第一篇：SPSS實驗報告1

實 驗 報 告

課程名稱

數據分析

實驗名稱

均值比較與方差分析

系別 電子信息科學學院 專業班級 信息管理15級專升本

指導教師

學號

姓名

實驗日期 2015年11月18日實驗成績

一、實驗目的

1． 掌握均值比較和方差分析的原理、過程和應用

2． 掌握兩獨立樣本和兩配對樣本的t檢驗的過程和結果解釋 3． 掌握單因素方差分析的分析過程和結果解釋 4． 掌握多因素方差分析的分析過程和結果解釋

二、實驗環境

1． 硬件環境：微機

2． 軟件環境： Windows，SPSS Statistics 22

三、實驗內容

1．數據文件GSS2004_Mod.sav中記錄了男性或女性每周上網瀏覽網頁的時間（變量WWWHR，單位小時）。用兩獨立樣本t檢驗方法分析男性和女性在上網時間上是否不同。（1）原假設

男性和女性的上網時間沒有顯著差異。（2）參數設置

檢驗變量：WWW HOURS PER WEEK 分組變量：GENDER（3）操作步驟及計算結果 操作步驟：

① 選擇菜單：【分析A】→【比較均值（M）】→【獨立樣本T檢驗（T）】；如圖1-1

圖1-1

② 選擇檢驗變量“WWW HOURS PER WEEK”到【檢驗變量（T）】框中。③ 選擇總體標識變量“GENDER”到【分組變量（G）】框中。

④點擊按鈕定義兩總體的標示值，如圖1-2。其中，【使用指定值（U）】表示分別輸入對應兩

個不同總體的標記值。

圖1-2

計算結果：

（4）結果及其解釋

結果：男性和女性的上網時間存在顯著差異。

解釋：從獨立樣本鑒定的表中可以看出F檢驗值為15.182，對應的概率P值為0.00＜0.05，所以拒絕原假設。由于兩總體方差有顯著差異所以要看到“不采用相等變異數”這一列，其中T統計量的值為4.866，對應的概率P值為0.00。如果顯著性水平α為0.05，由于概率P值小于0.05，所以認為量總體的均值有顯著差異。并且95%置信區間不夸零，也說明了有顯著差異。

2．數據文件GSS2004_Mod.sav中記錄了受訪者父親和母親的受教育情況。試用兩配對樣本t檢驗方法比較父親的受教育情況（變量PAEDUC）和母親的受教育情況（變量MAEDUC）是否不同。（1）原假設

父親的受教育情況和母親的受教育情況沒有顯著差異。（2）參數設置

成對變量：PAEDUC，MAEDUC（3）操作步驟及計算結果 ①選擇菜單：

【分析（A）】→【比較均值（M）】→【配對樣本T檢驗（P）】，如圖2-1

圖2-1 ②選擇PADUC和MADUC到【成對變量（V）】框中。結果：

圖2-2

圖2-3

圖2-4（4）結果及其解釋

結果：父親的受教育情況和母親的受教育與情況沒有顯著差異。

解釋：從圖2-2的平均值可以看出沒有較大的差異。圖2-3中對應的概率P值為.000，如果顯著性水平α為0.05，則表明父親和母親的受教育情況有明顯的線性變化，父親和母親的受教育情況相關性程度較強。從圖2-4中可以看出，父親與母親的受教育情況的平均差異，僅只有0.49；95%置信區間的上下限一正一負，則表示兩者接近無顯著差異；最后相對應的概率P值0.494，如果顯著性水平α為0.05，則接受原假設，所以父親的受教育情況和母親的受教育與情況無顯著差異。

3．一家關于MBA報考、學習、就業指導的網站希望了解國內MBA畢業生的起薪是否與各自所學的專業相關。為此，他們在已經從國內商學院畢業并且獲得學位的MBA學生中按照各專業分別隨機抽取了10人，調查了這些學生的起薪情況，數據文件為MbaSalary.sav。根據這些調查他們能否得出專業對MBA起薪有影響的結論。（1）原假設

