1、去年某企業(yè)每天平均生產元件105個，今年改良了生產技術隨機抽取15天進行測量，結果為208112202108210106206204118112116210114104214假定生產從正態(tài)分布，能否判斷今年的產量是否是去年的兩倍(a=0.05)步驟：輸入數據后，從菜單欄選擇“分析〞→“比擬均值〞→“單樣本T檢驗〞命令，翻開“單樣本T檢驗〞對話框。將變量產量選入“檢驗變量〞列表框。在“檢驗值〞框中輸入去年元件產量的平均數105。單擊“確定〞按鈕，完成設置并執(zhí)行上述操作。單個樣本統計量N均值標準差均值的標準誤元件個數15156.2750.00512.911分析：樣本數量為15，均值為156.27，標準差為50.005，均值的標準誤差為12.911單個樣本檢驗檢驗值=105tdfSig.(雙側)均值差值差分的95%置信區(qū)間下限上限元件個數3.97114.00151.26723.5778.96分析：顯著性水平為0.001小于0.05，所以認為今年的產量不是去年的兩倍。2、一生產商想比擬兩種汽車輪胎A和B的磨損質量。在比擬中，選A和B型輪胎組成一對后任意安裝在7輛汽車的后輪上，然后讓汽車運行指定的英里數，記錄下每只輪胎的磨損量。數據如下：汽車1234567輪胎A9.610.811.310.78.29.011.2輪胎B8.29.411.89.19.311.013.1這兩種輪胎的平均磨損質量存在顯著差異嗎？步驟：輸入數據，執(zhí)行“分析〞→“比擬均值〞→“配對樣本T檢驗〞命令，翻開“配對樣本T檢驗〞對話框。在“置信區(qū)間百分比〞框內輸入置信度95%，然后單擊“繼續(xù)〞按鈕確認，返回主對話框。單擊“確定〞按鈕，完成設置并執(zhí)行配對樣本T檢驗。成對樣本統計量均值N標準差均值的標準誤對1輪胎A10.11471.1950.4517輪胎B10.27171.7433.6589輪胎A的均值10.114小于輪胎B的均值10.271。成對樣本相關系數N相關系數Sig.對1輪胎A&輪胎B7.457.303相關系數為0.457，認為輪胎之間相關性大成對樣本檢驗成對差分tdfSig.(雙側)均值標準差均值的標準誤差分的95%置信區(qū)間下限上限對1輪胎A-輪胎B-.15711.6009.6051-1.63771.3234-.2606.804顯著性水平為0.804，大于0.01，接受原假設，認為兩個輪胎的平均磨損質量之間無顯著性差異。3、某地一年級12名女大學生的身高、體重與肺活量數據如下，試建立體重與身高、肺活量間的線性回歸方程。操作步驟：(1)從菜單欄中選擇“分析〞→“回歸〞→“線性〞，將“體重〞選入“因變量〞，將“身高〞“肺活量〞選入“自變量〞。(2)單擊“統計量〞按鈕，選擇“置信區(qū)間〞輸入95，選擇“描述性〞和“個案診斷〞并選擇“所有個案〞，單擊繼續(xù)。(3)單擊“繪制〞按鈕，選用DEPENDENT和*ZPEAD，并選擇“直方圖〞和“正態(tài)概率圖〞，單擊繼續(xù)。(4)單擊“確定〞按鈕，并進行線性回歸分析。體重和身高分析：描述性統計量均值標準偏差N體重49.41675.0893512身高160.58333.7769212肺活量2.8942.4174512體重的均值為49.41，身高的均值為160.58，肺活量的均值為2.89相關性體重身高肺活量Pearson相關性體重1.000.771.800身高.7711.000.640肺活量.800.6401.000Sig.〔單側〕體重..002.001身高.002..012肺活量.001.012.N體重121212身高121212肺活量121212顯著性水平小于0.05，因此它們之間具有顯著性差異水平描述性統計量均值標準偏差N體重49.41675.0893512身高160.58333.7769212肺活量2.8942.4174512輸入／移去的變量b模型輸入的變量移去的變量方法1肺活量,身高a.輸入a.已輸入所有請求的變量。b.因變量:體重模型匯總b模型RR方調整R方標準估計的誤差1.868.754.6992.79325a.預測變量:(常量),肺活量,身高。b.因變量:體重Anovab模型平方和df均方FSig.1回歸214.6972107.34813.759.002殘差70.22097.802總計284.91711a.預測變量:(常量),肺活量,身高。b.因變量:體重系數a模型非標準化系數標準系數tSig.B的95.0%置信區(qū)間B標準誤差試用版下限上限1(常量)-63.96842.155-1.517.163-159.32931.393身高.592.290.4392.040.072-.0641.249肺活量6.3202.626.5182.407.039.38012.260a.