spass軟件與統(tǒng)計分析實驗報告

Spass16.0與統(tǒng)計數(shù)據(jù)分析實驗報告實驗課程：專業(yè)統(tǒng)計軟件運(yùn)用上課時間：2012學(xué)年上學(xué)期16周（2012年06月04日—07日）姓名：花滿樓學(xué)號：2010201101班級：0301008班學(xué)院：經(jīng)濟(jì)管理學(xué)院上課地點：經(jīng)管實驗室五樓指導(dǎo)教師：劉進(jìn)第六章實驗一實驗1及目的1.某農(nóng)場為了比較4種不同品種的小麥產(chǎn)量的差異，選擇土壤條件基本相同的土地，分成16塊，將每一個品種在4塊試驗田上試種，測得小表畝產(chǎn)量（kg）的數(shù)據(jù)如表6.17所示（數(shù)據(jù)文件為data6-4.sav），試問不同品種的小麥的平均產(chǎn)量在顯著性水平0.05和0.01下有無顯著性差異。（數(shù)據(jù)來源：《SPSS實用統(tǒng)計分析》郝黎仁，中國水利水電出版社）表6.17小麥產(chǎn)量的實測數(shù)據(jù)品種A1A2A3A4產(chǎn)量277.5244.2249.2273276.4249.5244.2240.9271236.8252.8257.4272.4239251.4266.5二實驗內(nèi)容解決問題1的原理：單因素方差分析實驗步驟：1.打開數(shù)據(jù)文件data6-4.sav2.選擇analyze—comparemeans—one-wayANOVA3.dependentlist框里為產(chǎn)量，factor為品種4.在options中選擇homogeneityofvariancetest和excludecasesanalysisbyanalysis5.在posthoc按鈕里選擇LSD方法，改變相關(guān)系數(shù)為0.05和0.016.得出結(jié)果三結(jié)果分析1.實驗結(jié)果圖如下TestofHomogeneityofVariances產(chǎn)量LeveneStatisticdf1df2Sig.3.593312.046ANOVA產(chǎn)量SumofSquaresdfMeanSquareFSig.BetweenGroups2263.4823754.49412.158.001WithinGroups744.7151262.060Total3008.197152.數(shù)據(jù)分析：在0.05和0.01顯著性水平下，H0假設(shè)都是：方差相等，從上表中可以看出Sig.=0.046，小于0.05大于0.01，所以在0.05的顯著性水平下不接受H0假設(shè)，即有顯著性差異，但是在0.01的顯著性水平下接受H0假設(shè)，即無顯著性差異。一實驗2及目的2.某公司希望檢測四種類型的輪胎A，B，C，D的壽命（由行駛的里程數(shù)決定），見表6.18（單位：千英里）（數(shù)據(jù)文件為data6-5.sav），其中每種輪胎應(yīng)用在隨機(jī)選擇的6輛汽車上。在顯著性水平0.05下判斷不同類型輪胎的壽命間是否存在顯著性差異？（數(shù)據(jù)來源：《統(tǒng)計學(xué)（第三版）》，M.R.斯皮格爾，科學(xué)出版社）表6.18四種輪胎的壽命數(shù)據(jù)A333836403135B324042383034C313735333430D293432303331二實驗內(nèi)容解決問題2的原理：單因素方差分析實驗步驟：1.打開數(shù)據(jù)文件data6-5.sav2.選擇analyze—comparemeans—one-wayANOVA3.方差相等的齊性檢查。將“歷程”、“輪胎”分別移入DependentList以及Factor。點擊Options按鈕，選中Homogeneityofvariancetest（方差齊性檢驗），而后運(yùn)行4.多重分析比較。在One-wayNOVA中單擊PostHoc…按鈕，選擇LSD方法，顯著性水平取0.05，單擊Options按鈕，選中Descripive和Meansplot，對數(shù)據(jù)進(jìn)行整體描繪5.得出結(jié)果。三結(jié)果分析1.數(shù)據(jù)截圖TestofHomogeneityofVariances里程LeveneStatisticdf1df2Sig.3.088320.050ANOVA里程SumofSquaresdfMeanSquareFSig.BetweenGroups77.500325.8332.388.099WithinGroups216.3332010.817Total293.833232：數(shù)據(jù)分析：在0.05顯著性水平下，H0假設(shè)是：方差相等，從上表中可以看出Sig.=0.050，等于于0.05，所以在0.05的顯著性水平下接受H0假設(shè)，說明沒有顯著性差異。一實驗3及目的3.某超市將同一種商品做3種不同的包裝（A）并擺放在3個不同的貨架區(qū)（B）進(jìn)行銷售試驗，隨機(jī)抽取3天的銷售量作為樣本，具體資料見表6.20。要求檢驗：在顯著性水平0.05下商品包裝、擺放位置及其搭配對銷售情況是否有顯著性影響。