1 已知三十名学生的身高与体重数据(数据集3-1)，要求使用Means过程分析按性别和年龄分组的学生身高是否存在显著性差异。
2 根据数据集3-1，试在1﹪的显著性水平下，推断该市该年龄段的青少年是否达到了160厘米的标准身高 。
3 对于数据集3-1，在10﹪的显著性水平下，比较该市13～15岁青少年中，男、女青少年的身高是否有显著性差异。
4 已知7种商品在两种不同促销形式下的销售额数据如下，试分析两种不同促销形式对商品销售额的影响是否具有显著性差异。
商品 促销形式A 促销形式B 1 65 34 2 73 45 3 73 37 4 34 28 5 70 40 6 56 38 7 70 58 5 已知四种不同颜色的饮料在五个超市的销售量资料（数据集3-2），试分析不同颜色饮料的销售量之间是否具有显著差异。
第一题
H0=性别和年龄分组的学生身高不存在显著性差异 H1=性别和年龄分组的学生身高存在显著性差异
由compare means-means得Sig.=0.144>0.05，则不拒绝H0，认为两者不存在显著差异
第二题
H0=达到了160厘米的标准身高 H1=未达到160厘米的标准身高
由compare means-one sample T test得t=0.455 Sig.=0.653>0.01则不拒绝H0，认为达到了160
厘米的标准身高
第三题
H0=男、女青少年的身高木有显著性差异 H1=男、女青少年的身高有显著性差异
由compare means-independent-sample T test得t=1.502Sig.=0.144>0.1则不拒绝H0，认为两者
不存在显著差异
第四题
H0=两种不同促销形式对商品销售额的影响无显著性差异 H1=两种不同促销形式对商品销售额的影响有显著性差异
由compare means-independent-paired sample T test得t=5.472Sig.=0.002<0.05则拒绝H0，认
为两者存在显著差异
第五题
H0=同颜色饮料的销售量之间无显著差异
H1=同颜色饮料的销售量之间有显著差异
由compare means-one way ANOVA得Sig.=0.000<0.05则拒绝H0，认为两者存在显著差异
1 已知三十名学生的身高与体重数据，试分析学生身高与体重的相关程度 (数据集4-1)。
2 分析salbegin（起始工资）、salary（现在工资）与jobtime（雇员受雇月数）、age（年龄）、prevexp（以前的工作经历）的关系(数据集4-2)，生成矩形相关矩阵。
3 分析某次全国武术女子比赛前10名运动员的长拳得分Score1和长兵器得分score2是否存在线性关系（数据集4-3）
4 已知三十名学生的身高、体重与肺活量数据(数据集4-1)，试分析学生肺活量与身高、体重的偏相关关系。
5 数据集4-4为四川绵阳3年生中山柏的数据，分析月生长量与月平均气温、月降雨量、月平均日照时数、月平均湿度这4个气候因素哪个因素有关。
1、H0: 身高与体重不存在显著性相关 H1：身高与体重存在显著性相关
Analyze-Correlate-Bivariate因为身高体重都是正的，
所以直接用one-tailed,得Sig=0<0.01，所以拒绝原假设，认为身高与体重存在显著性相关。此时r=0.742视为中度相关。
2、Analyze-Correlate-Partial, Option中选择zero-order correlations变量为salbegin（起始工资）、salary（现在工资）与jobtime（雇员受雇月数）、age（年龄）、prevexp（以前的工作经历）3者中任一，另外两者作为控制变量，运行3次，或用Paste改代码运行如下，从而生成3张矩阵表。（见SPO文件）
PARTIAL CORR
/VARIABLES= salary salbegin jobtime BY age prevexp /SIGNIFICANCE=TWOTAIL /STATISTICS=CORR /MISSING=LISTWISE . PARTIAL CORR
/VARIABLES= salary salbegin prevexp BY jobtime age /SIGNIFICANCE=TWOTAIL /STATISTICS=CORR /MISSING=LISTWISE . PARTIAL CORR
/VARIABLES= salary salbegin age BY jobtime prevexp /SIGNIFICANCE=TWOTAIL /STATISTICS=CORR
/MISSING=LISTWISE .
因为题目要求，所以直接跳过None部分，看下半部分的偏相关分析。(默认了双尾)
分析如下：
A当剔除年龄与以前的工作经历时， 当前工资与雇员受雇月数关系为
r=0.096视为不相关sig=0.038>0.01不拒绝原假设，认为两者不显著相关 起始工资与雇员受雇月数关系为
r=-0.12视为不相关,sig=0.797>0.01不拒绝原假设，认为两者不显著相关
B当剔除年龄与雇员受雇月数时， 当前工资与以前的工作经历关系为
r=0.037视为不相关sig=0.422>0.01不拒绝原假设，认为两者不显著相关 起始工资与以前的工作经历关系为
r=0.088视为不相关sig=0.056>0.01不拒绝原假设，认为两者不显著相关
C当剔除以前的工作经历与雇员受雇月数时， 当前工资与年龄关系为
r=-0.119视为不相关sig=0.010>=0.01不拒绝原假设，认为两者不显著相关 起始工资与与年龄关系为
r=-0.076视为不相关sig=0.099>0.01不拒绝原假设，认为两者不显著相关
3、H0: 长拳得分Score1和长兵器得分score2不存在显著性相关 H1：长拳得分Score1和长兵器得分score2存在显著性相关 Analyze-Correlate-Bivariate得
r=0.586, sig=0.075>0.01不拒绝原假设，认为两者不显著相关
4、Analyze-Correlate-Partial 控制体重得，身高与肺活量为
r=0.133视为不相关sig=0.493>0.01不拒绝原假设，认为两者不显著相关 控制身高得，体重与肺活量为
r=0.54视为中度相关sig=0.003<0.01拒绝原假设，认为两者显著相关
5、Analyze-Correlate-Partial
同理，控制其中3个因素，比较月生长量与剩余一个因素的关系，
如下图可见，生长量与月平均气温关系显著，r=0.977高度相关，Sig=0<0.01,拒绝原假设，认为两者显著相关