统计分析与SPSS的应用考试

《统计 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 软件》试（题）卷班级姓名学号 题号 一 二 三 四 五 六 总成绩 成绩 说明：1.本试卷分析结果写在每个题目下面（即所留空白处）；2.考试时间为100分钟；3.每个试题20分。一、（20分）已经给出某个班的学生基本情况及其学习成绩的两个SPSS数据文件，学生成绩一.sav；学生成绩二.sav。要求：（1)将所给的两个SPSS数据文件“学生成绩一.sav”与“学生成绩二.sav”合并，并保存为“成绩.sav.”（2）对所建立的数据文件“成绩.sav”进行以下处理：1）按照性别求出男、女数学成绩的各种统计量(包括平均成绩、标准差等)。2）计算每个学生的总成绩、并按照总成绩的大小进行排序3）把数学成绩分成优、良、中三个等级， 规则 编码规则下载淘宝规则下载天猫规则下载麻将竞赛规则pdf麻将竞赛规则pdf 为优(≥85)，良(75≤≤84),中(≤74)，并对优良中的人数进行统计。1. DescriptiveStatistics 性别 N Minimum Maximum Mean Std.Deviation 男 数学 4 77.00 85.00 82.2500 3.77492 ValidN(listwise) 4 女 数学 16 67.00 90.00 78.5000 7.09930 ValidN(listwise) 16 男生数学的均值为82.25高于女生的均值78.5。女生的的标准差7.09930高于男生的标准差3.77492。2.3.优共有4人，良具有12人中有4人。二、（20分）为了解笔记本电脑的市场情况，针对笔记本电脑的3种品牌，进行了满意度调查，随机访问了30位消费者，让他们选出自己满意的品牌，调查结果见下表，其中变量“职业”的取值中，1表示文秘人员，2表示管理人员，3表示工程师，4表示其他人；3个品牌变量的取值中，1表示选择，0表示未选数据见Excel数据文件“调查.exe”。根据所给数据完成以下问题（1）将所给数据的Excel文件导入到SPSS中，要求SPSS数据文件写出数据结构（包括变量名，变量类型，变量值标签等）命，并保存为：“调查.Sav”。（2）试利用多选项分析，利用频数分析来分析消费者对不同品牌电脑的满意度状况；分析不同职业消费者对笔记本品牌满意度状况。分析：<1>(1)(2)(3)(4)(5)(6)（7）最后保存的文件“调查.sav”格式及 内容 财务内部控制制度的内容财务内部控制制度的内容人员招聘与配置的内容项目成本控制的内容消防安全演练内容 如下：<2>先对数据进行频数分析（1）（2）（3）三、(20分)入户推销有五种方法。某大公司想比较这五种方法有无显著的效果差异，设计了一项实验。从尚无推销经验的应聘人员中随机挑选一部分，并随机地将他们分为五个组，每组用一种推销方法 培训 焊锡培训资料ppt免费下载焊接培训教程 ppt 下载特设培训下载班长管理培训下载培训时间表下载 。一段时期后得到他们在一个月内的推销额，如下表所示（SPSS数据见“入户推销.sav”）: 第一组 20.0 16.8 17.9 21.2 23.9 26.8 22.4 第二组 24.9 21.3 22.6 30.2 29.9 22.5 20.7 第三组 16.0 20.1 17.3 20.9 22.0 26.8 20.8 第四组 17.5 18.2 20.2 17.7 19.1 18.4 16.5 第五组 25.2 26.2 26.9 29.3 30.4 29.7 28.31.利用单因素方差分析方法分析这五种推销方式是否存在显著差异。2.绘制各组的均值对比图，并利用LSD方法进行多重比较检验，说明那组推销方式最好？1. ANOVA 销售额 SumofSquares df MeanSquare F Sig. BetweenGroups 406.627 4 101.657 11.304 .000 WithinGroups 269.789 30 8.993 Total 676.415 34 如上图是推销方式对销售额的单因素方差分析结果。可以看到：观测变量销售额的离差平方总和为676.415；如果只考虑推销方式单个因素的影响，则销售额总变差中，不同推销方式可解释的变差为406.627，抽样误差引起的变差为269.789，它们的方差分别为101.657和8.993，相除所得的F统计量的观测值为11.304，对应的概率P值小于显著性水平a,因此拒绝原假设，认为不同销售方式对销售额产生了显著影响。2.图a MultipleComparisons 销售额LSD (I)推销方式 (J)推销方式 MeanDifference(I-J) Std.Error Sig. 95%ConfidenceInterval LowerBound UpperBound 第一组 第二组 -3.30000* 1.60294 .048 -6.5736 -.0264 第三组 .72857 1.60294 .653 -2.5451 4.0022 第四组 3.05714 1.60294 .066 -.2165 6.3308 第五组 -6.71429* 1.60294 .000 -9.9879 -3.4406 第二组 第一组 3.30000* 1.60294 .048 .0264 6.5736 第三组 4.02857* 1.60294 .018 .7549 7.3022 第四组 6.35714* 1.60294 .000 3.0835 9.6308 第五组 -3.41429* 1.60294 .041 -6.6879 -.1406 第三组 第一组 -.72857 1.60294 .653 -4.0022 2.5451 第二组 -4.02857* 1.60294 .018 -7.3022 -.7549 