SPSS实验报告1

第一篇：SPSS实验报告1

实 验 报 告

课程名称

数据分析

实验名称

均值比较与方差分析

系别 电子信息科学学院 专业班级 信息管理15级专升本

指导教师

学号

姓名

实验日期 2015年11月18日实验成绩

一、实验目的

1． 掌握均值比较和方差分析的原理、过程和应用

2． 掌握两独立样本和两配对样本的t检验的过程和结果解释 3． 掌握单因素方差分析的分析过程和结果解释 4． 掌握多因素方差分析的分析过程和结果解释

二、实验环境

1． 硬件环境：微机

2． 软件环境： Windows，SPSS Statistics 22

三、实验内容

1．数据文件GSS2004_Mod.sav中记录了男性或女性每周上网浏览网页的时间（变量WWWHR，单位小时）。用两独立样本t检验方法分析男性和女性在上网时间上是否不同。（1）原假设

男性和女性的上网时间没有显著差异。（2）参数设置

检验变量：WWW HOURS PER WEEK 分组变量：GENDER（3）操作步骤及计算结果 操作步骤：

① 选择菜单：【分析A】→【比较均值（M）】→【独立样本T检验（T）】；如图1-1

图1-1

② 选择检验变量“WWW HOURS PER WEEK”到【检验变量（T）】框中。③ 选择总体标识变量“GENDER”到【分组变量（G）】框中。

④点击按钮定义两总体的标示值，如图1-2。其中，【使用指定值（U）】表示分别输入对应两

个不同总体的标记值。

图1-2

计算结果：

（4）结果及其解释

结果：男性和女性的上网时间存在显著差异。

解释：从独立样本鉴定的表中可以看出F检验值为15.182，对应的概率P值为0.00＜0.05，所以拒绝原假设。由于两总体方差有显著差异所以要看到“不采用相等变异数”这一列，其中T统计量的值为4.866，对应的概率P值为0.00。如果显著性水平α为0.05，由于概率P值小于0.05，所以认为量总体的均值有显著差异。并且95%置信区间不夸零，也说明了有显著差异。

2．数据文件GSS2004_Mod.sav中记录了受访者父亲和母亲的受教育情况。试用两配对样本t检验方法比较父亲的受教育情况（变量PAEDUC）和母亲的受教育情况（变量MAEDUC）是否不同。（1）原假设

父亲的受教育情况和母亲的受教育情况没有显著差异。（2）参数设置

成对变量：PAEDUC，MAEDUC（3）操作步骤及计算结果 ①选择菜单：

【分析（A）】→【比较均值（M）】→【配对样本T检验（P）】，如图2-1

图2-1 ②选择PADUC和MADUC到【成对变量（V）】框中。结果：

图2-2

图2-3

图2-4（4）结果及其解释

结果：父亲的受教育情况和母亲的受教育与情况没有显著差异。

解释：从图2-2的平均值可以看出没有较大的差异。图2-3中对应的概率P值为.000，如果显著性水平α为0.05，则表明父亲和母亲的受教育情况有明显的线性变化，父亲和母亲的受教育情况相关性程度较强。从图2-4中可以看出，父亲与母亲的受教育情况的平均差异，仅只有0.49；95%置信区间的上下限一正一负，则表示两者接近无显著差异；最后相对应的概率P值0.494，如果显著性水平α为0.05，则接受原假设，所以父亲的受教育情况和母亲的受教育与情况无显著差异。

3．一家关于MBA报考、学习、就业指导的网站希望了解国内MBA毕业生的起薪是否与各自所学的专业相关。为此，他们在已经从国内商学院毕业并且获得学位的MBA学生中按照各专业分别随机抽取了10人，调查了这些学生的起薪情况，数据文件为MbaSalary.sav。根据这些调查他们能否得出专业对MBA起薪有影响的结论。（1）原假设

国内MBA毕业生各自所学专业与起薪情况没有显著关系。（2）参数设置 观测变量：起薪 控制变量：专业

（3）操作步骤及计算结果 操作步骤： ①选择菜单： 【分析（A）】→【比较均值（M）】→【单因素ANOVA】； ②选择观测变量“起薪”到【因变量列表（E）】框中，如图3-1；

