食品實(shí)驗(yàn)設(shè)計(jì)與分析 實(shí)驗(yàn)報(bào)告 精品.doc

食品實(shí)驗(yàn)設(shè)計(jì)與分析實(shí)驗(yàn)報(bào)告試驗(yàn)一、SPSS數(shù)據(jù)文件管理一、實(shí)驗(yàn)?zāi)康呐c要求通過本試驗(yàn)項(xiàng)目，使學(xué)生理解并掌握SPSS 軟件包有關(guān)數(shù)據(jù)文件創(chuàng)建和整理的基本操作，學(xué)習(xí)如何將收集到的數(shù)據(jù)輸入計(jì)算機(jī)，建成一個(gè)正確的SPSS 數(shù)據(jù)文件，并掌握如何對(duì)原始數(shù)據(jù)文件進(jìn)行整理，包括數(shù)據(jù)查詢，數(shù)據(jù)修改、刪除，數(shù)據(jù)的排序等等。二、試驗(yàn)原理SPSS 數(shù)據(jù)文件是一種結(jié)構(gòu)性數(shù)據(jù)文件，由數(shù)據(jù)的結(jié)構(gòu)和數(shù)據(jù)的內(nèi)容兩部分構(gòu)成，也可以說由變量和觀測兩部分構(gòu)成。一個(gè)典型的SPSS 數(shù)據(jù)文件如表1 所示。表1 SPSS 數(shù)據(jù)文件結(jié)構(gòu)變量姓名性別年齡.張三145數(shù)據(jù)內(nèi)容.李四223.觀測.王五245.SPSS 變量的屬性SPSS 中的變量共有10 個(gè)屬性，分別是變量名（Name）、變量類型（Type）、長度（Width）、小數(shù)點(diǎn)位置（Decimals）、變量名標(biāo)簽（Label）、變量名值標(biāo)簽（Value）、缺失值（Missing）、數(shù)據(jù)列的顯示寬度（Columns）、對(duì)其方式（Align）和度量尺度（Measure）。定義一個(gè)變量至少要定義它的兩個(gè)屬性，即變量名和變量類型，其他屬性可以暫時(shí)采用系統(tǒng)默認(rèn)值，待以后分析過程中如果有需要再對(duì)其進(jìn)行設(shè)置。在spss 數(shù)據(jù)編輯窗口中單擊“變量視窗”標(biāo)簽，進(jìn)入變量視窗界面（如圖1 所示）即可對(duì)變量的各個(gè)屬性進(jìn)行設(shè)置。三、操作步聚：例1：某航空公司38 名職員性別和工資情況的調(diào)查數(shù)據(jù)，如表2 所示，試在SPSS中進(jìn)行如下操作：（1）將數(shù)據(jù)輸入到SPSS 的數(shù)據(jù)編輯窗口中，將gender 定義為字符型變量，將salary定義為數(shù)值型變量，并保存數(shù)據(jù)文件，命名為“試驗(yàn)1-1.sav”。（2）插入一個(gè)變量ine，定義為數(shù)值型變量。（3）將數(shù)據(jù)文件按性別分組：選擇菜單【數(shù)據(jù)】 【排列個(gè)案】 打開對(duì)話框 選Gender(A) 按 鍵 在“排列依據(jù)”中：Gender(A) 在排列順序中選“升序” 確定。 （4）查找工資大于40000 美元的職工：選擇菜單【數(shù)據(jù)】 【選擇個(gè)案】 打開對(duì)話框 選如果條件滿足（C） 雙擊“如果” 打開“選擇個(gè)案If” 選定”Salary” 按 鍵 在右邊Salary 出輸入40000 繼續(xù) 在“輸出”選定“過濾掉未選定的個(gè)案（F）” 確定。 （5）當(dāng)工資大于40000 美元時(shí)，職工的獎(jiǎng)金是工資的20；當(dāng)工資小于40000 美元時(shí)，職工的獎(jiǎng)金是工資的10%，假設(shè)實(shí)際收入工資獎(jiǎng)金，計(jì)算所有職工的實(shí)際收入，并添加到ine 變量中。表2 某航空公司38 名職員情況的調(diào)查數(shù)據(jù)表IdGenderSalaryIdGenderSalary1M$ 5700020F$ 26250162M$ 4020021F$ 388503F$ 2145022M$ 217504F$ 2190023F$ 240005M$ 4500024F$ 169506M$ 3210025F$ 211507M$ 3600026M$ 310508F$ 2190027M$ 603759F$ 2790028M$ 3255010F$ 2400029M$ 13500011F$ 3030030M$ 3120012M$ 2835031M$ 3615013M$ 2775032M$ 11062514F$ 3510033M$ 4200015M$ 2730034M$ 9200016M$ 4080035M$ 8125017M$ 4600036F$ 3135018M$10375037M$ 2910019M$ 4230038M$ 31350四、結(jié)果及分析SAVE OUTFILE=C:UsersAdministratorDesktop實(shí)驗(yàn)1-1.sav /PRESSED.SORT