（數(shù)據(jù)來源：《應(yīng)用統(tǒng)計學(xué)》耿修林，科學(xué)出版社；數(shù)據(jù)文件：data6-7.sav）表6.20銷售樣本資料B1B2B3A15,6,46,8,74,3,5A27,8,85,5,63,6,4A33,2,46,6,58,9,6二實驗內(nèi)容解決問題3的原理：多因素方差分析原理實驗步驟：1.分析，需要研究不同包裝的產(chǎn)品A和不同貨架區(qū)對銷售量的影響。這是一個多因素方差分析問題。2.數(shù)據(jù)組織，按表6.20的變量名組織成4列數(shù)據(jù)。3．變量設(shè)置，按Analyze→GeneralLinearModel→Univeariate的步驟打開Univariate對話框。并將“銷售量”變量移入DependentVariable框中作為觀測變量，將“包裝（A）”、“貨架區(qū)（B）”移入FixedFactor（s）中作為控制變量。4.設(shè)置方差齊性檢驗，單擊Options按鈕，由于方差分析要求不同組別數(shù)據(jù)方差相等，故應(yīng)進(jìn)行方差齊性檢驗，選中“Homogeneitytests5.得出結(jié)果。三結(jié)果分析1.數(shù)據(jù)截圖Between-SubjectsFactorsValueLabelN包裝1A192A293A39擺放位置1B192B29Levene'sTestofEqualityofErrorVariancesaDependentVariable:銷量Fdf1df2Sig..754818.646Teststhenullhypothesisthattheerrorvarianceofthedependentvariableisequalacrossgroups.a.Design:Intercept+casing+place+casing*placeTestsofBetween-SubjectsEffectsDependentVariable:銷量SourceTypeIIISumofSquaresdfMeanSquareFSig.CorrectedModel65.407a88.1767.612.000Intercept822.2591822.259765.552.000casing.9632.481.448.646place3.18521.5931.483.253casing*place61.259415.31514.259.000Error19.333181.074Total907.00027CorrectedTotal84.74126a.RSquared=.772(AdjustedRSquared=.670)MultipleComparisonsDependentVariable:銷量(I)包裝(J)包裝MeanDifference(I-J)Std.ErrorSig.95%ConfidenceIntervalLowerBoundUpperBoundLSDA1A2-.44.489.375-1.47.58A3-.11.489.823-1.14.92A2A1.44.489.375-.581.47A3.33.489.504-.691.36A3A1.11.489.823-.921.14A2-.33.489.504-1.36.69TamhaneA1A2-.44.778.924-2.521.63A3-.11.915.999-2.582.36A2A1.44.778.924-1.632.52A3.33.941.980-2.192.86A3A1.11.915.999-2.362.58A2-.33.941.980-2.862.19Basedonobservedmeans.TheerrortermisMeanSquare(Error)=1.074.2.數(shù)據(jù)分析：從上圖可以看出，所有的LSD方法的結(jié)果中，三組相伴概率Sig.均大于顯著性性水平0.05，所以不能拒絕原假設(shè)，結(jié)果沒有顯著性影響。一實驗4及目的4.研究楊樹一年生長量與施用氮肥和鉀肥的關(guān)系。為了研究這種關(guān)系，一共進(jìn)行了18個樣地的栽培實驗，測定楊樹苗的一年生長量、初始高度、全部實驗條件（包括氮肥量和鉀肥量）及實驗結(jié)果（楊樹苗的生長量）數(shù)據(jù)如表6.21，請在顯著水平0.05下檢驗氮肥量、鉀肥量及樹苗初始高度中哪些對楊樹的生長有顯著性影響。（數(shù)據(jù)來源：《生物數(shù)學(xué)模型的統(tǒng)計學(xué)基礎(chǔ)》李勇，科學(xué)出版社；數(shù)據(jù)文件：data6-8.sav）表6.21楊樹栽培試驗數(shù)據(jù)序號氮肥量鉀肥量樹苗初高生長量序號氮肥量鉀肥量樹苗初高生長量1少04.51.8510多06.52.152少06211多061.993少041.612多06.52.064少12.56.5213多12.541.935少12.572.0414多12.562.16少12.551.9115多12.55.52.157少2572.416多2554.28少2554.2517多2562.39少2552.118多255.54.25二實驗內(nèi)容解決問題4的原理：多因素方差分析原理實驗步驟：1.打開數(shù)據(jù)源文件data6-8.sav2.