④ 选择控制变量“专业”到【因子（F）】框中，如图3-2；

图3-1 计算结果：

图3-2（4）结果及其解释

结果：国内MBA毕业生各自所学专业与起薪情况没有显著关系；

解释：从图3-2可以看出，F统计量的观测值为2.459，对应的概率P值为0.079。如果显著性水平α为0.05，由于概率P值大于显著性水平α，所以接受原假设，认为国内MBA毕业生各自所学专业与起薪情况没有显著关系。

4．一家连锁零售店试图对顾客的购买习惯进行调查。grocery_1month.sav记录了顾客性别、购物方式、消费额等信息。使用多因素方差分析方法分析顾客性别和购物方式对消费额有何影响。（1）原假设

不同顾客性别没有对消费额产生显著差异；不同购物方式对消费额没有显著差异；顾客性别和购物方式对消费额没有产生显著的交互影响。（2）参数设置 观测变量：消费额

控制变量：顾客性别，购物方式（3）操作步骤及计算结果 操作步骤： ①选择菜单： 【分析（A）】→【一般线性模型】→【单变量（U）】； ②指定观测变量“消费额”到【因变量（D）】框中；

③指定固定效应的控制变量“顾客性别”和“购物方式”到【固定因子(F)】框中，如图4-1。

计算结果：

图4-2

图4-2

（4）结果及其解释

结果：不同顾客性别对消费额有显著差异；不同购物方式对消费额没有显著差异；顾客性别和购物方式对消费额有显著的交互影响。解释：从图中可以看出Fgender，Fstyle，Fgender*style的概率P值分别为0.000，0.140和0.017.如果显著性水平α为0.05，由于Fgender，Fgender*style概率P值小于显著性水平α，所以应该拒绝原假设，可以认为不同顾客性别对消费额有显著差异，顾客性别和购物方式对消费额有显著的交互影响，而Fstyle概率P值小于显著性水平α，则接收原假设认为不同购物方式对消费额没有显著差异。

四、实验小结（心得体会、遇到问题及其解决方法）

第二篇：SPSS实验报告,

S SPSS 软件应用实验报告

长春工业大学人文学院 1４090６班

成昊 3 实验报告 １

一、实验目得:掌握 SＰSS 基本统计分析基本操作 ﻩ二、实验内容:１、根据上面得数据,制作茎叶图,并计算出均值与标准差,验证数据就是否服从正态分布。

2、按规定:销售收入在 125 万元以上为先进企业,１1５～1２5 万元为良好企业,１０５~115 万元为一般企业,1０5 万元以下为落后企业,按先进企业、良好企业、一般企业、落后企业进行分组,编制百分比分布统计表。

三、实验步骤;利用 分析＞描述性统计〉探索,结果如下: 描述性 統計資料

統計資料 標準錯誤 产品销售额平均數 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 产品销售额.100 ４０、２00*

.9８3 40.800 *、這就是 true 顯著得下限。

a、Lilliefoｒs 顯著更正 产品销售额 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)分组

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

四、实验结果分析: 1、均值为 116。08、标准差为１5。431,正态分布得检验 K－S 值为 0.1,Siｇ。值为０。98３〉0、０5,因此数据服从正态分布。

2、对４0 个企业分组后先进企业占总体比重 27、５%良好企业占总体比重２7.5％一般企业占总体比重 22.5％落后企业占总体比重 22。5％先进企业与良好企业占总体比重较大,一般企业与落后企业占总体比重较小。

实验报告 2 2

一、实验目得:掌握列联表(定类变量与定类变量)基本操作 二、实验内容:１、A、B 车间对厂长得满意程度就是否有显著差异 2、如果有计算 τ 系数 三、实验步骤:首先建立数据库录入数据,然后运用 分析〉描述性统计〉交叉表格 进行列联表分析,做卡方检验,结果如下: 车间* * 对厂长得满意度

交叉列表 計數

对厂长得满意度 總計 满意 不满意 车间 车间A ３0 1０ 40 车间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、实验结果分析:此数据为 2＊2 列联表,且 n＞40,因此用连续校正卡方检验得值 Contiｎuｉｔｙ Ｃorreｃｔion 为 4.３20,对应得 Siｇ、值为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 车间 相依項、250、119 1、865、062 对厂长得满意度 相依項、000、000、c、c

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

对厂长得满意度 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,可以认为车间同厂长得满意情况就是相关得,相关得 τ 系数为０.０6７ 实验报告 ３

