spss实践题分析及答案
spss实践题分析及答案
spss实践题分析及答案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。
Report性别数学物理男⽣Mean 80.0769 74.5385N 13 13Std. Deviation 5.75125 5.17390Minimum 72.00 69.00Maximum 95.00 87.00⼥⽣Mean 80.7692 76.1538N 13 13Std. Deviation 8.91772 8.32512Minimum 70.00 65.00Maximum 99.00 91.00Total Mean 80.4231 75.3462N 26 26Std. Deviation 7.36029 6.84072Minimum 70.00 65.00Maximum 99.00 91.00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 StatisticsNMean Std. Deviation Std. Error Mean数学2680.42317.360291.44347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 NMean Std. Deviation Std. Error Mean⼆⽉份⽓温0 11 -4.527273 1.2034043.3628400 118-3.2000001.3006786.3065729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。
SPSS题目及答案汇总版
《SPSS原理与运用》练习题数据对应关系：06-均值检验；07-方差分析；08-相关分析；09-回归分析；10-非参数检验；17-作图1、以data06-03为例，分析身高大于等于155cm的与身高小于155cm的两组男生的体重和肺活量均值是否有显著性。
分析：一个因素有2个水平用独立样本t检验，此题即身高因素有155以上和以下2个水平，因此用独立样本t检验（analyze->compare means->independent-samples T test）。
报告：一、体重①m+s:>=155cm 时, m= 40.838kg; s= 5.117;<155cm 时, m= 34.133kg；s= 3.816；②方差齐性检验结果：P=0.198>0.05,说明方差齐性。
③t=4.056; p=0.001< 0.01,说明身高大于等于155cm 的与身高小于155cm的两组男生的体重有极显著性差异。
二、肺活量①m+s: >=155cm 时,m=2.404; s=0.402;<155cm 时, m=2.016；s=0.423；②方差齐性检验结果：P=0.961>0.05,说明方差齐性。
③t=2.512; p=0.018 < 0.05,说明说明身高大于等于155cm的与身高小于155cm的两组男生的体重有显著性差异。
2、以data06-04为例，判断体育疗法对降低血压是否有效。
分析：比较前后2种情况有无显著差异，用配对样本t检验，(analyze->compare means-> paired-samples T test).报告：①m+s 治疗前舒展压：m=119.50; s=10.069;治疗后舒展压：m=102.50; s=11.118;②相关系数correlation=0.599; p=0.067>0.05,说明体育疗法与降低血压相关。
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）频数日销售额频率百分比有效百分比累积百分比有效210.00 1 3.3 3.3 3.3234.00 1 3.3 3.3 6.7239.00 1 3.3 3.3 10.0249.00 2 6.7 6.7 16.7252.00 1 3.3 3.3 20.0256.00 2 6.7 6.7 26.7257.00 1 3.3 3.3 30.0258.00 1 3.3 3.3 33.3265.00 1 3.3 3.3 36.7267.00 1 3.3 3.3 40.0268.00 1 3.3 3.3 43.3273.00 1 3.3 3.3 46.7276.00 1 3.3 3.3 50.0278.00 2 6.7 6.7 56.7286.00 1 3.3 3.3 60.0290.00 1 3.3 3.3 63.3297.00 1 3.3 3.3 66.7298.00 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 306.333390 313.5000.