CASES BY gender(A).USE ALL.PUTE filter_$=(salary = 40000).VARIABLE LABELS filter_$ salary = 40000 (FILTER).VALUE LABELS filter_$ 0 Not Selected 1 Selected.FORMATS filter_$ (f1.0).FILTER BY filter_$.EXECUTE.USE ALL.PUTE filter_$=(salary = 40000).VARIABLE LABELS filter_$ salary = 40000 (FILTER).VALUE LABELS filter_$ 0 Not Selected 1 Selected.FORMATS filter_$ (f1.0).FILTER BY filter_$.EXECUTE.SAVE OUTFILE=C:UsersAdministratorDesktop實(shí)驗(yàn)1-1.sav /PRESSED. GET FILE=H:實(shí)驗(yàn)二實(shí)驗(yàn)二.sav.DATASET NAME 數(shù)據(jù)集2 WINDOW=FRONT. DATASET ACTIVATE 數(shù)據(jù)集2.DATASET CLOSE 數(shù)據(jù)集1.試驗(yàn)二、 在線分析處理過程（OLAP）一、實(shí)驗(yàn)要求1、 掌握SPSS軟件的窗口界面和基本操作。2、 掌握數(shù)據(jù)文件、輸出文件的建立、保存、打開操作。3、 掌握常用的數(shù)據(jù)預(yù)處理操作。二、實(shí)驗(yàn)原理OLAP(Online Analytical Processing)過程對(duì)于按一個(gè)或多個(gè)分組變量所分的組計(jì)算所考察的連續(xù)變量的總體值、均值以及其它基本統(tǒng)計(jì)量，稱為對(duì)該變量作摘要分析，結(jié)果以分層的方式輸出，表中每一層是依據(jù)一個(gè)分組變量的結(jié)果輸出。在建立或打開一個(gè)數(shù)據(jù)文件后，就可進(jìn)行在線分析處理了。Summary Variable 框，要求進(jìn)入該框中的變量是數(shù)值變量，程序?qū)?duì)該框中得變量作摘要分析。Grouping Variable框，從左側(cè)的源變量框中，選擇取值有限的數(shù)字型或字符型變量作為分層變量進(jìn)入該框，程序?qū)凑彰總€(gè)分組變量的每一類別進(jìn)行摘要分析。需要說明的是，這里的分層變量在實(shí)際的運(yùn)算過程中并不起到分組變量的作用，而僅僅是確定進(jìn)入統(tǒng)計(jì)過程的觀測量的范圍。例如，選擇數(shù)學(xué)成績作為摘要分析變量，而性別變量作為分層變量。要計(jì)算數(shù)學(xué)平均成績，那么在輸出結(jié)果中顯示的并不是男生的數(shù)學(xué)平均成績和女生的數(shù)學(xué)平均成績，而是所有的屬于男女生的觀察量的數(shù)學(xué)成績的總平均值。Statistics對(duì)話框，在主對(duì)話框中單擊Statistics按鈕，打開Statistics對(duì)話框，在該框中可以選擇要輸出的統(tǒng)計(jì)量。可供選擇的統(tǒng)計(jì)量有：Sum(總和)、Number of cases（觀察量數(shù)目）、Mean(均值)、Median(中位數(shù))、Grouped median(分組中位數(shù))，Standard error of the mean (均值標(biāo)準(zhǔn)誤差)、Minimum(最小值)、Maximum(最大值)，Range(范圍)、Standard deviation（標(biāo)準(zhǔn)差）、Variance（方差）、Kurtosis（峰度）、Standard error of kurtosis（峰度的標(biāo)準(zhǔn)誤差）、Skewness（偏度）、Standard error of skewness（偏度的標(biāo)準(zhǔn)誤差）、First（首值）、Last（尾值）、Percentage of total sum（占總和的百分比）、Percentage of total N（占觀察量總數(shù)的百分比）、Geometric mean（幾何均數(shù)）、Harmonic mean（調(diào)和均數(shù)）Title對(duì)話框，在主對(duì)話框中單擊Title 按鈕，即可打開Title 對(duì)話框，在該框中可以為數(shù)出加上標(biāo)題。在Title 框中可以設(shè)定標(biāo)題。注意，該標(biāo)題并不是整個(gè)輸出的標(biāo)題，而只是統(tǒng)計(jì)量輸出欄的標(biāo)題。在Caption 中輸入注解，這些注解將顯示在統(tǒng)計(jì)量輸出欄的下面。三、操作步聚：例-01 某地區(qū)30名10歲少兒的身高（cm）進(jìn)行測量，數(shù)據(jù)如下?