一、实验目得:掌握参数估计与假设检验方法得操作 二、实验内容:上面得数据就是否证明了先参加实践对提高平均测试分数得效果显著 三、实验步骤:用配对样本 t 检验,原假设为方案 A 与方案 B 对平均测试得成绩不存在差异。首先运用数据探测做正态分布检验,得到结果如下表:

通过上表可以瞧出,方案 A 与方案Ｂ得 p值均大于0。０5,表明数据均服从正态分布、满足配对样本 t 检验得前提假定条件,然后利用 分析＞比较平均值〉配对样本 t 检验 进行分析,结果如下: 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 四实验结果分析:通过上表可以瞧出 t=-1、395,Sｉg.=0、196>0、05,所以,不能拒绝原假设,方案 A 与方案 B 对平均测试得成绩不存在差异。

实验报告 ４

一、实验目得:掌握方差分析方法得操作 二、实验内容:利用多因素方差分析方法,分析不同地区与不同日期对该商品 得销售量就是否产生了显著影响？地区与日期就是否对该商品得销售产生了交互影响。

三、实验步骤:运用 分析>一般线性模型＞单变量 进行分析。首先进行总体方差就是否相等得方差齐性检验。

Le ｖe e ｎｅ ’ ｓ

錯誤共變異等式檢定a a

因變數:

销售量

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 ＋ 地区 + 日期 ＋ 地区 ＊ 日期 通过上表可以瞧出,Siｇ。=0.835＞０。05,所以,总体方差相等,接着瞧方差分析得检验结果: 主旨間效果檢定 因變數:

销售量

來源 第 IIＩ 類平方与 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 地区 ３851851、8５2 ２ 192５925.９26 2。080。15４、１88 日期 ５62962９、6３0 2 2８14８1４、８1５ 3.０４０。０73.2５2 地区 ＊ 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、结果分析:通过上表可以瞧出,地区对应得 F=2。08,Siｇ、=0、154＞０、05,日期对应得 F=3.０4,Sｉg。＝0。0７３>0.0５,可见,地区与日期单独对销售量都没有显著影响,地区＊时间对应得 F＝19。０６,Ｓig.=0.０00〈０.０５,所以,地区与日期得交互作用对销售量有影响。

实验报告 5 5

一、实验目得:掌握相关分析方法得操作 二、实验内容:以下就是对五百名文化程度代际流动得抽样调查,试求父辈文化与子辈文化之间就是否有差异、三、实验步骤:Keｎｄａｌlt 相关分析。原假设为子辈文化与父辈文化之间不存在着等级相关。运用 分析＞相关＞双变量 进行分析,结果如下: 相关系数

父辈文化程度 子辈文化程度 Kｅndaｌl 得 ｔａu＿b 父辈文化程度 相关系数 １。０00.594＊＊

Sig、(双侧)。

。000

Ｎ 500 ５０0 子辈文化程度 相关系数、594＊＊

1、０00 Sｉg。(双侧)、０0０。

N ５00 ５00 ＊＊、在置信度(双测)为 0.01 时,相关性就是显著得、四实验结果分析:通过上表可以瞧出,Ｋendａlｌ’s taｕ_b＝0、594,对应得 Sig。＝0。000<0.05,拒绝原假设,可以认为子辈文化与父辈文化之间存在着等级相关。

实验报告 ６

一、实验目得:掌握非参数检验方法得操作 二、实验内容:某地某一时期出生４0 名婴儿,其中女婴 12 名,男婴 28 名。这个地方出生婴儿得性别比例与通常得男女性别比例就是否相同 三、实验步骤:单样本二项分布检验。原假设为这个地方出生婴儿得性别比例与通常得男女性别比例相同,运用 分析＞非参数检验>二项式 进行分析,结果如下: 二项式检验

类别 N 观察比例 检验比例 渐近显著性(双侧)婴儿性别 组 1 男 28。70、5０。0１7ａ

组 2 女 12.30

总数

１。0０

ａ.基于 Z近似值。

四实验结果分析:通过上表可知,40 名婴儿中男婴 28 名,占 7０％,女婴１2 名,占30％。SPＳS 自动计算精确概率 Sｉg、值为 0。0１7,小于 0、０5,拒绝原假设,可以认为这个地方出生婴儿得性别比例与通常得男女性别比例不同,男婴要多于女婴。