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 306.333390 313.5000.25.50,75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 237.00009 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 260.800034 262.900035 265.000036 265.600037 266.200038 266.800039 267.200040 267.500041 267.800042 268.500043 270.000044 271.500045 273.000047 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 298.450072 298.900073 299.350074 299.800075 300.250076 300.700077 301.533378 303.133379 304.733380 306.333381 307.933382 309.100083 309.400085 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。
第4章 SPSS基本统计分析(课后练习参考)
第4章 SPSS基本统计分析(课后练习参考)1、利用习题二第6题数据，采用SPSS数据筛选功能将数据分成两份文件。
其中，第一份数据文件存储常住地是“沿海或中心繁华城市”且本次存款金额在1000至5000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。
第一份文件：选取数据数据——选择个案——如果条件满足——存款>=1000&存款<5000&常住地=沿海或中心繁华城市。
第二份文件：选取数据数据——选择个案——随机个案样本——输入70。
2、利用习题二第6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。
排序数据——排序个案——把常住地、收入水平、存款金额作为排序依据分别设置排列顺序。
3、利用习题二第4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。
计算转换——对个案内的值计数输入目标变量及目标标签，把所有课程选取到数字变量，定义值——设分数的区间，之后再排序。
4、利用习题二第4题的完整数据，计算每个学生课程的平均分以及标准差。
同时，计算男生和女生各科成绩的平均分。
方法一：利用描述性统计，数据——转置学号放在名称变量，全部课程放在变量框中，确定后，完成转置。
分析——描述统计——描述，将所有学生变量全选到变量框中，点击选项——勾选均值、标准差。
先拆分数据——拆分文件按性别拆分，分析——描述统计——描述，全部课程放在变量框中，选项——均值。
方法二：利用变量计算，转换——计算变量分别输入目标变量名称及标签——均值用函数mean完成平均分的计算，标准差用函数SD完成标准差的计算。
数据——分类汇总——性别作为分组变量、全部课程作为变量摘要、（创建只包含汇总变量的新数据集并命名）——确定5、利用习题二第6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。
根据存款金额排序，观察其最大值与最小值，算出组数和组距。
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)）。
SPSS数据分析与应用(微课版)-实训案例参考答案 第1-8章
SPSS数据分析与应用（微课版）-实训案例参考答案参考实训案例1数据分析案例：未来一周某电商平台手机的销量分析。
（1）在这个问题中，手机的销量就是不确定性因素，在未来一周，有的手机可以畅销、也可能滞销，具体销量会是多少，都是不确定性。
（2）为了分析未来一周手机的销量，可以通过网络爬虫获取该平台手机的相关信息，比如，手机的品牌、型号、主屏幕尺寸、重量、颜色、商家、价格、评论数、好评率、销量等。
参考实训案例2（1）利用SPSS分别导入数据集“个人信息.xlsx”“支出数据.xlsx”。
图1 数据导入（2）在菜单栏中选择【数据（D）】→【合并文件（G）】→【添加变量（V）】。
图2 合并文件菜单（3）在弹出的对话框中，将另一个打开数据集选中，点击继续。
图3 变量添加对话框（4）选择合并方法为“基于键值一对一合并（N）”，点击确定。
图4 合并方法（5）查看合并后的数据集，包括了5列。
图5 合并后数据样例（6）在菜单栏中选择【文件（F）】→【另存为（A）】，在弹出的对话框中选择存储的路径，并命名文件名为“学生消费信息”后保存。
图6 数据另存对话框参考实训案例3本案例通过2020条数据来探究信用卡是否按期还款问题。
数据集见“信用卡还款.csv”。
案例因变量为是否按期还款，是定性变量，共分为按期与逾期两个水平，分别用 1 和 0 表示。
案例自变量性别，是定性变量，分为男女两类，分别用 1 和 0 表示；已婚_未婚，是定 性变量，已婚用 1 表示，未婚用 0 表示；已育_未育，是定性变量，已育用 1 表示，未育用 0 表示；收入，是连续变量，取值范围为[426,120940]；教育水平，是定性变量，共分为高中及以下、大专、本科、研究生及以上四个水平，分别用 1、2、3、4 来表示；英语水平，是定性变量，共分为三级及以下、四级、六级、八级及以上四个水平，分别用 1、2、3、4 来表示；微博好友数，是连续变量，取值范围为[6,114]；消费理念，是连续变量，取值范围为[0,1]。
- 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)。
