spss案例分析
SPSS上机实验案例分析
SPSS上机实验案例分析练习一：下表为10个人对两个不同的问题作出的回答（回答为“Yes”或“No”）后得到的练习二: 某百货公司连续40天的商品销售额（单位：万元）如下：根据上面的数据进行适当分组，编制频数分布表。
（2）按规定，销售收入在125万元以上为先进企业，115万元-125万元为良好企业，105万元-115万元为一般企业，105万元以下为落后企业，按先进企业、良好企业、一般企业、落后企业进行分组。
练习四：某班的统计学成绩如下表所示：条件1:总评成绩的构成：总评成绩=0.2*平时成绩+0.8*期末成绩（即总评成绩中，平时成绩占20%，期末成绩占80%）条件2：总评成绩请保留为整数（2）请按100-90分，89-80分，79-70分，69-60分，59分及以下，将该班全体同学按照期末成绩进行分组得出各组人数。
练习五：如下表中所示的是20个股票经纪商对于两种不同交易收取佣金数据的一个样本。
这两种交易分别为: 买卖500股每股50美元和买卖1000股每股5美元的股票。
（1）计算两种交易佣金的全距和四分位数间距。
（2）计算两种交易佣金的方差和标准差。
（3）计算两种交易佣金的变异系数。
（4）比较两种交易的成本变异程度。
练习六：某生产部门利用一种抽样程序来检验新生产出来的产品的质量，该部门使用下面的法则来决定检验结果：如果一个样本中的14个数据项的方差大于0.005，则生产线必须关闭整修。
假设搜集的数据如下：问此时的生产线是否必须关闭？为什么？练习七：将50个数据输入到SPSS工作表中。
并使用SPSS计算这些数据描述统计量（如最大值、平均值、方差、标准差等）练习八：广告协会记录了在半点时段和最佳时段电视节目中广告所占时间。
在主要通信网中晚8：30分时段的20个最佳时段的电视节目中，广告所占时间的数据如下（单位：分钟）求晚8：30分时段电视节目中广告所占时间均值的点估计的95％置信区间。
练习九：某年度我国部分工业品产量如下表所示请据表中数据对如下六个问题进行统计图形描述（1）请选择一个适当图形描述各地区所含省市数目（2）请选择一个适当图形描述各地区水泥的平均产量（3）请选择一个适当图形描述每个地区水泥产量低于800万吨的省市数目（4）请选择一个适当图形描述该年度全国生铁、钢、水泥、塑料的平均产量（5）请选择一个适当图形描述该年度华北五省市工业品产量（6）请选择一个适当图形描述各地区塑料总产量占全国总量的比例练习十：以下数据记录了美国最大的旅馆业市场的客房使用率和平均房价的统计资料。
spss综合案例分析国家统计局
spss综合案例分析国家统计局
（一）实验目的
近年来随着现代化和工业化的进程，我国大气污染状况十分严重，主要呈现煤烟型污染特征，城市大气环境中总悬浮颗粒浓度普遍超标、二氧化硫污染保持在较高水平、机动车尾气污染物排放总量迅速增加、氮氧化物污染趋势加重、全国形成多个酸雨区等，危害生态环境、影响人民群众身体健康。
从污染物构成来看，我国大气污染来源主要有三个方面：一是生活污染源，包括饮食或取暖时燃料向大气排放有害气体和烟雾；二是工业污染源，包括火力发电、钢铁和有色金属冶炼，各种化学工业给大气造成的污染；三是交通污染源，包括汽车、飞机、火车、船舶等交通工具的煤烟、尾气排放。
本文通过聚类分析和主成分分析法，研究我国主要城市的空气质量，以及各参数对空气质量好坏的影响以及最主要的影响因素。
并据此提出科学合理的对策建议。
（二）问题描述
在2013年之前，大部分人对于雾霾天气的认知都会自然而然觉
得是的事。
然而，12月伊始，我国遭受了入冬以来最大围雾霾天气，今年12月伊始，我国中东部地区迎来了严重雾霾事件，几乎涉及中
东部所有地区。
天津等多地空气质量指数达到六级严重污染级别，使得京津冀与长三角雾霾连成片。
由于能见度过低，导致多处高速公路封道关
闭，给车辆出行带来了不便，也严重影响了市民的正常工作与生活。
（三）数据来源
通过查询“中华人民国国家统计局官方”的“国家统计数据库”，《中国统计年鉴》获得。
（四）案例中使用的SPSS方法
1.描述性分析
2.相关分析
3.聚类分析
4.主成分分析。
SPSS案例分析