變量設(shè)置，按Analyze→GeneralLinearModel→Univeariate的步驟打開Univariate對話框。并將“生長量”變量移入DependentVariable框中作為觀測變量，將“氮肥量”、“鉀肥量”、“樹苗初高”移入FixedFactor（s）中作為控制變量。3.設(shè)置方差齊性檢驗，單擊Options按鈕，由于方差分析要求不同組別數(shù)據(jù)方差相等，故應(yīng)進(jìn)行方差齊性檢驗，選中“Homogeneitytests4.得出結(jié)果三結(jié)果分析1.數(shù)據(jù)截圖TestsofBetween-SubjectsEffectsDependentVariable:生長量SourceTypeIIISumofSquaresdfMeanSquareFSig.CorrectedModel.574a15.0385.006.179Intercept69.453169.4539078.823.000N6.429E-516.429E-5.008.935K.1432.0729.378.096height.1446.0243.143.261N*K.0000...N*height.0000...K*height.0052.003.332.751N*K*height.0000...Error.0152.008Total77.80118CorrectedTotal.59017a.RSquared=.974(AdjustedRSquared=.779)2.數(shù)據(jù)分析：從表格中可以看出，“氮肥量”、“鉀肥量”、“樹苗初高”的相伴概率Sig.均大于0.05，所以他們對楊樹的生長無顯著性影響。第八章實驗一實驗3及目的3．K.K.Smith在煙草雜交繁殖的花上收集到如表8.16所示的數(shù)據(jù)，要求對以上3組數(shù)據(jù)兩兩之間進(jìn)行相關(guān)分析，以0.05的顯著性水平檢驗相關(guān)系數(shù)的顯著性。（數(shù)據(jù)來源：《統(tǒng)計軟件SPSS系列應(yīng)用實踐篇》蘇金明，電子工業(yè)出版社；數(shù)據(jù)文件：data8-5.sav）表8.16K.K.Smith所調(diào)查的長度資料花瓣長494432423253363937454148453940343735花枝長272412221329142016212225231820152013花萼長191612171019151415211422221514151516實驗原理：本章實驗原理主要包括二元變量相關(guān)性分析（3、4、5題）和偏相關(guān)分析（6）以及距離分析（7）實驗步驟：1.打開相應(yīng)數(shù)據(jù)文件2.運(yùn)行Analyze—Correlate—bivariate,填好Variables框，選擇Pearson相關(guān)系數(shù)；在testofsignificance中選擇單尾或者雙尾檢驗，單擊options按鈕，在打開對話框中選擇Meansandstandarddeviations和cross-productdeviationandcovariances選項3.運(yùn)行，得出結(jié)果。三結(jié)果分析第3題實驗結(jié)果圖表Correlations花瓣長花枝長花瓣長PearsonCorrelation1.955**Sig.(2-tailed).000SumofSquaresandCross-products606.444487.667Covariance35.67328.686N1818花枝長PearsonCorrelation.955**1Sig.(2-tailed).000SumofSquaresandCross-products487.667430.000Covariance28.68625.294N1818**.Correlationissignificantatthe0.01level(2-tailed).Correlations花枝長花萼長花枝長PearsonCorrelation1.678**Sig.(2-tailed).002SumofSquaresandCross-products430.000191.000Covariance25.29411.235N1818花萼長PearsonCorrelation.678**1Sig.(2-tailed).002SumofSquaresandCross-products191.000184.500Covariance11.23510.853N1818**.Correlationissignificantatthe0.01level(2-tailed).Correlations花萼長花瓣長花萼長PearsonCorrelation1.797**Sig.(2-tailed).000SumofSquaresandCross-products184.500266.667Covariance10.85315.686N1818花瓣長PearsonCorrelation.797**1Sig.(2-tailed).000SumofSquaresandCross-products266.667606.444Covariance15.68635.673N1818**.Correlationissignificantatthe0.01level(2-tailed).