物之间的记录关系，侧重考察变量之间的数量变化规律，并通过回归方程的形式描述和反应这种关系，协助人们精确把握变量受其他一种或多种变量影响的程度，进而为预测提供科学根据。
6、什么是聚类分析？
答：聚类分析是一种建立分类的多元记录分析措施，它可以将一批样本（或变量）数据根据其诸多特性，按照在性质上的亲疏程度（各变量取值上的总体差异程度）在没有先验知识（没有事先指定的分类原则）的状况下进行自动分类，产生多种分类成果。类内部的个体在特性上具有相似性，不一样类间个体特性的差异性较大。
7、简述聚类分析中凝聚方式聚类过程
答：其过程是，首先，每个个体自成一类；然后，按照某种措施度量所有个体间的亲疏程度，并将其中最“亲密”的个体聚成一小类，形成n-1个类；接下来，再次度量剩余个体和小类间的亲疏程度，并将目前最亲密的个体或小类再聚到一类；反复上述过程，直到所有个体聚成一种大类为止。可见，这种聚类方式对n个个体通过n-1步可凝聚成一大类。
8、简述聚类分析中分解方式聚类过程
答：其过程是，首先，所有个体都属一大类；然后，按照某种措施度量所有个体间的亲疏程度，将大类中彼此间最“疏远”的个体分离出去，形成两类；接下来，再次度量类中剩余个体间的亲疏程度，并将最疏远的个体再分离出去；反复上述过程，不停进行类分解，直到所有个体自成一类为止。可见，这种聚类方式对包括n个个体的大类通过n-1步可分解成n个个体。
9、假设检查的基本思想。
答：假设检查的基本思绪是首先对总体参数提出假设，然后再运用样本告知的信息去验证先前提出的假设与否成立。假如样本数据不可以充足证明和支持假设，则在一定的概率条件下，应拒绝假设；相反，假如不可以充足证明和支持假设是不成立的，则不能推翻假设成立的合理性和真实性。上述假设检查推断过程所根据的原理是小概率原理。
10、简述假设检查的环节
答：提出原假设（零假设）H0；
确定合适的检查记录量；
计算检查记录量的值发生的概率（P值）；
给定明显性水平a；
作出记录决策。
11、多选项分析有两种措施：（1）多选项二分法；（2）多选项分类法。

三、分析题（共50分）
1、根据保险企业人员构成状况数据，分析全国性保险企业与外资和合资保险企业中具有高等教育水平员工比例的均值有无明显差异？为何？分析全国性保险企业与外资和合资保险企业中年轻人比例的均值有无明显差异？为何？（明显性水平α=0.05

Group Statistics

企业类别
N
Mean
Std. Deviation
Std. Error Mean
年轻人比例
全国性企业
8
.5923
.11386
.04026
外资和中外合资
16
.7940
.11018
.02755
受高等教育比例
全国性企业
8
.6657
.16957
.05995
外资和中外合资
10
.8257
.13178
.04167

Independent Samples Test

年轻人比例
受高等教育比例

Equal variances assumed
Equal variances not assumed
Equal variances assumed
Equal variances not assumed
Levene's Test for Equality of Variances
F
.181

.912

Sig.
.675

.354

t-test for Equality of Means
t
-4.183
-4.135
-2.256
-2.191
df
22
13.689
16
13.032
Sig. (2-tailed)
.000
.001
.038
.047
Mean Difference
-.9
-.9
-.16000
-.16000
Std. Error Difference
.04822
.04878
.07091
.07301
95% Confidence Interval of the Difference
Lower
-.30170
-.30653
-.31033
-.31770
Upper
-.10168
-.09685
-.00968
-.00231