，F(xiàn)要求對(duì)其進(jìn)行在線分析處理。表1 少兒身高數(shù)據(jù)編號(hào)性別年級(jí)身高（cm）編號(hào)性別年級(jí)身高（cm）1男5131.516女5132.72男5137.417女5133.03男5128.218女5139.74男6136.019女6125.45男4140.420女5138.66男4135.521女6137.57男4121.422女4141.48男6129.223女5138.89男4134.124女4120.910男4135.825女6137.511男6132.226女5124.012男5129.027女4140.313男5132.628女5130.114男6140.929女4133.415男5129.330女6136.71、 按Analyze-Reports-OLAP Cubes的順序單擊，即可打開OLAP Cubes 對(duì)話框2、 將身高h(yuǎn)eight 變量選入Summary Variable 框（進(jìn)入該框中的變量要求是數(shù)值變量）中，將sex變量作為分組變量選入Grouping Variable 中。3、 單擊Statistics按扭，打開Statistics對(duì)話框，選擇Sum,Mean,Median項(xiàng)作為要輸出的統(tǒng)計(jì)量。4、 單擊Title按扭，打開Title對(duì)話框，在Title框中輸入“少兒身高分層報(bào)告”單擊Continue鍵返回。5、 單擊OK鍵完成。四、結(jié)果及分析OLAP CUBES 身高 BY 性別 /CELLS=SUM MEAN MEDIAN /TITLE=OLAP 立方體.OLAP 立方體附注創(chuàng)建的輸出21-5月-20XX 12時(shí)49分24秒注釋 輸入活動(dòng)的數(shù)據(jù)集數(shù)據(jù)集0過濾器權(quán)重拆分文件工作數(shù)據(jù)文件中的 N 行30缺失值的處理缺失的定義就表中的每個(gè)因變量而言，將該因變量及所有分組變量的用戶定義缺失值視為缺失。使用的案例對(duì)于各表，所使用的案例均無自變量缺失值，且并非所有因變量均含有缺失值。語法OLAP CUBES 身高 BY 性別 /CELLS=SUM MEAN MEDIAN /TITLE=OLAP 立方體.資源處理器時(shí)間00 00:00:00.203已用時(shí)間00 00:00:00.280數(shù)據(jù)集0 案例處理摘要案例已包含已排除總計(jì)N百分比N百分比N百分比身高 * 性別30100.0%0.0%30100.0%OLAP 立方體性別:總計(jì)合計(jì)均值中值身高4001.6133.387133.850試驗(yàn)三 觀察值摘要分析過程一、實(shí)驗(yàn)要求掌握SPSS軟件的基本統(tǒng)計(jì)分析方法。對(duì)觀察值分別進(jìn)行分組統(tǒng)計(jì)分析，掌握功能框的選擇。二、原理Cases Summary 過程主要是計(jì)算指定變量的分組統(tǒng)計(jì)量，分組變量可以是一個(gè)，也可以有多個(gè)。如果是多個(gè)的話，將在所有水平進(jìn)行交叉組合。每個(gè)組中，變量值可以顯示出來或不顯示。對(duì)大數(shù)據(jù)集，可以僅列出前面的觀察值。在建立或打開一個(gè)數(shù)據(jù)文件后，就可進(jìn)行觀察值摘要分析了。按Analyze-Reports-Case Summaries的順序單擊，就打開了Summarize Cases主對(duì)話框。該框中各項(xiàng)功能如下：1、 Variables框可以選擇一個(gè)或多個(gè)變量進(jìn)入該框，觀察值摘要分析過程一次可以分析多個(gè)變量。2、 Grouping Variables框分組變量可以是數(shù)值型或是短字符型變量，變量值僅表示分類，取值應(yīng)盡可能少。3、 Display cases框選中該框，下面三個(gè)復(fù)選框同時(shí)被激活，表示可供選擇。（1） Limit cases to first復(fù)選框選中該框，并在隨后的參數(shù)框中輸入數(shù)值，該數(shù)值表示分析過程只對(duì)前幾個(gè)觀測值進(jìn)行。（2） Show only valid cases復(fù)選框選中該框，帶有缺失值的觀測值將不被顯示。（3） Show case numbers復(fù)選框選中該框，將在列出現(xiàn)觀察值的同時(shí)，顯示觀察值的序號(hào)。4、 Statistics對(duì)話框該框中可以選擇要輸出的統(tǒng)計(jì)量。5、 Options對(duì)話框單擊Options按鈕，即可打開Options對(duì)話框，在該對(duì)話框中，可以確定輸出結(jié)果的標(biāo)題、腳注、分組統(tǒng)計(jì)量的標(biāo)題等。