课堂练习总结.doc

PAGE 1 PAGE 2 产生两列完全相同的随机数，它们的分布服从标准正态分布。.、 给出某班级学生的身高数据，按性别分组对其身高进行排名次，身高最高的排在第一。数据具体见文件3-2-1.sav。 3．要求将文件按照变量gender（性别）进行分组，对每一组变量salary计算其算术平均数，对变量salbegin计算其最大观测值，对变量minority计算其值为1的观测值数目占全组观测值总数的百分比数，并建立一个新数据文件放置分类汇总以后的结果。数据见“3-1-1.sav”。. 4.计数每一个员工，满足他的工资在30000元以上，以及满足学历在14~18之间的变量值的个数，目标变量名为s_edu，变量标签为工资学历特定值计数。数据见“3-1-1.sav”。 将变量jobtime进行可视化分组操作，jobtime的最小值为63，最大值为98，划分的方法是进行等距划分，将第一断点设置为68，设置每组的长度为6。将字符型变量gender进行单变量值分组操作，新变量名为sex。数据见“3-1-1.sav”。 在SPSS数据文件bakelon-cs.sav中查找性别输入错误及income超出 40~1400此范围的个案，并进行剔除。可以借鉴以下步骤。 调用数据； 数据—验证——加载预定义规则，打开载入预定义的验证规则对话框； (3)单击确定按钮，即可加载PASW所预先设置的变量验证规则； (4)选择数据—验证规则——验证数据，打开variables选项卡，将需要验证的变量选入分析变量框中； (5)单击单变量规则，打开单变量规则选项卡。单击变量ses，在规则栏中选择标记缺失值；在规则列表中选择1，2二分法； (7)单击变量income，由于研究范围是40~1500月龄之间的幼儿，因此需要自定义该验证规则。此时，单击定义规则，打开定义验证规则，单击新建按钮，在规则定义中输入名称为收入验证，在有效值菜单中输入范围； (8)单击继续按钮，完成月龄验证规则的自定义，并返回单 变量规则，在规则栏中选择刚才建立的收入验证规则； (9)单击确定，即可验证数据。 6. 在数据文件identify.sav中查找编号id重复的个案，并剔除。、、 7.已知数据文件hong1.dbf, 请根据体重x6从小到大排序。 8.对数据库文件hong1.dbf，用三种准则选择满足指定条件部分个案并进行频率分析。 准则1： 满足条件 2.01=x63.0的婴儿体重，进行关于血红蛋白的频率分析。 准则2：随机抽取30%的个案，对血红蛋白进行频率分析。 准则3：选取第10例到第33例的婴儿。对血红蛋白进行频率分析。 9.下表为学生在五个科目的考试成绩，五个科目分别为语文，英文，数学，物理，化学，以各科目的名称作为变量名称。使用者想要知道每位学生在五个不同科目中，有几个科目不及格，则可使用[计数]功能求得。表中使用者想得知哪些样本在“语文”一科的成绩不合格。 编号 语文 英文 数学 物理 化学 不及格_1 不及格_2 A 58 59 65 54 78 1 3 B 65 65 56 87 65 0 1 C 87 88 89 84 54 0 1 D 54 58 65 68 78 1 2 E 52 56 58 90 65 1 3 F 78 76 85 95 100 0 0 G 45 50 57 56 52 1 5 H 94 95 98 96 85 0 0 I 87 95 50 88 90 0 1 J 54 56 87 88 65 1 2 10 所谓缺失值就是受试者没有填答的题项或变量中遗漏掉的观察值数据，缺失值的型态有两种，一为系统自订的缺失值，此种单元格的型态会以“.”符号表示，二为使用者自订的缺失值，通常是数据文件键入时有误。在统计分析中的各种分析功能窗口中均有一个[选项]钮，选项钮的次对话窗口内会有对缺失值的处理方法，预设方式为排除有缺失值的观察值，其选项的勾选内容为[依分析排除观察值（A）]、[依检定排除观察值（T）]、[成对方式排除观察值（P）]、[完全排除缺失值(L)]等。在系统自订的缺失值中，使用者也可采用SPSS的缺失值置换功能来处理缺失值，此种方法不会变动数据库的其他变量数据，数据库中各观察值的数据会完整呈现。 以十位大学修“统计学”课程的学生而言，学期末的统计成绩与在“课堂焦虑量表”测得的数据如表2-28，在“统计成绩”变量方面，编号04观察值的数据为缺失值，在“课堂焦虑”变量方面，编号01,02,07号同学的数据均为缺失值。 编号 统计成绩 课堂焦虑 01 65 . 02 78 . 03 72 34 04 . 39 05 84 50 06 85 34 07 87 . 08 65 40 09 74 36 10 67 45 分别使用[数列平均数]法， [