答：上述问题的两个原假设分别为：
两类企业中具有高等教育水平员工比例均值无明显差异。H0 :μ1-μ2=0
两类企业中年轻人比例均值无明显差异。H0 :μ1-μ2=0
由上表可知：全国性企业、外资和中外合资企业中，外资和中外合资企业具有高等教育水平员工比例均值要高于全国性企业。通过检查应推断这种差异是由于抽样误差导致的还是系统性的。
分析结论应通过两步完毕：第一步，两总体方差与否相等的F检查。 该检查的F记录量的观测值为0.912，对应的概率P-值为0.354. 明显性水平α=0.05，由于概率P-值不小于0.05，可以认为两总体方差无明显性差异。第二步，两总体均值的检查。在第一步中，由于两总体方差无明显性差异，因此应看第一列t检查成果。T记录量的观测值为-2.256，对应的双尾概率P-值为0.038，明显性水平α=0.05，由于概率P-值不不小于0.05，可以认为两总体的均值存在明显性差异，即国性保险企业与外资和合资保险企业中具有高等教育水平员工比例的均值有明显差异。同步两总体均值差的95%置信区间没有跨零，也从另一角度证明了这一结论。
由上表可知：全国性企业、外资和中外合资企业中，外资和中外合资企业年轻人比例均值要高于全国性企业。通过检查应推断这种差异是由于抽样误差导致的还是系统性的。
分析结论应通过两步完毕：第一步，两总体方差与否相等的F检查。 该检查的F记录量的观测值为0.181，对应的概率P-值为0.657. 明显性水平α=0.05，由于概率P-值不小于0.05，可以认为两总体方差无明显性差异。第二步，两总体均值的检查。在第一步中，由于两总体方差无明显性差异，因此应看第一列t检查成果。T记录量的观测值为-4.183，对应的双尾概率P-值为0.000，明显性水平α=0.05，由于概率P-值不不小于0.05，可以认为两总体的均值存在明显性差异，即国性保险企业与外资和合资保险企业中年轻人比例的均值有明显差异。同步两总体均值差的95%置信区间没有跨零，也从另一角度证明了这一结论。
1、根据保险企业人员构成状况数据，分析全国性保险企业与区域性企业中具有高等教育水平员工比例的均值有无明显差异？为何？分析全国性保险企业与区域性企业中年轻人比例的均值有无明显差异？为何？（明显性水平α=0.05）

Group Statistics

企业类别
N
Mean
Std. Deviation
Std. Error Mean
年轻人比例
全国性企业
8
.5923
.11386
.04026
区域性企业
2
.5593
.16133
.11408
受高等教育比例
全国性企业
8
.6657
.16957
.05995
区域性企业
1
.5689
.
.

Independent Samples Test

年轻人比例
受高等教育比例

Equal variances assumed

Equal variances not assumed
Equal variances assumed
Equal variances not assumed
Levene's Test for Equality of Variances
F
.254

.213

Sig.
.628

.656.

t-test for Equality of Means
t
.346
.273
.538
.
df
8
1.262
7
.
Sig. (2-tailed)
.738
.823
.607
.
Mean Difference
.03305
.03305
.09684
.09684