SPSS-单因素方差分析（ANOVA) 案例解析一．问题雌性老鼠和雄性老鼠，在注射毒素后，经过一段时间，观察老鼠死亡和存活情况。
研究的问题是：老鼠在注射毒液后，死亡和存活情况，会不会跟性别有关？二．解决方案1.首先输入数据，样本数据如下所示：（a代表雄性老鼠 b代表雌性老鼠0代表死亡 1 代表活着 tim 代表注射毒液后，经过多长时间，观察结果）2.点击“分析”——比较均值———单因素AVOVA, 如下所示：从上图可以看出，只有“两个变量”可选, 对于“组别（性别）”变量不可选，这里可能需要进行“转换”对数据重新进行编码，具体操作步骤如下：（1）点击“转换”—“重新编码为不同变量”，选择组别到字符串变量中，得到以下界面：（2）点击旧值和新值，将a,b分别用8,9进行替换，如下所示（3）点击继续，在输出变量名称中输入性别，如下图所示：最终得到如下结果:3.此时的8 代表a(雄性老鼠） 9代表b雌性老鼠，我们将“生存结局”变量移入“因变量列表”框内，将“性别”移入“因子”框内，点击“两两比较”按钮，.如下所示：勾选“将定方差齐性”下面的 LSD 选项和“未假定方差齐性”下面的Tamhane's T2选项,点击继续4.点击“选项”按钮，勾选“描述性”和“方差同质检验”以及均值图等选项.如下所示：得到如下结果：单向附注创建的输出07-6月-2013 09时04分01秒注释输入活动的数据集数据集0过滤器<none>权重<none>拆分文件<none>工作数据文件中的N 行20 缺失值处理缺失定义用户定义的缺失值以缺失对待。
使用的案例每个分析的统计量都基于对于该分析中的任意变量都没有缺失数据的案例。
语法ONEWAY 生存结局us BY 性别/STA TISTICS DESCRIPTIVESHOMOGENEITY/PLOT MEANS/MISSING ANALYSIS/POSTHOC=LSD T2 ALPHA(0.05).资源处理器时间00 00:00:01.747 已用时间00 00:00:02.214[数据集0]警告没有对生存结局us 执行“在此之后”检验，原因是组的数量小于三个。
spss案例分析报告(精选)
spss案例分析报告（精选）本文通过分析一份 SPSS 数据，展示 SPSS 在统计分析中的应用。
数据概述本数据为一家咖啡馆的销售数据，共有 200 条记录，包括 7 个变量：日期、时间、收银员、商品名、销售价格、数量和总价。
SPSS 分析1. 描述性统计使用 SPSS 的描述性统计功能，可以获取数据的基本信息，如均值、标准偏差、最大值、最小值等。
其中，销售价格的均值为 44.71 元，标准偏差为 13.29 元，最小值为 23 元，最大值为 78 元。
数量的均值为 1.62 个，标准偏差为 0.51 个，最小值为 1 个，最大值为3 个。
总价的均值为 73.25 元，标准偏差为 21.89 元，最小值为 23 元，最大值为 156 元。
2. 单样本 t 检验假设一杯咖啡的平均售价为 50 元，我们可以使用单样本 t 检验对这个假设进行检验。
首先，我们需要用 SPSS 的数据透视表功能，计算出每杯咖啡的平均售价。
然后，使用单样本 t 检验功能，输入样本均值、假设的总体均值（50 元）、样本标准差、样本大小以及置信度水平。
在这个数据集中，单样本 t 检验得出的 t 值为 -2.36，P 值为 0.019，显著性水平为 0.05，因此我们可以拒绝原假设，认为该咖啡馆的咖啡售价不是 50 元。
4. 相关分析假设我们想要了解商品数量和销售额之间的关系，我们可以使用 SPSS 的相关分析功能来进行分析。
首先，我们需要使用数据透视表功能，计算出每个订单的总价和数量。
然后，使用相关分析功能，输入这两个变量的值，得出相关系数和显著性水平。
在这个数据集中，商品数量和销售额之间的相关系数为 0.749，P 值为 0，显著性水平非常显著。
因此，我们可以认为商品数量和销售额之间存在极强的正相关关系。
结论本文通过 SPSS 对一份咖啡馆销售数据进行分析，展示了 SPSS 在统计分析中的应用。
通过描述性统计、单样本 t 检验、双样本 t 检验和相关分析等功能，我们可以获得数据的基本信息，检验假设，分析变量之间的关系，从而帮助企业更好地决策和管理。
