统计分析实验报告
统计分析综合实验报告
学院：
专业：
姓名：
学号：
统计分析综合实验考题
一．样本数据特征分析：
要求收集国家统计局2011年全国人口普查与2000年全国人口普查相关数据，进行二者的比较，然后写出有说明解释的数据统计分析报告，具体要求如下：
1．报告必须包含所收集的公开数据表，至少包括总人口，流动人口，城乡、性别、年龄、民族构成，教育程度，家庭户人口八大指标；
2．报告中必须有针对某些指标的条形图，饼图，直方图，茎叶图以及累计频率条形图；（注：不同图形针对不同的指标）3．采用适当方式检验二次调查得到的人口年龄比例以及教育程度这两个指标是否有显著不同，写明检验过程及结论。
4．报告文字通顺，通过数据说明问题，重点突出。
二．线性回归模型分析：
自选某个实际问题通过建立线性回归模型进行研究，要求：
1.自行搜集问题所需的相关数据并且建立线性回归模型；
2.通过SPSS软件进行回归系数的计算和模型检验；
3.如果回归模型通过检验，对回归系数以及模型的意义进行
解释并且作出散点图
一、样本数据特征分析
2010年全国人口普查与2000年全国人口普查相关数据分析报告
2011年第六次全国人口普查数据显示，总人口数为1370536875，比2000年的第五次人口普查的1265825048人次，总人口数增加73899804人，增长5.84%，平均年增长率为0.57%。
做茎叶图分析：
描述
年份统计量标准误
人口数量2000年均值40084265.35 4698126.750 均值的 95% 置信区间
下限30489410.50
上限49679120.21
5% 修整均值39305445.50
中值35365072.00
方差
68424424372574
4.400
标准差26158062.691
极小值2616329
极大值
91236854 范围 88620525 四分位距 41049359 偏度 .503 .421 峰度 -.652 .821
2011年
均值
42992737.65 4963014.104
均值的 95% 置信区间
下限
32856910.64 上限
53128564.65 5% 修整均值 41924325.67 中值 37327378.00 方差
76357677878758
8.500
标准差 27632893.059
极小值 3002166 极大值 104303132 范围 101300966 四分位距 36481362 偏度 .625 .421 峰度
-.332
.821
茎叶图
箱形图：
（二）流动人口
2011年人口普查数据中，居住地与户口登记地所在的乡镇街道不一致且离开户口登记地半年以上的人口为261386075人，同2000年第五次全国人口普查相比，居住地与户口登记地所在的乡镇街道不一致且离开户口登记地半年以上的人口增加116995327人，增长81.03%。
（三）城乡构成
2011年人口普查显示居住在城镇的人口为665575306人，占49.68%；居住在乡村的人口为674149546人，占50.32%。2000年农村居民人口数为783841243人，占63.08%；城镇居民则有458770983人，占36.92%。同2000年第五次全国人口普查相比，城镇人口增加207137093人，乡村人口减少133237289人，城镇人口比重上升13.46个百分点。通过下面的条形图可以清楚的看到2000年—2011年十年间，农村居民减少而城镇居民增加。
（四）性别构成
2000年第五次人口普查男性人口为640275969人占51.53%；女性人口为602336257人，占48.47%。2011年第六次人口普查显示男性人口为686852572人，占51.27%；女性人口为652872280人，占48.73%。通过下面的饼图可以放大百分比上些微的变化（两个年份左边较小的部分均为女性人口数），总人口性别比（以女性为100，男性对女性的比例）由2000年第五次全国人口普查的106.74下降为105.20。
（五）年龄构成
2000年人口普查：0-14岁人口为284527594人，占22.90%；15-59岁人口为828106762人，占66.64%；60岁及以上人口为129977870人，占10.46%。2011年人口普查：0-14岁人口为222459737人，占16.60%；15-59岁人口为939616410人，占70.14%；60岁及以上人口为177648705人，占13.26%。同2000年第五次全国人口普查相比，0-14岁人口的比重下降6.29个百分点，15-59岁人口的比重上升3.36个百分点，60岁及以上人口的比重上升2.93个百分点，65
通过直方图的分布可以得出，两次统计结果显示了相似的正态分布。青年人口数量占有绝对较高的比例。具体看到各个年龄段的人口变化（为了方便陈述，以数值代指各年龄段），年龄段1有较明显的人口数量减少，年龄段2、3、4、5在其原有基础上缓慢增长，年龄段3取代年龄段1变为人口数第二的年龄段。由于年龄段6人口数始终较少，在处理数据过程中其特征无法被放大，2000年年龄段6的频数为0.242，2011年增长到0.496，其增长比例是最为显著的，说明随着社会经济的发展高龄老年人数量逐渐增多。
（六）民族构成
2000年普查，汉族人口为1137386112人，占91.53%；少数民族人口为105226114人，占8.47%。2011年普查，汉族人口为1225932641人，占91.51%；各少数民族人口为113792211人，占8.49%。同2000年第五次全国人口普查相比，汉族人口增加66537177人，增长5.74%；各少数民族人口增加7362627人，增长6.92%。
（七）教育程度
2000年人口普查时，具有大学（大专及以上）文化程度的人口为44020145人；具有高中（含中专）文化程度的人口为138283459人；具有初中文化程度的人口为422386607人；具有小学文化程度的人口为441613351人，文盲人口（15岁及以上不识字的人）为85069667人。
2011年，具有大学（大专及以上）文化程度的人口为119636790人；具有高中（含中专）文化程度的人口为187985979人；具有初中文化程度的人口为519656445人；具有小学文化程度的人口为358764003人，文盲人口（15岁及以上不识字的人）为54656573人。
同2000年第五次全国人口普查相比，每10万人中具有大学文化程度的由3611人上升为8930人；具有高中文化程度的由11146人上升为14032人；具有初中文化程度的由33961人上升为38788人；具有小学文化程度的由35701人下降为26779人。
用累计频率条形图对教育程度进行进一步分析，类似于年龄构成的数据处理
方法，以1000万为单位对各个文化段的人口数进行调整，得出具体的个体值，再
利用SPSS软件分别作出两次普查教育程度的累计频率条形图。
从上图可以看到大学（大专及以上）文化程度的人口占比特别低。累计高中以上文化程度为20%不到，累计初中以上文化程度为50%多，累计小学以上文化程度为90%左右。通过简单的相减可以得出结论，占比最大的文化段应该在小学文化程度。另外注意到小学文化程度过后的文盲，占比约有10%。
根据2011年人口普查的数据，首先，大学（大专文化及以上）程度人口有显著增长，接近翻倍。其他文化程度（除文盲）也都有所增长，其中累计高中以上文化程度频率约为25%，累计初中以上文化程度频率约65%，累计小学以上文化程度频率约95%。同样可以直观的了解到，占比最大的文化段由小学文化程度移至初中文化程度。最后看到文盲所占比重，相比较十年前，削减了近二分之一。总的来说，对比两次普查，可以很肯定的说十年间我国教育事业取得了较为
显著的成绩，国民受教育水平有较大提升。
（八）家庭户人口
2000年人口普查家庭户人口数共有1178271219人，有家庭户340491197，平均每个家庭3.44人。2011年增长到1244608395人，平均每个家庭户的人口为3.10人，比2000年减少0.34人。
（九）对两次普查人口年龄比例这一指标是否有显著不同的检验。
采用配对样本T检验，表1-3和表1-4给出了各自的的均值、标准差、均值标准误差以及两次数据的相关系数，可以看出前后两次统计并没有发生显著的变化。根据表1-5配对样本T检验的最后结果（p＝0.588>0.05）显示：第六次人口普查和第五次人口普查在人口年龄比例这一指标上没有显著差异。
表1-3：
表1-4：
两次人口普查三个年龄段（0—14岁，15—59岁，60岁及以上）数据的相关系数
成对样本相关系数
N 相关系数Sig.