（1） Title框（2） Caption框（3） Subheadings for total 復(fù)選框選中該框，將在輸出結(jié)果中顯示各分組統(tǒng)計(jì)量的標(biāo)題。（4） Exclude cases with missing values listwize 復(fù)選框選中該框，在分析過程中剔除帶有缺失值的觀測量。（5） Missing statistics appear as 框在框中健入一個(gè)字符以便在輸出結(jié)果中標(biāo)記缺失值。四、操作步驟1、 輸入數(shù)據(jù)集，用sex表示性別，grade表示年級(jí)，height表示身高。2、 按analyze reportscase summaries的順序單擊，就打開了summarize Case主對(duì)話框。3、 將變量height選入Variable框中作為摘要分析的變量，將sex、grade選入Grouping框中作為分組變量。4、 清除Display case復(fù)選框5、 單擊Statistics按扭，在對(duì)話框中選中作為要輸出的統(tǒng)計(jì)量，單擊continue鍵返回主對(duì)話框。6、 單擊OK鍵四、結(jié)果及分析SUMMARIZE /TABLES=height BY sex BY grade /FORMAT=NOLIST TOTAL /TITLE=個(gè)案匯總 /MISSING=VARIABLE /CELLS=MEAN MEDIAN SUM VAR.摘要附注創(chuàng)建的輸出21-5月-20XX 13時(shí)02分19秒注釋 輸入活動(dòng)的數(shù)據(jù)集數(shù)據(jù)集0過濾器權(quán)重拆分文件工作數(shù)據(jù)文件中的 N 行20缺失值的處理缺失的定義就表中的每個(gè)因變量而言，將該因變量及所有分組變量的用戶定義缺失值視為缺失。使用的案例對(duì)于各表，所使用的案例均無自變量缺失值，且并非所有因變量均含有缺失值。語法SUMMARIZE /TABLES=height BY sex BY grade /FORMAT=NOLIST TOTAL /TITLE=個(gè)案匯總 /MISSING=VARIABLE /CELLS=MEAN MEDIAN SUM VAR.資源處理器時(shí)間00 00:00:00.203已用時(shí)間00 00:00:00.312數(shù)據(jù)集0 案例處理摘要案例已包含已排除總計(jì)N百分比N百分比N百分比height * sex * grade20100.0%0.0%20100.0%個(gè)案匯總heightsexgrade均值中值合計(jì)方差男4133.4400135.5000667.2050.9135132.3667131.5000397.1021.7236132.6000132.6000265.2023.120總計(jì)132.9500134.80001329.5030.298女4131.1500131.1500262.30210.1255136.5600138.6000682.8011.6536133.4667137.5000400.4048.803總計(jì)134.5500137.50001345.5044.576總計(jì)4132.7857135.5000929.5070.2115134.9875135.20001079.9017.5766133.1200136.0000665.6030.407總計(jì)133.7500135.65002675.0036.141試驗(yàn)四、 單因素方差分析一、 實(shí)驗(yàn)要求掌握單因素方差分析的方法，包括有重復(fù)實(shí)驗(yàn)結(jié)果的和沒有重復(fù)實(shí)驗(yàn)結(jié)果的分析方法，了解各功能框的選取，并對(duì)輸出結(jié)果能進(jìn)行解析。二、 原理1、 主對(duì)話框按Analyze-pared Means-One Way Anova的順序單擊，就可打開“單因素方差分析”主對(duì)話框。2、 因變量框在主對(duì)話框中可以看到因變量框（Dependent List），該框中列出要分析的所有因變量。要從左邊源變量框中選取變量進(jìn)入該框，只需選中所要選取的變量，然后按向右的箭頭即可。可以有多個(gè)因變量。3、 因素框在主對(duì)話框中可以看到因素框（Factor），該框中列出了因素。要從左邊源變量框中選取變量進(jìn)入該框，只需選中所要選取的變量，然后按向右的箭頭即可。因素同樣也是分組變量，必須滿足只取有限個(gè)水平的條件。4、 Contrast對(duì)話框在主對(duì)話框中單擊（Contrast）健，即可打開“Contrast”對(duì)話框。在該框中指定一種要用t檢驗(yàn)來檢驗(yàn)的priori對(duì)比，可以進(jìn)行均值的多項(xiàng)式比較。該框中各項(xiàng)意義如下：（1） Polynomial 復(fù)選框選中該框，將進(jìn)行均值的多項(xiàng)式比較。均值的多項(xiàng)式比較是指包括兩個(gè)或更多個(gè)均值的比較。