數(shù)據(jù)分析：從上面三個圖可以看出，Sig.值為0.00和0.002均小于0.05，所以，顯著性很明顯。一試驗4及目的4.試確定1962-1988年安徽省國民收入與城鄉(xiāng)居民儲蓄存款余額兩個變量間的線性相關(guān)性，數(shù)據(jù)如表8.17所示。（數(shù)據(jù)來源：《數(shù)據(jù)統(tǒng)計與管理》1990年第5期，中國商場統(tǒng)計研究會主辦；數(shù)據(jù)文件：data8-6.sav）表8.171962-1988年安徽省國民收入數(shù)據(jù)表年份19621963196419651966196719681969197019711972197319741975國民收入(億元)34.6135.6739.5247.3254.1450.8649.6951.6165.0672.5777.7283.578287.44存款余額(億元)0.590.710.8511.221.141.321.281.351.61.874.22.552.61年份1976197719781979198019811982198319841985198619871988國民收入(億元)95.6397.23103.81116.29127.87150.29161.47180.2221.17271.81310.53357.86444.78存款余額(億元)2.743.133.915.758.7612.1916.3620.9528.3238.4355.4374.289.83二實驗步驟及內(nèi)容偏相關(guān)分析的步驟：1.打開相應(yīng)數(shù)據(jù)文件2.選擇Analyze→Correlate→Partial，指定分析變量和數(shù)據(jù)變量3.運(yùn)行，得出結(jié)果第4題實驗結(jié)果圖表Correlations國民收入存款余額國民收入PearsonCorrelation1.976**Sig.(1-tailed).000SumofSquaresandCross-products293170.56764137.265Covariance11275.7912466.818N2727存款余額PearsonCorrelation.976**1Sig.(1-tailed).000SumofSquaresandCross-products64137.26514723.639Covariance2466.818566.294N2727**.Correlationissignificantatthe0.01level(1-tailed).數(shù)據(jù)分析：從上圖可以看出，Sig.值為0.00小于0.05，所以，線性相關(guān)具有顯著性。一試驗5及目的5.某高校抽樣得到10名短跑運(yùn)動員，測出100米的名次和跳高的名次如表8.18，問這兩個名次是否在0.05的顯著性水平下具有相關(guān)性。（數(shù)據(jù)來源：《應(yīng)用統(tǒng)計學(xué)：數(shù)據(jù)統(tǒng)計方法、數(shù)據(jù)獲取與SPSS應(yīng)用》馬慶國，科學(xué)出版社；數(shù)據(jù)文件：data8-7.sav）表8.1810名運(yùn)動員的100米及跳高名次百米名次12345678910跳高名次43152710896二實驗步驟及內(nèi)容距離分析的步驟：1.打開相應(yīng)數(shù)據(jù)文件2.運(yùn)行按Analyze→Correlate→distance，在computerdistances中選擇betweenvariables單選框，定義進(jìn)行變量間的距離分析，在measure中選擇dissmilarities,求解其不相似測度；單擊measures按鈕在interval下拉列表中選擇euclideandistances表示計算變量間的歐式距離第5題實驗結(jié)果圖表Correlations百米名次跳高名次百米名次PearsonCorrelation1.697*Sig.(1-tailed).013SumofSquaresandCross-products82.50057.500Covariance9.1676.389N1010跳高名次PearsonCorrelation.697*1Sig.(1-tailed).013SumofSquaresandCross-products57.50082.500Covariance6.3899.167N1010*.Correlationissignificantatthe0.05level(1-tailed).數(shù)據(jù)分析：從上圖可以看出，兩個Sig.值均為0.013均小于0.05，所以，兩個名次的線性相關(guān)都具有顯著性。第6題實驗結(jié)果圖表CorrelationsControlVariables銷量價格廣告費(fèi)用日照時間銷量Correlation1.000-.772.748Significance(2-tailed)..005.008df099價格Correlation-.7721.000-.492Significance(2-tailed).005..125df909廣告費(fèi)用Correlation.748-.4921.000Significance(2-tailed).008.125.df990數(shù)據(jù)分析：從上圖中可以看出銷量與價格的相關(guān)系數(shù)為-0.772，Sig.