期末实践考查一、一家消费者调查有限公司，它为许多企业提供消费者态度和消费者行为的调查。
在一项研究中，客户要求调查消费者的消费特征，此特征可以用来预测用户使用信用卡的支付金额。
研究人员收集了50位消费者的年收入、家庭人口和每年使用信用卡支付的金额数据。
试按照客户要求进行分析，给出分析报告（数据见附表）。
Descriptive StatisticsMean Std. Deviation N消费金额（元）3964.06 933.494 50年收入（元）43480.00 14550.742 50家庭人口（人） 3.42 1.739 50Correlations消费金额（元）年收入（元）家庭人口（人）Pearson Correlation 消费金额（元） 1.000 .631 .753年收入（元）.631 1.000 .173家庭人口（人）.753 .173 1.000 Sig. (1-tailed) 消费金额（元）. .000 .000年收入（元）.000 . .115家庭人口（人）.000 .115 .N 消费金额（元）50 50 50年收入（元）50 50 50家庭人口（人）50 50 50Model Summary bModel R R Square Adjusted R Square Std. Error of the Estimate1 .909a.826 .818 398.091ANOVA bModel Sum of Squares dfMean Square F Sig. 1Regression 35250755.672 2 17625377.836 111.218.000aResidual 7448393.148 47 158476.450Total42699148.82049Coefficients aModel Unstandardized CoefficientsStandardizedCoefficientst Sig. B Std. ErrorBeta1(Constant) 1304.905197.6556.602.000 年收入（元） .033 .004 .516 8.350 .000 家庭人口（人）356.29633.201.66410.732.000结果分析：由题目可知客户要求，是根据消费者年收入、家庭人口来预测其每年使用信用卡支付的金额数据，属于多元线性回归问题，其中年收入和家庭人口 看作两个自变量，每年信用卡支付金额看作因变量。
由分析得：121304.9050.033356.296y x x =++y ：信用卡支付金额 1x ：年收入 2x ：家庭人口拟合优度检验2R 为0.818，回归方程能很好的代表样本数据。
回归方程F 检验和回归系数T 检验的相伴概率都小于显著性水平，拒绝零假设即回归方程和回归系数都具显著型。
二、下表为运动员与大学生的身高（cm ）与肺活量（cm3）的数据，考虑到身高与肺活量有关，而一般运动员的身高高于大学生，为进一步分析肺活量的差异是否由于体育锻炼所致，试作控制身高变量的协方差分析，并给出分析报告。
Between-Subjects FactorsValue Label N类别0 0 201 1 20Tests of Between-Subjects EffectsDependent Variable:肺活量Source Type III Sumof Squares dfMeanSquare F Sig.Corrected Model 6981685.135a2 3490842.56822.860 .000Intercept 208064.290 1 208064.290 1.363 .251身高1630762.635 1 1630762.63510.679 .002类别1407847.095 1 1407847.0959.220 .004Error 5649992.36537 152702.496 Total 6.633E8 40Corrected Total 12631677.50039a. R Squared = .553 (Adjusted R Squared = .529结果分析：控制变量的相伴概率值是0.004，小于显著性水平0.05，因此拒绝零假设，故在剔除身高对肺活量的影响前提下，是否经常进行体育锻炼对肺活量有显著影响；另外协变量相伴概率为0.002，说明身高的不同水平对肺活量也有显著影响。
三、甲地区为大城市，乙地区为县城，丙地区为农村。
某地分别调查了上述三类地区8岁男生三项身体生长发育指标：身高、体重和胸围，数据见下表，问：三类地区之间男生三项身体生长发育指标的差异有无显著性？试就此问题进行分析并给出分析报告。
结果分析：由方差齐次性检验表可知，甲乙丙三个地区的的身高、体重和胸围的方差检验相伴概率都大于显著性水平，因此接受零假设，即三个地区的身高、体重和胸围方差相同没有显著性差异，即不同地区，身高、体总和胸围各总体均值服从方差相同的正态分布，因此可以用下面的单因素方差检验。
身高：(2,87)12.164F=相伴概率为0.000小于显著性水平，则各地区身高有显著性差异。
体重：(2,87)10.044F=相伴概率为0.000小于显著性水平，则各地区体重有显著性差异。
胸围：(2,87)7.499F=相伴概率为0.001小于显著性水平，则各地区胸围有显著性差异。
