最新spss实践题分析及答案
《统计分析与SPSS的应用》课后练习答案
《统计分析与SPSS的应用》课后练习答案在学习《统计分析与 SPSS 的应用》这门课程后，通过课后练习能够帮助我们更好地掌握所学知识，并将其应用到实际的数据分析中。
以下是针对部分课后练习的答案及解析。
一、选择题1、在 SPSS 中，用于描述数据集中变量分布特征的统计量是（）A 均值B 标准差C 中位数D 众数答案：ABCD解析：均值、标准差、中位数和众数都是描述数据分布特征的常用统计量。
均值反映了数据的集中趋势；标准差反映了数据的离散程度；中位数是将数据排序后位于中间位置的数值；众数则是数据集中出现次数最多的数值。
2、进行独立样本 t 检验时，需要满足的前提条件是（）A 样本来自正态分布总体B 两样本方差相等C 两样本相互独立D 以上都是答案：D解析：独立样本 t 检验要求样本来自正态分布总体、两样本方差相等以及两样本相互独立。
只有在这些条件满足的情况下，t 检验的结果才是可靠的。
3、以下哪种方法适用于多组数据的比较（）A 单因素方差分析B 配对样本 t 检验C 相关分析D 回归分析答案：A解析：单因素方差分析用于比较三个或三个以上组别的数据是否存在显著差异。
配对样本 t 检验适用于配对数据的比较；相关分析用于研究变量之间的线性关系；回归分析用于建立变量之间的预测模型。
二、简答题1、请简述 SPSS 中数据录入的基本步骤。
答：SPSS 中数据录入的基本步骤如下：（1）打开 SPSS 软件，选择“新建数据文件”。
（2）在变量视图中定义变量的名称、类型、宽度、小数位数等属性。
（3）切换到数据视图，按照定义好的变量逐行录入数据。
（4）录入完成后，保存数据文件。
2、解释相关分析和回归分析的区别。
答：相关分析主要用于研究两个或多个变量之间的线性关系程度和方向，但它并不确定变量之间的因果关系。
相关分析的结果通常用相关系数来表示，如皮尔逊相关系数。
回归分析则不仅可以确定变量之间的关系，还可以建立数学模型来预测因变量的值。
spss练习题及简 答解读
SPSS练习题1、现有两个SPSS数据文件，分别为“学生成绩一”和“学生成绩二”，请将这两份数据文件以学号为关键变量进行横向合并，形成一个完整的数据文件。
先排序data---sort cases再合并data---merge files2、有一份关于居民储蓄调查的数据存储在EXCEL中，请将该数据转换成SPSS数据文件，并在SPSS中指定其变量名标签和变量值标签。
转换Data---transpose，输题目3、利用第2题的数据，将数据分成两份文件，其中第一份文件存储常住地是“沿海或中心繁华城市”且本次存款金额在1000-2000之间的调查数据，第二份数据文件是按照简单随机抽样所选取的70%的样本数据。
选取数据data---select cases4、利用第2题数据，将其按常住地（升序）、收入水平（升序）存款金额（降序）进行多重排序。
排序data---sort cases一个一个选，加5、根据第1题的完整数据，对每个学生计算得优课程数和得良课程数，并按得优课程数的降序排序。
计算transform---count按个输，把所有课程选取，define设区间，再排序6、根据第1题的完整数据，计算每个学生课程的平均分和标准差，同时计算男生和女生各科成绩的平均分。
描述性统计，先转换Data---transpose学号放下面，全部课程（poli到his）放上面，ok，analyze---descriptive statistics---descriptives，全选，options。
先拆分data---split file 按性别拆分，analyze---descriptive statistics---descriptives全选所有课程options---mean7、利用第2题数据，大致浏览存款金额的数据分布状况，并选择恰当的组限和组距进行组距分组。
数据分组Transform---recode---下面一个，输名字，change，old，range，new value---add 挨个输，从小加到大，等距8、在第2题的数据中，如果认为调查“今年的收入比去年增加”且“预计未来一两年收入仍会会增加”的人是对自己收入比较满意和乐观的人，请利用SPSS的计数和数据筛选功能找到这些人。
spss统计分析期末考试题及答案