.09552
.12097
.17986
.
95% Confidence Interval of the Difference
Lower
-.18721
-.92222
-.32845
.
Upper
.25331
.98832
.52214
.
答：由上表可知：全国性企业、区域性企业中，全国性企业年轻人比例均值要高于全国性企业。通过检查应推断这种差异是由于抽样误差导致的还是系统性的。
分析结论应通过两步完毕：第一步，两总体方差与否相等的F检查。 该检查的F记录量的观测值为0.254，对应的概率P-值为0.628. 明显性水平α=0.05，由于概率P-值不小于0.05，可以认为两总体方差无明显性差异。第二步，两总体均值的检查。在第一步中，由于两总体方差无明显性差异，因此应看第一列t检查成果。T记录量的观测值为0.346，对应的双尾概率P-值为0.738，明显性水平α=0.05，由于概率P-值不小于0.05，可以认为两总体的均值不存在明显性差异，即国性保险企业与外资和区域性企业中年轻人比例的均值无明显差异。同步两总体均值差的95%置信区间跨零，也从另一角度证明了这一结论。
由上表可知：全国性企业、区域性企业中，全国性企业具有高等教育水平员工比例均值要高于全国性企业。通过检查应推断这种差异是由于抽样误差导致的还是系统性的。
分析结论应通过两步完毕：第一步，两总体方差与否相等的F检查。 该检查的F记录量的观测值为0.213，对应的概率P-值为0.656. 明显性水平α=0.05，由于概率P-值不小于0.05，可以认为两总体方差无明显性差异。第二步，两总体均值的检查。在第一步中，由于两总体方差无明显性差异，因此应看第一列t检查成果。T记录量的观测值为0.538，对应的双尾概率P-值为0.607，明显性水平α=0.05，由于概率P-值不小于0.05，可以认为两总体的均值不存在明显性差异，即国性保险企业与外资和区域性企业中具有高等教育水平员工比例的均值无明显差异。同步两总体均值差的95%置信区间跨零，也从另一角度证明了这一结论。
3、一家产品销售企业在30个地区设有销售分企业。为了研究产品销售量(y)与该企业产品的销售价格(x1)、各地区的年人均收入(x2)、广告费用(x3)之间的关系，搜集到30个地区的有关数据。进行多元线性回归分析所得的部分分析成果如下：
ANOVA
Model

Sum of Squares
df
Mean Square
F
Sig
1
Regression

4008924.7

0.000

Residual

------
----
-----

Total
13458586.7
29
------
----
-----
Cofficients(a)
Model

Unstandardized
Coefficients
t
Sig.
1
B
Std.Error
Constant
7589.1025
2445.0213
3.1039
0.002
X1
-117.8861
31.8974
-3.6958
0.001
X2
80.6107
14.7676
5.4586
0.002
X3
0.5012
0.1259
3.9814
0.206
（1） 将第一张表中的所缺数值补齐。
（2） 写出销售量与销售价格、年人均收入、广告费用的多元线性回归方程，并解释各回归系数的意义。
（3） 检查回归方程的线性关系与否明显？
（4） 检查各回归系数与否明显？
（5） 计算调整的鉴定系数，并解释它的实际意义。
（6） 计算回归方程的估计原则误差，并解释它的实际意义。
答：（1）SSA=12026774.1 、p=3、SSE=1431812.6、 n-p-1=26、 55069.7、F=72.797
（2）y=-117.8861*x1+80.6107*x2+0.5012*x3+7589.1025
x1的系数的含义是，当其他解释变量不变的前提下，销售价格每提高一种单位，产品销售量减少117.8861单位。X2的系数的含义是，当其他解释变量不变的前提下，各地区的年人均收入每提高一种单位，产品销售量增长80.6107单位。X3的系数的含义是，当其他解释变量不变的前提下，广告费用每提高一种单位，产品销售量增长0.5012单位。
（3）原假设为：各个偏回归系数同步与0无明显性差异。由表ANOVA知，F检查记录量的观测值为72.797,对应概率P-值为0.000，明显性水平α=0.05，由于概率P-值不不小于明显性水平α，应拒绝回归方程明显性检查的原假设，认为各回归系数不一样步为0，被解释变量与解释变量全体的线性关系式明显地，可建立线性模型。
（4）回归系数明显性检查的原假设是：βi=0，即第i个偏回归系数与0无明显性差异。由表可知，在明显性水平α=0.05下，x1与x2的概率P-值分别为0.001、0.002，都不不小于明显性水平α，因此拒绝原假设，认为解释变量x1与x2与被解释变量y的之间的线性关系明显，解释变量x3所对应的概率P-值为0.206，不小于明显性水平α，因此不应拒绝原假设，认为解释变量x3与被解释变量y的之间的线性关系不明显。
（5）调整的鉴定系数=1-。由于调整的鉴定系数靠近于1，因此认为拟合优度较高，被解释变量可以被模型解释的部分较多，不能解释的部分较少。
1、 下面是72名学生身高的茎叶图,请分析它的频次分布及极值。
学生身高（cm） Sstem-and Plot
Frequency Stem & Leaf
3.00 8. 448
4.00 9. 2366
14.00 10. 68
14.00 11. 88
20.00 12. 46668888
6.00 13. 000244
6.00 14. 000246
2.00 15. 06
3.00 Extremes (>=176)
Stem width: 10
Each leaf: 1 case(s)