再由LSD,S-N-K和图表分析可知，甲地区（城市）8岁男孩身高和胸围与乙（县城）、丙（农村）地区有显著性差异，乙地区（县城）8岁男孩体重与甲（城市）、丙（农村）地区有显著性差异。
四、某地区10名健康儿童头发和全血中的硒含量（1000ppm）如下，试作发硒与血硒的相关分析，并给出分析报告。
Descriptive StatisticsMean Std. Deviation N发硒75.40 12.295 10血硒10.80 3.327 10Correlations发硒血硒发硒Pearson Correlation 1 .872**Sig. (2-tailed) .001N 10 10血硒Pearson Correlation .872** 1Sig. (2-tailed) .001N 10 10结果分析：由分析可知，要进行发硒和血硒两个定距变量的相关分析。
由上图表可得发硒和血硒的pearson相关系数为0.872，为高度相关。
假设检验得出的相伴概率0.001小于显著水平0.01，因此拒绝零假设，即可以用它们的样本相关系数r代替总体相关系数ρ。
五、某地29名13岁男童身高（cm）、体重（kg）和肺活量（ml）的数据如下表,CorrelationsControl Variables 体重(kg) 肺活量(ml) 身高（cm）-none-a体重(kg) Correlation 1.000 .613 .719Significance (2-tailed) . .000 .000df 0 27 27 肺活量(ml) Correlation .613 1.000 .588Significance (2-tailed) .000 . .001df 27 0 27 身高（cm）Correlation .719 .588 1.000Significance (2-tailed) .000 .001 .df 27 27 0身高（cm）体重(kg) Correlation 1.000 .337Significance (2-tailed) . .079df 0 26肺活量(ml) Correlation .337 1.000Significance (2-tailed) .079 .df 26 0a. Cells contain zero-order (Pearson) correlations.结果分析：由上表分析可知，体重和肺活量的相关系数为0.613，身高和体重的相关系数为0.719，身高和肺活量的相关系数为0.588，三者之间为中度相关。
身高对体重和肺活量都有影响，剔除它的影响，采用偏相关分析，体重和肺活量相关系数为0.337，为低度相关，相伴概率值为0.079，大于显著性水平0.05，因此接受原假设，即不可以用样本相关系数代替总体相关系数。
六、某医师测得10名3岁儿童的身高（cm）、体重（kg）和体表面积（cm2）资Correlations体表面积（Y）身高（X1）体重（X2）Pearson Correlation 体表面积（Y） 1.000 .869 .943身高（X1）.869 1.000 .863体重（X2）.943 .863 1.000 Sig. (1-tailed) 体表面积（Y）. .001 .000身高（X1）.001 . .001体重（X2）.000 .001 . N 体表面积（Y）10 10 10身高（X1）10 10 10体重（X2）10 10 10Variables Entered/Removed bModel Variables Entered VariablesRemoved Method1 体重（X2）, 身高（X1）. EnterVariables Entered/Removed bModel Variables Entered VariablesRemoved Method1 体重（X2）, 身高（X1）. Entera. All requested variables entered.b. Dependent Variable: 体表面积（Y）Model Summary bModel R R Square Adjusted R Square Std. Error of the Estimate1 .950a.902 .874 .143346a. Predictors: (Constant), 体重（X2）, 身高（X1）b. Dependent Variable: 体表面积（Y）ANOVA bModel Sum of Squares df Mean Square F Sig.1 Regression 1.3212 .661 32.145 .000aResidual .144 7 .021Total 1.465 9a. Predictors: (Constant), 体重（X2）, 身高（X1）b. Dependent Variable: 体表面积（Y）Coefficients aModel Unstandardized CoefficientsStandardizedCoefficientst Sig.B Std. Error Beta1 (Constant) -2.856 6.018 -.475 .649身高（X1）.069 .075 .215 .919 .389 体重（X2）.184 .057 .758 3.234 .014结果分析：由题目要求可知，这是一个多元线性回归问题。