SPSS分析教程和在房地產(chǎn)應(yīng)用方面的實(shí)例（講義）.doc

SPSS分析教程和在房地產(chǎn)應(yīng)用方面的實(shí)例（講義）信息中心 黃偉 第一節(jié)數(shù)據(jù)的建立和DISCRIPTIVES，MEANS的初步分析 現(xiàn)下的中國的市場調(diào)研當(dāng)中統(tǒng)計(jì)方法應(yīng)用的結(jié)果要求并不是很高的，因?yàn)樵谝粋€(gè)行業(yè)的起步階段我們并不會(huì)對(duì)市場分析要求很高的精度，而是要求有一個(gè)總體的了解即可。但是，任何一個(gè)成熟的行業(yè)都必然是一個(gè)專業(yè)型很強(qiáng)的結(jié)合體，房地產(chǎn)行業(yè)亦然。隨著將來房地產(chǎn)行業(yè)的不斷整合和專業(yè)化，定性分析占主導(dǎo)地位必定要被定量分析占主導(dǎo)地位的分析方法所取代，經(jīng)驗(yàn)的重要性將逐漸被統(tǒng)計(jì)分析所弱化。為什么呢？因?yàn)榻y(tǒng)計(jì)分析就是對(duì)以往獲得的經(jīng)驗(yàn)的定量分析而已，所不同的是：統(tǒng)計(jì)是絕對(duì)理性化的，統(tǒng)計(jì)數(shù)據(jù)不會(huì)說謊的！其實(shí)現(xiàn)在的發(fā)達(dá)國家的決策主要已經(jīng)考統(tǒng)計(jì)分析來說話了，但是大到我們整個(gè)國家，小到我們成都地區(qū)的房地產(chǎn)行業(yè)，統(tǒng)計(jì)分析還只是在一個(gè)初級(jí)應(yīng)用階段，技術(shù)水平也不高，也不被重視。我們需要用統(tǒng)計(jì)數(shù)據(jù)去分析消費(fèi)者心理，分析樓盤的價(jià)格，分析樓盤的定位等等，那么最直接的方法就是用現(xiàn)在最廣泛應(yīng)用的SPSS去分析。那么作為并非是統(tǒng)計(jì)專業(yè)人士的我們，怎樣去學(xué)習(xí)和應(yīng)用呢？我準(zhǔn)備用一些很具體的例子和模塊來給大家一步一步講解，我盡量完全無誤的操作一遍：1.1 數(shù)據(jù)的輸入和保存1.1.1 SPSS的界面當(dāng)打開SPSS后，展現(xiàn)在我們面前的界面如下：請(qǐng)將鼠標(biāo)在上圖中的各處停留，很快就會(huì)彈出相應(yīng)部位的名稱。請(qǐng)注意窗口頂部顯示為“SPSS for Windows Data Editor”，表明現(xiàn)在所看到的是SPSS的數(shù)據(jù)管理窗口。這是一個(gè)典型的Windows軟件界面，有菜單欄、工具欄。特別的，工具欄下方的是數(shù)據(jù)欄，數(shù)據(jù)欄下方則是數(shù)據(jù)管理窗口的主界面。該界面和E購買面積CEL極為相似，由若干行和列組成，每行對(duì)應(yīng)了一條記錄，每列則對(duì)應(yīng)了一個(gè)變量。由于現(xiàn)在我們沒有輸入任何數(shù)據(jù)，所以行、列的標(biāo)號(hào)都是灰色的。請(qǐng)注意第一行第一列的單元格邊框?yàn)樯钌?，表明該?shù)據(jù)單元格為當(dāng)前單元格。對(duì)數(shù)據(jù)表界面操作不熟悉的可先溫習(xí)一下E購買面積CEL的操作（因?yàn)樗膸椭侵形牡模?，也可以嘗試用10.0的中文版操作。我們現(xiàn)在主要用SPSS11.5來操作，因?yàn)樗墓δ芨鼜?qiáng)大，而且現(xiàn)在已經(jīng)普遍用12.0版本了。我們當(dāng)前用的11.5，10.0的SPSS系統(tǒng)打開時(shí)會(huì)出現(xiàn)一個(gè)導(dǎo)航對(duì)話框，請(qǐng)單擊右下方的Cancer按鈕，即可進(jìn)入上面的主界面。1.1.2 定義變量我們需要建立很多個(gè)變量，因?yàn)槲覀兊恼{(diào)查表有很多問題，我先來定義幾個(gè)變量：（操作）界面最左方為變量名，；往下是變量情況描述，可以看到系統(tǒng)默認(rèn)該變量為數(shù)值型，長度為8，有兩位小數(shù)位，尚無缺失值，顯示對(duì)齊方式為右對(duì)齊；現(xiàn)在系統(tǒng)默認(rèn)新變量為數(shù)值變量；最下方則依次是確定、取消和幫助按鈕。好，先來建立變量家庭人數(shù)。請(qǐng)將變量名改為家庭人數(shù)，然后單擊OK按鈕。在絕大多數(shù)情況下，SPSS給出的默認(rèn)數(shù)據(jù)類型和數(shù)據(jù)精度完全可以滿足需要，只是不太好看而已。