SPSS有两个基本窗口：数据编辑窗口和成果输出窗口。
数据编辑窗口的重要功能：定义SPSS数据的构造、录入编辑、管理待分析的数据。
数据编辑区是显示和管理SPSS数据构造和数据内容的区域。数据编辑区有两个视图：data view和variable view 。
data view：录入显示和编辑管理SPSS的数据。
variable view：定义和修改SPSS数据的构造。
每条数据均有一种次序编号显示在编辑区的最左边。数据编辑区中的表格可以通过view菜单下的grid lines选项设置成显示或不显示状态。
• SPSS成果输出窗口（窗口标题为Viewer）是SPSS的另一种重要窗口。
• 输出窗口的重要功能：显示和管理SPSS记录分析成果、报表和图形。SPSS记录分析的所有输出成果都显示在该窗口中。
输出窗口内容以.spv存于磁盘上
• SPSS软件的三种运行管理方式：1、完全窗口菜单运行管理方式 程序运行管理方式
混合运行管理方式

简述运用SPSS进行数据分析的基本环节

答：1、明确数据分析目的；
2、对的搜集可以阐明分析目的的数据；
3、数据的加工整顿；
4、弄清记录概念和记录含义，懂得多种记录方 法的记录思想和使用范围，无需记忆公式；
5、选择一种或几种记录分析措施探索性的分析记录数据；
6、读懂记录分析成果，发现规律，得出结论
简述SPSS数据文献的特点

答： SPSS数据文献的特点：SPSS是一种有别于其他文献的特殊格式的文献，SPSS数据文献是一种有构造的数据文献，它由数据构造和内容两部分构成，其中的数据构造记录数据变量的名称、类型、变量宽度、小数位数、变量名标签、变量值标签、缺失值、显示宽度、对齐方式和度量尺度等必要信息，数据的内容才是那些待分析的详细数据。
基于上述特点，建立SPSS数据文献时应完毕两项任务，即描述数据的构造和录入编辑数据。

SPSS数据的组织方式有两种原始数据的组织方式和计数数据的组织方式

SPSS数据的构造是对SPSS每列变量及其有关属性的描述，重要包括变量名、数据类型、变量宽度、变量名标签、变量值标签、显示宽度、缺失值、对齐方式、度量尺度等信息。

变量名是变量访问和分析的唯一标志。在定义SPSS数据构造时应首先给出每列变量的变量名。变量的命名规则如下：
1. 首字符应以英文字母开头，背面可以跟除了！、？、*之外的字母或数字。下划线、圆点不能为变量名的最终一种字符。SPSS容许用中文作为变量名。
2.变量名的字符个数最佳不多于8个；变量名不辨别大小写字母。
3. SPSS有默认的变量名，以字母“VAR”开头，背面补足5位数字，如VAR00001，VAR00012等。变量名不能与SPSS内部特有的具有特定含义的保留字同名，如ALL，BY，AND，NOT，OR等。
4.变量名最佳与其代表的数据含义相对应，每个变量名必须具有唯一性。

数据类型是指每个变量取值的类型。SPSS中有三种基本数据类型：数值型、字符型和日期型。

数据中存在明显错误或明显不合理的数据或漏填数据项时记录学上称为不完全数据或缺失数据。
顾客缺失值与系统缺失值

记录学根据数据的度量尺度将数据划分为三大类，即定距型数据（Scale），如身高、体重；定序型数据（Ordinal），如职称、职务、对某事物的赞同程度；定类型数据（Nominal），如民族、宗教信奉、性别、党派。定距型数据一般指持续型数据；定序型数据具有内在固有大小或高下次序，但它又不一样于定距型数据，一般可以用数值或字符表达；定类型数据没有内在固有大小或高下次序，一般以数值或字符表达的分类数据。

