经济数据分析与建模教程.docx

经济数据分析与建模 一、某企业自动打包机的标准打包重量为500克。为检验该打包机工作是否正常，他们抽取了15个样本。在显著水平0.05下，判断打包机是否处于正常工作状态。 495.9,501.3,500.2,498.7,495.7,502.1,505.2,503.2,492.6,493.5,502.4,495.3,499.7,500.4,496.2 首先，进行正态性检验。 1) H0假设：打包机的打包重量服从正态分布。 2) SPSS命令：1-Sample K-S。这是一种非参数正态检验的方法。 3)在0.05显著性水平下，打包机的打包重量服从正态分布的概率分别为0.854，大于0.05，接受H0假设。 表1.1 单样本 Kolmogorov-Smirnov 检验VAR00001N15正态参数a,b均值498.8267标准差3.77311最极端差别绝对值.157正.157负-.125Kolmogorov-Smirnov Z.607渐近显著性(双侧).854 4)得出对实际问题的分析结论。 打包机的打包重量服从正态分布。 正态性检验的结果说明可以进行参数检验。 1) H0假设：该自动打包机打包的平均重量与500克无显著差异，处于正常工作状态。 2) SPSS命令：单样本T检验。这种方法是检验某变量的总体均值是否与某个“特定值”（常量）相等（存在或不存在差异）的假设检验，而这里是检验该打包机工作是否正常，即检验自动打包机的标准打包重量是否为500克，通过单样本T检验能够达到这个目的。 3) 15个样本的均值为498.8267克。在显著性水平为为0.05的条件下，H0发生的概率为0.248，大于0.05，接受H0。 表1.2 单个样本统计量N均值标准差均值的标准误VAR0000115498.82673.77311.97421 表1.3 单个样本检验检验值 = 500tdfSig.(双侧)均值差值差分的 95% 置信区间下限上限VAR00001-1.20414.248-1.17333-3.2628.9161 4)得出对实际问题的分析结论。 该自动打包机打包的平均重量与500克无显著差异，处于正常工作状态。总体均值95%的置信区间为（496.7372, 500.9161）。 二、公司员工数据表Employee Data.sav，主??数据含义如下：完成以下内容： id（Employee Code）职工编号 Gender（性别） bdate（Date of Birth）出生日期 educ（Educational Level (years)）受教育水平（年） jobcat（Employment Category）职业类别 salary（Current Salary）当前工资 salbegin（Beginning Salary）开始工资 jobtime（Months since Hire）受雇月数 prevexp（Previous Experience (months)）工作阅历（月） minority（Minority Classification）民族 假设分组数据近似服从正态分布，完成以下任务： 检验不同性别的受教育水平、开始工资、当前工资的均值是否存在显著性差异？ 1) H0假设： 假设一：不同民族的受教育水平、开始工资、当前工资的方差相等。 假设二：不同性别的受教育水平、开始工资、当前工资的均值不存在显著性差异。 2) SPSS命令：两独立样本T检验。这里要检验不同性别的受教育水平、开始工资、当前工资的均值是否存在显著性差异，而性别不同的两个总体之间是独立的，可以用两独立样本T检验。 3) 在显著性水平0.05下，两个样本方差相等（F检验）的概率均为0.000,小于0.05，拒绝H0的假设一，方差不等，应看方差不相等时的概率。在显著性水平0.05下，不同性别的受教育水平、开始工资、当前工资的均值不存在显著性差异的概率均为0.000，小于0.05，拒绝H0的假设二。 表2.11 组统计量GenderN均值标准差均值的标准误Educational Level (years)Male25814.432.979.185Female21612.372.319.158 表2.12 独立样本检验 方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值差分的 95% 置信区间下限上限Educational Level (years