经济数据分析与建模.docx

经济数据分析与建模
一、某企业自动打包机的标准打包重量为500克。为检验该打包机工作是否正常,他们抽取了15个样本。,判断打包机是否处于正常工作状态。
,,,,,,,,,,,,,,
首先,进行正态性检验。
1) H0假设:打包机的打包重量服从正态分布。
2) SPSS命令:1-Sample K-S。这是一种非参数正态检验的方法。
3),,,接受H0假设。
单样本 Kolmogorov-Smirnov 检验
VAR00001
N
15
正态参数a,b
均值

标准差

最极端差别
绝对值
.157
正
.157
负
-.125
Kolmogorov-Smirnov Z
.607
渐近显著性(双侧)
.854
4)得出对实际问题的分析结论。
打包机的打包重量服从正态分布。
正态性检验的结果说明可以进行参数检验。
1) H0假设:该自动打包机打包的平均重量与500克无显著差异,处于正常工作状态。
2) SPSS命令:单样本T检验。这种方法是检验某变量的总体均值是否与某个“特定值”(常量)相等(存在或不存在差异)的假设检验,而这里是检验该打包机工作是否正常,即检验自动打包机的标准打包重量是否为500克,通过单样本T检验能够达到这个目的。
3) 。,H0发生
,,接受H0。

单个样本统计量
N
均值
标准差
均值的标准误
VAR00001
15


.97421
单个样本检验
检验值= 500
t
df
Sig.(双侧)
均值差值
差分的 95% 置信区间
下限
上限
VAR00001
-
14
.248
-
-
.9161
4)得出对实际问题的分析结论。
该自动打包机打包的平均重量与500克无显著差异,处于正常工作状态。总体均值95%的置信区间为(, )。
二、公司员工数据表Employee ,主要数据含义如下:完成以下内容:
id(Employee Code)职工编号
Gender(性别)
bdate(Date of Birth)出生日期
educ(Educational Level (years))受教育水平(年)
jobcat(Employment Category)职业类别
salary(Current Salary)当前工资
salbegin(Beginning Salary)开始工资
jobtime(Months since Hire)受雇月数
prevexp(Previous Experience (months))工作阅历(月)
minority(Minority Classification)民族
假设分组数据近似服从正态分布,完成以下任务:
检验不同性别的受教育水平、开始工资、当前工资的均值是否存在显著性差异?
1) H0假设:
假设一:不同民族的受教育水平、开始工资、当前工资的方差相等。
假设二:不同性别的受教育水平、开始工资、当前工资的均值不存在显著性差异。
2) SPSS命令:两独立样本T检验。这里要检验不同性别的受教育水平、开始工资、当前工资的均值是否存在显著性差异,而性别不同的两个总体之间是独立的,可以用
两独立样本T检验。
3) ,两个样本方差相等(F检验),,拒绝H0的假设一,方差不等,应看方差不相等时的概率。,不同性别的受教育水平、开始工资、,,拒绝H0的假设二。
组统计量
Gender
N
均值
标准差
均值的标准误
Educational Level (years)
Male
258


.185
Female
216


.158
独立样本检验
方差方程的 Levene 检验
均值方程的 t 检验
F
Sig.
t
df
Sig.(双侧)
均值差值
标准误差值