至于標(biāo)簽等比較花哨的選項(xiàng)，反正我也很少用?，F(xiàn)在我們才剛剛?cè)腴T，一切從簡。第一列的名稱已經(jīng)改為了“家庭人數(shù)”，這就是我們所定義的新變量“家庭人數(shù)”?，F(xiàn)在我們來建立變量購買面積。單擊第二行第一列的單元格，同樣，將變量名改為購買面積，然后確認(rèn)。（操作）是分組型的我們現(xiàn)在再來定義購房單價(jià)。同樣：（操作）注意是數(shù)值型1.1.3 輸入數(shù)據(jù)我們先來輸入變量購買面積的值，請(qǐng)確認(rèn)一行二列單元格為當(dāng)前單元格，棄鼠標(biāo)而用鍵盤，輸入第一個(gè)數(shù)據(jù)1：（操作）用類似的輸入方式，我們將家庭人數(shù)的數(shù)目輸入完畢：（略）然后開始輸入單價(jià)的數(shù)據(jù)：（略）1.1.4 保存數(shù)據(jù)選擇菜單File=Save，由于該數(shù)據(jù)從來沒有被保存過，所以彈出Save as對(duì)話框如下：單擊保存類型列表框，可以看到SPSS所支持的各種數(shù)據(jù)類型，有DBF、Fo購買面積Pro、E購買面積CEL、ACCESS等，這里我們?nèi)匀粚⑵浯鏋镾PSS自己的數(shù)據(jù)格式（*.sav文件）。在文件名框內(nèi)鍵入潛在消費(fèi)者數(shù)據(jù)并回車，可以看到數(shù)據(jù)管理窗口左上角由Untitled變?yōu)榱爽F(xiàn)在的消費(fèi)者數(shù)據(jù)。為什么這里的對(duì)話框會(huì)出現(xiàn)漢字？是這樣的，需要從編程的角度來解釋：SPSS在彈出該對(duì)話框時(shí)會(huì)調(diào)用Windows系統(tǒng)的公用函數(shù)，由于我們用的是中文Windows系統(tǒng)，所以調(diào)用出來的就是中文。1.2 數(shù)據(jù)的預(yù)分析1.2.1 數(shù)據(jù)的簡單描述首先我們需要知道數(shù)據(jù)的基本情況，如均數(shù)、標(biāo)準(zhǔn)差等。選擇Analyze=Descriptive Statistics=Descriptives菜單，系統(tǒng)彈出描述對(duì)話框如下：（操作）如果按SPSS標(biāo)準(zhǔn)的叫法，這里應(yīng)該是調(diào)用了Descriptives（應(yīng)該叫描述，或則描述統(tǒng)計(jì)學(xué)吧。）過程，為了避免太生硬，我們稱為調(diào)用對(duì)話框，等大家熟悉SPSS了以后，在統(tǒng)計(jì)分析中可能兩種稱呼會(huì)混用。該對(duì)話框可分為左右兩大部分，左側(cè)為所有可用的侯選變量列表，右側(cè)為選入變量列表。我們只需要描述希望單價(jià)，用鼠標(biāo)選中希望單價(jià)，單擊中間的，變量希望單價(jià)的標(biāo)簽就會(huì)移入右側(cè)，注意這時(shí)OK按鈕變黑，表明已經(jīng)可以進(jìn)行分析了，單擊它，系統(tǒng)會(huì)彈出一個(gè)新的界面如下所示：Descriptive Statistics NRangeMinimumMaximumSumMeanStd. DeviationVariance計(jì)劃單價(jià)553700180055001408002560.00876.356768000.000Valid N (listwise)55 該窗口上方的名稱為SPSS for Windows Viewer，即（結(jié)果）瀏覽窗口，整個(gè)的結(jié)構(gòu)和資源管理器類似，左側(cè)為導(dǎo)航欄，右側(cè)為具體的輸出結(jié)果。結(jié)果表格給出了樣本數(shù)、最小值、最大值、均數(shù)和標(biāo)準(zhǔn)差這幾個(gè)常用的統(tǒng)計(jì)量。從中可以看到，55個(gè)數(shù)據(jù)總的均數(shù)為2560，標(biāo)準(zhǔn)差為876.356。我們以上的做法對(duì)嗎？當(dāng)然有問題！光看總的描述是不夠的，還應(yīng)當(dāng)看看分組的描述情況。這里要用到文件分割功能，請(qǐng)切換回?cái)?shù)據(jù)管理窗口，選擇Data=Split File菜單，系統(tǒng)彈出文件分割對(duì)話框如下：選擇單選按鈕Organize output by 家庭人數(shù)，將變量家庭人數(shù)選入右側(cè)的選入變量框，單擊OK鈕，此時(shí)界面不會(huì)有任何改變，但請(qǐng)?jiān)僮鲆淮螖?shù)據(jù)描述，你就可以看到現(xiàn)在數(shù)據(jù)是分家庭人數(shù)=1和家庭人數(shù)=2兩種情況在描述了！