國內MBA畢業生各自所學專業與起薪情況沒有顯著關系。（2）參數設置 觀測變量：起薪 控制變量：專業

（3）操作步驟及計算結果 操作步驟： ①選擇菜單： 【分析（A）】→【比較均值（M）】→【單因素ANOVA】； ②選擇觀測變量“起薪”到【因變量列表（E）】框中，如圖3-1；

④ 選擇控制變量“專業”到【因子（F）】框中，如圖3-2；

圖3-1 計算結果：

圖3-2（4）結果及其解釋

結果：國內MBA畢業生各自所學專業與起薪情況沒有顯著關系；

解釋：從圖3-2可以看出，F統計量的觀測值為2.459，對應的概率P值為0.079。如果顯著性水平α為0.05，由于概率P值大于顯著性水平α，所以接受原假設，認為國內MBA畢業生各自所學專業與起薪情況沒有顯著關系。

4．一家連鎖零售店試圖對顧客的購買習慣進行調查。grocery_1month.sav記錄了顧客性別、購物方式、消費額等信息。使用多因素方差分析方法分析顧客性別和購物方式對消費額有何影響。（1）原假設

不同顧客性別沒有對消費額產生顯著差異；不同購物方式對消費額沒有顯著差異；顧客性別和購物方式對消費額沒有產生顯著的交互影響。（2）參數設置 觀測變量：消費額

控制變量：顧客性別，購物方式（3）操作步驟及計算結果 操作步驟： ①選擇菜單： 【分析（A）】→【一般線性模型】→【單變量（U）】； ②指定觀測變量“消費額”到【因變量（D）】框中；

③指定固定效應的控制變量“顧客性別”和“購物方式”到【固定因子(F)】框中，如圖4-1。

計算結果：

圖4-2

圖4-2

（4）結果及其解釋

結果：不同顧客性別對消費額有顯著差異；不同購物方式對消費額沒有顯著差異；顧客性別和購物方式對消費額有顯著的交互影響。解釋：從圖中可以看出Fgender，Fstyle，Fgender*style的概率P值分別為0.000，0.140和0.017.如果顯著性水平α為0.05，由于Fgender，Fgender*style概率P值小于顯著性水平α，所以應該拒絕原假設，可以認為不同顧客性別對消費額有顯著差異，顧客性別和購物方式對消費額有顯著的交互影響，而Fstyle概率P值小于顯著性水平α，則接收原假設認為不同購物方式對消費額沒有顯著差異。

四、實驗小結（心得體會、遇到問題及其解決方法）

第二篇：SPSS實驗報告,

S SPSS 軟件應用實驗報告

長春工業大學人文學院 1４090６班

成昊 3 實驗報告 １

一、實驗目得:掌握 SＰSS 基本統計分析基本操作 ?二、實驗內容:１、根據上面得數據,制作莖葉圖,并計算出均值與標準差,驗證數據就是否服從正態分布。

2、按規定:銷售收入在 125 萬元以上為先進企業,１1５～1２5 萬元為良好企業,１０５~115 萬元為一般企業,1０5 萬元以下為落后企業,按先進企業、良好企業、一般企業、落后企業進行分組,編制百分比分布統計表。

三、實驗步驟;利用 分析＞描述性統計〉探索,結果如下: 描述性 統計資料

統計資料 標準錯誤 產品銷售額平均數 1１６、08 2。440 ９5％平均數得信賴區間 下限 １１1、１4

上限 1２1。０1

5％ 修整得平均值 1１5。89

中位數 115。5０

變異數 2３8.122

標準偏差 15、４３1

最小值 87

最大值 150

範圍 ６３

內四分位距 21

偏斜度。23３。37４ 峰度 —、316。73３ 常態檢定

Kolｍoｇoｒov—Smirnova

Sｈaｐiro—Ｗilk 統計資料 df 顯著性 統計資料 dｆ 顯著性 產品銷售額.100 ４０、２00*

.9８3 40.800 *、這就是 true 顯著得下限。

a、Lilliefoｒs 顯著更正 產品銷售額 Stｅm－aｎd-Leaf Ploｔ

Ｆrｅquｅncy

Stｅm &

Ｌeａｆ

2、00、78

3.00。

257

9、00

１０.０334５578８

11.０0

11、7、００

1２、0003５６７

５.00

13.０56７8

2。０014、26

1。00

1５.0

Ｓteｍ widtｈ:

Each leaf:

casｅ(s)分組

次數 百分比 有效得百分比 累積百分比 有效 先進企業 11 2７、5 ２7.5 ２7。５ 良好企業 １１ ２7、5 27。5 ５5。0 一般企業 9 22.5 2２、５ 77。5 落后企業 9 2２。5 22.5 1０0、０ 總計 4０ １00、0 100.0

四、實驗結果分析: 1、均值為 116。08、標準差為１5。431,正態分布得檢驗 K－S 值為 0.1,Siｇ。值為０。98３〉0、０5,因此數據服從正態分布。

2、對４0 個企業分組后先進企業占總體比重 27、５%良好企業占總體比重２7.5％一般企業占總體比重 22.5％落后企業占總體比重 22。5％先進企業與良好企業占總體比重較大,一般企業與落后企業占總體比重較小。

實驗報告 2 2

一、實驗目得:掌握列聯表(定類變量與定類變量)基本操作 二、實驗內容:１、A、B 車間對廠長得滿意程度就是否有顯著差異 2、如果有計算 τ 系數 三、實驗步驟:首先建立數據庫錄入數據,然后運用 分析〉描述性統計〉交叉表格 進行列聯表分析,做卡方檢驗,結果如下: 車間* * 對廠長得滿意度

交叉列表 計數

對廠長得滿意度 總計 滿意 不滿意 車間 車間A ３0 1０ 40 車間B 20 2０ ４0

總計 50 30 80 卡方測試

數值 df 漸近顯著性(2 端)精確顯著性(２ 端)精確顯著性(1 端)皮爾森(Peａrｓoｎ)卡方 5、３3３a、021

持續更正ｂ

4、３２０ １。０38

概似比 5.41２ 1.0２0

費雪(Ｆisｈer)確切檢定、037、０18 線性對線性關聯 5。26７ １、０2２

有效觀察值個數 8０

a、0 資料格(0.0％)預期計數小於 5、預期得計數下限為 15.00。

b。

只針對 ２x2 表格進行計算

四、實驗結果分析:此數據為 2＊2 列聯表,且 n＞40,因此用連續校正卡方檢驗得值 Contiｎuｉｔｙ Ｃorreｃｔion 為 4.３20,對應得 Siｇ、值為０。０３８,小于有方向性得測量

數值 漸近標準錯誤a

大約 Tb

大約 顯著性 名義變數對名義變數 Lambda(λ)對稱、143、070 1、865、062 車間 相依項、250、119 1、865、062 對廠長得滿意度 相依項、000、000、c、c

Goodman 及 Kruskal tau 車間 相依項、067、055、022d

對廠長得滿意度 相依項、067、055、022d

a、未使用虛無假設。

b、正在使用具有虛無假設得漸近標準誤。

c、無法計算,因為漸近標準誤等於零。

d、基於卡方近似值

0.05,可以認為車間同廠長得滿意情況就是相關得,相關得 τ 系數為０.０6７ 實驗報告 ３

一、實驗目得:掌握參數估計與假設檢驗方法得操作 二、實驗內容:上面得數據就是否證明了先參加實踐對提高平均測試分數得效果顯著 三、實驗步驟:用配對樣本 t 檢驗,原假設為方案 A 與方案 B 對平均測試得成績不存在差異。首先運用數據探測做正態分布檢驗,得到結果如下表:

通過上表可以瞧出,方案 A 與方案Ｂ得 p值均大于0。０5,表明數據均服從正態分布、滿足配對樣本 t 檢驗得前提假定條件,然后利用 分析＞比較平均值〉配對樣本 t 檢驗 進行分析,結果如下: 成對樣本檢定

程對差異數 T df 顯著性(雙尾)平均數 標準偏差 標準錯誤平均值 95% 差異數得信賴區間 下限 上限 對組 １ 方案 A — 方案Ｂ —５、000 １1、3３3 3。584-13、107 3、107-1、３９5 9、1９6 四實驗結果分析:通過上表可以瞧出 t=-1、395,Sｉg.=0、196>0、05,所以,不能拒絕原假設,方案 A 與方案 B 對平均測試得成績不存在差異。