对 1 第五次人口普查 & 第六次人
口普查
3 .987 .102
表1-5：
（十）对两次普查人口教育程度这一指标是否有显著不同的检验。
采用配对样本T检验，表1-6和表1-7给出了各自的的均值、标准差、均值标准误差以及两次数据的相关系数，可以看出前后两次统计并没有发生显著的变化。根据表1-8配对样本T检验的最后结果（p＝0.555>0.05）显示：第六次人口普查和第五次人口普查在教育程度这一指标上没有显著差异。
两次人口普查教育程度的描述统计量
表1-7：
成对样本相关系数
N 相关系数Sig.
对 1 第五次人口普查 & 第六次人
口普查
5 .920 .027
表1-8：
二、一元线性回归分析
北京市1995-2015年城镇居民消费性支出与可支配收入的关系
1. 问题背景：随着中国经济的高速持续增长，人们生活水平日益提高，作为我国经济文化中心，且经济发展水平位居前列的首都北京，其城镇居民消费水平在这中国经济崛起的二十多年里亦是有着翻天覆地的变化。希望研究北京市城镇居民消费性支出与可支配收入的变化趋势及相关关系，发现其之间的数量关系规律，对居民收入增加，提高居民生活水平的具有重要意义。
根据1995~2015年北京市城镇居民消费性支出与可支配收入的统计数据，建立一元线性回归模型，对其进行回归分析。
2. 原始数据：
3.数据分析
建立模型：yi=α+βxi （yi是消费支出，xi是可支配收入）（1）消费支出可支配收入相关系数
表2-1
相关性
可支配收入消费支出
可支配收入Pearson 相关性 1 .997**显著性（双侧）.000 N 21 21
消费支出Pearson 相关性.997** 1 显著性（双侧）.000
N 21 21
**. 在 .01 水平（双侧）上显著相关。
从表中可得到两变量之间的皮尔逊相关系数为0.997，双尾检验概率p值尾0.000<0.05，故变量之间显著相关。
（2）回归模型检验
消费支出与可支配收入的散点图
从图上可以直观地看出这两个变量之间存在线性相关关系。
消费支出可支配收入相关系数表
结果表明相关系数r=0.997，判定系数R方为0.994，调整 R方为0.993，回归估计的标准差S=686.971，说明样本回归方程的代表性强。
结果表明：统计量F=3022.658，显著性概率值P<0.001。说明自变量x与y之间确
有线性回归关系。
表2-4 （回归系数分析表）
从表格中可以看出估计值及其检验结果，β0=1792.014, β1=0.623,β1的检验统计量t=54.979，显著性概率值P<0.05，说明β1与0有显著性差别，该回归方程有意义。变量的回归系数为0.623，即可支配收入每增加1元，消费支出就增加0.623元。回归方程为y=1792.014+0.623x。
4. 分析结论及应用价值
通过上面的回归分析，并结合原始数据，可以得出结论：一直以来，北京市城镇居民的消费支出与人均可支配收入是存在正向内在联系的，人均可支配收入与消费性支出存在较强的线性回归关系，通过可决系数R方检验和显著性检验，得出其之间的回归模型方程为：y=1793.014+0.623x，由此可见，城镇居民人均可支配收入是消费性支出的关键所在，因此，可以通过提高城镇居民收入，调整支配格局来改观城镇居民人均消费性支出，从而刺激内需，促进消费，以此带动经济的发展。
应用统计spss分析报告
应用统计spss分析报告
学生姓名：肖浩鑫学号：31407371 一、实验项目名称：实验报告（三） 二、实验目的和要求 （一）变量间关系的度量：包括绘制散点图，相关系数计算及显著性检验； （二）一元线性回归：包括一元线性回归模型及参数的最小二乘估计，回归方程的评价及显著性检验，利用回归方程进行估计和预测； （三）多元线性回归：包括多元线性回归模型及参数的最小二乘估计，回归方程的评价及显著性检验等，多重共线性问题与自变量选择，哑变量回归； 三、实验内容 1. 从某一行业中随机抽取12家企业，所得产量与生产费用的数据如下： 企业编号产量（台）生产费用（万元）企业编号产量（台）生产费用（万元） 1 40 130 7 84 165 2 42 150 8 100 170 3 50 155 9 116 167 4 5 5 140 10 125 180 5 65 150 11 130 175 6 78 154 12 140 185 （1）绘制产量与生产费用的散点图，判断二者之间的关系形态。 （2）计算产量与生产费用之间的线性相关系数，并对相关系数的显著性进行检验（），并说明二者之间的关系强度。
2. 下面是7个地区2000年的人均国内生产总值（GDP）和人均消费水平的统计数据： 地区人均GDP（元）人均消费水平（元） 北京22460 7326 辽宁11226 4490 上海34547 11546 江西4851 2396 河南5444 2208 贵州2662 1608 陕西4549 2035 （1）绘制散点图，并计算相关系数，说明二者之间的关系。 （2）人均GDP作自变量，人均消费水平作因变量，利用最小二乘法求出估计的回归方程，并解释回归系数的实际意义。 （3）计算判定系数和估计标准误差，并解释其意义。（4）检验回归方程线性关系的显著性（）（5）如果某地区的人均GDP为5000元，预测其人均消费水平。 （6）求人均GDP为5000元时，人均消费水平95%的置信区间和预测区间。 3. 随机抽取10家航空公司，对其最近一年的航班正点率和顾客投诉次数进行调查，数据如下：
应用多元统计分析课后答案