Descriptive Statistics(a) NMinimumMaximumSumMeanStd. DeviationVariance計(jì)劃單價(jià)1020002100209002090.0031.6231000.000Valid N (listwise)10 a 家庭人數(shù) = 單身Descriptive Statistics(a) NMinimumMaximumSumMeanStd. DeviationVariance計(jì)劃單價(jià)1618003000357002231.25415.883172958.333Valid N (listwise)16 a 家庭人數(shù) = 夫妻D(zhuǎn)escriptive Statistics(a) NMinimumMaximumSumMeanStd. DeviationVariance計(jì)劃單價(jià)1518004500350002333.33659.726435238.095Valid N (listwise)15 a 家庭人數(shù) = 三口之家Descriptive Statistics(a) NMinimumMaximumSumMeanStd. DeviationVariance計(jì)劃單價(jià)534004500183003660.00472.229223000.000Valid N (listwise)5 a 家庭人數(shù) = 三代同堂Descriptive Statistics(a) NMinimumMaximumSumMeanStd. DeviationVariance計(jì)劃單價(jià)921005500309003433.331335.1031782500.000Valid N (listwise)9 a 家庭人數(shù) = 其他從描述可知兩組的均數(shù)和標(biāo)準(zhǔn)差等數(shù)值都分別顯示了，很明顯三代同堂的消費(fèi)水平最高，標(biāo)準(zhǔn)差排第二說明他們這個(gè)群體期望的房價(jià)比較穩(wěn)定；一個(gè)人的消費(fèi)水平最低，且收入也比較穩(wěn)定的分布，如果樣本數(shù)量多的話說明當(dāng)?shù)刈赓U形式會(huì)比較好。-個(gè)人的一點(diǎn)推測。：）這個(gè)時(shí)候如果采取定性的分析，就事半功倍了。如果定義了文件分割，則它會(huì)在以后的所有統(tǒng)計(jì)分析中起作用，直到你重新定義文件分割方式為止。對(duì)了，在分析的過程中，我們還要取消變量分割，免得它影響以后的統(tǒng)計(jì)分析，再次調(diào)出變量分割對(duì)話框，選擇單選按鈕中的“Analyze all cases, do not creat 家庭人數(shù)”，單擊OK按鈕就可以了。1.2.2 繪制直方圖統(tǒng)計(jì)指標(biāo)只能給出數(shù)據(jù)的大致情況，沒有直方圖那樣直觀，我們就來畫個(gè)直方圖瞧瞧！選擇Graphs=Histogram，系統(tǒng)會(huì)彈出繪制直方圖對(duì)話框如下：將變量計(jì)劃單價(jià)選入Variable選擇框內(nèi)，單擊OK按鈕。此時(shí)結(jié)果瀏覽窗口內(nèi)會(huì)繪制出如下直方圖：1.3 按要求進(jìn)行統(tǒng)計(jì)分析下面我們要用SPSS來做成組設(shè)計(jì)兩樣本均數(shù)比較的檢驗(yàn)。1 首先我講MEANS（平均值檢驗(yàn)）。這個(gè)是最簡單的，MEANS的基本功能是分組計(jì)算指定變量的描述統(tǒng)計(jì)量。包括均值MEANS，標(biāo)準(zhǔn)差STD DEVIATION，總和SUM，觀測值數(shù)目COUNT，方差VARIANCE等一系列單變量描述統(tǒng)計(jì)量。還可以給出方差分析表和線性檢驗(yàn)結(jié)果。步驟：1） ANALYZE=COMPARE MEANS=MEANS，打開MEANS對(duì)話框。2） 選擇因變量，比如我們選擇房價(jià)作為因變量，（操作），可以一個(gè)，也可以多個(gè)，我們這里只講一個(gè)，如我們選擇家庭人數(shù)作為自變量。再在OPTION里選擇我們需要比較的數(shù)值。點(diǎn)OK?