實驗報告 ４

一、實驗目得:掌握方差分析方法得操作 二、實驗內容:利用多因素方差分析方法,分析不同地區與不同日期對該商品 得銷售量就是否產生了顯著影響？地區與日期就是否對該商品得銷售產生了交互影響。

三、實驗步驟:運用 分析>一般線性模型＞單變量 進行分析。首先進行總體方差就是否相等得方差齊性檢驗。

Le ｖe e ｎｅ ’ ｓ

錯誤共變異等式檢定a a

因變數:

銷售量

F ｄｆ1 dｆ2 顯著性、508 8 1８.83５ 檢定因變數得錯誤共變異在群組內相等得空假設。

常態檢定

Kolmogorov-Smirnova

Shapiro-Wilk 統計資料 df 顯著性 統計資料 df 顯著性 方案 A、142 10、200*、941 10、561 方案 B、261 10、051、882 10、137 *、這就是 true 顯著得下限。

a、Lilliefors 顯著更正

a。

設計:截距 ＋ 地區 + 日期 ＋ 地區 ＊ 日期 通過上表可以瞧出,Siｇ。=0.835＞０。05,所以,總體方差相等,接著瞧方差分析得檢驗結果: 主旨間效果檢定 因變數:

銷售量

來源 第 IIＩ 類平方與 df平均值平方 F 顯著性 局部 Etａ 方形 修正得模型 80074074。074ａ

８ 100０9259.259 1０。810、0０0。８２8 截距 ８11２592５9。2５9 1 811２59２59、259 87６.160.000。98０ 地區 ３851851、8５2 ２ 192５925.９26 2。080。15４、１88 日期 ５62962９、6３0 2 2８14８1４、８1５ 3.０４０。０73.2５2 地區 ＊ 日期 ７０5925９２。5９3 ４ 17６48148。148 1９、06０.000.809 錯誤 1６666666、667 １８ 9２5９2５、9２6

總計 90８00０00０。000 27

校正後總數 967４07４0。74１ 26

a。

R平方 =。82８(調整得 R平方 =.７51)四、結果分析:通過上表可以瞧出,地區對應得 F=2。08,Siｇ、=0、154＞０、05,日期對應得 F=3.０4,Sｉg。＝0。0７３>0.0５,可見,地區與日期單獨對銷售量都沒有顯著影響,地區＊時間對應得 F＝19。０６,Ｓig.=0.０00〈０.０５,所以,地區與日期得交互作用對銷售量有影響。

實驗報告 5 5

一、實驗目得:掌握相關分析方法得操作 二、實驗內容:以下就是對五百名文化程度代際流動得抽樣調查,試求父輩文化與子輩文化之間就是否有差異、三、實驗步驟:Keｎｄａｌlt 相關分析。原假設為子輩文化與父輩文化之間不存在著等級相關。運用 分析＞相關＞雙變量 進行分析,結果如下: 相關系數

父輩文化程度 子輩文化程度 Kｅndaｌl 得 ｔａu＿b 父輩文化程度 相關系數 １。０00.594＊＊

Sig、(雙側)。

。000

Ｎ 500 ５０0 子輩文化程度 相關系數、594＊＊

1、０00 Sｉg。(雙側)、０0０。

N ５00 ５00 ＊＊、在置信度(雙測)為 0.01 時,相關性就是顯著得、四實驗結果分析:通過上表可以瞧出,Ｋendａlｌ’s taｕ_b＝0、594,對應得 Sig。＝0。000<0.05,拒絕原假設,可以認為子輩文化與父輩文化之間存在著等級相關。

實驗報告 ６

一、實驗目得:掌握非參數檢驗方法得操作 二、實驗內容:某地某一時期出生４0 名嬰兒,其中女嬰 12 名,男嬰 28 名。這個地方出生嬰兒得性別比例與通常得男女性別比例就是否相同 三、實驗步驟:單樣本二項分布檢驗。原假設為這個地方出生嬰兒得性別比例與通常得男女性別比例相同,運用 分析＞非參數檢驗>二項式 進行分析,結果如下: 二項式檢驗