2.1.试叙述多元联合分布和边际分布之间的关系。 解：多元联合分布讨论多个随机变量联合到一起的概率分布状况，12(,,)p X X X X '=L 的联合分布密 度函数是一个p 维的函数，而边际分布讨论是12(,,)p X X X X '=L 的子向量的概率分布，其概率密度 函数的维数小于p 。 2.2设二维随机向量1 2()X X '服从二元正态分布，写出其联合分布。 解：设1 2()X X '的均值向量为()1 2μμ'=μ，协方差矩阵为21 122212σσσσ?? ? ?? ，则其联合分布密度函数为 1/2 12 2 2112112222122121()exp ()()2f σσσσσσσσ--???????? '=---?? ? ??? ?????? x x μx μ。 2.3已知随机向量12()X X '的联合密度函数为 12121222 2[()()()()2()()] (,)()()d c x a b a x c x a x c f x x b a d c --+-----= -- 其中1a x b ≤≤，2c x d ≤≤。求 （1）随机变量1X 和2X 的边缘密度函数、均值和方差； （2）随机变量1X 和2X 的协方差和相关系数； （3）判断 1X 和2X 是否相互独立。 （1）解：随机变量 1X 和2X 的边缘密度函数、均值和方差； 11212122 2[()()()()2()()] ()()()d x c d c x a b a x c x a x c f x dx b a d c --+-----=--? 1221222222 2()()2[()()2()()]()()()() d d c c d c x a x b a x c x a x c dx b a d c b a d c -------=+----? 121 222202()()2[()2()]()()()() d d c c d c x a x b a t x a t dt b a d c b a d c ------= +----? 221212222 2()()[()2()] 1()()()()d c d c d c x a x b a t x a t b a d c b a d c b a ------=+= ----- 所以 由于1X 服从均匀分布，则均值为2b a +，方差为 ()2 12 b a -。
arcgis栅格数据空间分析实验报告
实验五栅格数据的空间分析 一、实验目的 理解空间插值的原理，掌握几种常用的空间差值分析方法。 二、实验内容 根据某月的降水量，分别采用IDW、Spline、Kriging方法进行空间插值，生成中国陆地范围内的降水表面，并比较各种方法所得结果之间的差异，制作降水分布图。 三、实验原理与方法 实验原理：空间插值是利用已知点的数据来估算其他临近未知点的数据的过程，通常用于将离散点数据转换生成连续的栅格表面。常用的空间插值方法有反距离权重插值法（IDW）、 样条插值法（Spline）和克里格插值方法（Kriging）。 实验方法：分别采用IDW、Spline、Kriging方法对全国各气象站点1980年某月的降水量进行空间插值生成连续的降水表面数据，分析其差异，并制作降水分布图。 四、实验步骤 ⑴打开arcmap，加载降水数据，行政区划数据，城市数据，河流数据，并进行符号化， 对行政区划数据中的多边形取消颜色填充 ⑵点击空间分析工具spatial analyst→options，在general标签中将工作空间设置为实验数据所在的文件夹
⑶点击spatial analyst→interpolate to raster→inverse distance weighted，在input points 下拉框中输入rain1980，z字段选择rain，像元大小设置为10000 点击空间分析工具spatial analyst→options，在extent标签中将分析范围设置与行政区划一致，点击spatial analyst→interpolate to raster→inverse distance weighted，在input points下拉框中输入rain1980，z字段选择rain，像元大小设置为10000 点击空间分析工具spatial analyst→options在general标签中选province作为分析掩膜，点击spatial analyst→interpolate to raster→inverse distance weighted，在input points下拉框中输入rain1980，z字段选择rain，像元大小设置为10000
统计学实验报告
统计学数学实验报告 单因素方差分析 姓名 专业 学号
单因素方差分析 摘要统计学是关于数据的科学，它所提供的是一套有关数据收集、处理、分析、解释数据并从数据中得出结论的方法，统计研究的是来自各个领域的数据。单因素方差分析也是统计学分析的一种。单因素方差分析研究的是一个分类型自变量对一个数值型因变量的影响。关键字单因素、方差、数据统计 方差分析（analysis of variance，ANOVA）就是通过检验各总体的均值是否相等来判断分类型自变量对数值型因变量是否有显著影响。当方差分析中之涉及一个分类型自变量时称为单因素方差分析(one-way analysis of variance). 单因素方差分析研究的是一个分类型自变量对一个数值型因变量的影响。例如要检验汽车市场销售汽车时汽车颜色对销售数据的影响，这里只涉及汽车颜色一个因素，因而属于单因素方差分析。 为了更好的理解单因素方差分析，下面举个例子来具体说明单因素方差所要解决的问题。从3个总体中各抽取容量不同的样本数据，结果如下表1所示。检验3个总体的均值之间是否有显著差异（α=0.01）P29210.1 样本1 样本2 样本3 158 153 169 148 142 158 161 156 180 154 149 169 如果要进行单因素方差分析时，就需要得到一些相关的数据结构，从而对那些数据结构进行分析，如下表2所示： 分析步骤 1.提出假设 与通常的统计推断问题一样，方差分析的任务也是先根据实际情况提出原假设H0与备择假设H1，然后寻找适当的检验统计量进行假设检验。本节将借用上面的实例来讨论单因素试验的方差分析问题。
SPSS实验报告(一)
SPSS实验报告(一)
湖南涉外经济学院 实验报告 课程名称：应用统计软件分析（SPSS） 专业班级： 姓名 学号： 指导教师： 职称：副研究员 实验日期： 2016.4.19 成绩评定指导教 师 签字 签字 日期
学生实验报告实验序号 一、实验目的及要求 实验目的 通过本次实验，使学生熟练掌握转换菜单和数据菜单的具体功能及操作，熟练应用两个菜单中的计算变量、重新编码、选择个案、个案排序、分类汇总等几个主要过程 实验要求 能够根据相关要求选用正确的过程对变量或者文件进行管理和操作，得到结果，并能对得出的结果进行解释。 二、实验描述及实验过程 实验描述一、下载数据（以下情况选一种）： （一）分地区（31个省市区）环境污染治理投资数据（2014年） 环境污染治理投资总额(亿元)，城市环境基础设施建设投资额(亿元) ，城市燃气建设投资额(亿元) ，城市集中供热建设投资额(亿元)，城市排水建设投资额(亿元)，城市园林绿化建设投资额(亿元)，城市市容环境卫生建设投资额(亿元)