spss统计分析期末考试题及答案一、选择题（每题2分，共20分）1. 在SPSS中，数据视图和变量视图分别对应于：A. 变量列表和数据表B. 数据表和变量列表C. 数据集和变量集D. 变量集和数据集答案：B2. SPSS中用于描述数据分布特征的统计量不包括：A. 平均值B. 中位数C. 众数D. 方差答案：D3. 在SPSS中进行独立样本T检验时，需要满足的假设条件不包括：A. 独立性B. 正态性C. 方差齐性D. 线性答案：D4. 下列哪个选项不是SPSS中的数据类型？A. 数值型B. 字符串型C. 日期型D. 图片型答案：D5. 在SPSS中，进行相关分析时，通常使用的统计方法是：A. 回归分析B. 方差分析C. 卡方检验D. 皮尔逊相关系数答案：D6. SPSS中，用于创建新变量的命令是：A. COMPUTEB. DESCRIPTIVESC. T-TESTD. FREQUENCIES答案：A7. 在SPSS中，执行因子分析时，通常使用的方法是：A. 主成分分析B. 聚类分析C. 回归分析D. 判别分析答案：A8. SPSS中，用于检验两个分类变量之间关系的统计方法是：A. 相关分析B. 回归分析C. 卡方检验D. 方差分析答案：C9. 在SPSS中，进行多变量回归分析时，需要满足的假设条件不包括：A. 线性关系B. 误差项独立C. 误差项同方差性D. 变量之间独立答案：D10. SPSS中，用于创建数据集的命令是：A. GET FILEB. SAVEC. OPEN DATAD. NEW答案：D二、简答题（每题10分，共40分）1. 简述SPSS中数据清洗的常用步骤。
答案：数据清洗的常用步骤包括：数据导入、数据预览、缺失值处理、异常值检测、数据转换和数据编码。
2. 解释SPSS中因子分析的目的和基本步骤。
答案：因子分析的目的是将多个变量简化为几个不相关的因子，以揭示变量之间的内在关系。
基本步骤包括：确定因子数量、提取因子、旋转因子和因子得分计算。
spss试题及答案医学
spss试题及答案医学1. 单选题：在SPSS中，进行描述性统计分析的命令是？- A. DESCRIPTIVES- B. FREQUENCIES- C. CROSSTABS- D. MEANS答案：A2. 多选题：以下哪些选项是SPSS中用于数据输入的方法？- A. 数据编辑器- B. 导入Excel文件- C. 导入文本文件- D. 从数据库中导入答案：A, B, C, D3. 判断题：在SPSS中，可以通过“变换”菜单下的“计算变量”功能来创建新变量。
- 正确- 错误答案：正确4. 填空题：在SPSS中，使用________命令可以进行相关性分析。
答案：CORRELATIONS5. 简答题：请简述在SPSS中进行t检验的步骤。
答案：首先，需要打开数据文件或创建新的数据文件。
然后，选择“分析”菜单下的“比较均值”选项。
接着，选择“独立样本T检验”或“配对样本T检验”，根据需要选择相应的变量和组别。
最后，点击“确定”执行分析。
6. 操作题：打开SPSS软件，创建一个新的数据文件，输入以下数据：| 编号 | 年龄 | 性别 | 身高(cm) | 体重(kg) |||||-|-|| 1 | 25 | 男 | 175 | 65 || 2 | 30 | 女 | 165 | 55 || 3 | 28 | 男 | 180 | 70 || 4 | 22 | 女 | 170 | 60 |答案：操作步骤如下：- 打开SPSS软件。
- 点击“文件”菜单，选择“新建”。
- 选择“数据”选项卡，点击“数据视图”。
- 在数据视图中，按照表格格式输入上述数据。
7. 分析题：使用SPSS进行卡方检验，以判断性别和身高是否有关联。
答案：首先，需要将性别和身高变量编码为数值型数据。
然后，选择“分析”菜单下的“描述统计”选项，选择“交叉表”。
在“交叉表”对话框中，将性别变量放入“行”框中，将身高变量放入“列”框中。
点击“统计”按钮，勾选“卡方”选项，然后点击“继续”和“确定”执行分析。
SPSS操作实验作业1(附答案)
SPSS操作实验 (作业1)作为华夏儿女都曾为有着五千年的文化历史而骄傲过，作为时代青年都曾为中国所饱受的欺压而愤慨过，因为我们多是炎黄子孙。
然而，当代大学生对华夏文明究竟知道多少呢某研究机构对大学电气、管理、电信、外语、人文几个学院的同学进行了调查，各个学院发放问卷数参照各个学院的人数比例，总共发放问卷250余份，回收有效问卷228份。
调查问卷设置了调查大学生对传统文化了解程度的题目，如“佛教的来源是什么”、“儒家的思想核心是什么”、“《清明上河图》的作者是谁”等。
调查问卷给出了每位调查者对传统文化了解程度的总得分，同时也列出了被调查者的性别、专业、年级等数据信息。
请利用这些资料，分析以下问题。
问题一：分析大学生对中国传统文化的了解程度得分，并按了解程度对得分进行合理的分类。
问题二：研究获得文化来源对大学生了解传统文化的程度是否存在影响。
要求：直接导出查看器文件为.doc后打印（导出后不得修改）对分析结果进行说明，另附(手写、打印均可)。
于作业布置后，1周内上交本次作业计入期末成绩答案问题一操作过程1.打开数据文件作业。
同时单击数据浏览窗口的【变量视图】按钮，检查各个变量的数据结构定义是否合理，是否需要修改调整。
2.选择菜单栏中的【分析】→【描述统计】→【频率】命令，弹出【频率】对话框。
在此对话框左侧的候选变量列表框中选择“X9”变量，将其添加至【变量】列表框中，表示它是进行频数分析的变量。
3.单击【统计量】按钮，在弹出的对话框的【割点相等组】文本框中键入数字“5”，输出第20％、40％、60％和80％百分位数，即将数据按照题目要求分为等间隔的五类。
接着，勾选【标准差】、【均值】等选项，表示输出了解程度得分的描述性统计量。