实验报告 7 7

一、实验目得:掌握非参数检验方法得操作 二、实验内容:用非参数检验得方法检验工厂规模与信息传递就是否有关。

三、实验步骤:两独立样本得曼—惠特尼Ｕ检验。原假设为工厂规模与信息传递无关,运用 分析〉非参数检验>两个独立样本 进行分析,结果如下: 检验统计量ｂ

信息传递 Mann—Whｉtney U 5、000 Wｉlcoxｏn W １５。0００

Z-1、2４6 渐近显著性(双侧)、213 精确显著性[2＊(单侧显著性)］。286a

a。

没有对结进行修正、b。

分组变量: 厂规模 四实验结果分析:由上表可知,U=５,因为就是小样本,瞧精确概率值 Sig。为 0.28６,大于 0.05,不应该拒绝原假设,可以得出工厂规模与信息传递无关。

实验报告 ８

一、实验目得:掌握非参数检验方法得操作 二、实验内容:分析三个班级成绩得中位值就是否存在显著差异、三、实验步骤:多个独立样本得 Medｉａn 检验。原假设为三个班级成绩得中位值没有显著差异。运用 分析>非参数检验>K 个样本独立检验 进行分析,结果如下:

检验统计量b b

成绩 Ｎ 45 中值 75.00 卡方 9、474a

ｄf 2 渐近显著性、０09 a。

0 个单元(.0％)具有小于 5 得期望频率。单元最小期望频率为 6、３。

ｂ.分组变量: 班级 四实验结果分析:通过上表可知,X^2＝9。474,df=２,Ｓig。值为０、015,小于 0。05,拒绝原假设,因此可以认为广告对商品促销起作用、实验报告 9 9

一、实验目得:掌握非参数检验方法得操作 二、实验内容:各考官评分得一致性如何 三、实验步骤: 多个相关样本得 Kｅndaｌｌ协同系数检验。原假设为各个考官得评分不一致,运用 分析＞非参数检验〉K 个相关样本 进行分析,结果如下: 检验统计量 N ５ Kenｄａll Ｗａ

。62１ 卡方 2７、9６7

ｄf 9 渐近显著性.001 a。

Kendalｌ 协同系数 四实验结果分析:通过上表可知,Ｋenｄalｌ’ｓW＝0。621,Sig、值为０.001,小于0、05,拒绝原假设,可以认为各个考官得评分具有一致性。

第三篇：SPSS实验报告二（最终版）

SPSS实验报告二

实验目的：掌握方差分析、相关分析和回归分析的基本操作；掌握其中相关的问题检验；读懂输出结果并进行合理分析。

第一题：利用外来工数据，使用多因素方差分析研究教育程度和月收入对家庭花费(V2_2c)，（1）说明两个因素的影响是否显著，有没有显著的交互作用；

（2）如果因素影响显著而交互作用不显著，建立非饱和模型，并利用多重比较比较（snk）各因素水平的高低；

第二题：应用waste.sav数据，研究固体垃圾排放量与宾馆、餐饮业用地、零售业用地、运输、批发企业用地、金属制造业用地、工业企业用地的关系。

（1）、通过散点图观察变量间的相关关系，并使用Enter建立模型，判断各自变量间是否存在多重共线性，写出回归方程，说明T检验和F检验的结果

（2）、利用Stepwise建立模型，通过计算D-W统计量和作出残差分布图、pp图等方法初步判断是否存在序列相关、异方差和正态性，保存模型的预测值。

第三题：完成P283，例题9-3，画出外出就餐和年份的散点图，利用复合函数，指数函数和三次函数进行拟合，选择最好的拟合模型，写出曲线方程，并对之后两年年的数据进行预测。

第四篇：管理统计学SPSS数据管理 实验报告

数据管理

一、实验目的与要求

1.掌握计算新变量、变量取值重编码的基本操作。2.掌握记录排序、拆分、筛选、加权以及数据汇总的操作。

3.了解数据字典的定义和使用、数据文件的重新排列、转置、合并的操作。

二、实验内容提要

1．自行练习完成课本中涉及的对CCSS案例数据的数据管理操作 2．针对SPSS自带数据Employee data.sav进行以下练习。

（1）根据变量bdate生成一个新变量“年龄”