選中該框，并在其后的參數(shù)框中選定階數(shù)，Linear是一階，即是線性模型，Quadratic是二階，Cubic是三階，最高可到五階。（2） Coefficients參數(shù)框在該框中輸入多項(xiàng)式各組均值的系數(shù)，方法是在Coefficients中輸入一個(gè)系數(shù)，單擊Add按鈕，Coefficients框中的系數(shù)就進(jìn)入下面的方框中。依次輸入各組均值的系數(shù)，在方形框中形成一列數(shù)值，因素變量分為幾組，就輸入幾個(gè)系數(shù)。例如，如果多項(xiàng)式中只包括第一組與第四組的均值的系數(shù)，必須把第二個(gè)、第三個(gè)系數(shù)輸入為0?？紤]另一種情況，如果只包括第一組與第二組的均值，側(cè)只需要輸入兩個(gè)系數(shù)，第三個(gè)、第四個(gè)可以不輸入。（3） Coefficient Total欄該欄顯示每組系數(shù)的總和，例如，輸入第一個(gè)系數(shù)1，該欄顯示1，輸入第二個(gè)系數(shù)2，該欄顯示3，輸入第三個(gè)系數(shù)4，該欄顯示7。5、 Post Hoc對(duì)話框在主對(duì)話框中，單擊Post Hoc按鈕，即可進(jìn)入Post Hoc Multiple parisons對(duì)話框。在該對(duì)話框中可以選擇進(jìn)行多重比較的方法。（1） 方差相等時(shí)（Equal variance assumed）（2） 方差不相等時(shí)（Equal variance not assumed）6、 Options對(duì)話框在主對(duì)話框中單擊Options按鈕，展開“Options”對(duì)話框。在該對(duì)話框中規(guī)定輸出的統(tǒng)計(jì)量，并規(guī)定缺失值的處理方式。（1） Statistics欄該欄中規(guī)定要輸出的統(tǒng)計(jì)量。*Descriptive復(fù)選框選中該框，要求輸出描述統(tǒng)計(jì)量，包括觀察量數(shù)目，均值，最小值，最大值，標(biāo)準(zhǔn)差，標(biāo)準(zhǔn)誤差，各組中每個(gè)因變量的95%的置信區(qū)間。*Homogeneity of variance 復(fù)選框選中該框，要求用Levene檢驗(yàn)進(jìn)行方差一致性檢驗(yàn)（2） Means plot 復(fù)選框選中該框，輸出均數(shù)分布圖，即根據(jù)各組均數(shù)描繪出因變量的分布情況。（3） Missing Values欄在該框中選擇缺失值的處置方式，有兩個(gè)選項(xiàng)*Exclude cases analysis by analysis選中該框，在檢驗(yàn)變量中含有缺失值的觀察將不被計(jì)算。Exclude cases list-wise 選中該框，在任何一個(gè)變量中含有缺失值的觀測都將不被計(jì)算。三、 操作步驟例 某燈泡廠用四種不同配料方案制成的燈絲，生產(chǎn)了四批燈泡。在每批燈泡中隨即地抽取若干個(gè)燈泡測其使用壽命（單位：小時(shí)），數(shù)據(jù)列于下表?，F(xiàn)在想知道，對(duì)于這四種燈絲生產(chǎn)的燈泡，其使用壽命有無顯著差異。燈泡使用壽命燈泡燈絲12345678甲1600161016501680170017001780乙15001640140017001750丙16401550160016201640160017401800丁151015201530157016401680在該例中，可設(shè)燈泡的使用壽命為因變量，燈泡的配料為因子，四種配料方案為四水平，這是單因素四水平的試驗(yàn)。如果這四種配料方案制成的燈絲，其燈泡的使用壽命沒有顯著差異，側(cè)可以從中挑選一種既經(jīng)濟(jì)又方便的配料方案；如果這四種配料方案制成的燈絲，其燈泡的使用壽命存在顯著差異，側(cè)希望從中挑選一種較優(yōu)的配料方案，以對(duì)提高燈泡的使用壽命更為有利。1、 在數(shù)據(jù)窗建立數(shù)據(jù)文件，定義兩個(gè)變量并輸入數(shù)據(jù)，如圖所示，這兩個(gè)變量是1） filament變量，數(shù)值型，取值1、2、3、4分別代表、甲乙丙丁，格式為F1.0，標(biāo)簽為“燈絲”2） hours變量，數(shù)值型，其值為燈泡使用壽命，單位是小時(shí)，格式為F4.0，標(biāo)簽為“燈泡使用壽命”2、 按analyze pared means one-way anova的順序單擊，打開“單因數(shù)方差分析”主對(duì)話框。3、 從左邊源變量框中選取變量hours，然后按向右的箭頭，所選取的變量hours即進(jìn)入框中Dependent List框中。4、 從左邊源變量框中選取變量filament，然后按向右的箭頭，所選取的變量filament即進(jìn)入Factor框中5、 在主對(duì)話框中，單擊OK提交運(yùn)行。