华东理工大学多元统计分析与SPSS应用实验-(2)VIP免费

华东理工大学2013—2014学年第二学期《多元统计分析与SPSS应用》实验报告2班级学号姓名开课学院商学院任课教师任飞成绩实验内容：实验2方差分析2.1.熟悉One---SampleTTest功能AnalyzeCompareMeansOne---SampleTTest(t检验)(1).选用Employeedata.sav文件中的变量，将salary作为Test因变量，test值分别取34000、35000、34419、24000，作均值检验。(2).仍选用Employeedata.sav文件中的变量，先作10%的随机抽样，然后将salary作为Test因变量，test值取34419，作均值检验。2.2.熟悉Independent--SamplesTTest功能AnalyzeCompareMeansIndependent--SamplesTtest…选用Employeedata.sav文件中的变量，将CurrentSalary作为TestVariables,gender作GroupingVariable，作两样本比较T检验。2.3.熟悉Paired--SamplesTTest功能AnalyzeCompareMeansPaired--SamplesTtest…选用Trendschapter12.sav文件中的变量，将connect,dsconect作为pairedvariables作配对样本统计分析。2.4.熟悉One—WayANOVA功能运用AnalyzeCompareMeansOne—WayANOVA…选用Tomato.sav文件中的变量，将height作为dependentvariable,fert作为factor,作单因素方差分析2.5.熟悉GeneralFactorial功能AnalyzeGeneralLinearModel1GLM---Univariate…选用Plastic.sav文件中的变量，将tear_res作为dependentvariable,extrusn,additive作为factor,作双因素方差分析实验要求：根据实验内容撰写分析报告。教师评语：教师签名：年月日实验报告：实验2.1熟悉One---SampleTTest功能（1）选用Employeedata.sav文件中的变量，Analyze→CompareMeans→One---SampleTTest，将salary作为Test因变量，test值分别取34000、35000、34419、24000，作均值检验。如图实验结果：1.TestValue=34000：2双尾概率P=0.593>α=0.05，故接受原假设，说明样本salary均值与假设值34000无显著性差异；2.TestValue=35000：双尾概率P=0.460>α=0.05，故接受原假设，说明样本salary均值与假设值35000无显著性差异；3.TestValue=34419：3双尾概率P=0.999>>α=0.05，故接受原假设，说明样本salary均值与假设值35000不仅无显著性差异，而且接近样本均值。4.TestValue=24000：双尾概率P=0.00<<α=0.05，故接受原假设，说明样本salary均值与假设值24000显著性差异。(2).仍选用Employeedata.sav文件中的变量，先作10%的随机抽样，然后将salary作为Test因变量，test值取34419，作均值检验。随机抽样：data→selectcases→randomsampleofcases→sample→approximately10%→Continue→OK4实验结果（部分原始数据序号被划掉）：5再均值检验过程：Analyze→CompareMeans→One---SampleTTest，将salary作为Test因变量，test值取34419，所得实验数据结果如下图所示：双尾概率P=0.284>α=0.05，故接受原假设，说明随机抽样样本的salary均值与假设值34419无显著性差异。实验2.2熟悉Independent--SamplesTTest功能选用Employeedata.sav文件中的变量，选择Analyze→CompareMeans→Independent--SamplesTtest，将CurrentSalary作为TestVariables,gender作GroupingVariable，作两样本比较T检验，选择definegroups,两6个group分别定义为0、1，如下图实验结果如下图表中双尾概率P都为0.000<<α=0.05，故不接受原假设，说明样本salary与gender有显著性差异。实验2.3熟悉Paired--SamplesTTest功能选用Trendschapter12.sav文件中的变量，选择Analyze→CompareMeans→Paired--SamplesTtest，将connect,dsconect作为pairedvariables作配对样本统计分析,如下图7实验结果如下图双尾概率P=0.000<α=0.05，故拒绝原假设，说明connect和dsconect变量间有显著性差异。实验2.4熟悉One—WayANOVA功能运用选用Tomato.sav文件中的变量，选择Analyze→CompareMeans→One—WayANOVA，将height作为dependentvariable,fert作为factor,作单因素方差分析，如下图8实验结果如下图:概率值P=0.025<α=0.05，说明肥料的不同造成的最终高度之间有显著性差异，即肥料与高度存在因果关系。实验2.5熟悉GeneralFactorial功能选用Plastic.sav文件中的变量，Analyze→GeneralLinearModel→Univariate，将tear_res选入到“dependengtvariable”框里，extrusn,additive选入到“fixedfactor”框中，作双因素方差分析。单击“model”按钮，弹出“univariatemode”对话框，选择“custom”。在效应选项中选择主效应选项“maineffects”，将extrusn，additive两个因子选入“model”框中，如下图9实验结果如下图由上述实验结果可知，extrusn因子的α=0.001<α=0.05，additive的P=0.015<α=0.05，则知extrusn,和additive都高度显著，即不同的extrusn，不同的additive都会对tear_res有显著影响。10