spss实践题分析及答案(二)
《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。
统计学spss课后题答案
实操训练答案目录第一章 (1)第二章 (2)第三章 (3)第四章 (4)第五章 (7)第六章 (10)第七章 (17)第八章 (21)第九章 (26)第十章 (31)第一章（一）思考题略（二）练习题1.（1）定类变量（2）定类变量（3）定序变量（4）数值型变量（5）数值型变量2. A3. B4. A B C D5. D A6. A B（三）操作题略1第二章（一）思考题略（二）练习题1. BD AC2. C3. D4. D5. A（三）操作题1. 见SPSS文件2.1.sav。
2. 略。
3. 略。
4. 略。
第三章1. 2011年人均国内生产总值（agdp2011），排在前五位的是天津、上海、北京、江苏、浙江；排在后五位的是广西、西藏、甘肃、云南、贵州。
. 2011年国内生产总值（gdp2011），在东部各省市里，排在第1位的是广东，排在最后1位的分别是海南；在中部各省市里，排在第1位的是河南，排在最后1位的分别是吉林；在西部各省市里，排在第1位的是四川，排在最后1位的分别是西藏。
2. 见SPSS文件3.2.sav。
3. 见SPSS文件3.3.sav。
4. A老师提供的管理学成绩见SPSS文件3.4-1.sav，B老师提供的经济学成绩见SPSS文件3.4-2.sav，合并后的文件见SPSS文件3.4.sav。
5. 见SPSS文件3.5.sav。
6. 见SPSS文件3.6.sav。
7. 见SPSS文件3.7.sav。
8. 见SPSS文件3.8.sav。
9. 两门课程都在80分以上的共4人，见SPSS文件3.5.sav。
10. 管理学成绩在80-89，经济学成绩在90分以上的只有1人，见SPSS文件3.6.sav。
第四章1. 由于变量品牌（brand）是定类变量，所以分别用众数和异众比来描述其集中趋势和离散趋势。
由分析结果可知，众数是B，异众比是（800-279）/800=65.1%。
统计量品牌N 有效800缺失0众数 2品牌频率百分比有效百分比累积百分比有效 A 164 20.5 20.5 20.5B 279 34.9 34.9 55.4C 110 13.8 13.8 69.1D 55 6.9 6.9 76.0E 192 24.0 24.0 100.0合计800 100.0 100.02．由于变量《统计学》这门课程难吗（v2.4）是定序变量，所以用众数，中位数，四分位数来描述其集中趋势，用四分位差来描述其离散趋势。
《统计分析与SPSS的应用总结归纳(第五版)》课后测试答案(第2章)
精心整理《统计分析与SPSS的应用（第五版）》（薛薇）课后练习答案第2章SPSS数据文件的建立和管理1、SPSS中有哪两种基本的数据组织形式？各自的特点和应用场合是什么？SPSS中两个基本的数据组织方式：原始数据的组织方式和计数数据的组织方式。
✍原始数据的组织方式：待分析的数据是一些原始的调查问卷数据，或是一些基本的统计指标。
✍计数数据的组织方式：所采集的数据不是原始的调查问卷数据，而是经过分组汇总后的数据。
2、什么是SPSS的个案？什么SPSS的变量？个案：在原始数据的组织方式中，数据编辑器窗口中的一行称为一个个案或观测。
变量：数据编辑器窗口中的一列。
3、在定义SPSS数据结构时，默认的变量名和变量类型是什么？如果希望增强SPSS 统计分析结果的易读性，还需要对数据结构的哪些方面进行必要说明？默认的变量名：VAR------；默认的变量类型：数值型。
变量名标签和变量值标签可增强统计分析结果的可读性。
4、收集到以下关于两种减肥产品试用情况的调查数据，请问在SPSS中应如何组织该份资料？体重变化情况产品类型明显减轻无明显变化2019年－9月精心整理2019年－9月第一种产品27 19 第二种产品20 33问：在SPSS中应如何组织该数据？数据文件如图所示：5、什么是SPSS的用户缺失值？为什么要对用户缺失值进行定义？如何在SPSS中指定用户缺失值？缺失值分为用户缺失值（User Missing Value）和系统缺失值（System Missing Value）。
用户缺失值指在问卷调查中，将无回答的一些数据以及明显失真的数据当作缺失值来处理。
用户缺失值的编码一般用研究者自己能够识别的数字来表示，如“0”、“9”、“99”等。
系统缺失值主要指计算机默认的缺失方式，如果在输入数据时空缺了某些数据或输入了非法的字符，计算机就把其界定为缺失值，这时的数据标记为一个圆点“?”。
在变量视图中定义。
6、从计量尺度角度看，变量包括哪三种主要类型？请各举出一个相应的实际数据。
《统计分析与SPSS的应用》课后练习答案(第2章)
《统计分析与SPSS的应用（第五版）》课后练习答案第2章SPSS数据文件的建立和管理1、S PSS中有哪两种基本的数据组织形式？各自的特点和应用场合是什么？SPSS中两个基本的数据组织方式：原始数据的组织方式和计数数据的组织方式。