再单击【继续】按钮，返回【频率】对话框。
4.单击【图表】按钮，勾选【直方图】和【显示正态曲线】复选框，即直方图中附带正态曲线。
再单击【继续】按钮，返回【频率】对话框。
最后，单击【确定】按钮，操作完成。
spss习题及其答案
spss习题及其答案
SPSS习题及其答案
SPSS（Statistical Package for the Social Sciences）是一种统计分析软件，广泛应用于社会科学和商业研究。
它可以帮助研究人员对数据进行分析、建模和预测。
在学习和使用SPSS的过程中，习题和答案是非常重要的，可以帮助我们更好地理解和掌握SPSS的使用方法和技巧。
下面是一些常见的SPSS习题及其答案，供大家参考：
1. 问题：如何在SPSS中导入数据？
答案：在SPSS中，可以通过“文件”菜单中的“打开”选项来导入数据，也可以直接拖拽数据文件到SPSS的工作区。
2. 问题：如何计算变量的描述性统计量？
答案：在SPSS中，可以使用“分析”菜单中的“描述统计”选项来计算变量的描述性统计量，包括均值、标准差、最大值、最小值等。
3. 问题：如何进行相关性分析？
答案：在SPSS中，可以使用“分析”菜单中的“相关”选项来进行相关性分析，可以计算变量之间的皮尔逊相关系数或斯皮尔曼相关系数。
4. 问题：如何进行回归分析？
答案：在SPSS中，可以使用“回归”选项来进行回归分析，可以进行简单线性回归、多元线性回归等不同类型的回归分析。
5. 问题：如何进行因子分析？
答案：在SPSS中，可以使用“因子”选项来进行因子分析，可以帮助研究人员发现变量之间的潜在结构和关联。
通过以上习题及其答案的学习和实践，我们可以更好地掌握SPSS的使用方法，提高数据分析的效率和准确性。
希望大家在学习SPSS的过程中能够多多练习，不断提升自己的数据分析能力。
SPSS习题及其答案是我们学习的好帮手，也是我们进步的动力。
SPSS题目解答题答案解析
6、某百货公司9月份各天的服装销售数据如下（单位：万元）257 276 297 252 301 256 278 298 265 258286 234 210 322 310 278 301 290 256 249309 318 311 267 273 239 316 268 249 298（1）计算该百货公司日销售额的均值（277.4）、标准误差（5.15698）、中位数（277）、众数（249,256,278,298,301）、全距、方差（797.834）、标准差（28.24596）、四分位数、十分位数、百分位数、频数、峰度（-.518)和偏度(-.287)；（2）计算日销售额的标准化Z分数及对其线性转换。
解：（1）频数298.00 2 6.7 6.7 73.3301.00 2 6.7 6.7 80.0309.00 1 3.3 3.3 83.3310.00 1 3.3 3.3 86.7311.00 1 3.3 3.3 90.0316.00 1 3.3 3.3 93.3318.00 1 3.3 3.3 96.7322.00 1 3.3 3.3 100.0合计30 100.0 100.0统计量日销售额N 有效30缺失0均值277.4000均值的标准误 5.15698中位数277a众数249.00b标准差28.24596方差797.834偏度-.287偏度的标准误.427峰度-.518峰度的标准误.833全距112.00极小值210.00极大值322.00和8322.00百分位数10 242.3333c20 253.333325 256.333330 257.500040 267.500050 276.666760 288.000070 298.000075 300.250080 306.3333.25.50,75为四分位数，10，20，30··90为十分位数百分位数 1 .c,d2 212.40003 219.60004 226.80005 234.00006 235.50007 237.00008 238.50009 240.333310 242.333311 244.333312 246.333313 248.333314 249.400015 250.000016 250.600017 251.200018 251.800019 252.533320 253.333321 254.133322 254.933323 255.733324 256.133325 256.333326 256.533327 256.733328 256.933329 257.200030 257.500031 257.800032 258.700033 260.800035 265.000036 265.600037 266.200038 266.800039 267.200040 267.500041 267.800042 268.500043 270.000044 271.500045 273.000046 273.900047 274.800048 275.700049 276.266750 