第四组 2.32857 1.60294 .157 -.9451 5.6022 第五组 -7.44286* 1.60294 .000 -10.7165 -4.1692 第四组 第一组 -3.05714 1.60294 .066 -6.3308 .2165 第二组 -6.35714* 1.60294 .000 -9.6308 -3.0835 第三组 -2.32857 1.60294 .157 -5.6022 .9451 第五组 -9.77143* 1.60294 .000 -13.0451 -6.4978 第五组 第一组 6.71429* 1.60294 .000 3.4406 9.9879 第二组 3.41429* 1.60294 .041 .1406 6.6879 第三组 7.44286* 1.60294 .000 4.1692 10.7165 第四组 9.77143* 1.60294 .000 6.4978 13.0451 *.Themeandifferenceissignificantatthe0.05level.图b如图b可知，可看出。采用了LSD方法中的标准误差，可看出第五组方法最好。四、（20分）利用“入户推销.sav”数据完成以下问题：（1）按照性别建立推销员频率分布表及销售额的直方图；（2）利用交叉列联表分析不同性别推销人员参与销售方式状况；（3）利用 参数 转速和进给参数表a氧化沟运行参数高温蒸汽处理医疗废物pid参数自整定算法口腔医院集中消毒供应 检验来分析不同性别推销人员的销售额是否有显著性差异？1. Statistics 性别 性别 销售额 男 N Valid 19 19 Missing 0 0 女 N Valid 16 16 Missing 0 0 销售额 性别 Frequency Percent ValidPercent CumulativePercent 男 Valid 16.00 1 5.3 5.3 5.3 16.80 1 5.3 5.3 10.5 17.30 1 5.3 5.3 15.8 17.50 1 5.3 5.3 21.1 18.20 1 5.3 5.3 26.3 20.00 1 5.3 5.3 31.6 20.10 1 5.3 5.3 36.8 20.20 1 5.3 5.3 42.1 20.80 1 5.3 5.3 47.4 21.20 1 5.3 5.3 52.6 22.50 1 5.3 5.3 57.9 22.60 1 5.3 5.3 63.2 23.90 1 5.3 5.3 68.4 25.20 1 5.3 5.3 73.7 26.90 1 5.3 5.3 78.9 28.30 1 5.3 5.3 84.2 29.30 1 5.3 5.3 89.5 29.90 1 5.3 5.3 94.7 30.20 1 5.3 5.3 100.0 Total 19 100.0 100.0 女 Valid 16.50 1 6.3 6.3 6.3 17.70 1 6.3 6.3 12.5 17.90 1 6.3 6.3 18.8 18.40 1 6.3 6.3 25.0 19.10 1 6.3 6.3 31.3 20.70 1 6.3 6.3 37.5 20.90 1 6.3 6.3 43.8 21.30 1 6.3 6.3 50.0 22.00 1 6.3 6.3 56.3 22.40 1 6.3 6.3 62.5 24.90 1 6.3 6.3 68.8 26.20 1 6.3 6.3 75.0 26.80 2 12.5 12.5 87.5 29.70 1 6.3 6.3 93.8 30.40 1 6.3 6.3 100.0 Total 16 100.0 100.0 2． CaseProcessingSummary Cases Valid Missing Total N Percent N Percent N Percent 推销方式*性别 35 100.0% 0 .0% 35 100.0% 推销方式*性别Crosstabulation 性别 Total 男 女 推销方式 第一组 Count 4 3 7 ExpectedCount 3.8 3.2 7.0 %within推销方式 57.1% 42.9% 100.0% %within性别 21.1% 18.8% 20.0% %ofTotal 11.4% 8.6% 20.0% Residual .2 -.2 Std.Residual .1 -.1 第二组 Count 4 3 7 ExpectedCount 3.8 3.2 7.0 %within推销方式 57.1% 42.9% 100.0% %within性别 21.1% 18.8% 20.0% %ofTotal 11.4% 8.6% 20.0% Residual .2 -.2 Std.Residual .1 -.1 第三组 Count 4 3 7 ExpectedCount 3.8 3.2 7.0 %within推销方式 57.1% 42.9% 100.0% %within性别 21.1% 18.8% 20.0% %ofTotal 11.4% 8.6% 20.0% Residual .2 -.2 Std.Residual .1 -.1 第四组 Count 3 4 7 ExpectedCount 3.8 3.2 7.0 %within推销方式 42.9% 57.1% 100.0% %within性别 15.8% 25.0% 20.0% %ofTotal 8.6% 11.4% 20.0% Residual -.8 .8 Std.Residual -.4 .4 第五组 Count 4 3 7 ExpectedCount 3.8 3.2 7.0 %within推销方式 57.1% 42.9% 100.0% %within性别 21.1% 18.8% 20.0% %ofTotal 11.4% 8.6% 20.0% Residual .2 -.2 Std.Residual .1 -.1 Total Count 19 16 35 ExpectedCount 19.0 16.0 35.0 %within推销方式 54.3% 45.7% 100.0% %within性别 100.0% 100.0% 100.0% %ofTotal 54.3% 45.7% 100.0% Chi-SquareTests Value df Asymp.Sig.