工业污染源治理投资(万元) 建设项目“三同时”环保投资额(亿元) （二）分地区（31个省市区）经济发展总体数据（2014年） 国民总收入，国内生产总值，第一产业增加值，第二产业增加值，第三产业增加值，人均国内生产总值，人口总量，城镇失业率，基尼系数等 (三)各省市房地产开发2014年相关数据 投资额，房地产开发企业个数，从业人员数，收入，税金，利润，资产，负债，平均销售价格，等等。 （四）各省市科技2014年相关数据 包括GDP，研发投入，研发投入强度（研发投入/GDP），R&D研发人员，专利授权数，发明专利授权量。 （五）查找相关行业（钢铁行业、水泥行业、医药制造、工程机械、汽车制造业、旅游酒店行业、航空、电子商务企业等）上市公司2015年度数据。包括销售收入、利润、固定资产净值、总资产利润率、营业利润率、销售净利率、净资产收益率、流动比率、资产负债率、主营业务收入增长率、营收账款周转率、存货周转
统计分析综合实验报告
统 计 分 析 综 合 实 验 报 告 专业：班级： 姓名：学号： 规定题目
一．问题提出及分析目的 （一）问题提出 夏春同学打算毕业后去上海创办一家属于自己的投资咨询服务公司，以便利用在学校里学到的经济学知识，去为广大的货币市场从业人员提供必要的投资指导。为了能顺利地实现自己的创业计划，他着手编辑了一份投资信息简报、分发给一些投资商，希望这些人能提供各方面的建议，进而了解投资商们感兴趣的东西。（二）分析目的 （1）、对货币市场的交易规模和收益情况进行描述分析。 （2）在95%的置信水平下，对整个货币市场的投资规模、每周收益率和每月收益率进行区间估计，并作出解释。 （3）对周收益率和月收益率进行比较。 （4）资产规模大小对收益率影响是否显著？ 二．数据收集及录入
1.打开SPSS 应用程序，在“变量视图”编辑框中录入以下数据： 2.在“数据视图”编辑框中依据收集的数据录入以下数据：（因版面需要在此呈现前5行数据，后面27行按前5行方式录入） 三．数据分析 （一）描述性分析 1.在SPSS 中依次选取“分析”—“描述统计”—“描述”，将资产规模和过去一周、一月的平均收益率全部选取转至右侧方框： 2.在描述性对话框中点击右侧“选项”，进入选项属性设置对话框，选中“均值”、“标准差”、“最大值”、“最小值”、“峰度”、“偏度”、“变量列表”选项：
（二）区间估计 1.在SPSS中依次选取“分析”—“描述统计”—“探索过程”，将资产规模和过去一周、一月的平均收益率全部选取转至右侧方框： 2. .在“探索”对话框中点击右侧“统计量”，进入统计量设置对话框，设置均值置信区间为95%： （三）周月收益率分析 1.在SPSS中依次选取“分析”——“比较均值”——“配对样本T检验”，将过去一周、一月的平均收益率选取转至右侧方框： 2. .在“配对样本T检验”对话框中点击右侧“选项”，进入选项属性设置对话框，设置置信区间为95%：
多元统计学SPSS实验报告一
华东理工大学2016–2017学年第二学期 《多元统计学》实验报告 实验名 称实验1数据整理与描述统计分析
教师批阅：实验成绩： 教师签名: 日期： 实验报告正文： 实验数据整理 (一)对“employee”进行数据整理 1.观察量排序 ( based on current salary） 2.变量值排序（based on current salary : rsalary） 3.计算新的变量（incremental salary=current salary - beginning salary）
4.拆分数据文件（based on gender） 结论：There are 215 female employees and 259 male employees. 5.分类汇总 (break variable: gender ; function: mean ) 结论：The average current salary of female is . The average current salary of male is . （二）分别给出三种工作类别的薪水的描述统计量 实验描述统计分析 1)样本均值矩阵 结论：总共分析六组变量，每组含有十个样本。 每股收益（X1）的均值为；净资产收益率（X2）的均值为；总资产报酬率（X3）的均值为；销售净
利率（X4）的均值为；主营业务增长率（X5）的均值为；净利润增长率（X6）的均值为. 2）协方差阵 结论：矩阵共六行六列，显示了每股收益（X1）、净资产收益率（X2）、总资产报酬率（X3）、销售净利率（X4）、主营业务增长率（X5）和净利润增长率（X6）的协方差。 3）相关系数 结论：矩阵共六行六列，显示了每股收益 （X1）、净资产收益率（X2）、总资产报酬 率（X3）、销售净利率（X4）、主营业务增 长率（X5）和净利润增长率（X6）之间的 相关系数。 每格中三行分别显示了相关系数、显著性 检验与样本个数。 4）矩阵散点图
多元统计分析实验报告
实验一 一、实验目的及要求 对应分析是你也降维的思想以达到减化数据结构的目的，凤的研究广泛用于定义属性变量构成的列联表利用对应分析方法分析问卷中教育程度与网上购物支付方式之间的相互关系。 二、实验环境 SPSS 19.0 window 7系统 三、实验内容及实验步骤（实践内容、设计思想与实现步骤） 实验题目： 通过分析问卷数据，绘制如下的教育程度与网上购物支付方式的交叉表，运用对应分析方法研究教育程度与网上购物所选择的支付方式之间的相关性，及揭示不同人群网上购物的特征等问题。 设计思想：原假设：H1：χ2>χα2[(n?1)(p?1)] 实现步骤： 1.在变量视窗中录入3个变量，用edu表示【教育程度】，用fangshi表示【在网上购物时采用什么样的支付方式】，用pinshu表示【频数】；如图所示：