因變量:體重體重與身高的線性回歸方程為：體重與肺活量的線性回歸方程為：案例診斷a案例數目標準殘差體重預測值殘差1-.69342.0043.9351-1.935112-.53742.0043.4995-1.499463.07546.0045.7914.208644-.19346.0046.5401-.540055-.46246.0047.2917-1.291726.11350.0049.6837.316277-1.11351.0054.1080-3.1080381.21952.0048.59573.404329-1.29252.0055.6084-3.6084010.93652.0049.38432.6157511.34258.0057.0456.95445121.60556.0051.51674.48334a.因變量:體重殘差統計量a極小值極大值均值標準偏差N預測值43.499557.045649.41674.4179012標準預測值-1.3391.727.0001.00012預測值的標準誤差.8341.6901.369.28712調整的預測值44.332056.905349.48424.4626712殘差-3.608404.48335.000002.5265912標準殘差-1.2921.605.000.90512Student化殘差-1.5061.715-.0111.03112已刪除的殘差-4.905275.25044-.067503.3065812Student化已刪除的殘差-1.6421.971.0091.10912Mahal。距離.0653.1111.8331.04312Cook的距離.001.414.104.12712居中杠桿值.006.283.167.09512a.因變量:體重殘差統計量a極小值極大值均值標準偏差N預測值43.499557.045649.41674.4179012標準預測值-1.3391.727.0001.00012預測值的標準誤差.8341.6901.369.28712調整的預測值44.332056.905349.48424.4626712殘差-3.608404.48335.000002.5265912標準殘差-1.2921.605.000.90512Student化殘差-1.5061.715-.0111.03112已刪除的殘差-4.905275.25044-.067503.3065812Student化已刪除的殘差-1.6421.971.0091.10912Mahal。距離.0653.1111.8331.04312Cook的距離.001.414.104.12712居中杠桿值.006.283.167.09512a.因變量:體重由圖可知，標準化殘差呈正態(tài)分布，散點在直線上或下靠近直線，說明變量之間呈線性分布。由圖可知回歸方程滿足線性以及其次方程的檢驗4、某企業(yè)欲研究不同類型的商店對一種新產品的銷售影響，選取了三類商店：副食品店、百貨公司和超市。調查時銷售額如表，現分析不同商店類型對銷售量有無顯著影響。副食品店19241929293028302929293030293031百貨公司32332932313531323134293231342931超市31353533313535323336293232343031步驟〔1〕翻開數據文件，從菜單欄選擇“分析〞→“比擬均值〞→“單因素ANOVA〞命令，(2)將“銷售量〞作為觀測變量選入“因變量列表〞框，〔3〕將“商店〞作為控制變量選入“因子〞文本框中?？刂谱兞坑袔讉€不同的取值，就表示控制變量有幾個水平?！?〕單擊“比照〞按鈕，然后翻開比照對話框中的“度〞下拉列表中選擇“線性〞選項，單擊“繼續(xù)〞按鈕確認?！?〕在“單因素ANOVA:兩兩比擬〞兩兩比擬對話框中選擇LSD方法進行兩兩比擬。單擊“繼續(xù)〞按鈕確認?！?〕在“選項〞對話框中，選擇“描述性〞項輸出描述性統計量和“均值圖〞輸出頻數圖。單擊“繼續(xù)〞按鈕確認?！?〕單擊“確定〞按鈕完成設置，執(zhí)行單因素方差分析。描述銷售額N均值標準差標準誤均值的95%置信區(qū)間極小值極大值下限上限副食品店1627.813.763.94125.8129.821931百貨公司1631.631.784.44630.6732.582935超市1632.752.082.52031.6433.862936總數4830.733.388.48929.7531.711936ANOVA銷售額平方和df均方F顯著性組間〔組合〕214.2922107.14614.827.000線性項比照195.0311195.03126.989.000偏差19.260119.2602.665.110組內325.188457.226總數539.47947p為0.000小于0.05，拒絕原假設，認為不同商店類型對產品銷售量有顯著性影響。多重比擬銷售額LSD(I)商店(J)商店均值差(I-J)標準誤顯著性95%置信區(qū)間下限上限副食品店百貨公司-3.813*.950.000-5