276.666751 277.066752 277.466753 277.866754 279.066755 280.666756 282.266757 283.866758 285.466759 286.800060 288.000061 289.200062 290.700063 292.800064 294.900065 297.000066 297.200067 297.400068 297.600069 297.800070 298.000071 298.450073 299.350074 299.800075 300.250076 300.700077 301.533378 303.133379 304.733380 306.333381 307.933382 309.100083 309.400084 309.700085 310.000086 310.300087 310.600088 310.900089 312.000090 313.500091 315.000092 316.200093 316.800094 317.400095 318.000096 319.200097 320.400098 321.600099 .a. 利用分组数据进行计算。
spss的试题、答案、结果
统计复习题目一.某公司管理人员为了解某化妆品在一个城市的月销售量Y （单位：箱）与该城市中适合使用该化妆品的人数1X （单位：千人）以及他们 人均月收入2X （单位：元）之间的关系，在某个月中对15个城市做调查，得上述各量的观测值如表A1所示.假设Y 与1X ，2X 之间满足线性回归关系15,,2,1,22110 =+++=i x x y i i i i εβββ 其中i ε独立同分布于),0(2σN .(1)求回归系数210,,βββ的最小二乘估计值和误差方差2σ的估计值，写出回归方程并对回归系数作解释；analyze-regression-linear,y to dependent,x1 x2 to indepents ,statistics-confidence回归系数210,,βββ的最小二乘估计值和误差方差2σ的估计值分别为：3.453,0.496,0.009和2σ=4.740. 回归方程为y=0.496*x1+0.009*x2+3.453回归系数解释：3.453可理解为化妆品的月基本销售量，当人均月收入2X 固定时，适合使用该化妆品的人数1X 每提高一个单位，月销售量Y 将增加0.496个单位；当适合使用该化妆品的人数1X 固定时，人均月收入2X 每提高一个单位，月销售量 Y 将增加0.009个单位 (2)求出方差分析表，解释对线性回归关系显著性检验的结果.求复相关系数的平方2R 的值并由于P 值=0.000<0.05，所以回归关系显著.2R 值=0.999，说明Y 与1X ，2X 之间的线性回归关系是高度显著的…(3)分别求1β和2β的置信度为95.0的置信区间；coefficients 的后面部分.1β和2β的置信度为95.0的置信区间分别为（0.483，0.509），（0.007,0.011）(4)对05.0=α，分别检验人数1X 及收入2X 对销量Y 的影响是否显著；由于系数1β，2β对应的检验P 值分别为0.000，0.000都小于0.05，所以适合使用该化妆品的人数1X 和人均月收入2X 对月销售量Y 的影响是显著的(5)该公司欲在一个适宜使用该化妆品的人数22001=x ，人均月收入250002=x 的新城市中销售该化妆品，求其销量的预测值及置信为0.95的置信区间.Y 的预测值及置信度为0.95的置信区间分别为：135.5741和（130.59977，140.54305）在数据表中直接可以看见二、某班42名男女学生全部参加大学英语四级水平考试，数据如下：（数据表为A2）问男女生在英语学习水平上有无显著差异？单击weight cases-weight cases by-x, ok, analyze-descriptive statistics-crosstabs,(列联表分析)sex to rows,score to column, exact-exact, statistics chi-square ,ok.原假设不显著，看这个（Asymp. Sig. (2-sided)）。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
SPSS实践题习题1分析此班级不同性别的学生的物理和数学成绩的均值、最高分和最低分。
结论：男生数学成绩最高分: 95 最低分: 72 平均分: 80.08物理成绩最高分: 87 最低分: 69 平均分: 74.54 女生数学成绩最高分: 99 最低分: 70 平均分: 80.77物理成绩最高分: 91 最低分: 65 平均分: 76.15习题2分析此班级的数学成绩是否和全国平均成绩85存在显著差异。