大学生spss数据分析案例
大学生spss数据分析案例大学生SPSS数据分析案例。
在大学教育中，数据分析是一个非常重要的环节，尤其是对于社会科学和商业管理专业的学生来说。
SPSS（Statistical Package for the Social Sciences）是一个专业的统计分析软件，广泛应用于学术研究和商业决策中。
本文将以一个大学生SPSS数据分析案例为例，介绍如何使用SPSS进行数据分析。
案例背景：某大学社会科学专业的学生对大学生活满意度进行了调查，并收集了相关数据，包括学生的性别、年级、专业、宿舍类型、课程质量、宿舍环境、社交活动等方面的信息。
现在需要对这些数据进行分析，以了解不同因素对大学生活满意度的影响。
数据准备：首先，需要将调查所得的数据录入SPSS软件中，确保数据的准确性和完整性。
在录入数据时，要注意将不同的变量分别录入不同的列中，以便后续的分析和处理。
数据分析：1. 描述统计分析。
首先，可以对各个变量进行描述统计分析，包括计算均值、标准差、频数分布等。
通过描述统计分析，可以直观地了解各个变量的分布情况，为后续的分析提供基础。
2. 相关性分析。
接下来，可以进行各个变量之间的相关性分析，通过相关系数的计算来了解不同变量之间的关联程度。
例如，可以分析学生的性别、年级、专业与大学生活满意度之间的相关性，以及宿舍类型、课程质量、社交活动等因素对大学生活满意度的影响程度。
3. 方差分析。
针对分类变量，可以进行方差分析，比较不同组别之间的均值差异是否显著。
例如，可以分析不同年级、不同专业的学生对大学生活满意度的差异情况，以及不同宿舍类型对大学生活满意度的影响是否显著。
4. 回归分析。
最后，可以利用回归分析来探讨不同因素对大学生活满意度的影响程度。
通过建立回归模型，可以了解各个自变量对因变量的影响情况，以及它们之间的关系强度和方向。
结论与建议：通过以上的数据分析，可以得出不同因素对大学生活满意度的影响程度，为学校和相关部门提供决策建议。
用SPSS进行相关分析的典型案例
数据预处理
缺失值处理
对于缺失值，可以采用删除缺失样本、均值插补、多重插补等方法进行处理。在本案例中，由于缺失值较少，采用删 除缺失样本的方法进行处理。
异常值处理
对于异常值，可以采用箱线图、散点图等方法进行识别和处理。在本案例中，通过箱线图发现存在少数极端异常值， 采用删除异常样本的方法进行处理。
数据标准化
06
典型案例三：经济学领域 应用
案例背景介绍
研究目的
探讨某国经济增长与失业率之间的关系 。
VS
数据来源
采用某国统计局发布的年度经济数据，包 括GDP增长率、失业率等指标。
SPSS操作步骤详解
1. 数据导入与整理 将原始数据导入SPSS软件。 对数据进行清洗和整理，确保数据质量和准确性。
SPSS操作步骤详解
显著性检验
观察相关系数旁边的显著性水平 （p值），判断相关关系是否具有 统计显著性。通常情况下，p值小 于0.05被认为具有统计显著性。
结果讨论
结合相关系数和显著性检验结果 ，讨论社会经济地位与心理健康 之间的关系。例如，可以探讨不 同教育水平或职业对心理健康的 影响，以及这种关系在不同人群 中的差异。
关注SPSS输出的显著性检验结果。如 果P值小于设定的显著性水平（如 0.05），则认为药物剂量与症状改善 程度之间的相关性是显著的，即两变 量之间存在统计学意义的关联。
结合专业背景和实际情境，对结果进 行解释和讨论。例如，如果药物剂量 与症状改善程度呈正相关且相关性显 著，可以认为增加药物剂量有助于改 善患者症状。同时，需要注意结果的 局限性和可能的影响因素，以便为医 学实践提供有价值的参考信息。
提出政策建议或未来研究方向，以促进经济增长和降 低失业率。
统计学课SPSS数据分析实战案例
统计学课SPSS数据分析实战案例SPSS（统计分析系统）是一款常用的统计软件，被广泛应用于社会科学、商业、医学等领域的数据分析工作中。
通过这个案例，我们将运用SPSS软件进行数据分析，以展示统计学课的实战应用。
案例背景假设你是一位市场研究员，你的公司正在调查消费者对某产品的满意度。