四、結(jié)果及分析GET FILE=H:實(shí)驗(yàn)二實(shí)驗(yàn)二.sav.DATASET NAME 數(shù)據(jù)集1 WINDOW=FRONT.NEW FILE.DATASET NAME 數(shù)據(jù)集2 WINDOW=FRONT.DATASET ACTIVATE 數(shù)據(jù)集1.NEW FILE.DATASET NAME 數(shù)據(jù)集3 WINDOW=FRONT.DATASET ACTIVATE 數(shù)據(jù)集2.ONEWAY hours BY fialment /MISSING ANALYSIS.單向附注創(chuàng)建的輸出27-5月-20XX 16時(shí)03分52秒注釋 輸入活動(dòng)的數(shù)據(jù)集數(shù)據(jù)集2過濾器權(quán)重拆分文件工作數(shù)據(jù)文件中的 N 行32缺失值處理缺失定義用戶定義的缺失值以缺失對(duì)待。使用的案例每個(gè)分析的統(tǒng)計(jì)量都基于對(duì)于該分析中的任意變量都沒有缺失數(shù)據(jù)的案例。語法ONEWAY hours BY fialment /MISSING ANALYSIS.資源處理器時(shí)間00 00:00:00.094已用時(shí)間00 00:00:00.733數(shù)據(jù)集2 ANOVA燈泡的使用壽命平方和df均方F顯著性組間36421.694312140.5651.639.209組內(nèi)162993.690227408.804總數(shù)199415.38525ONEWAY hours BY fialment /MISSING ANALYSIS.單向附注創(chuàng)建的輸出27-5月-20XX 16時(shí)04分41秒注釋 輸入活動(dòng)的數(shù)據(jù)集數(shù)據(jù)集2過濾器權(quán)重拆分文件工作數(shù)據(jù)文件中的 N 行32缺失值處理缺失定義用戶定義的缺失值以缺失對(duì)待。使用的案例每個(gè)分析的統(tǒng)計(jì)量都基于對(duì)于該分析中的任意變量都沒有缺失數(shù)據(jù)的案例。語法ONEWAY hours BY fialment /MISSING ANALYSIS.資源處理器時(shí)間00 00:00:00.000已用時(shí)間00 00:00:00.016數(shù)據(jù)集2 ANOVA燈泡的使用壽命平方和df均方F顯著性組間36421.694312140.5651.639.209組內(nèi)162993.690227408.804總數(shù)199415.38525試驗(yàn)五 多因素方差分析一、實(shí)驗(yàn)要求 掌握用SPSS進(jìn)行多因素分析方差分析的方法，能靈活運(yùn)用二、原理 同單因素方差分析三、操作步驟例 某生產(chǎn)隊(duì)在12塊面積相同的大豆試驗(yàn)田上，用不同方式施肥，大豆畝產(chǎn)（斤）的數(shù)據(jù)如下表。表1 大豆實(shí)驗(yàn)畝產(chǎn)數(shù)據(jù)編號(hào)氮肥（斤）磷肥（斤）畝產(chǎn)（斤）100400200390300420404450504460604455760430860420960440106446011645701264570氮肥用N表示，磷肥用P表示，兩個(gè)因子各取二水平，output 表示畝產(chǎn)（斤）。為了探明究竟氮肥的作用大，還是磷肥的作用大，我們進(jìn)行方差分析。 (1)輸入數(shù)據(jù)集，因素變量有兩個(gè)，即N(氮肥)和P(磷肥)，均有兩水平，0表示不用該肥料，1表示用該肥料；因變量：output(大豆畝產(chǎn))，單位為斤。 (2)在“Analyze”菜單中打開“General Linear Models”子菜單，從中選擇“Univariate”命令，打開“多因素方差分析”主窗口。 (3)指定分析變量。選擇因變量output進(jìn)入Dependent框。選擇因素變量N和P進(jìn)入Fixed Factors框。 (4)在主對(duì)話框中單擊(Contrasts)按鈕，打開對(duì)比方法對(duì)話框，在該對(duì)話框中作如下操作： 在Factor框中選擇N。 在Chang Contrast欄內(nèi)，單擊Contrasts參數(shù)框內(nèi)向下箭頭，打開比較方法表，選擇Simple項(xiàng)，再選擇First項(xiàng)為比較參考類，然后單擊(Change)按鈕，在Factors框中顯示N（simple（First）。 用相同方法指定P（simple（First）。單擊(Continue)按鈕回到主對(duì)話框。 (5)在主對(duì)話框中單擊(Options)按鈕，打開選項(xiàng)對(duì)話框，做如下操作： 在Factors框中選擇因素變量N、P、NP，單擊向右箭頭將因素變量送入Display Means for框中 在Display欄內(nèi)選中Spread vs1evel plot和Residual plot復(fù)選框 單擊(Continue)按鈕回到主對(duì)話框 (6)單擊(OK)按鈕回到主對(duì)話框。