類別 N 觀察比例 檢驗比例 漸近顯著性(雙側)嬰兒性別 組 1 男 28。70、5０。0１7ａ

組 2 女 12.30

總數

１。0０

ａ.基于 Z近似值。

四實驗結果分析:通過上表可知,40 名嬰兒中男嬰 28 名,占 7０％,女嬰１2 名,占30％。SPＳS 自動計算精確概率 Sｉg、值為 0。0１7,小于 0、０5,拒絕原假設,可以認為這個地方出生嬰兒得性別比例與通常得男女性別比例不同,男嬰要多于女嬰。

實驗報告 7 7

一、實驗目得:掌握非參數檢驗方法得操作 二、實驗內容:用非參數檢驗得方法檢驗工廠規模與信息傳遞就是否有關。

三、實驗步驟:兩獨立樣本得曼—惠特尼Ｕ檢驗。原假設為工廠規模與信息傳遞無關,運用 分析〉非參數檢驗>兩個獨立樣本 進行分析,結果如下: 檢驗統計量ｂ

信息傳遞 Mann—Whｉtney U 5、000 Wｉlcoxｏn W １５。0００

Z-1、2４6 漸近顯著性(雙側)、213 精確顯著性[2＊(單側顯著性)］。286a

a。

沒有對結進行修正、b。

分組變量: 廠規模 四實驗結果分析:由上表可知,U=５,因為就是小樣本,瞧精確概率值 Sig。為 0.28６,大于 0.05,不應該拒絕原假設,可以得出工廠規模與信息傳遞無關。

實驗報告 ８

一、實驗目得:掌握非參數檢驗方法得操作 二、實驗內容:分析三個班級成績得中位值就是否存在顯著差異、三、實驗步驟:多個獨立樣本得 Medｉａn 檢驗。原假設為三個班級成績得中位值沒有顯著差異。運用 分析>非參數檢驗>K 個樣本獨立檢驗 進行分析,結果如下:

檢驗統計量b b

成績 Ｎ 45 中值 75.00 卡方 9、474a

ｄf 2 漸近顯著性、０09 a。

0 個單元(.0％)具有小于 5 得期望頻率。單元最小期望頻率為 6、３。

ｂ.分組變量: 班級 四實驗結果分析:通過上表可知,X^2＝9。474,df=２,Ｓig。值為０、015,小于 0。05,拒絕原假設,因此可以認為廣告對商品促銷起作用、實驗報告 9 9

一、實驗目得:掌握非參數檢驗方法得操作 二、實驗內容:各考官評分得一致性如何 三、實驗步驟: 多個相關樣本得 Kｅndaｌｌ協同系數檢驗。原假設為各個考官得評分不一致,運用 分析＞非參數檢驗〉K 個相關樣本 進行分析,結果如下: 檢驗統計量 N ５ Kenｄａll Ｗａ

。62１ 卡方 2７、9６7

ｄf 9 漸近顯著性.001 a。

Kendalｌ 協同系數 四實驗結果分析:通過上表可知,Ｋenｄalｌ’ｓW＝0。621,Sig、值為０.001,小于0、05,拒絕原假設,可以認為各個考官得評分具有一致性。

第三篇：SPSS實驗報告二（最終版）

SPSS實驗報告二

實驗目的：掌握方差分析、相關分析和回歸分析的基本操作；掌握其中相關的問題檢驗；讀懂輸出結果并進行合理分析。

第一題：利用外來工數據，使用多因素方差分析研究教育程度和月收入對家庭花費(V2_2c)，（1）說明兩個因素的影響是否顯著，有沒有顯著的交互作用；

（2）如果因素影響顯著而交互作用不顯著，建立非飽和模型，并利用多重比較比較（snk）各因素水平的高低；

第二題：應用waste.sav數據，研究固體垃圾排放量與賓館、餐飲業用地、零售業用地、運輸、批發企業用地、金屬制造業用地、工業企業用地的關系。

（1）、通過散點圖觀察變量間的相關關系，并使用Enter建立模型，判斷各自變量間是否存在多重共線性，寫出回歸方程，說明T檢驗和F檢驗的結果

（2）、利用Stepwise建立模型，通過計算D-W統計量和作出殘差分布圖、pp圖等方法初步判斷是否存在序列相關、異方差和正態性，保存模型的預測值。

第三題：完成P283，例題9-3，畫出外出就餐和年份的散點圖，利用復合函數，指數函數和三次函數進行擬合，選擇最好的擬合模型，寫出曲線方程，并對之后兩年年的數據進行預測。