你已经收集了一份随机抽样的数据集，包含了消费者的满意度评分以及他们的一些个人信息。
你的任务是对这些数据进行分析，以了解消费者满意度与个人信息之间是否存在关联。
数据集说明数据集包括了500个消费者的信息，具体变量如下：1. 变量1：满意度评分（连续变量，取值范围从1到10）；2. 变量2：性别（分类变量，取值为男性和女性）；3. 变量3：年龄（连续变量）；4. 变量4：收入水平（分类变量，取值为低、中、高三个层次）；5. 变量5：购买次数（连续变量，表示过去一年内购买该产品的次数）。
数据分析步骤以下是对这份数据集进行分析的步骤：1. 数据清洗和准备首先，我们需要检查数据集中是否存在缺失值或异常值，并进行数据清洗。
在SPSS中，我们可以使用数据查看和数据清洗的功能来完成这一步骤。
确保数据集中的每一列都没有缺失值，并且所有的异常值已经得到恰当的处理。
2. 描述性统计分析接下来，我们可以使用SPSS的描述性统计分析功能，对数据集进行描述性统计分析。
我们可以计算满意度评分、年龄和购买次数的平均值、标准差、最小值、最大值，并生成频数分布表和柱状图。
3. 相关性分析为了确定满意度评分与其他个人信息变量之间的关联性，我们可以使用SPSS的相关性分析功能。
通过计算满意度评分与性别、年龄、收入水平和购买次数之间的相关系数，我们可以评估它们之间的相关性。
4. 单因素方差分析我们可以使用SPSS进行单因素方差分析，以了解不同收入水平的消费者在满意度评分上是否存在显著差异。
通过观察方差分析表和显著性水平，我们可以得出初步结论。
5. 多元线性回归分析最后，我们可以使用SPSS的多元线性回归分析功能来建立一个回归模型，以预测满意度评分。
spss数据分析报告案例
SPSS数据分析报告案例1. 研究背景本研究旨在调查大学生是否存在晚睡现象，并探究晚睡与健康问题之间的关系。
通过采集大学生的睡眠时间、就寝时间以及健康状况等数据，利用SPSS软件进行数据分析，进一步了解大学生的睡眠状况与健康问题的关联。
2. 数据概况本研究共收集了200名大学生的数据，其中包括性别、年级、每晚睡眠时间、平均就寝时间、是否存在健康问题等变量。
下面是对数据的描述统计分析结果：•性别分布：男性占50%，女性占50%。
•年级分布：大一占25%，大二占30%，大三占25%，大四占20%。
•每晚睡眠时间：平均睡眠时间为7.8小时，标准差为1.2小时。
最小值为5小时，最大值为10小时。
•平均就寝时间：平均就寝时间为23:30，标准差为0.5小时。
最早就寝时间为22:00，最晚就寝时间为01:00。
•健康问题：共有45%的大学生存在健康问题。
3. 数据分析结果3.1 性别与睡眠时间的关系首先，我们探究性别与睡眠时间之间的关系。
利用独立样本T检验，得出以下的结果：•假设检验：男性和女性的睡眠时间是否存在显著差异？•结果：独立样本T检验显示，男性平均睡眠时间为7.6小时，女性平均睡眠时间为8.0小时。
T值为-2.14，P值为0.034，意味着男性和女性的睡眠时间存在显著差异。
3.2 年级与睡眠时间的关系我们进一步探究年级与睡眠时间的关系。
使用单因素方差分析（ANOVA），得出以下结果：•假设检验：各年级的睡眠时间是否存在显著差异？•结果：单因素方差分析显示，大一、大二、大三和大四的平均睡眠时间分别为7.7小时、7.9小时、8.1小时和7.6小时。
F值为2.75，P值为0.043，说明各年级之间的睡眠时间存在显著差异。
3.3 睡眠时间与健康问题的关系最后，我们分析睡眠时间与健康问题之间的关系。
利用相关分析，得出以下结果：•假设检验：睡眠时间与健康问题之间是否存在相关性？•结果：相关分析结果显示，睡眠时间和健康问题之间存在显著负相关（r = -0.25，P值 = 0.001），即睡眠时间越少，存在健康问题的可能性越大。
spss案例大数据分析报告
spss案例大数据分析报告SPSS 案例大数据分析报告在当今数字化时代，数据已成为企业和组织决策的重要依据。
通过对大量数据的分析，可以揭示隐藏在其中的规律和趋势，为决策提供有力支持。
本报告将以一个具体的案例为例，展示如何使用 SPSS 进行大数据分析。
一、案例背景本次分析的对象是一家电商企业的销售数据。