四、結(jié)果及分析 UNIANOVA 畝產(chǎn) BY 氮肥 磷肥 /CONTRAST(氮肥)=Simple(1) /CONTRAST(磷肥)=Simple(1) /METHOD=SSTYPE(3) /INTERCEPT=INCLUDE /EMMEANS=TABLES(氮肥) /EMMEANS=TABLES(磷肥) /EMMEANS=TABLES(氮肥*磷肥) /PRINT=HOMOGENEITY /PLOT=SPREADLEVEL RESIDUALS /CRITERIA=ALPHA(.05) /DESIGN=氮肥 磷肥 氮肥*磷肥.方差的單變量分析附注創(chuàng)建的輸出21-5月-20XX 18時(shí)49分15秒注釋 輸入活動(dòng)的數(shù)據(jù)集數(shù)據(jù)集0過濾器權(quán)重拆分文件工作數(shù)據(jù)文件中的 N 行12缺失值處理對(duì)缺失的定義用戶定義的缺失值作為缺失數(shù)據(jù)對(duì)待。使用的案例統(tǒng)計(jì)量的計(jì)算將基于帶有有效數(shù)據(jù)的所有案例，而這些有效數(shù)據(jù)適用于模型中的所有變量。語法UNIANOVA 畝產(chǎn) BY 氮肥 磷肥 /CONTRAST(氮肥)=Simple(1) /CONTRAST(磷肥)=Simple(1) /METHOD=SSTYPE(3) /INTERCEPT=INCLUDE /EMMEANS=TABLES(氮肥) /EMMEANS=TABLES(磷肥) /EMMEANS=TABLES(氮肥*磷肥) /PRINT=HOMOGENEITY /PLOT=SPREADLEVEL RESIDUALS /CRITERIA=ALPHA(.05) /DESIGN=氮肥 磷肥 氮肥*磷肥.資源處理器時(shí)間00 00:00:03.479已用時(shí)間00 00:00:08.068數(shù)據(jù)集0 主體間因子N氮肥0666磷肥0646誤差方差等同性的 Levene 檢驗(yàn)a因變量:畝產(chǎn)Fdf1df2Sig.9.86938.005檢驗(yàn)零假設(shè)，即在所有組中因變量的誤差方差均相等。a. 設(shè)計(jì) : 截距 + 氮肥 + 磷肥 + 氮肥 * 磷肥主體間效應(yīng)的檢驗(yàn)因變量:畝產(chǎn)源III 型平方和df均方FSig.校正模型33475.000a311158.3339.810.005截距2511675.00012511675.0002208.066.000氮肥9633.33319633.3338.469.020磷肥20833.333120833.33318.315.003氮肥 * 磷肥3008.33313008.3332.645.143誤差9100.00081137.500總計(jì)2554250.00012校正的總計(jì)42575.00011a. R 方 = .786（調(diào)整 R 方 = .706）定制假設(shè)檢驗(yàn)指數(shù)1對(duì)比系數(shù) (L 矩陣)氮肥 的簡單對(duì)比（參考類別 = 1）轉(zhuǎn)換系數(shù)（M 矩陣）單位矩陣對(duì)比結(jié)果（K 矩陣）零矩陣2對(duì)比系數(shù) (L 矩陣)磷肥 的簡單對(duì)比（參考類別 = 1）轉(zhuǎn)換系數(shù)（M 矩陣）單位矩陣對(duì)比結(jié)果（K 矩陣）零矩陣定制假設(shè)檢驗(yàn) #1對(duì)比結(jié)果（K 矩陣）氮肥 簡單對(duì)比a因變量畝產(chǎn)級(jí)別 2 和級(jí)別 1對(duì)比估算值56.667假設(shè)值0差分（估計(jì) - 假設(shè)）56.667標(biāo)準(zhǔn) 誤差19.472Sig.020差分的 95% 置信區(qū)間下限11.764上限101.570a. 參考類別 = 1檢驗(yàn)結(jié)果因變量:畝產(chǎn)源平方和df均方FSig.對(duì)比9633.33319633.3338.469.020誤差9100.00081137.500定制假設(shè)檢驗(yàn) #2對(duì)比結(jié)果（K 矩陣）磷肥 簡單對(duì)比a因變量畝產(chǎn)級(jí)別 2 和級(jí)別 1對(duì)比估算值83.333假設(shè)值0差分（估計(jì) - 假設(shè)）83.333標(biāo)準(zhǔn) 誤差19.472Sig.003差分的 95% 置信區(qū)間下限38.430上限128.236a. 參考類別 = 1檢驗(yàn)結(jié)果因變量:畝產(chǎn)源平方和df均方FSig.對(duì)比20833.333120833.33318.315.003誤差9100.00081137.500估算邊際均值1. 