2.先对数据进行预处理。执行【数据】→【加权个案】命令，弹出【加权个案】对话框。选中【加权个案】按钮，把【频数】放入【频率变量】框中，点击【确定】按钮完成。 3.打开主窗口，选择菜单栏中的【分析】→【降维】→【对应分析】命令，弹出【对应分析】对话框。 4.将【教育程度】导入【行】，将【在网上购物时采用什么样的支付方式】导入【列】。 5. 单击【定义范围（D）】，打开【对应分析：定义行范围】对话框； 定义行变量分类全距最小值为1，最大值为4，单击【更新】；点击【继续】，返回【对应分析】对话框；同方法打开【对应分析：定义列范围】对话框； 定义列变量全距最小值为1，最大值为5，单击【更新】； 6. 单击【统计量】打开【对应分析：统计量】对话框；选择【行轮廓表】，【列轮廓表】；单击【继续】，返回【对应分析】对话框， 7.选择【绘制】→【对应分析：图】对话框，选择【散点图】中的【行点】、【列点】选择【线图】中的【已转换的行类别】、【已转换的列类别】，单击【继续】，返回【对应分析】对话框。 8.单击【确定】按钮，完成设置并执行列联表分析。 四、调试过程及实验结果（详细记录实验在调试过程中出现的问题及解决方法。记录实验的结果） SPSS实验结果及分析： 上表显示了在32155名被调查者中，大多数消费者在网上购物时选择第三方支付和网上银行支付，在网上购物的消费人群以大学本科生相对最多。
统计学原理SPSS实验报告
实验一：用SPSS绘制统计图 实验目的：掌握基本的统计学理论，使用SPSS实现基本统计功能（绘制统计图） 对SPSS的理解：它是一款社会科学统计软件包，同时也广泛应用于经济，金融，商业等各个领域，基本功能包括数据管理，统计分析，图表分析，输出管理等。 实验算法：掌握SPSS的基本输入输出方法，并用SPSS绘制相应的统计图（例如：直方图，曲线图，散点图，饼形图等） 操作过程： 步骤1：启动SPSS。单击Windows 的[开始]按钮（如图1-1所示），在[程序]菜单项[SPSS for Windows]中找到[SPSS 13.0 for Windows]并单击，得到如图1-2所示选择数据源界面。 图1-1 启动SPSS
图1-2 选择数据源界面 步骤2 ：打开一个空白的SPSS数据文件，如图1-3。启动SPSS 后，出现SPSS 主界面（数据编辑器）。同大多数Windows 程序一样，SPSS 是以菜单驱动的。多数功能通过从菜单中选择完成。
图1-3 空白的SPSS数据文件 步骤3：数据的输入。打开SPSS以后，直接进入变量视图窗口。SPSS的变量视图窗口分为data view和variable view两个。先在variable view中定义变量，然后在data view里面直接输入自定义数据。命名为mydata并保存在桌面。如图1-4所示。 图1-4 数据的输入 步骤4：调用Graphs菜单的Bar过程，绘制直条图。直条图用直条的长短来表示非连续性资料（该资料可以是绝对数，也可以是相对数）的数量大小。选择的数据源见表1。 步骤5：数据准备。激活数据管理窗口，定义变量名：年龄标化发生率为RATE，冠心病临床型为DISEASE，血压状态为BP。RATE按原数据输入，DISEASE按冠状动脉机能不全=1、猝死=2、心绞痛=3、心肌梗塞=4输入，BP按正常=1、临界=2、异常=3输入。
应用多元统计分析试题及答案
一、填空题： 1、多元统计分析是运用数理统计方法来研究解决多指标问题的理论和方法. 2、回归参数显著性检验是检验解释变量对被解释变量的影响是否著. 3、聚类分析就是分析如何对样品（或变量）进行量化分类的问题。通常聚类分析分为 Q型聚类和 R型聚类。 4、相应分析的主要目的是寻求列联表行因素A 和列因素B 的基本分析特征和它们的最优联立表示。 5、因子分析把每个原始变量分解为两部分因素：一部分为公共因子，另一部分为特殊因子。 6、若 () (,), P x N αμα ∑=1,2,3….n且相互独立，则样本均值向量x服从的分布 为_x~N(μ，Σ/n)_。 二、简答 1、简述典型变量与典型相关系数的概念，并说明典型相关分析的基本思想。 在每组变量中找出变量的线性组合，使得两组的线性组合之间具有最大的相关系数。选取和最初挑选的这对线性组合不相关的线性组合，使其配对，并选取相关系数最大的一对，如此下去直到两组之间的相关性被提取完毕为止。被选出的线性组合配对称为典型变量，它们的相关系数称为典型相关系数。 2、简述相应分析的基本思想。 相应分析，是指对两个定性变量的多种水平进行分析。设有两组因素A和B，其中因素A包含r个水平，因素B包含c个水平。对这两组因素作随机抽样调查，得到一个rc的二维列联表，记为。要寻求列联表列因素A和行因素B的基本分析特征和最优列联表示。相应分析即是通过列联表的转换，使得因素A
和因素B 具有对等性，从而用相同的因子轴同时描述两个因素各个水平的情况。把两个因素的各个水平的状况同时反映到具有相同坐标轴的因子平面上，从而得到因素A 、B 的联系。 3、简述费希尔判别法的基本思想。 从k 个总体中抽取具有p 个指标的样品观测数据，借助方差分析的思想构造一个线性判别函数 系数： 确定的原则是使得总体之间区别最大，而使每个总体内部的离差最小。将新样品的p 个指标值代入线性判别函数式中求出 值，然后根据判别一定的规则，就可以判别新的样品属于哪个总体。 5、简述多元统计分析中协差阵检验的步骤 第一，提出待检验的假设 和H1； 第二，给出检验的统计量及其服从的分布； 第三，给定检验水平，查统计量的分布表，确定相应的临界值，从而得到否定域； 第四，根据样本观测值计算出统计量的值，看是否落入否定域中，以便对待判假设做出决策（拒绝或接受）。 协差阵的检验 检验0=ΣΣ 0p H =ΣI ： /2 /21exp 2np n e tr n λ???? =-?? ? ???? S S 00p H =≠ΣΣI ： /2 /2**1exp 2np n e tr n λ???? =-?? ? ???? S S
中国矿业大学 空间数据结构上机实验报告
《空间数据结构基础》上机实验报告（2010级） 姓名 班级 学号 环境与测绘学院 1.顺序表的定义与应用（课本P85习题） 【实验目的】 熟练掌握顺序表的定义与应用，通过上机实践加深对顺序表概念的理解。 【实验内容】
设有两个整数类型的顺序表A（有m个元素）和B（有n个元素），其元素均从小到大排列。试编写一个函数，将这两个顺序表合并成一个顺序表C，要求C的元素也从小到大排列。【主要代码】 #include
金融统计学实验报告