该企业在过去一年中积累了大量的销售记录，包括商品信息、客户信息、订单金额、购买时间等。
企业希望通过对这些数据的分析，了解客户的购买行为和偏好，优化商品推荐和营销策略，提高销售业绩。
二、数据收集与整理首先，从企业的数据库中提取了相关数据，并进行了初步的清理和整理。
删除了重复记录和缺失值较多的字段，对数据进行了标准化处理，使其具有统一的格式和单位。
在整理数据的过程中，发现了一些问题。
例如，部分客户的地址信息不完整，部分商品的分类存在错误。
通过与相关部门沟通和核实，对这些问题进行了修正和补充。
三、数据分析方法本次分析主要采用了以下几种方法：1、描述性统计分析计算了数据的均值、中位数、标准差、最大值、最小值等统计指标，以了解数据的集中趋势和离散程度。
2、相关性分析分析了不同变量之间的相关性，例如商品价格与销量之间的关系，客户年龄与购买金额之间的关系。
3、聚类分析将客户按照购买行为和偏好进行聚类，以便更好地了解客户群体的特征。
4、因子分析提取了影响客户购买行为的主要因素，为进一步的分析和建模提供基础。
四、数据分析结果1、描述性统计分析结果商品的平均价格为_____元，中位数为_____元，标准差为_____元。
销量的最大值为_____件，最小值为_____件，均值为_____件。
客户的平均年龄为_____岁，中位数为_____岁，标准差为_____岁。
购买金额的最大值为_____元，最小值为_____元，均值为_____元。
2、相关性分析结果商品价格与销量之间呈现负相关关系，相关系数为_____。
这表明价格越高，销量越低。
spss数据分析案例
spss数据分析案例SPSS数据分析案例。
在实际的数据分析工作中，SPSS（Statistical Product and Service Solutions）是一个非常常用的统计分析软件。
它提供了强大的数据处理和分析功能，可以帮助研究人员快速、准确地进行数据处理和分析。
本文将通过一个实际的案例，介绍如何使用SPSS进行数据分析，并展示分析结果。
案例背景：某公司想要了解员工满意度与工作绩效之间的关系，为了达到这个目的，他们进行了一项调查，收集了员工的满意度评分和绩效评分数据。
现在，他们希望通过这些数据，利用SPSS进行分析，找出员工满意度和工作绩效之间的关系。
数据收集：首先，我们收集了100名员工的满意度评分和绩效评分数据。
满意度评分采用了1-5的五级评分制，绩效评分采用了1-100的百分制评分。
数据导入：将收集到的数据导入SPSS软件中，创建一个新的数据集，并将员工的满意度评分和绩效评分数据分别录入到不同的变量中。
数据描述统计分析：首先，我们对数据进行描述性统计分析，包括计算满意度评分和绩效评分的均值、标准差、最大值、最小值等。
这些统计量可以帮助我们更好地了解数据的分布情况。
相关性分析：接下来，我们使用SPSS进行相关性分析，探索员工满意度评分和绩效评分之间的相关关系。
通过相关性分析，我们可以计算出两个变量之间的相关系数，进而判断它们之间是否存在显著的相关性。
回归分析：在确定了员工满意度评分和绩效评分之间存在相关性的基础上，我们可以进一步进行回归分析，建立员工满意度评分对绩效评分的预测模型。
通过回归分析，我们可以得到员工满意度评分对绩效评分的影响程度，以及其他可能影响绩效评分的因素。
结论：通过SPSS数据分析，我们发现员工满意度评分与绩效评分之间存在显著的正相关关系，即员工满意度评分越高，其绩效评分也越高。
这为公司提高员工绩效提供了重要的参考依据，可以通过提升员工满意度来提高整体绩效水平。
总结：在本案例中，我们利用SPSS软件进行了员工满意度和绩效之间的数据分析。
- 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)。
1、某班共有28个学生，其中女生14人，男生14人，下表为某次语文测验的成绩，请用描述统计方法分析女生成绩好，还是男生成绩好。
方法一：频率分析
（1） 步骤：分析→描述统计→频率→女生成绩、男生成
绩右移→统计量设置→图表（直方图）→确定 （2） 结果：
统计量
女生成绩
男生成绩
N
有效 15
15 缺失
