8）提交执行
设置完成后，在列联表分析对话框中，点击OK 按钮，计算结果输出在结果窗口中。
10）结果与分析
在结果窗口中查看计算结果，主要输出内容如下。（交叉表图略）卡方检验表如图：
从卡方检验表得知，1.000>0.05 拒绝原假设（二者没有差异） 可以认为用国产呋喃硝胺治疗十二指肠溃疡与甲氰咪胍相比是有差异的。
实验二小结：
本次实验主要研究变量之间关系新的分析。对定类变量进行分析，一般将检验问题进行转化，通过观察频数与其期望数之间的吻合程度，达到检验的目的。在实际应用中，由于问题背景的不同，得到期望频数的方法不同，于是将X^2检验细化为拟合优度检验和独立性检验。
实验三 均值检验
实验目的
学习利用SPSS进行单样本、两独立样本以及成对样本的均值检验。
实验内容：
2、在体育课上记录14名学生乒乓球得分的数据，男女各7名。数据如下： 男：82.00 80.00 85.00 85.00 78.00 87.00 82.00 女：75.00 76.00 80.00 77.00 80.00 77.00 73.00 比较在置信度为95%的情况下男女生得分是否有显著差别。
实验步骤：
1．建立数据文件。
定义变量名：把乒乓球球得分定义为df，再定义一个变量性别来区分男和女。输入原始数据，在变量xb中，男输入1，女输入2。
2. 选择菜单“Analyze→Compare Means→Independent-samples T Test”项，弹出“Independent- samples T Test”对话框。从对话框左侧的变量列表中选x，进入“Test Variable(s)”框，选择变量“xd”，进入“xd Variable”框，点击“Define xd”钮弹出“Define xd”定义框，在xd 1中输入1，在xd 2中输入2。
3.单击“OK”按钮，得到输出结果，对结果进行分析解释。
实验结果
实验结果分析：
第一步，两总体方差是否相等的F检验，这里F检验的观测值为14.660，对应的概率为p=0.002。这里的显著水平为0.05，由于p小于0.05，可认为两总体有显著差异。第二步，两总体的检验。第一步中两总体方差有显著差异，因此看第一行的结果。T统计量的观测值为3.829，对应的双尾概率p值为0.002如果显著水平为0.05，由于P小于0.05，应慈认为两总体均值有显著差异。
1.总体方差是否相等进行检验 H0:σ1＝σ2 方差相同 H1:σ1≠σ2 方差不同 检验参数 P=0.002<0.05 ∴拒绝H0 ∴方差不相等
2.双样本T检验
H0:μ1-μ2＝0 男生和女生的得分没有显著差别 H1:μ1-μ2≠0 男生和女生的得分有显著差别 双侧检验 P=0.003<0.05 有显著性差异 ∴拒绝H0
因此：在置信度为95%的情况下男女生得分有显著差别。
实验三小结：
检验的核心思想：提出假设，然后利用样本信息去检验这个假设是否成立。流程为：假设提出，适当的检验统计量，分析得出结论。
实验四 相关分析
实验目的：
学习利用SPSS进行相关分析、偏相关分析、距离分析。
实验内容：
2、打开数据文件pcorrelation.sav，对身高、体重和肺活量进行变量距离分析。选相似性测度。进行结果解释。 实验步骤：
1．打开数据文件pcorrelation.sav 2．选择菜单“Analyze→Correlate→Partial” ，弹出“Partial Correlations”对话框。在对话框左侧的变量列表中选变量“身高”、“肺活量” 进入Variables框，选择要控制的变量“体重”进入“Controlling for”框中，以在控制体重的影响下对变量身高与肺活量进行偏相关分析；在“Test of Significance”框中选双侧检验。
3．单击“Options”按钮，弹出“Partial Correlations: Options”对话框。在“Statistics”复选框组中选择要输出的统计量。
4．单击“OK”按钮，得出结果
分析：身高与肺活量之间的偏相关系数为0.581，呈一般的正相关关系。说明身高对肺活量的线性有一定的影响。身高与体重之间的偏相关系数为0.735，呈较强的正相关关系。说明身高对体量的线性影响较大。
实验四小结：