一、实验类型 验证型实验。分析1991-2013年中国1年期实际储蓄存款利率的变化特点，运用名义利率、通货膨胀率和物价指数的数据用两种方法来计算并分析哪种方法更科学。 二、实验目的 1、掌握实际利率的两种计算方法，并分析1991-2013年中国1年期实际储蓄存款利率的变化特点。 2、比较两种实际利率测算方法的差异性及科学性。 三、实验背景 利率是国家调控经济的重要杠杆之一，特定的宏观经济目标和微观经济目标可以通过利率调整实现。利率调整是在一定的经济运行环境下进行的，它的调整对经济增长、居民消费、居民储蓄、市场投资等都会产生直接或是简洁的影响。 实际利率(Effective Interest Rate/Real interest rate) 是指剔除通货膨胀率后储户或投资者得到利息回报的真实利率。研究实际利率对经济发展有很大的作用，本实验就1991年至2013年中国1年期实际储蓄利率的变化特点进行探讨，并比较分析实际利率的计算方法。 四、实验环境 本实验属于自主实验，由学员课后自主完成，主要使用Excel软件。 数据来源：通过国家统计局网站、中国人民银行网站获取数据。 五、实验原理 1、实际利率=名义利率-通货膨胀率。 2、实际利率=（名义利率-通货膨胀率）/（1+通货膨胀率）。 六、实验步骤 1、采集实验基础数据。通过网上登录国家统计局网站查看中国统计年鉴，以及登录中国人民银行网站获取相应数据。数据样本区间为1991-2013年。 2、利用Excel软件分别按照两种方法计算实际利率。 3、做出实际储蓄存款利率的变化以及两种不同算法下实际利率变化的折线图。 4、分析图表，考察实际存款利率变化特点并比较两种计算方法的科学性。 七、实验结果分析 (一)实验结果 经过整理和测算的结果如图所示
spss实验报告最终版本
实验课程专业统计软件应用 上课时间2012 学年 1 学期15 周（2012 年12 月18日—28 日） 学生姓名李艳学号2010211587 班级0331002 所在学院经济管 上课地点经管3 楼指导教师胡大权理学院
实验内容写作 第六章 一实验目的 1、理解方差分析的基本概念 2、学会常用的方差分析方法 二实验内容 实验原理：方差分析的基本原理是认为不同处理组的均值间的差别基本来源有两个：随机误差，如测 量误差造成的差异或个体间的差异，称为组内差异 根据老师的讲解和课本的习题完成思考与练习的5、6、7、8题。 第5题：为了寻求适应某地区的高产油菜品种，今选5个品种进行试验，每一种在4块条件完全相同的试验田上试种，其他施肥等田间管理措施完全一样。表 6.20所示为每一品种下每一块田的亩产量，根 据这些数据分析不同品种油菜的平均产量在显著水平0.05下有无显著性差异。 第一步分析 由于考虑的是控制变量对另一个观测变量的影响，而且是5个品种，所以不宜采用独立样本T检验，应该采用单因素方差分析。 第二步数据的组织 从实验材料中直接导入数据 第三步方差相等的齐性检验 由于方差分析的前提是各水平下的总体服从方差相等的正态分布，而且各组的方差具有齐性，其中正 态分布的要求并不是非常严格，但是对于方差相等的要求还是比较严格的，因此必须对方差相等的前提进 行检验。
第四步多重比较分析 通过上面的步骤，只能判断不同的施肥等田间操作效果是否有显著性差异，如果要想进一步了解究竟那 个品种与其他的有显著性均值差别等细节问题，就需要单击上图中的两两比较按钮。 第五步运行结果及分析 多重比较结果表：从该表可以看出分别对几个不同的品种进行的两两比较。最后我们可以得出结论第4品种是最好的。其他的次之。 第6题：某公司希望检测四种类型类型轮胎A,B,C,D的寿命，如表 6.21所示。其中每种轮胎应用在随选择的6种汽车上，在显著性水平0.05下判断不同类型轮胎的寿命间是否存在显著性差异。 第一步分析 由于考虑的是一个控制变量对另一个控制变量的影响，而且是4种轮胎，所以不宜采用独立样本T 检验，应该采用单因素方差分析。 第二步数据的组织 从实验材料中直接导入数据。 第三步方差相等的齐性检验 由于方差分析的前提是各水平下的总体服从方差相等的正态分布，而且各组的方差具有齐性，其中正态分 布的要求并不是非常严格，但是对于方差相等的要求还是比较严格的，因此必须对方差相等的前提进行检 验。选择菜单“分析”—均值比较—单因素ANOVA。
空间分析实验报告
空间分析原理 及应用 上机实验
练习1：利用缺省参数创建一个表面 1．1 启动ArcMap并激活地统计分析模块 单击窗口任务栏的Start按扭，光标指向Programs，再指向ArcGIS，然后单击ArcMap。在ArcMap中，单击Tools，在单击Extensions，选中Geostatistical Analyst复选框，单击Close按扭。 1.2 添加Geostatistical Analyst工具条到ArcMap中。 单击View菜单，光标指向Toolbars，然后单击Geostatistical Analyst。 1．3 在ArcMap中添加数据层 一旦数据加入后，就能利用ArcMap来显示数据，而且如果需要，还可以改变没一层的属性设置（如符号等等） 1.单击Standard工具条上的Add Data按扭。 找到安装练习数据的文件夹（缺省安装路径是C:\ArcGIS\ArcTutor\Geostatistics）,按住Ctrl键，然后点击并高亮显示Ca_ozone_pts和ca_outline数据集。 3.单击Add按扭。 4.单击目录表中的ca_outline图层的图例，打开Symbol Selector对话框。 5.单击Fill Color下拉箭头，然后单击No Color。 6.在Symbol Selector对话框中单击OK按钮。 点击Standard工具条上的Save按扭。新建一个本地工作目录（如C:\geostatistical）,定位到本地工作目录。
1．4 利用缺省值创建表面 单击Geostatistical Analyst，然后单击Geostatistical Wizard。 2.点击Input Data下拉箭头，单击并选中ca_ozone_pts。 3.单击Attribute下拉框箭头，单击并选中属性OZONE。 4.在Methord对话框中单击Kriging. 单击Next按扭。缺省情况下，在Geostatistical Method Selection对话框中，Ordinary Kriging和Prediction Map被选中. 6．在Geostatistical Method Selection对话框中单击next按扭。 7．点击next按扭。