插入一种个案，即在数据编辑窗口的某个个案前插入一种新个案：将目前数据单元确定在一种个案上，选择菜单 Data+Insert Case

SPSS支持的数据格式：
1、SPSS文献格式，扩展名为.sav
2、Excel格式文献，扩展名为.xls
3、dbf格式文献，扩展名为.dbf
4、文本格式文献，扩展名为.dat

SPSS支持的数据合并的方式有两种：纵向合并和横向合并。
• 从外部数据文献增长变量到目前数据文献，称为横向合并，横向合并文献时要注意如下三个问题：
1、 互相合并的数据文献必须至少有一种名称相似的变量，该变量是两文献横向合作的根据，称为关键变量；
2、两个数据文献都必须先按关键变量进行升序排列；
3、不一样数据文献中数据含义不相似的数据项变量名不应相似。

简述数据排序的作用
1、 数据排序便于数据的浏览，有助于理解数据的取值状况、缺失值数量的多少等；
2、 通过数据排序可以快捷的找到数据的最大值和最小值，进而可以计算出数据的全距，初步把握和比较数据的离散程度；

3、 通过数据排序可以快捷地发现数据的异常值，为深入明确它们与否会对分析产生重要影响提供协助。

SPSS数据排序选择菜单Data－Sort Cases
数据选用的基本操作选择菜单Data—Select cases
简述频数分析的目的和基本任务
答：目的：基本记录分析往往从频数分析开始。通过频数分析可以理解变量取值的状况，对把握数据的分布特性是非常有用的。
基本任务：（1）频数分析的第一种基本任务是编制频数分布表。（2）频数分析的第二个任务是绘制记录图

常见的基本描述记录量有三大类：
刻画集中趋势的记录量
刻画离中趋势的记录量
刻画分布形态的记录量

刻画集中趋势的描述记录量有：均值、中位数、众数、均值原则误差
刻画离散程度的描述记录量有：全距、方差、原则差、
刻画分布形态的描述记录量有：偏度、峰度
CH6 SPSS的方差分析
1、 什么是方差分析？
答：方差分析是从观测变量的方差入手，研究诸多控制变量中哪些变量是对观测变量有明显影响的变量，对观测变量有明显影响的各个控制变量其不一样水平以及各水平的交互搭配是怎样影响观测变量的。
2、 方差分析认为观测变量的值得变化受两类原因的影响：第一类是控制原因（控制变量）不一样水平所产生的影响；第二类是随机原因（随机变量）所产生的影响。
3、 方差分析对观测变量个总体分布有两个基本假设前提：1）观测变量各总体服从正态分布；（2）观测变量各总体的方差相似。
4、 根据控制变量个数可以将方差分析提成单原因方差分析、多原因方差分析和协多原因方差分析。
5、简述方差分析的基本原理
答：方差分析认为，假如控制变量的不一样水平对观测变量产生了明显影响，那么它和随机变量共同作用必然使得观测变量值明显变动；反之，假如控制变量的不一样水平没有对观测变量产生明显影响，那么观测变量值的变动就不明显，其变动可以归结为随机变量影响导致的。
建立在观测变量各总体服从正态分布和同方差的假设之上，方差分析的问题就转化为在控制变量不一样水平上的观测变量均值与否存在明显差异的推断问题了。
综上所述，方差分析从对观测变量的方差分解入手，通过推断控制变量各水平下各观测变量的均值与否存在明显差异，分析控制变量与否给观测变量带来了明显影响，进而再对控制变量各个水平对观测变量影响的程度进行剖析。
6、单原因方差分析的基本环节
提出原假设：控制变量不一样水平下观测变量各总体的均值无明显差异
计算检查记录量和概率P值
给定明显性水平与p值做比较：假如p值不不小于明显性水平，则应当拒绝原假设，反之就不能拒绝原假设。
7、在多原因方差分析中，影响观测值变动的原因是那些？
答：（1）控制变量独立作用；（2）控制变量交互作用；（3）随机原因。