第四篇：管理統計學SPSS數據管理 實驗報告

數據管理

一、實驗目的與要求

1.掌握計算新變量、變量取值重編碼的基本操作。2.掌握記錄排序、拆分、篩選、加權以及數據匯總的操作。

3.了解數據字典的定義和使用、數據文件的重新排列、轉置、合并的操作。

二、實驗內容提要

1．自行練習完成課本中涉及的對CCSS案例數據的數據管理操作 2．針對SPSS自帶數據Employee data.sav進行以下練習。

（1）根據變量bdate生成一個新變量“年齡”

（2）根據jobcat分組計算salary的秩次

（3）根據雇員的性別變量對salary的平均值進行匯總

（4）生成新變量grade，當salary<20000時取值為d，在20000~50000范圍內時取值為c，在50000~100000范圍內取值為b，大于等于100000時取值為a

三、實驗步驟

1、針對CCSS案例數據的數據管理操作

1.1.計算變量，輸入TS3到目標變量，在數字表達式中輸入3，把任意年齡段分成三個組20-30設為1組，1-40設為2組41-50設為3組。圖1，圖1 1.2.對已有變量的分組合并，在“名稱”文本框中輸入新變量名TS3單擊“更改”按鈕，原來的S3->?就會變為S3->TS3,單擊“舊值和新值”按鈕，系統打開“重新編碼到其他變量：舊值和新值”，如下圖2，圖2

圖3 1.3.可視離散化，選擇“轉換”->“可視離散化”,打開的對話框要求用戶選擇希望進行離散化的變量，單擊繼續，如下圖4，圖4 單擊“生成分割點”，設定分割點數量為10，寬度為5，第一個分割點位置為18，單擊“應用”，如下圖，圖5 結果顯示如下，圖6 2．針對SPSS自帶數據Employee data.sav進行以下練習。

2.1.根據變量bdate生成一個新變量“年齡”,選擇“轉換”->”計算變量”，如下圖，圖7 結果顯示如下，圖8 2.2.根據jobcat分組計算salary的秩次，圖9 結果顯示如下，圖10 2.3.根據雇員的性別變量對salary的平均值進行匯總

圖11 結果顯示如下，圖12 2.4.生成新變量grade，當salary<20000時取值為d，在20000~50000范圍內時取值為c，在50000~100000范圍內取值為b，大于等于100000時取值為a