，F(xiàn)在出來這個(gè)表： Case Processing Summary Cases IncludedExcludedTotal NPercentNPercentNPercent計(jì)劃單價(jià) * 家庭人數(shù)55100.0%0.0%55100.0%Report計(jì)劃單價(jià) 家庭人數(shù)MeanNStd. DeviationGrouped Median% of Total Sum% of Total N單身2090.001031.6232090.0014.8%18.2%夫妻2231.2516415.8832162.5025.4%29.1%三口之家2333.3315659.7262227.2724.9%27.3%三代同堂3660.005472.2293475.0013.0%9.1%其他3433.3391335.1033320.0021.9%16.4%Total2560.0055876.3562166.67100.0%100.0%第一個(gè)圖是對(duì)我們這次MEANS過程的總結(jié)；第二個(gè)圖是報(bào)告。從這上面看，基本的統(tǒng)計(jì)結(jié)果和數(shù)據(jù)一目了然。比如：假如我們抽取樣本的時(shí)候提取的樣本比例和整個(gè)購房者家庭情況的真實(shí)比例相符，整個(gè)從總訪問者所占的比重可以看到，單身，夫妻，三口之家所占的比重最大；那么，我們是不是可以說：我們針對(duì)的消費(fèi)群體主要是這三個(gè)群體而忽略三代同堂和其他呢？我們是不是可以說我們的投資也按這個(gè)比例投呢？（？）當(dāng)然不是！因?yàn)槲覀円惨紤]購買力！怎么樣來衡量這個(gè)家庭的購買力呢？我們還是用MEANS，不過這次因變量是總購房款。如圖：Report購房總價(jià) 家庭人數(shù)MeanNStd. DeviationGrouped Median% of Total Sum% of Total NSum單身190000.001031622.777190000.007.8%18.2%1900000夫妻315625.0016149129.418275000.0020.8%29.1%5050000三口之家353333.3315398616.656192000.0021.8%27.3%5300000三代同堂900000.005339116.499775000.0018.5%9.1%4500000其他841111.119691799.184690000.0031.1%16.4%7570000Total442181.8255437728.526250000.00100.0%100.0%24320000從總房款所占的比例：單身7.8%，夫妻20.8%，三口21.8%，三代18.5%，其他31.1%看，我們更應(yīng)該注意夫妻，三口，和其他三個(gè)群體，特別是其他這個(gè)群體，我們的開發(fā)投資也很應(yīng)該參考這個(gè)比例。那么這個(gè)結(jié)論不就和上面的結(jié)論不一樣了么？所以，我想提醒各位，一定要選擇正確（不是說虛假，而是選擇變量一定要注意選擇正確的變量進(jìn)行統(tǒng)計(jì)！）的統(tǒng)計(jì)數(shù)據(jù)和統(tǒng)計(jì)方法！3） 兩個(gè)自變量的選擇和控制：A 兩個(gè)分類均放在第一層（平行+）的操作：I把家庭人數(shù)送入INDEPENDENT LIST框中，建立第一個(gè)控制層；2把哪種建筑送入欄中建立第二個(gè)控制層； 3其中家庭人數(shù)有5個(gè)統(tǒng)計(jì)量，建筑風(fēng)格有6個(gè)統(tǒng)計(jì)量。那么，對(duì)因變量的分析就是先給出家庭人數(shù)5個(gè)組的基本描述統(tǒng)計(jì)量，再給出建筑風(fēng)格6個(gè)變量的統(tǒng)計(jì)量。B 兩個(gè)分類變量分別放在兩層（垂直*）的操作：a.同上選擇家庭人數(shù)b.單擊NEXT按鈕，選擇變量建筑風(fēng)格，作為第二層；現(xiàn)在就分5*6=30組給出可以承受的單價(jià)的一些描述統(tǒng)計(jì)量：Report購房總價(jià) 家庭人數(shù)哪種建筑MeanNStd. DeviationGrouped Median% of Total Sum% of Total NSum單身多層190000.001031622.777190000.007.8%18.2%1900000Total190000.001031622.777190000.007.8%18.2%1900000夫妻多層216666.67357735.027216666.672.7%5.5%650000 