CH8 SPSS的有关分析
1、客观事物之间大体可归纳为两大类：函数关系和记录关系。
2、散点图的作用：绘制散点图时有关分析过程极为常用且非常直观的分析方式。它将数据以点的形式画在直角平面上。通过观测散点图可以直观地发现变量间的记录关系以及它们的强弱程度和数据对的也许走向。
3、有关系数是以数值的方式精确地反应了两个变量间线性关系强弱程度。
运用有关关系进行变量间线性关系的分析的两大环节：
第一、 运用样本数据计算有关系数。样本有关系数反应了两变量间线性关系程度的强弱。对不一样类型的变量应采用不一样的有关系数指标，但它们的取值范围和含义都是相似的，即
l 有关系数r的取值在-1~+1之间。
l r>0表达两变量存在正的线性有关关系；r<0表达两变量存在负的线性有关关系；
l r=1表达两变量存在完全正线性有关关系；r=-1表达两变量存在完全负线性有关关系；r=0表达两变量不存在线性有关关系；
|r|>0.8表达两变量之间具有较强的线性有关关系；|r|<0.3表达两变量之间的线性有关关系较弱；
第二、 对样本来自的两总体与否存在明显的线性关系进行推断。
由于存在抽样的随机性和样本量较少等原因，一般样本有关系数不能直接来阐明样本来自的两总体与否具有明显性的线性有关关系，需要通过假设检查的方式对样本来自的总体与否存在线性有关关系进行记录推断。基本环节：
l 提出原假设，即两总体无明显线性关系，存在零有关。
l 选择检查记录量。
l 计算检查记录量的观测值和对应的概率P-值。
l 决策。假如检查记录量的概率P-值不不小于给定的明显性水平α，则应拒绝原假设，认为两总体存在明显性的线性有关关系；反之，假如检查记录量的概率P-值不小于给定的明显性水平α，则不能拒绝原假设，认为两总体存在零有关关系。
4、有关系数的种类：对不一样类型的变量应采用不一样的有关系数来度量，常用的有关系数重要有pearson简朴有关系数、spearman等级有关系数和kendallτ有关系数等。
pearson简朴有关系数用来度量定距型变量间的线性有关关系；spearman等级有关系数用来度量定序型变量间的线性有关关系；kendallτ有关系数采用非参数记录的措施度量定序型变量间的线性有关关系。
5、下表给出居民住房调查中家庭收入与计划购置的住房面积的有关分析，试分析两变量间的有关性。（明显性水平α=0.05）
Correlations

家庭收入
计划面积
家庭收入
Pearson Correlation
1
.323**
Sig. (2-tailed)

.000

计划面积
Pearson Correlation
.323**
1
Sig. (2-tailed)
.000

**. Correlation is significant at the 0.01 level (2-tailed).
答：原假设：家庭收入与计划面积所在的两总体零有关。由上表可知其有关系数检查的概率P-值近似为0，当明显性水平α=0.05或α=0.01时，应拒绝原假设，认为两总体存在有关性。pearson简朴有关系数值为0.323，阐明两总体存在弱有关。
6、偏有关分析：偏有关分析是在控制其他变量的线性影响条件下分析两变量间的线性有关性，所采用的工具是偏有关分析。
7、运用偏有关系数进行变量间偏有关分析的分析的两大环节：
第一、 计算样本的偏有关系数。
运用样本数据计算样本偏有关系数，反应了两变量间净有关的强弱程度。
第二、对样本来自的两总体与否存在明显的净有关关系进行推断。
基本环节：
l 提出原假设，即两总体的偏有关系数与零无明显差异。
l 选择检查记录量。
l 计算检查记录量的观测值和对应的概率P-值。
l 决策。假如检查记录量的概率P-值不不小于给定的明显性水平α，则应拒绝原假设，认为两总体存在明显性的线性有关关系；反之，假如检查记录量的概率P-值不小于给定的明显性水平α，则不能拒绝原假设，认为两总体存在零有关关系。
CH9 SPSS回归分析