圖13 結果顯示如下，圖14

四、實驗結果與結論

第五篇：SPSS數據統計軟件實驗報告

SPSS數據統計軟件實驗報告

專業

信息與計算科學

班級

級班

組別

指導教師

姓名

同組人

實驗時間

2018

****年**月**日

實驗地點

實驗名稱

方差分析

實驗目的通過對數據的分析，使其掌握用方差分析的方法來比較數據。

實驗儀器：

1、支持Intel

Pentium

Ⅲ及其以上CPU，內存256MB以上、硬盤1GB以上容量的微機；

軟件配有Windows98/2000/XP操作系統及SPSS軟件。

2、了解SPSS軟件的特點及系統組成，在電腦上操作SPSS軟件。

實驗內容、步驟及程序：

一、1.實例內容：

下表給出銷售方式對銷售量的對比試驗數據，利用單因素方差分析來分析不同的銷售方式對銷售量的影響。

2.實例操作：

Step

01

打開對話框。

打開數據文件,選擇菜單欄中的【分析】|【比較均值】|【單因素?ANOVA】命令,彈出【單因素ANOVA檢驗】對話框。

Step

02

選擇因變量。

在候選變量列表框中選擇【銷售量】變量作為因變量,將其添加至【因變量列表】列表框中。

Step

03

選擇因變量。

在候選變量列表框中選擇【銷售方式】變量,將其添加至【因子】文本框中。

Step

04

定義相關統計選項以及缺失值處理方法。

單擊【單因素ANOVA檢驗】對話框【選項】，在彈出的對話框選中【方差同質性檢驗】、【平均值圖】復選框，然后單擊【繼續】。

Step

05

事后多重比較。

單擊【單因素ANOVA檢驗】對話框【事后比較】，在彈出圖中選中Bonferroni復選框，然后單擊【繼續】。

Step

06

對組間平方和進行線性分解并檢驗。

單擊【單因素ANOVA檢驗】對話框【對比】，彈出圖的對話框選中【多項式】，將【等級】設為【線性】，單擊【繼續】返回【單因素ANOVA檢驗】的對話框。

Step

07

單擊【確定】，輸出分析結果。

3.實例結果及分析

變異數同質性測試

銷售量

Levene

統計資料

df1

df2

顯著性

.346

.793

給出了方差齊性檢驗的結果。從該表可以得到

Levene方差齊性檢驗的P值為0.793,與顯著性水平0.05相差大,因此基本可以認為樣本數據之間的方差是非齊次的。

變異數分析

銷售量

平方和

df

平均值平方

F

顯著性

群組之間

（合併）

685.000

228.333

7.336

.003

線性項

比對

196.000

196.000

6.297

.023

偏差

489.000

244.500

7.855

.004

在群組內

498.000

31.125

總計

1183.000

給出了單因素方差分析的結果。從表中可以看出,組間平方和是685、組內平方

和是196,其中組間平方和的的F值為7.336,相應的概率值是0.003,小于顯著性水平0.05,因此認為不同的銷售方式對銷售量有顯著的影響。另外,這個表中也給出了線性形式的趨勢檢驗結果,組間變異被銷售方式所能解釋的部分是196,被其他因素解釋的有244.5,并且組間變異被銷售方式所能解釋的部分是非常顯著的4.事后檢驗

多重比較

因變數:

銷售量

Bonferroni

法

(I)

銷售方式

(J)

銷售方式

平均差異

(I-J)

標準錯誤

顯著性

95%

信賴區間

下限

上限

1.0

2.0

-7.0000

3.5285

.388

-17.615

3.615

3.0

9.0000

3.5285

.128

-1.615

19.615

4.0

4.0000

3.5285

1.000

-6.615

14.615

2.0

1.0

7.0000

3.5285

.388

-3.615

17.615

3.0

16.0000*

3.5285

.002

5.385

26.615

4.0

11.0000*

3.5285

.040

.385

21.615

3.0

1.0

-9.0000

3.5285

.128

-19.615

1.615

2.0

-16.0000*

3.5285

.002

-26.615

-5.385

4.0

-5.0000

3.5285

1.000

-15.615

5.615

4.0

1.0

-4.0000

3.5285

1.000

-14.615

6.615

2.0

-11.0000*

3.5285

.040

-21.615

-.385

3.0

5.0000

3.5285

1.000

-5.615

15.615

*.平均值差異在0.05

層級顯著。

給出了多重比較的結果,*表示該組均值差是是顯著的。因此,從表中可以看出,第二組和第三組、第四組的銷售量均值差是非常明顯的,但是第三組與第四組的銷售量均值差話相卻不是很明顯。另外,還可以得到每組之間均值差的標準誤差、置信區間等信息。

