spss復(fù)習(xí)題_第1頁(yè)
已閱讀1頁(yè),還剩21頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、邢城出品必屬精品(共 4 頁(yè)) 1SPSS SPSS 復(fù)習(xí)資料 復(fù)習(xí)資料 一、選擇題1、SPSS 數(shù)據(jù)文件的擴(kuò)展名是( ) 。.sav2、SPSS 軟件的三種運(yùn)行管理方式:( ) 、 ( )和( ) 。完全窗口菜單運(yùn)行管理方式 程序運(yùn)行管理方式 混合運(yùn)行管理方式輸出窗口的主要功能:( ) 。顯示和管理 SPSS 統(tǒng)計(jì)分析結(jié)果、報(bào)表和圖形。

2、3、統(tǒng)計(jì)學(xué)依據(jù)數(shù)據(jù)的度量尺度將數(shù)據(jù)劃分為三大類, ( ) 、 ( )和( ) 。定距型數(shù)據(jù) 定類型數(shù)據(jù) 定序型數(shù)據(jù)4、SPSS 有兩個(gè)基本窗口:( )和( ) 。數(shù)據(jù)編輯窗口和結(jié)果輸出窗口。5、SPSS 數(shù)據(jù)的組織方式有兩種:( )和( ) 。原始數(shù)據(jù)的組織方式和計(jì)數(shù)數(shù)據(jù)的組織方式5、常見(jiàn)的基本描述統(tǒng)計(jì)量有三大類:( ) 、 (

3、 )和( ) ??坍?huà)集中趨勢(shì)的統(tǒng)計(jì)量 刻畫(huà)離中趨勢(shì)的統(tǒng)計(jì)量 刻畫(huà)分布形態(tài)的統(tǒng)計(jì)量6、數(shù)據(jù)編輯窗口的主要功能:( ) 、 ( )和( ) 。定義 SPSS 數(shù)據(jù)的結(jié)構(gòu) 錄入編輯 管理待分析的數(shù)據(jù)。7、填寫(xiě)下面的方差分析表 ANOVA()Model Sum of Squares df Mean Square F Sig1 Regression 1252 14

4、1.856 0.000Residual --- ---Total 1774 19 --- --- ---1252 522 18 298、SPSS 對(duì)不同類型的變量應(yīng)采用不同的相關(guān)系數(shù)來(lái)度量,常用的相關(guān)系數(shù)主要有( ) 、 ( )和( ) 。Pearson 簡(jiǎn)單相關(guān)系數(shù)、Spearman 等級(jí)相關(guān)系數(shù)和 Kendallτ相關(guān)系數(shù)等。9、利用樣本相關(guān)系數(shù) r 進(jìn)行變量間線性關(guān)系的分析,一

5、般( ) 表示兩變量有較強(qiáng)的線性關(guān)系; ( ) 表示兩變量之間的線性關(guān)系較弱。|r|>0.8 表示兩變量有較強(qiáng)的線性關(guān)系; |r|<0.3 表示兩變量之間的線性關(guān)系較弱10、利用樣本相關(guān)系數(shù) r 進(jìn)行變量間線性關(guān)系的分析,r=( ) 表示兩變量存在完全正相關(guān);r=( ) 表示兩變量存在完全負(fù)相關(guān); r=( )表示兩變量不相關(guān)。r=1 表示兩變量存在完全正相關(guān);r=-1 表示兩變量存在

6、完全負(fù)相關(guān);r=0 表示兩變量不相關(guān)11、樣本相關(guān)系數(shù) r 的取值范圍是( )。在-1~+1 之間12、對(duì)回歸方程的檢驗(yàn)主要包括( )、( )、( )和( )。邢城出品必屬精品(共 4 頁(yè)) 35、什么是回歸分析?答:回歸分析是一種應(yīng)用極為廣泛的數(shù)量分析方法。它用于分析事物之間的統(tǒng)計(jì)關(guān)系,側(cè)重考察變量之間的數(shù)量變化規(guī)律,并通過(guò)回歸方程的形式描述和反映這種關(guān)系,幫助人們準(zhǔn)確

7、把握變量受其他一個(gè)或多個(gè)變量影響的程度,進(jìn)而為預(yù)測(cè)提供科學(xué)依據(jù)。6、什么是聚類分析?答:聚類分析是一種建立分類的多元統(tǒng)計(jì)分析方法,它能夠?qū)⒁慌鷺颖荆ɑ蜃兞浚?shù)據(jù)根據(jù)其諸多特征,按照在性質(zhì)上的親疏程度(各變量取值上的總體差異程度)在沒(méi)有先驗(yàn)知識(shí)(沒(méi)有事先指定的分類標(biāo)準(zhǔn))的情況下進(jìn)行自動(dòng)分類,產(chǎn)生多個(gè)分類結(jié)果。類內(nèi)部的個(gè)體在特征上具有相似性,不同類間個(gè)體特征的差異性較大。7、簡(jiǎn)述聚類分析中凝聚方式聚類過(guò)程答:其過(guò)程是,首先,每個(gè)個(gè)體自成一類

8、;然后,按照某種方法度量所有個(gè)體間的親疏程度,并將其中最“親密”的個(gè)體聚成一小類,形成 n-1 個(gè)類;接下來(lái),再次度量剩余個(gè)體和小類間的親疏程度,并將當(dāng)前最親密的個(gè)體或小類再聚到一類;重復(fù)上述過(guò)程,直到所有個(gè)體聚成一個(gè)大類為止??梢?jiàn),這種聚類方式對(duì) n 個(gè)個(gè)體通過(guò) n-1 步可凝聚成一大類。8、簡(jiǎn)述聚類分析中分解方式聚類過(guò)程答:其過(guò)程是,首先,所有個(gè)體都屬一大類;然后,按照某種方法度量所有個(gè)體間的親疏程度,將大類中彼此間最“疏遠(yuǎn)”的個(gè)體

9、分離出去,形成兩類;接下來(lái),再次度量類中剩余個(gè)體間的親疏程度,并將最疏遠(yuǎn)的個(gè)體再分離出去;重復(fù)上述過(guò)程,不斷進(jìn)行類分解,直到所有個(gè)體自成一類為止??梢?jiàn),這種聚類方式對(duì)包含 n 個(gè)個(gè)體的大類通過(guò) n-1 步可分解成 n 個(gè)個(gè)體。9、假設(shè)檢驗(yàn)的基本思想。答:假設(shè)檢驗(yàn)的基本思路是首先對(duì)總體參數(shù)提出假設(shè),然后再利用樣本告知的信息去驗(yàn)證先前提出的假設(shè)是否成立。如果樣本數(shù)據(jù)不能夠充分證明和支持假設(shè),則在一定的概率條件下,應(yīng)拒絕假設(shè);相反,如果不能夠

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論