(2-sided) PearsonChi-Square .461a 4 .977 LikelihoodRatio .459 4 .977 Linear-by-LinearAssociation .056 1 .813 NofValidCases 35 a.10cells(100.0%)haveexpectedcountlessthan5.Theminimumexpectedcountis3.20.首先，在所调查的35人当中，有19个为男，16个为女，分别占总样本的54.3%和45.7%，可见男生占多数。推销方式第一组、第二组、第三组、第四组、第五组样本量分别为7、7、7、7、7，占总样本的20%、20%、20%、20%、20%。其次，对不同推销方式进行分析，在第一组中，男生和女生的人数分别为4和3，五、（20分）已知我国2003年部分地区城镇居民人均可支配收入和人均消费性支出如下表所示：（单位：元）（1）绘制城镇居民人均可支配收入与人均消费性支出的相关图（散点图）；（2）利用相关系数分析城镇居民人均可支配收入与人均消费性支出之间的关系？（3）如果有相关关系，建立一元线性回归模型，解释输出结果。 地区 人均消费性支出（Y） 人均可支配收入(X) 地区 人均消费性支出（Y） 人均可支配收入(X) 北京 11123.8 13882.6 湖北 5963.3 7322 天津 7867.5 10312.9 湖南 6082.6 7674.2 河北 5439.8 7239.1 广东 9636.3 12380.4 山西 5105.4 7005 广西 5763.5 7785 内蒙古 5419.1 7012.9 海南 5502.4 7259.3 辽宁 6077.9 7240.6 重庆 7118.1 8093.7 吉林 5492.1 7005.2 四川 5759.2 7041.9 黑龙江 5015.2 6678.9 贵州 4949 6569.2 上海 11040.3 14867.5 云南 6023.6 7643.6 江苏 6708.6 9262.5 西藏 8045.3 8765.5 浙江 9712.9 13179.5 陕西 5666.5 6806.4 安徽 5064.3 6778 甘肃 5298.9 6657.2 福建 7356.3 9999.5 青海 5400.2 6745.312. Correlations 人均可支配收入(X) 人均消费性支出（Y） 人均可支配收入(X) PearsonCorrelation 1 .991** Sig.(2-tailed) .000 N 13 13 人均消费性支出（Y） PearsonCorrelation .991** 1 Sig.(2-tailed) .000 N 13 13 **.Correlationissignificantatthe0.01level(2-tailed).人均消费性支出与人均可支配收入的简单相关性系数为0.992，说明两者之间存在正的强相关性，其相关系数检验的概率P-值近似为0.因此，当显著性水平a为0.05或0.01时，应拒绝相关系数的原假设，认为总体不是零相关。3. ModelSummaryandParameterEstimates DependentVariable:人均消费性支出（Y） Equation ModelSummary ParameterEstimates RSquare F df1 df2 Sig. Constant b1 b2 b3 Quadratic .983 287.780 2 10 .000 1015.083 .553 9.499E-6 Cubic .983 287.780 2 10 .000 1015.083 .553 9.499E-6 .000 Compound .976 452.084 1 11 .000 2707.132 1.000 Power .980 544.713 1 11 .000 .879 .984 Theindependentvariableis人均可支配收入(X). 输入／移去的变量b 模型 输入的变量 移去的变量 方法 1 人均可支配收入(X)a . 输入 a.已输入所有请求的变量。 b.因变量:人均消费性支出（Y） 模型汇总 模型 R R方 调整R方 标准估计的误差 1 .159a .025 -.072 2.435695410410045E3 a.预测变量:(常量),人均可支配收入(X)。 Anovab 模型 平方和 df 均方 F Sig. 1 回归 1533927.220 1 1533927.220 .259 .622a 残差 5.933E7 10 5932612.132 总计 6.086E7 11 a.预测变量:(常量),人均可支配收入(X)。 b.因变量:人均消费性支出（Y） 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) 8875.085 3743.247 2.371 .039 人均可支配收入(X) -.239 .469 -.159 -.508 .622 a.因变量:人均消费性支出（Y）方程为y=8875.085-0.239x为一元线性回归的模型及其输出结果。_1220937587.unknown_1220937627.unknown_1220937576.unknown