（2）根据jobcat分组计算salary的秩次

（3）根据雇员的性别变量对salary的平均值进行汇总

（4）生成新变量grade，当salary<20000时取值为d，在20000~50000范围内时取值为c，在50000~100000范围内取值为b，大于等于100000时取值为a

三、实验步骤

1、针对CCSS案例数据的数据管理操作

1.1.计算变量，输入TS3到目标变量，在数字表达式中输入3，把任意年龄段分成三个组20-30设为1组，1-40设为2组41-50设为3组。图1，图1 1.2.对已有变量的分组合并，在“名称”文本框中输入新变量名TS3单击“更改”按钮，原来的S3->?就会变为S3->TS3,单击“旧值和新值”按钮，系统打开“重新编码到其他变量：旧值和新值”，如下图2，图2

图3 1.3.可视离散化，选择“转换”->“可视离散化”,打开的对话框要求用户选择希望进行离散化的变量，单击继续，如下图4，图4 单击“生成分割点”，设定分割点数量为10，宽度为5，第一个分割点位置为18，单击“应用”，如下图，图5 结果显示如下，图6 2．针对SPSS自带数据Employee data.sav进行以下练习。

2.1.根据变量bdate生成一个新变量“年龄”,选择“转换”->”计算变量”，如下图，图7 结果显示如下，图8 2.2.根据jobcat分组计算salary的秩次，图9 结果显示如下，图10 2.3.根据雇员的性别变量对salary的平均值进行汇总

图11 结果显示如下，图12 2.4.生成新变量grade，当salary<20000时取值为d，在20000~50000范围内时取值为c，在50000~100000范围内取值为b，大于等于100000时取值为a

图13 结果显示如下，图14

四、实验结果与结论

第五篇：SPSS数据统计软件实验报告

SPSS数据统计软件实验报告

专业

信息与计算科学

班级

级班

组别

指导教师

姓名

同组人

实验时间

2018

****年**月**日

实验地点

实验名称

方差分析

实验目的通过对数据的分析，使其掌握用方差分析的方法来比较数据。

实验仪器：

1、支持Intel

Pentium

Ⅲ及其以上CPU，内存256MB以上、硬盘1GB以上容量的微机；

软件配有Windows98/2000/XP操作系统及SPSS软件。

2、了解SPSS软件的特点及系统组成，在电脑上操作SPSS软件。

实验内容、步骤及程序：

一、1.实例内容：

下表给出销售方式对销售量的对比试验数据，利用单因素方差分析来分析不同的销售方式对销售量的影响。

2.实例操作：

Step

01

打开对话框。

打开数据文件,选择菜单栏中的【分析】|【比较均值】|【单因素 ANOVA】命令,弹出【单因素ANOVA检验】对话框。

Step

02

选择因变量。

在候选变量列表框中选择【销售量】变量作为因变量,将其添加至【因变量列表】列表框中。

Step

03

选择因变量。

在候选变量列表框中选择【销售方式】变量,将其添加至【因子】文本框中。

Step

04

定义相关统计选项以及缺失值处理方法。

单击【单因素ANOVA检验】对话框【选项】，在弹出的对话框选中【方差同质性检验】、【平均值图】复选框，然后单击【继续】。

Step

05

事后多重比较。

单击【单因素ANOVA检验】对话框【事后比较】，在弹出图中选中Bonferroni复选框，然后单击【继续】。

Step

06

对组间平方和进行线性分解并检验。

单击【单因素ANOVA检验】对话框【对比】，弹出图的对话框选中【多项式】，将【等级】设为【线性】，单击【继续】返回【单因素ANOVA检验】的对话框。

Step

07

单击【确定】，输出分析结果。

3.实例结果及分析

變異數同質性測試

销售量

Levene

統計資料

df1

df2

顯著性

.346

.793

给出了方差齐性检验的结果。从该表可以得到

Levene方差齐性检验的P值为0.793,与显著性水平0.05相差大,因此基本可以认为样本数据之间的方差是非齐次的。

變異數分析

销售量

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

给出了单因素方差分析的结果。从表中可以看出,组间平方和是685、组内平方

和是196,其中组间平方和的的F值为7.336,相应的概率值是0.003,小于显著性水平0.05,因此认为不同的销售方式对销售量有显著的影响。另外,这个表中也给出了线性形式的趋势检验结果,组间变异被销售方式所能解释的部分是196,被其他因素解释的有244.5,并且组间变异被销售方式所能解释的部分是非常显著的4.事后检验