原始数据的组织方式：待分析的数据是一些原始的调查问卷数据，或是一些基本的统计指标。
计数数据的组织方式：所采集的数据不是原始的调查问卷数据，而是经过分组汇总后的数据。
2、什么是SPSS的个案？什么SPSS的变量？个案：在原始数据的组织方式中，数据编辑器窗口中的一行称为一个个案或观测。
变量：数据编辑器窗口中的一列。
3、在定义SPSS数据结构时，默认的变量名和变量类型是什么？如果希望增强SPSS统计分析结果的易读性，还需要对数据结构的哪些方面进行必要说明？默认的变量名：VAR------;默认的变量类型：数值型。
变量名标签和变量值标签可增强统计分析结果的可读性。
4、收集到以下关于两种减肥产品试用情况的调查数据，请问在SPSS中应如何组织该份资料？问：在S P S S中应如何组织该数据?数据文件如图所示：5、什么是SPSS的用户缺失值？为什么要对用户缺失值进行定义？如何在SPSS中指定用户缺失值？缺失值分为用户缺失值（User Miss ing Value ）和系统缺失值（System Miss ingValue ）。
用户缺失值指在问卷调查中，将无回答的一些数据以及明显失真的数据当作缺失值来处理。
用户缺失值的编码一般用研究者自己能够识别的数字来表示，如“0” “9”、“99”等。
系统缺失值主要指计算机默认的缺失方式，如果在输入数据时空缺了某些数据或输入了非法的字符，计算机就把其界定为缺失值，这时的数据标记为一个圆点“？”。
在变量视图中定义。
6、从计量尺度角度看，变量包括哪三种主要类型？请各举出一个相应的实际数据。
如何在SPSS 中指定变量的计算尺度？变量类型包括：数值型（身高）、定序型（受教育程度）以及定类型（性别）。
SPSS数据统计与分析考试习题集附答案淮师
1 第三章统计假设检验二、计算题1.桃树枝条的常规含氮量为2.40%，现对一桃树新品种枝条的含氮量进行了10次测定，其结果为2.38%、2.38%、2.41%、2.50%、2.47%、2.41%、2.38%、2.26%、2.32%、2.41%，试问该测定结果与常规枝条含氮量有无差别。
单个样本显著值0.349>0.052.随机抽测了10只兔的直肠温度，其数据为：38.7、39.0、38.9、39.6、39.1、39.8、38.5、39.7、39.2、38.4（℃），已知该品种兔直肠温度的总体平均数为39.5（℃），试检验该样本平均温度与该品种兔直肠温度的总体平均数是否存在显著差异？单个样本显著值0.027<0.053.假说：“北方动物比南方动物具有较短的附肢。
”为验证这一假说，调查了如下鸟类翅长(mm)资料。
试检验这一假说。
双个样本成组这个说法不正确，差异不明显。
显著值0.581>0.054.11只60日龄的雄鼠在x射线照射前后之体重数据见下表（单位：g）：检验雄鼠在照射x射线前后体重差异是否显著？双个样本成对5.用中草药青木香治疗高血压，记录了13个病例，所测定的舒张压数据如下：试检验该药是否具有降低血压的作用。
双个样本成对6.为测定A、B两种病毒对烟草的致病力，取8株烟草，每一株皆半叶接种A病毒，另半叶接种B病毒（每一株的哪半边接种哪一种病毒由抽签随机决定），以叶面出现枯斑病的多少作为致病力强弱的指标，得结果如下表。
试检验两种病毒的致病能力是否有显著差异。
0.034<0.052双个样本成对7.下表为随机抽取的国光苹果和红富士苹果果实各11个的果肉硬度（磅/cm2，1磅＝0.453 6kg），问两品种的果肉硬度有无显著差异?双个样本成组苹果果实的果肉硬度（磅/cm2）8.为研究电渗处理对草莓果实中钙离子含量的影响，选用10个草莓品种来进行电渗处理与对照的对比试验，结果见下表。
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。
- 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）3964.06933.49450年收入（元）43480.0014550.74250家庭人口（人） 3.42 1.73950Correlations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）505050年收入（元）505050家庭人口（人）505050Model Summary bModel R R Square Adjusted R Square Std. Error of the Estimate1 .909a.826 .818 398.091ANOVA bModel Sum of SquaresdfMean Square F Sig.1Regression 35250755.672 2 17625377.836 111.218.000aResidual 7448393.148 47 158476.450Total42699148.82049Coefficients