電梯200000.004.000200000.003.3%7.3%800000花洋300000.006.000300000.007.4%10.9%1800000聯(lián)排600000.003.000600000.007.4%5.5%1800000Total315625.0016149129.418275000.0020.8%29.1%5050000三口之家多層200000.001.200000.00.8%1.8%200000 電梯150000.00832071.349150000.004.9%14.5%1200000花洋440000.00554772.256440000.009.0%9.1%2200000獨(dú)立別墅1700000.001.1700000.007.0%1.8%1700000Total353333.3315398616.656192000.0021.8%27.3%5300000三代同堂聯(lián)排750000.00457735.027750000.0012.3%7.3%3000000 獨(dú)立別墅1500000.001.1500000.006.2%1.8%1500000Total900000.005339116.499775000.0018.5%9.1%4500000其他電梯242500.00415000.000242500.004.0%7.3%970000 聯(lián)排800000.002.000800000.006.6%3.6%1600000獨(dú)立別墅1666666.673416333.2001800000.0020.6%5.5%5000000Total841111.119691799.184690000.0031.1%16.4%7570000Total多層196428.571436502.296200000.0011.3%25.5%2750000 電梯185625.001646038.933190000.0012.2%29.1%2970000花洋363636.361180903.983355555.5616.4%20.0%4000000聯(lián)排711111.11992796.073716666.6726.3%16.4%6400000獨(dú)立別墅1640000.005304959.0141700000.0033.7%9.1%8200000Total442181.8255437728.526250000.00100.0%100.0%24320000c.同樣我們可以分第三第四層。那樣，統(tǒng)計(jì)結(jié)果的數(shù)目就會(huì)急劇擴(kuò)大。C ANOVA TABLE AND ETA復(fù)選項(xiàng)和TEST FOR LINEARITY復(fù)選項(xiàng)。（操作）我們把第一層建筑類型，第二層人口和一為人數(shù)二為建筑分析作比較?？傻脠D：ANOVA Table Sum of SquaresdfMean SquareFSig.購房總價(jià) * 哪種建筑Between Groups(Combined)9791279568903.31042447819892225.830220.342.000 Linearity7188769398856.72017188769398856.720647.102.000 Deviation from Linearity2602510170046.5963867503390015.53278.089.000 Within Groups555458612914.8635011109172258.297 Total10346738181818.18054 Measures of Association RR SquaredEtaEta Squared購房總價(jià) * 哪種建筑.834.695.973.946每個(gè)數(shù)據(jù)見統(tǒng)計(jì)分析P219。略。比較重點(diǎn)的就是J結(jié)果性的：SIG-顯著性概率，即假設(shè)成立的概率，我們這里是假設(shè)是：這幾個(gè)建筑組的房屋總價(jià)均值相等。即這個(gè)假設(shè)發(fā)生的概率是0.000接近0。由此我們得出結(jié)論：不同的建筑組，其房屋總價(jià)的均值差異顯著！R-是因變量總房款的觀測值和預(yù)測值之間的相關(guān)系數(shù)，雖然沒有直接求出回歸方程，但我們應(yīng)該知道，R越接近1表明回歸方程的預(yù)測性能越好。即回歸方程越有效。這里看到R值等于0.834，說明回歸方程預(yù)測性能很好。Eta SQUARED-等于（組間偏差平方和BETWEEN GROUPS）/（組內(nèi)偏差平方和WITHIN GROUPS）等于0.946，越接近1說明因變量（總價(jià)）與控制變量（建筑）關(guān)系密切。