平均值圖形

給出了各組的均值圖。從圖可以清楚地看到不同的施肥類型對應不同的銷售量均

值。可見,第三組的銷售量最低,且與其他兩組的銷售量均值相差較大,而第二組和和第三組之間的銷售量均值差異不大,這個結果和多重比較的結果非常一致

二、1.實例內容：

某研究機構研究了3種動物飼料對4種品系小鼠體重增加的影響,數據如圖下所示,變量a為飼料種類,變量b為鼠的品系,變量x為增重克數。

2.實例操作：

Step

01

打開對話框。

打開數據文件,選擇菜單欄中的【分析】|【一般線性模型】|【單變量】命令,彈出【單變量】對話框,如圖所示。

Step

02

選擇觀測變量。

在候選變量列表框中選擇【體重】變量作為因變量,將其添加至【因變量】列表框中。

Step

03

選擇因素變量。

選擇【飼料類型】和和【小鼠品系】變量作為因素變量,將它們添加至【固固定因子】列表框中,如圖所示。

Step

04選擇多重比較。

單擊【模型】按按鈕,彈彈出【單變量:模型】對話框,如圖5.23所示。選中【定制】單選按鈕,在左側列表框中選擇“因因素a”和“因因素b”變量并移至【模型】列表框中。選擇【構建項】選項組中【類型】下拉列表框中的【主效應】選項,再單擊【繼繼續】按鈕,返回主對話框。

Step

05其他選項選擇。

單擊【圖】按鈕,彈出圖5.24所示【單變量:輪廓圖】對話框。將因素b放入【單獨的線條】框,將因素a放入【水平軸)】文本框,單擊【添加】按鈕,再單擊【繼續續】按鈕,返回主對話框。

單擊【事后比較】按鈕,彈出圖所示對話框。將因素a和因素b放入【下列各項的事后檢驗】列表框,比較方法選擇LSD法。

單擊【選項】按鈕,彈出圖5.26所示【單變量:選項】對話框。將因素a和因素b放入【顯示下列各項的平均值】列表框,選中【比較主效應】復選框。選中【描述統計】復選框表示輸出描述性統計量;選中【齊性檢驗】復選框表示輸出方差齊性檢驗表。再單擊【繼續】按鈕,返回主對話框。

Step

06

完成操作。

最后,單擊【確確定】按鈕,操作作完成。

3.實例結果及分析

(1)主體間效應檢驗表

表所示為主效應模型檢驗,結果可見校正模型統計量F=6.772、P=0.000,說明模型有統計學意義。因素a和因素b均有統計學意義,P=0.000、P=0.037,均小于0.05。

主旨間效果檢定

因變數:

體重

來源

第III

類平方和

df

平均值平方

F

顯著性

修正的模型

8929.625a

1785.925

6.772

.000

截距

167796.750

167796.750

636.304

.000

a

6487.875

3243.938

12.301

.000

b

2441.750

813.917

3.086

.037

錯誤

11075.625

263.705

總計

187802.000

校正後總數

20005.250

a.R

平方

=

.446（調整的R

平方

=

.380）

(2)成對比較表。

表所示為不同飼料類型兩兩比較結果,從Sig值(即P值)可見,飼料B與飼料C沒有差異（p=0.117），其余均有差異，p<0.05。

成對比較

因變數:

體重

(I)

飼料類型

(J)

飼料類型

平均差異

(I-J)

標準錯誤

顯著性b

95%

差異的信賴區間b

下限

上限

A飼料

B飼料

18.750*

5.741

.002

7.163

30.337

C飼料

27.938*

5.741

.000

16.351

39.524

B飼料

A飼料

-18.750*

5.741

.002

-30.337

-7.163

C飼料

9.188

5.741

.117

-2.399

20.774

C飼料

A飼料

-27.938*

5.741

.000

-39.524

-16.351

B飼料

-9.188

5.741

.117

-20.774

2.399

根據估計的邊際平均值

*.平均值差異在.05

層級顯著。

b.調整多重比較：最小顯著差異（等同於未調整）。

（3）均值圖

圖所示為不同品系小鼠喂養不同飼料的體重增重的均值圖。可見A飼料較好,B飼料和C飼料差異不大。

實驗小結：

通過該實驗，讓我懂得了利用數學思想解決實際問題，很好的把數學運用到實際生活中，在今后的學習中我會再接再厲的。

教師評語：

1.實驗結果及解釋：（準確合理、較準確、不合理）；占30%

2.實驗步驟的完整度：（完整、中等、不完整）；占30%

3.實驗程序的正確性：（很好、較好、中等、較差、很差）；占30%

4.卷面整潔度：（很好、較好、中等、較差、很差）；占10%

評定等級：（）

教師簽名：

日期：