One-Sample StatisticsN Mean Std. Deviation Std. Error Mean数学26 80.4231 7.36029 1.44347结论：由分析可知相伴概率为0.004，小于显著性水平0.05，因此拒绝零假设，即此班级数学成绩和全国平均水平85分有显著性差异习题3分析兰州市2月份的平均气温在90年代前后有无明显变化。
Group Statistics分组N Mean Std. Deviation Std. Error Mean二月份气温0 11 -4.527273 1.2034043 .36284001 18 -3.200000 1.3006786 .3065729结论：由分析可知, 方差相同检验相伴概率为0.322,大于显著性水平0.05,因此接受零假设，90年代前后2月份温度方差相同。
双侧检验相伴概率为0.011, 小于显著性水平0.05，拒绝零假设，即2月份平均气温在90年代前后有显著性差异习题4分析15个居民进行体育锻炼3个月后的体质变化。
Paired Samples StatisticsMean NStd. DeviationStd. Error MeanPair 1锻炼前 65.20 157.523 1.943 锻炼后53.27155.8731.516Paired Samples CorrelationsNCorrelationSig. Pair 1锻炼前 & 锻炼后15-.300.277结论：由分析可知，锻炼前后差值与零比较，相伴概率小于显著性水平，拒绝零假设，即锻炼前后有显著性差异习题5为了农民增收，某地区推广豌豆番茄青菜的套种生产方式。
为了寻找该种方式下最优豌豆品种，进行如下试验：选取5种不同的豌豆品种，每一品种在4块条件完全相同的田地上试种，其它施肥等田间管理措施完全一样。
根据表中数据分析不同豌豆品种对平均亩产的影响是否显著。
Multiple ComparisonsDependent Variable:产量(I) 品种(J) 品种Mean Difference(I-J) Std. Error Sig.95% Confidence IntervalLower Bound Upper BoundLSD 1 2 -13.25000 19.57166 .509 -54.9660 28.46603 -5.75000 19.57166 .773 -47.4660 35.96604 -21.50000 19.57166 .289 -63.2160 20.21605 51.50000*19.57166 .019 9.7840 93.21602 1 13.25000 19.57166 .509 -28.4660 54.96603 7.50000 19.57166 .707 -34.2160 49.21604 -8.25000 19.57166 .679 -49.9660 33.46605 64.75000*19.57166 .005 23.0340 106.46603 1 5.75000 19.57166 .773 -35.9660 47.46602 -7.50000 19.57166 .707 -49.2160 34.21604 -15.75000 19.57166 .434 -57.4660 25.96605 57.25000*19.57166 .010 15.5340 98.96604 1 21.50000 19.57166 .289 -20.2160 63.21602 8.25000 19.57166 .679 -33.4660 49.96603 15.75000 19.57166 .434 -25.9660 57.46605 73.00000*19.57166 .002 31.2840 114.71605 1 -51.50000*19.57166 .019 -93.2160 -9.78402 -64.75000*19.57166 .005 -106.4660 -23.03403 -57.25000*19.57166 .010 -98.9660 -15.53404 -73.00000*19.57166 .002 -114.7160 -31.2840 *. The mean difference is significant at the 0.05 level.结论：由以上分析可知，F统计量F(4,15)=4.306，对应的相伴概率为0.016，小于显著性水平，拒绝零假设，即不同品种豌豆与亩产量之间存在显著性差异。
1、2、3、4号品种与5号有明显差异, 5号品种产量最低, 因此购种选择前四种均可。
习题6由于时间安排紧张，公司决定安排4名员工操作设备A、B、C各一天，得到日产量数据如表所示。
试分析4名员工和3台设备是否有显著性差异，以便制定进一步的采购计划。