73 73 均值 69.9333 67.0000 中值 71.0000 72.0000 众数 76.00a
48.00a
标准差 8.91601 14.53567 方差 79.495 211.286 全距 30.00 46.00 极小值 54.00 43.00 极大值 84.00 89.00 和
1049.00
1005.00
a. 存在多个众数。
显示最小值
（3）分析：由统计量表中的均值、标准差及直方图可知，女生成绩比男生成绩好。
方法二：描述统计
（1）步骤：分析→描述统计→描述→女生成绩、男生成绩右移→选项设置→确定
（2）结果：
描述统计量
N 极小值极大值均值标准差方差
女生成绩15 54.00 84.00 69.9333 8.91601 79.495 男生成绩15 43.00 89.00 67.0000 14.53567 211.286 有效的 N （列表状态）15
（3）分析：由描述统计量表中的均值、标准差、方差可知，女生成绩比男生成绩好。
2、某公司经理宣称他的雇员英语水平很高，现从雇员中随机随出11人参加考试，得分如下：80、81、72、60、78、65、56、79、77、87、76，请问该经理的宣称是否可信？
（1）方法：单样本T检验
H 0:u＝u
,该经理的宣称可信
H 1:u≠u
,该经理的宣称不可信
（2）步骤：①输入数据：（80，81，…76）
②分析→比较均值→单样本T检验→VAR00001右移→检验值（75）
→确定
（3）结果：
单个样本统计量
N 均值标准差均值的标准
误
VAR00001 11 73.73 9.551 2.880
（4）分析：由单个样本检验表中数据知t＝0.668>0.05，所以接受H
，即该经理的宣称是可信的。
3、某医院分别用 A 、B 两种血红蛋白测定仪器检测了16名健康男青年的血红蛋白含量（g/L ），检测结果如下。
问：两种血红蛋白测定仪器的检测结果是否有差别？
仪器A ：113，125，126，130，150，145，135，105，128，135，100，130，110，115，120 ，155
仪器B ：140，150，138，120，140，145，135，115，135，130，120，133，147，125，114，165
（1）方法：配对样本t 检验
H 0:u 1＝u 2，两种血红蛋白测定仪器的检测结果无差别 H 1:u 1≠u 2，两种血红蛋白测定仪器的检测结果有差别
（2）步骤：①输入两列数据：A 列（113，125，…155）；B 列（140，125，…165）；
②分析→比较均值→配对样本t 检验→仪器A 、仪器B 右移→确定
（3）结果：
成对样本统计量
均值 N
标准差 均值的标准误
对 1
仪器A 126.38 16 15.650 3.912 仪器B
134.50
16
13.770
3.442
（4）分析：由成对样本检验表的Sig 可见t ＝0.032小于0.05，所以拒绝H 0，即两种血红蛋白测定仪器的检测结果有差别。
成对样本相关系数
N
相关系数
Sig. 对 1
仪器A & 仪器B
16
.570
.021
4、某公司准备推出一个新产品，但产品名称还没有正式确定，决定进行抽样调 查，在受访200人中，52人喜欢A 名称，61人喜欢B 名称，87人喜欢C 名称，请问ABC 三种名称受欢迎的程度有无差别？ （1）方法：多项分布的卡方检验
H 0:u ＝u 0，ABC 三种名称受欢迎的程度无差别 H 1:u ≠u 0，ABC 三种名称受欢迎的程度有差别
（2）步骤：①定义变量，输入数据
②数据→加权个案→加权个案（人数右移）→确定 ③分析→非参数检验→卡方→人数右移→确定 （3）结果：
人数
观察数
期望数
残差
52 52 66.7 -14.7 61 61 66.7 -5.7 87 87 66.7
20.3
总数
200
（4）分析：2 = 0.007小于显著性水平0.05，因此拒绝H 0，即A 、B 、C 三种名称受欢迎的程度有差异。
检验统计量
人数
卡方
9.910a
df 2 渐近显著性
.007
a. 0 个单元 (.0%) 具有小于 5 的期望频
率。
单元最小期望频率为 66.7。