氮肥因變量:畝產(chǎn)氮肥均值標(biāo)準(zhǔn) 誤差95% 置信區(qū)間下限上限0429.16713.769397.415460.9186485.83313.769454.082517.5852. 磷肥因變量:畝產(chǎn)磷肥均值標(biāo)準(zhǔn) 誤差95% 置信區(qū)間下限上限0415.83313.769384.082447.5854499.16713.769467.415530.9183. 氮肥 * 磷肥因變量:畝產(chǎn)氮肥磷肥均值標(biāo)準(zhǔn) 誤差95% 置信區(qū)間下限上限00403.33319.472358.430448.2364455.00019.472410.097499.90360428.33319.472383.430473.2364543.33319.472498.430588.236分布-級(jí)別圖實(shí)驗(yàn)六 單一樣本T檢驗(yàn)一、實(shí)驗(yàn)要求掌握t-test（單一樣本t檢驗(yàn)、獨(dú)立樣本的T檢驗(yàn)、配對(duì)樣本t檢驗(yàn)）。二、原理1、簡介單一樣本T檢驗(yàn)(One-Sample T Test)是檢驗(yàn)單個(gè)變量的均值是否與假設(shè)檢驗(yàn)值(給定的常數(shù))之間存在差異。例如，研究某地區(qū)高考數(shù)學(xué)平均分?jǐn)?shù)與去年分?jǐn)?shù)(定值)的差異。如果已知總體均數(shù)，進(jìn)行樣本均數(shù)與總體均數(shù)之間差異顯著性檢驗(yàn)也屬于單一樣本的T檢驗(yàn)。例如，研究某地區(qū)高考數(shù)學(xué)平均分?jǐn)?shù)與全省高考數(shù)學(xué)平均分?jǐn)?shù)的差異，這樣的問題就是依靠進(jìn)行樣本均數(shù)與總體均數(shù)之間差異顯著性檢驗(yàn)即進(jìn)行單一樣本的T檢驗(yàn)來解決的問題。單一樣本T檢驗(yàn)過程對(duì)每個(gè)檢驗(yàn)變量給出的統(tǒng)計(jì)量包括觀測量個(gè)數(shù)、均值、標(biāo)準(zhǔn)差和均值的標(biāo)準(zhǔn)誤差，它還給出了每個(gè)數(shù)據(jù)值與假設(shè)檢驗(yàn)值之間的差的平均值以及進(jìn)行該差值為0的T檢驗(yàn)和該差值的置信區(qū)間，并且用戶可以指定這個(gè)顯著性水平。2、完全窗口分析2.1 One-SampleTTest主對(duì)話框按Analyzepare MeansOne Sample T Test的順序單擊，就可打開主對(duì)話框。2.2 Test Variable框Test Variable框中的變量是要作檢驗(yàn)的變量，要從源變量框中選取變量進(jìn)入該框，只需選中所要選取的變量，然后按向右的箭頭即可。2.3 Test Value參數(shù)框在該框中輸入一個(gè)定值作為假設(shè)檢驗(yàn)值。2.4 Options對(duì)話框在主對(duì)話框中單擊(Options)鍵，即可打開“Options”對(duì)話框。(1)ConfidenceInterval參數(shù)框在該框中輸入置信區(qū)間，必須在1-99之間，一般取為90、95、99等，過程將給出這個(gè)置信區(qū)間的上下限，需要說明的是，計(jì)算置信區(qū)間的變量不是樣本值，而是樣本值和假設(shè)檢驗(yàn)值(Test Value)的差。(2)MissingValue框在該框中選擇缺失值的處置方式。Excludecasesanalysisbyanalysis選中該框，在檢驗(yàn)變量中含有缺失值的觀測將不被計(jì)算。 Excludecaseslistwise選中該框，在任何一個(gè)變量中含有缺失值的觀測都將不被計(jì)算。三、操作步驟例題 某地區(qū)一所大學(xué)醫(yī)院測量新生的血紅蛋白值（g%）如下表。已知另一地區(qū)1618歲少年血紅蛋白平均值為11.657g%，檢驗(yàn)這一地區(qū)1618歲少年血紅蛋白值是否與另一地區(qū)的平均值相等。血紅蛋白值編號(hào)性別年齡血紅蛋白值編號(hào)性別年齡血紅蛋白值1男1813.6621女1611.362男1810.5722男1612.783男1612.5623男1815.094女179.8724女188.675女178.9925女178.566女1711.3526女1812.567男1714.5627女1711.568男1612.4028男1614.679女168.0529男167.8810男1814.0330男1812.3511女1812.8331男1613.6512男1615.5032女169.8713女1812.2533女1810.0914女1710.0634女1812.5515男1610.8835男1816.0416男189.6536男1813.7817女168.3637男1711.6718男1811.6638男1710.9819女188.5439女168.7820女177.7840男1611.35(1)按AnalyzepareMeansOneSam