aModel Unstandardized CoefficientsStandardizedCoefficients t 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00201120Tests of Between-Subjects EffectsDependent Variable:肺活量Source Type III Sumof Squares df Mean Square F Sig.CorrectedModel6981685.135a23490842.56822.860.000Intercept208064.2901208064.290 1.363.251身高1630762.63511630762.63510.679.002类别1407847.0951*******.0959.220.004Error5649992.36537152702.496Total 6.633E840Corrected Total12631677.50039a. 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。
Correlations发硒血硒发硒Pearson Correlation1.872**Sig. (2-tailed).001N1010血硒Pearson Correlation.872**1Sig. (2-tailed).001N1010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, 试对该资料作控制体重影响作用的身高与肺活量相关分析，并给出分析报告。
CorrelationsControl Variables体重(kg)肺活量(ml)身高（cm）-none-a体重(kg)Correlation 1.000.613.719Significance (2-tailed)..000.000df02727肺活量(ml)Correlation.613 1.000.588Significance (2-tailed).000..001df27027身高（cm）Correlation.719.588 1.000Significance (2-tailed).000.001.df27270身高（cm）体重(kg)Correlation 1.000.337Significance (2-tailed)..079df026肺活量(ml)Correlation.337 1.000Significance (2-tailed).079.df260a. 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）资料如下。
试分析“体表面积”可能满足的数学模型，并给出分析报告。
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）101010身高（X1）101010体重（X2）101010Variables Entered/Removed bModel Variables Entered Variables Removed 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 SquareAdjusted R SquareStd. Error of theEstimate1.950a.902.874.143346a. Predictors: (Constant), 体重（X2）, 身高（X1）b. Dependent Variable: 体表面积（Y ）ANOVA bModel Sum of SquaresdfMean SquareF Sig.1Regression 1.321 2 .661 32.145.000aResidual .144 7 .021Total1.4659a. Predictors: (Constant), 体重（X2）, 身高（X1）b. Dependent Variable: 体表面积（Y ）Coefficients aModel Unstandardized CoefficientsStandardizedCoefficients t Sig. B Std. ErrorBeta1(Constant) -2.856 6.018-.475.649 身高（X1） .069 .075 .215 .919 .389 体重（X2）.184.057.7583.234.014结果分析：由题目要求可知，这是一个多元线性回归问题。
上述图表知，体表面积与身高体重的关系为122.8560.0690.184y x x =-++其中 y ：体表面积 1x ：身高 2x ：体重拟合优度检验2R为0.874，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。