為0.005小于0.05，所以二者存在顯著的相關(guān)性。同理，銷量和廣告費(fèi)用之間也存在顯著的相關(guān)性。第7題實驗結(jié)果圖表ProximityMatrixEuclideanDistance1231.00011.26913.191211.269.0002.236313.1912.236.000Thisisadissimilaritymatrix數(shù)據(jù)分析：從上表中可以看出1和2和3的差距都比較大，2和3的差距要小些。第九章實驗題目一實驗?zāi)康?.合金鋼的強(qiáng)度y與鋼材中碳的含量x有密切的關(guān)系，為了冶煉出符合要求強(qiáng)度的鋼，常常通過控制鋼水中的碳含量來達(dá)到目的，因此需要了解y與x之間的關(guān)系，數(shù)據(jù)如表9.27所示，現(xiàn)對x和y進(jìn)行一元線性回歸分析。（數(shù)據(jù)文件為：data9-5.sav）表9.27碳含量與鋼強(qiáng)度數(shù)據(jù)碳含量0.030.040.050.070.090.10.120.150.170.2鋼強(qiáng)度40.539.54141.543424547.55356二實驗步驟及內(nèi)容實驗原理：本章實驗原理主要為一元線性回歸分析（3題）、多元線性回歸分析（4題）、曲線估計（5題）一元線性回歸分析的實驗步驟：1.打開相應(yīng)數(shù)據(jù)文件，定義相應(yīng)變量X、Y2.按Analyze→Regression→Linear的順序打開對話框，將變量“Y”作為因變量選入Dependent列表框，將變量“X”作為自選變量選入Independent列表框。3.單擊Plots按鈕打開對話框，選用DEPENDENT和*ZPRED作圖。并且選擇Histogram復(fù)選框給出正態(tài)曲線和Normalprobabilityplot復(fù)選框標(biāo)出標(biāo)準(zhǔn)化殘差的正態(tài)概率圖。4.單擊Save按鈕，打開LinearRegression:Save對話框，在PredictedValues選項組中選擇Standardized選項，在Residuals選項組中選擇Standard-ized選項，在Distans選項中選擇Cook’s和Leveragevalues兩個選項。5.運(yùn)行，得出結(jié)果。三結(jié)果分析第3題實驗數(shù)據(jù)CoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)-94.57528.417-3.328.009x1410.21088.511.98315.933.000a.DependentVariable:Y數(shù)據(jù)分析：從表格和圖形中可以看出，殘差滿足正態(tài)分布，且一元線性擬合優(yōu)度較高。一實驗4及目的4.某公司太陽鏡銷售情況如表8.17，銷售量與平均價格、廣告費(fèi)用和日照時間之間的關(guān)系作多元線性回歸分析。（數(shù)據(jù)文件：data8-8.sav）二實驗步驟及內(nèi)容多元線性回歸分析的步驟：1.打開相應(yīng)數(shù)據(jù)文件，定義相應(yīng)變量X、Y2.按Analyze→Regression→Linear的順序打開對話框，將變量“Y”作為因變量選入Dependent列表框，將所有的變量“X”作為自選變量選入Independent列表框。3.在Statistics對話框中選擇estimated、modelfit、discriptives、durbin-watson4.單擊Plots按鈕打開對話框，選用DEPENDENT和ZRESID作圖。并且選擇Histogram復(fù)選框給出正態(tài)曲線和Normalprobabilityplot復(fù)選框標(biāo)出標(biāo)準(zhǔn)化殘差的正態(tài)概率圖。5.單擊Save按鈕，打開LinearRegression:Save對話框，在PredictedValues選項組中選擇Standardized選項，在Residuals選項組中選擇Standard-ized選項，在Distans選項中選擇Cook’s和Leveragevalues兩個選項。6.在options對話框里默認(rèn)設(shè)置。各項選項確認(rèn)后運(yùn)行。7.運(yùn)行，得出結(jié)果。第4題實驗數(shù)據(jù)：Correlations銷量價格廣告費(fèi)用日照時間PearsonCorrelation銷量1.000-.922.964.973價格-.9221.000-.885-.851廣告費(fèi)用.964-.8851.000.923日照時間.973-.851.9231.000Sig.(1-tailed)銷量..000.000.000價格.000..000.000廣告費(fèi)用.000.000..000日照時間.000.000.000.N銷量12121212價格12121212廣告費(fèi)用121