Tests of Between-Subjects EffectsDependent Variable:日生产量Source Type III Sum ofSquares df Mean Square F Sig.Corrected Model 433.167a 5 86.633 15.831 .002 Intercept 31212.000 1 31212.000 5703.716 .000 equipment 318.500 2 159.250 29.102 .001 staff 114.667 3 38.222 6.985 .022 Error 32.833 6 5.472Total 31678.000 12Corrected Total 466.000 11日生产量员工NSubset1 2Student-Newman-Keuls a,b 2 3 47.673 3 48.334 3 53.00 53.001 3 55.00Sig. .070 .335日生产量设备NSubset1 2Student-Newman-Keuls a,b 3 4 45.751 4 49.252 4 58.00Sig. .079 1.000结论：由以上假设检验分析可知，不同人员、不同设备各自以及他们的交互作用对日生产量都有显著影响。
由上图可知，要提高员工日生产量，应该选购设备2。
习题7数据记录了18个试验地里杨树一年生长量与施用氮肥和钾肥的关系，考虑杨树初始高度的影响，分析氮肥和钾肥的施肥量和杨树生长量之间的关系。
Between-Subjects FactorsN钾肥量.00 612.50 625.00 6氮肥量多9少9Tests of Between-Subjects Effects Dependent Variable:树苗生长量Source Type III Sum ofSquares df Mean Square F Sig.Corrected Model .538a 6 .090 19.247 .000 Intercept .627 1 .627 134.473 .000 初始高度.129 1 .129 27.602 .000 钾肥.313 2 .157 33.579 .000 氮肥.041 1 .041 8.877 .013 钾肥* 氮肥.021 2 .011 2.262 .150 Error .051 11 .005Total 77.801 18Corrected Total .590 17a. R Squared = .913 (Adjusted R Squared = .866)12.50 多 2.111a.041 2.021 2.200少 1.920a.041 1.829 2.01125.00 多 2.263a.039 2.176 2.350少 2.244a.039 2.157 2.330a. Covariates appearing in the model are evaluated at the following values: 树苗初始高度=5.6111.结论：由分析可知，剔除树苗初始高度的影响，树苗生长量与钾肥、氮肥施肥量有显著性差异。
习题8试分析表中的全国各地区城镇居民消费性支出和总收入的相关性。
Descriptive StatisticsMean Std. Deviation N总收入12273.2971 3763.84849 31消费性支出8401.4674 2388.45482 31Correlations总收入消费性支出总收入Pearson Correlation 1 .987**Sig. (2-tailed) .000N 31 31消费性支出Pearson Correlation .987** 1Sig. (2-tailed) .000N 31 31**. Correlation is significant at the 0.01 level (2-tailed).结论：由分析可知，总收入和支出的pearson相关系数为0.987，为高度相关。
假设检验得出的相伴概率小于显著水平0.01，因此拒绝零假设，即可以用样本相关系数r代替总体相关系数ρ。
习题9试分析表中各地区科研投入的人年数和课题总量之间的相关关系。
CorrelationsControl Variables 投入人年数课题总数投入高级职称的人年数-none-a投入人年数Correlation 1.000 .959 .988Significance (2-tailed) . .000 .000df 0 29 29 课题总数Correlation .959 1.000 .944Significance (2-tailed) .000 . .000df 29 0 29 投入高级职称的人年数Correlation .988 .944 1.000Significance (2-tailed) .000 .000 .df 29 29 0 投入高级职称的人年数投入人年数Correlation 1.000 .507Significance (2-tailed) . .004df 0 28课题总数Correlation .507 1.000Significance (2-tailed) .004 .df 28 0a. Cells contain zero-order (Pearson) correlations.结论：由分析可知，投入高级职称的人年数对投入人年数和课题总数都有影响，剔除它的影响，采用偏相关分析。