如果ETA等于0就是說他們無關(guān)。 這個(gè)圖說明了什么呢？因?yàn)镾IG近似為0.000就說明了房屋的總價(jià)和房屋的建筑方式是非常相關(guān)的。不同的建筑方式對(duì)房屋的總價(jià)的平均值存在非常顯著的差異的！并且總價(jià)的平均值是和房屋的建筑方式呈上升趨勢的。 現(xiàn)在又舉例說明房屋總價(jià)按人口數(shù)目分組后是不是也呈顯著的差異呢？（實(shí)際舉例操作一遍。并解釋每個(gè)指標(biāo)）2 T TEST（T檢驗(yàn)的過程）略A 單一樣本T檢驗(yàn)：檢驗(yàn)單個(gè)變量的均值是否與給定的常數(shù)之間存在差異。例如：我們想知道這個(gè)地方的消費(fèi)者能夠接受的價(jià)格平均數(shù)（我們的統(tǒng)計(jì)數(shù)據(jù)）和給定的常數(shù)（比如說經(jīng)驗(yàn)豐富者估計(jì)這個(gè)地方的均價(jià)；）之間存在的差異。已知我們把住宅的均價(jià)定在2500，我們現(xiàn)在判斷我們所考察地區(qū)的消費(fèi)者能接受的房價(jià)和我們定的房價(jià)比，是不是差異很大或則接近，有什么差異！步驟：1 建立無效假設(shè)H0：假設(shè)兩個(gè)數(shù)據(jù)相等2 ANALYSE=COMPARE MEAN=ONE SAMPLE T TEST順序選擇。 One-Sample Statistics NMeanStd. DeviationStd. Error Mean計(jì)劃單價(jià)552560.00876.356118.168One-Sample Test Test Value = 2500tDfSig. (2-tailed)Mean Difference95% Confidence Interval of the DifferenceLowerUpper計(jì)劃單價(jià).50854.61460.00-176.91296.913 由圖做結(jié)果分析：a. 樣本均值2560與2500比較，略高b. T值0.508，自由度54，雙尾T檢驗(yàn)的P值為61.4%5%，說明無效假設(shè)成立，即：我們定的房價(jià)的均值和消費(fèi)者預(yù)期的房價(jià)的均值基本相等c. CONFIDENCE INTERVAL OF THE DIFFERENCE差值的95%置信區(qū)間。說明了：消費(fèi)者期望的均值和我們定價(jià)的差有95%的可能性落在-176.91-296.91之間。B 獨(dú)立樣本的T檢驗(yàn)：要求被比較的兩個(gè)樣本彼此獨(dú)立，即沒有配對(duì)關(guān)系。而且均來自正態(tài)總體。而且均值是對(duì)于檢驗(yàn)有意義的描述統(tǒng)計(jì)量。例如：從付款方式來說，一次付款和按揭兩種情況消費(fèi)者期望的單價(jià)是不是有顯著性差異？Group Statistics 付款方式NMeanStd. DeviationStd. Error Mean計(jì)劃單價(jià)一次付422628.57961.525148.366按揭122358.33492.597142.200Independent Samples Test Levenes Test for Equality of Variancest-test for Equality of Means FSig.tdfSig. (2-tailed)Mean DifferenceStd. Error Difference95% Confidence Interval of the Difference LowerUpper計(jì)劃單價(jià)Equal variances assumed4.880.032.93552.354270.24289.140-309.964850.440 Equal variances not assumed 1.31536.409.197270.24205.508-146.389686.865 MEANS說明了 STD DEVIATION標(biāo)準(zhǔn)差。如果兩組相差太大就沒有統(tǒng)計(jì)意義。如果差別有統(tǒng)計(jì)意義就要使用校正T檢驗(yàn)。 從SIG的P值可以看到，顯著性概率為0.0320.05，因此結(jié)論是兩組方差差異顯著，下面的T檢驗(yàn)過程結(jié)果中應(yīng)該選擇EQUAL VAARIANCES NOT ASSUMED（假設(shè)方差不相等）。從雙尾T檢驗(yàn)的結(jié)果0.1970.05看，并無顯著性差異！ MEAN DIFFERENCE