CH10 SPSS聚类分析
1、 聚类分析：聚类分析是一种建立分类的多元记录分析措施，它可以将一批样本（或变量）数据根据其诸多特性，按照在性质上的亲疏程度在没有先验经验的状况下进行的自动分类，产生多种分类成果。类内部个体特性具有相似性，不一样类间个体特性的差异性较大。
2、 对“亲疏程度”的测度一般有两个角度：第一、个体间的相似程度；第二、个体间的差异程度。
3、 衡量个体间的相似程度一般可采用简朴有关系数或等级有关系数等。衡量个体间的差异程度一般通过某种距离来测量。
4、 聚类分析首先消除数量级对聚类的影响，消除数量级最常有的措施是：原则化处理。
5、 层次聚类有两种类型：Q型聚类和R型聚类。Q型聚类是对样本进行聚类，它使具有相似特性的样本汇集在一起，使差异性大的样本分离开来。R型聚类是对变量进行聚类，它使差异性大的变量分离开来，具有相似特性的样本汇集在一起。
6、 层次聚类的聚类方式有两种：凝聚方式聚类和分解方式聚类。
7、简述K-Means聚类分析的关键环节
答：K-Means聚类也称迅速聚类，仍将数据当作k维空间上的点，仍以距离作为测度个体“亲疏程度”的指标，并通过牺牲多种解为代价换得高的执行效率，其关键环节是：
第一，指定聚类数目K
第二，确定K个初始类中心
SPSS中初始类中心的指定方式有两种：一是顾客指定方式；二是系统指定方式。
第三，根据距离近来原则进行分类
依次计算每个样本数据点到K个类中心点的欧式距离，并按距K个类中心点距离最短的原则将所有样本提成K类。
第四，重新确定K个类中心
中心点确实定原则是，依次计算各类中k个变量的均值，并以均值点作为K个类的中心点。
第五，判断与否已满足中断聚类分析的条件
条件有两个：一是迭代次数（SPSS默认为10）；二是类中心点偏移程度，即新确定的类中心点距上个类中心点的最大偏移量不不小于指定的量（SPSS默认为0.02）时中断聚类。
CH11 SPSS因子分析
1、 因子分析：因子分析是研究怎样以至少许的信息丢失将众多原有变量浓缩成少数几种因子，怎样使因子具有一定的命名解释性的多元记录分析措施。
2、因子分析中因子的特点：（1）因子个数远远少于原有变量的个数。（2）因子可以反应原有变量的绝大部分信息；（3）因子之间不存在线性关系；（4）因子具有命名解释性。
3、简述因子分析的基本环节
答：（1）因子分析的前提条件；
因子分析的前提条件是原始变量之间应存在较强的有关关系。
（2）因子提取；（3）使因子更具有命名可解释性；（4）计算各样本的因子得分。
4、简述因子个数确实定措施。
答：（1）根据特性根确定因子数：一般选用不小于1的特性根，还可规定特性根数与特性根值的碎石图并通过观测碎石图确定因子数；
（2）根据因子的合计方差奉献率确定因子数：一般选用合计方差奉献率不小于85%的特性根个数为因子个数。
5、简述因子分析的意义。
答：在实际问题的分析过程中，人们往往但愿尽量多的搜集有关分析对象的数据信息，进而可以比较全面的、完整的把握和认识它。于是，对研究对象的描述就会有诸多指标。假如搜集的变量过多，虽然可以比较全面精确的描述事物，但在实际建模时这些变量会给记录分析带来计算量大和信息重叠的问题。而消减变量个数必然会导致信息丢失和信息不完整等问题的产生。因子分析是处理上述问题的一种非常有效的措施。它以至少的信息丢失，将原始众多变量综合成较少的几种综合指标（因子），可以起到有效降维的目的。

《记录分析软件》答案
一、选择题（每空2分，共30分）
1、SPSS有两个基本窗口：（ ）和（ ）。数据编辑窗口和成果输出窗口。
2、SPSS数据的