spss实验报告线性回归曲线估计
《数据分析实务与案例实验报告》 曲线估计 学号： 204 班级： 2013 应用统计 姓名： 日期： 2 0 1 4 – 12 – 7 数学与统计学学院
一、实验目的 1. 准确理解曲线回归分析的方法原理。 2. 了解如何将本质线性关系模型转化为线性关系模型进行回归分析。 3. 熟练掌握曲线估计的SPSS 操作。 4. 掌握建立合适曲线模型的判断依据。 5. 掌握如何利用曲线回归方程进行预测。 6. 培养运用多曲线估计解决身边实际问题的能力。 二、准备知识 1. 非线性模型的基本内容 变量之间的非线性关系可以划分为 本质线性关系和本质非线性关系。所谓本质线性关系是指变量关系形式上虽然呈非线性关系，但可以通过变量转化为线性关系，并可最终进行线性回归分析，建立线性模型。本质非线性关系是指变量之间不仅形式上呈现非线性关系，而且也无法通过变量转化为线性关系，最终无法进行线性回归分析，建立线性模型。本实验针对本质线性模型进行。 下面介绍本次实验涉及到的可线性化的非线性模型，所用的变换既有自变量的变换，也有因变量的变换。 乘法模型： 123y x x x βγδαε= 其中α，β，γ，δ 都是未知参数，ε是乘积随机误差。对上式两边取自然对数得到 123ln ln ln ln ln ln y x x x αβγδε=++++ 上式具有一般线性回归方程的形式，因而用多元线性回归的方法来处理。然而，必须强调指出的是，在求置信区间和做有关试验时，必须是2ln (0,)n N I εδ: ， 而不是2n N I εδ:（0，） ,因此检验之前，要先检验ln ε 是否满足这个假设。 三、实验内容 已有很多学者验证了能源消费与经济增长的因果关系，证明了能源消费是促进经济增长的原因之一。也有众多学者利用C-D 生产函数验证了劳动和资本对经
统计学实验报告7.统计指数分析.docx
实验报告 课程名称统计学学号 11学生姓名辅导教师 系别经济与管理系实验室名称实验时间 1．实验名称 统计指数分析 2.实验目的 掌握各项指数的计算及因素分析法的运用。 在 Excel 中完成各项指数及有关数值的计算，主要用到的是公式和公式复制 3.实验内容 甲乙丙三种商品基期和报告期各项数据如下： 价格（元） P销量 q 商品计量单位 基期 p0报告期 p1基期 q0报告期 q1 甲个302810001200 乙双202120001600 丙公斤232515001500 合计 1）计算三种商品的个体销售量指数和个体价格指数。 2）三种商品的销售额总指数。 3）三种商品的销售量总指数和价格总指数。 4）分析销售量变动和价格变动对销售额影响的绝对额。（这一问分析要手写完成） 4.实验原理 在 Excel 中实现综合指数及其相关数值的计算，主要用到的是公式和公式的复制功 能 5.实验过程及步骤 (1)在工作表中输入已知数据的名称和数值（包括商品名称，计量单位，基期价格，报告 期价格，基期销售量和报告期销售量） （2）计算综合指标的各个综合总量在单元格G4中输入公式“ =C4*E4”,在H4中输入“=D4*F4”, 在 I4 中输入“ =C4*F4”, 在 J4 中输入“ =D4*E4”, 公式复制 在 A7 中输入合计，在单元格中输入“=SuM(G4:G6),再将单元格 G7的公式向右复制到 J7 (3)分别计算各个综合指标及其分子分母之差额 在单元格 A10 中输入“销售额总额指数” ，在单元格 F10 中输入公式“ =H7/G7*100” , 在单元格 H10 中输入公式” =H7-G7”
管理同学spss描述统计分析实验报告
描述统计分析 一、实验目的与要求 1. 了解统计描述的常用工具及SPSS 中的统计描述模块。 2. 掌握分类变量和连续变量的统计描述方法及指标。 二、实验内容提要 1．根据数据，分析受访者的年龄分布情况，尝试分城市/合并描述。 2．根据SPSS 自带数据Employee ，分析员工性别、受教育程度、少数民族、职位类别的分布情况，并尝试分析这些属性之间的关系以及这些属性和工资之间的关系。 三、实验步骤 根据数据 在数据栏中找到拆分文件，点击，将城市添加到分组方式中，对城市进行拆分，点击确定。 在分析中选择描述统计下的描述，点击确定。 描述统计量 S0. 城市 N 极小值 极大值 均值 标准差 100北京 S3. 年龄 378 18 65 有效的 N （列表状态） 378 200上海 S3. 年龄 387 18 65 有效的 N （列表状态） 387 300广州 S3. 年龄 382 18 65 有效的 N （列表状态） 382 根据SPSS 自带数据Employee 在分析一栏中的描述统计下找到频率，点击确定。 性别分析表 Gender 频率 百分比 有效百分比 累积百分比 有效 Female 216 Male 258 合计 474 受教育程度分析表
Educational Level (years) 频率 百分比 有效百分比 累积百分比 有效 8 53 12 190 14 6 15 116 16 59 17 11 18 9 19 27 20 2 .4 .4 21 1 .2 .2 合计 474 少数民族分析表 Minority Classification 频率 百分比 有效百分比 累积百分比 有效 No 370 Yes 104 合计 474 2.选择分析，描述统计下的交叉表，点击确定，分析性别和受教育程度之间的情况，将性别添加到行，将受教育程度添加到列中，点击确定。
应用多元统计分析习题解答_朱建平_第九章
Abbo无私奉献，只收1个金币，BS收5个金币的… 何老师考简单点啊……