多重比較

因變數:

销售量

Bonferroni

法

(I)

销售方式

(J)

销售方式

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。

给出了多重比较的结果,*表示该组均值差是是显著的。因此,从表中可以看出,第二组和第三组、第四组的销售量均值差是非常明显的,但是第三组与第四组的销售量均值差话相却不是很明显。另外,还可以得到每组之间均值差的标准误差、置信区间等信息。

平均值圖形

给出了各组的均值图。从图可以清楚地看到不同的施肥类型对应不同的销售量均

值。可见,第三组的销售量最低,且与其他两组的销售量均值相差较大,而第二组和和第三组之间的销售量均值差异不大,这个结果和多重比较的结果非常一致

二、1.实例内容：

某研究机构研究了3种动物饲料对4种品系小鼠体重增加的影响,数据如图下所示,变量a为饲料种类,变量b为鼠的品系,变量x为增重克数。

2.实例操作：

Step

01

打开对话框。

打开数据文件,选择菜单栏中的【分析】|【一般线性模型】|【单变量】命令,弹出【单变量】对话框,如图所示。

Step

02

选择观测变量。

在候选变量列表框中选择【体重】变量作为因变量,将其添加至【因变量】列表框中。

Step

03

选择因素变量。

选择【饲料类型】和和【小鼠品系】变量作为因素变量,将它们添加至【固固定因子】列表框中,如图所示。

Step

04选择多重比较。

单击【模型】按按钮,弹弹出【单变量:模型】对话框,如图5.23所示。选中【定制】单选按钮,在左侧列表框中选择“因因素a”和“因因素b”变量并移至【模型】列表框中。选择【构建项】选项组中【类型】下拉列表框中的【主效应】选项,再单击【继继续】按钮,返回主对话框。

Step

05其他选项选择。

单击【图】按钮,弹出图5.24所示【单变量:轮廓图】对话框。将因素b放入【单独的线条】框,将因素a放入【水平轴)】文本框,单击【添加】按钮,再单击【继续续】按钮,返回主对话框。

单击【事后比较】按钮,弹出图所示对话框。将因素a和因素b放入【下列各项的事后检验】列表框,比较方法选择LSD法。

单击【选项】按钮,弹出图5.26所示【单变量:选项】对话框。将因素a和因素b放入【显示下列各项的平均值】列表框,选中【比较主效应】复选框。选中【描述统计】复选框表示输出描述性统计量;选中【齐性检验】复选框表示输出方差齐性检验表。再单击【继续】按钮,返回主对话框。

Step

06

完成操作。

最后,单击【确确定】按钮,操作作完成。

3.实例结果及分析

(1)主体间效应检验表

表所示为主效应模型检验,结果可见校正模型统计量F=6.772、P=0.000,说明模型有统计学意义。因素a和因素b均有统计学意义,P=0.000、P=0.037,均小于0.05。

主旨間效果檢定

因變數:

体重

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)成对比较表。

表所示为不同饲料类型两两比较结果,从Sig值(即P值)可见,饲料B与饲料C没有差异（p=0.117），其余均有差异，p<0.05。

成對比較

因變數:

体重

(I)

饲料类型

(J)

饲料类型

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饲料

B饲料

18.750*

5.741

.002

7.163

30.337

C饲料

27.938*

5.741

.000

16.351

39.524

B饲料

A饲料

-18.750*

5.741

.002

-30.337

-7.163

C饲料

9.188

5.741

.117

-2.399

20.774

C饲料

A饲料

-27.938*

5.741

.000

-39.524

-16.351

B饲料

-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）均值图

图所示为不同品系小鼠喂养不同饲料的体重增重的均值图。可见A饲料较好,B饲料和C饲料差异不大。

实验小结：

通过该实验，让我懂得了利用数学思想解决实际问题，很好的把数学运用到实际生活中，在今后的学习中我会再接再厉的。

教师评语：

1.实验结果及解释：（准确合理、较准确、不合理）；占30%

2.实验步骤的完整度：（完整、中等、不完整）；占30%

3.实验程序的正确性：（很好、较好、中等、较差、很差）；占30%

4.卷面整洁度：（很好、较好、中等、较差、很差）；占10%

评定等级：（）

教师签名：

日期：