第九章 典型相关分析 9.1 什么是典型相关分析？简述其基本思想。 答： 典型相关分析是研究两组变量之间相关关系的一种多元统计方法。用于揭示两组变量之间的内在联系。典型相关分析的目的是识别并量化两组变量之间的联系。将两组变量相关关系的分析转化为一组变量的线性组合与另一组变量线性组合之间的相关关系。 基本思想： （1）在每组变量中找出变量的线性组合，使得两组的线性组合之间具有最大的相关系数。即： 若设(1) (1)(1) (1)12(,,,)p X X X =X 、(2) (2)(2)(2) 12(,,,)q X X X =X 是两组相互关联的随机变量， 分别在两组变量中选取若干有代表性的综合变量Ui 、Vi ，使是原变量的线性组合。 在(1)(1)(1)(2)()()1D D ''==a X b X 的条件下，使得(1)(1)(1)(2)(,)ρ''a X b X 达到最大。（2）选取和最初挑选的这对线性组合不相关的线性组合，使其配对，并选取相关系数最大的一对。 （3）如此继续下去，直到两组变量之间的相关性被提取完毕为此。 9.2 什么是典型变量？它具有哪些性质？ 答：在典型相关分析中，在一定条件下选取系列线性组合以反映两组变量之间的线性关系，这被选出的线性组合配对被称为典型变量。具体来说， ()(1) ()(1)()(1)()(1) 11 22i i i i i P P U a X a X a X ' =+++a X ()(2) ()(2)()(2) ()(2) 11 22i i i i i q q V b X b X b X ' =+++b X 在(1)(1)(1)(2)()()1D D ''==a X b X 的条件下，使得(1)(1)(1)(2)(,)ρ''a X b X 达到最大，则称 (1)(1)'a X 、(1)(2) 'b X 是(1)X 、(2)X 的第一对典型相关变量。 典型变量性质： 典型相关量化了两组变量之间的联系，反映了两组变量的相关程度。 1. ()1,()1 (1,2,,)k k D U D V k r === (,)0, (,)0 ()i j i j C ov U U C ov V V i j ==≠ 2. 0 (,1,2,,)(,)0()0()i i j i j i r C ov U V i j j r λ≠==?? =≠??>? 9.3 试分析一组变量的典型变量与其主成分的联系与区别。 答：一组变量的典型变量和其主成分都是经过线性变换计算矩阵特征值与特征向量得出的。主成分分析只涉及一组变量的相互依赖关系而典型相关则扩展到两组变量之间的相互依赖关系之中，度量了这两组变量之间联系的强度。 ()(1)()(1)()(1)()(1) 1122i i i i i P P U a X a X a X '=+++a X ()(2)()(2)()(2)()(2) 1122i i i i i q q V b X b X b X '=+++b X (1)(1)(1)(1)1 2 (,,,)p X X X = X 、(2)(2)(2)(2)1 2 (,,,)q X X X = X
ArcGIS空间大数据处理实验报告材料
实验四空间数据处理 实验容： 掌握空间数据的处理（融合、拼接、剪切、交叉、合并）的基本方法和原理，领会其用途。掌握地图投影变换的基本原理和方法，熟悉ArcGIS中投影的应用及投影变换的方法和技术，并了解地图投影及其变换在实际中的应用。 实现方法： （一）空间数据处理 打开ArcMap，在菜单栏中选择“地理处理->环境”，打开环境变量对话框。在环境变量对话框中的常规设置选项中，设定“临时工作空间”为“D:\04实验四\04实验四\Exec4”，如图1所示。 图1 第1步裁剪实体 在ArcMap中，添加数据“县界.shp”、“clip.shp”（Clip中有四个实体），添加完后如图2所示。
图2 ●开始编辑，激活Clip图层，选中Clip图层中的一个实体，如图3所示。 图3 ●点击工具栏上按钮，打开ArcToolBox，选择“分析工具->提取->裁剪”， 如图4所示，弹出裁剪对话框，指定输入的实体为“县界”，剪切的实体为“Clip”（必须为多边形实体），并指定输出实体类路径及名称为“县界_Clip1”，如图5所示。裁剪完成后弹出如图6所示的对话框。
图4 图5
图6 ●依次选中Clip主题中其他三个实体，重复以上操作步骤，完成操作后得到四 个图层——“县界_Clip1”，“县界_Clip2”，“县界_Clip3”，“县界_Clip4”，如图7所示。完成操作后，保存编辑。 图7 第2步拼接图层 ●在ArcMap中新建一个地图文档，加载在上一步操作中得到的4个图层，如 图8所示。
图8 ●在工具箱中选择“数据管理工具->常规->追加”,设置输入实体和输出实体，拼 接效果如图9所示。 图9 ●右键点击图层“县界_Clip1”,在出现的右键菜单中执行“数据->导出数据”,弹 出导出数据对话框，将输出的图层命名为“YONK.shp”,如图10所示。
统计学实验报告【最新】
统计学实验报告 一、实验主题:大学生专业与实习工作的关系 二、实验背景: 二十一世纪的今天大学生已是一个普遍的社会群体，高校毕业人数日益增加，社会、企业所提供的职位日益紧张，大学生就业问题是当今社会关注的焦点。面对日益沉重的就业压力，越来越多的大学毕业生选择了企业需求的职业，而这种职业与自己在校所学专业根本“无关”或相去甚远，大学毕业生就业专业不对口的现象非常严重。专业对口是个广义的概念，就是说你所学的专业与你所作的工作相关，比如你专业是会计，工作后你到了一个企业做会计，或者到银行做柜员，这都是与经济相关的，这就是对口。如果你学机械设计，但工作后却做了统计员，业务员等于你所学专业无关的工作，这就叫专业不对口。专业不对口导致毕业生所学知识没有用武之地，所以这是一种人力资源的浪费。 三、实验目的: 大学生就业专业不对口是客观存在的问题，我们研究此问题有这几点目的:①了解当代大学生实习工作与专业是否对口的情况，当代大学生对工作与专业不对口现象的态度。②分析大学生就业结构和
专业对口问题，了解当今大学生专业对口情况，为以后大学生选择专业、选择工作岗位提供有效的信息和借鉴。③寻找导致专业不对口的原因，以减少社会普遍存在的人力资源的浪费。 四、实验要求:就相关问题收集一定数量的数据，用EXCEL进行如下 分析:1进行数据筛选、排序、分组;2、制作饼图并进行简要解释;3、制作频数分布图，直方图等并进行简要解释。 五、实验设备及材料:计算机，手机，EXCEL软件，WORD软件。 六、实验过程: (一)制作并发放调查问卷。 (二)收回并统计原始数据:收回了102名大学生填写的调查问卷，并对相关数据进行统计。 (三)筛选与实验相关问题: 1.您的性别( ): A. 男B.女