SPSS软件的应用——多元统计分析
论文写作中如何利用SPSS进行多元统计分析
论文写作中如何利用SPSS进行多元统计分析在当今大数据时代，统计分析成为了各个领域研究的重要工具。
而SPSS （Statistical Package for the Social Sciences）作为一款专业的统计分析软件，被广泛应用于学术研究中。
本文将从多元统计分析的角度出发，探讨如何在论文写作中充分利用SPSS进行数据分析。
一、数据准备在进行多元统计分析之前，首先需要准备好可靠的数据。
数据的质量和完整性对于分析结果的准确性至关重要。
在数据准备阶段，可以通过SPSS软件进行数据清洗、缺失值处理和异常值检测等操作，以确保数据的可靠性。
二、描述性统计分析在进行多元统计分析之前，了解数据的基本情况是必要的。
通过SPSS的描述性统计分析功能，可以获得数据的均值、标准差、最大值、最小值等统计指标。
此外，还可以通过绘制直方图、箱线图等图表来展示数据的分布情况，为后续的分析提供基础。
三、相关性分析相关性分析是多元统计分析的重要环节之一。
通过SPSS的相关性分析功能，可以计算各个变量之间的相关系数，从而了解它们之间的关系。
相关系数的取值范围为-1到1，当相关系数接近1时，表示两个变量呈正相关；当相关系数接近-1时，表示两个变量呈负相关；当相关系数接近0时，表示两个变量之间没有线性关系。
通过相关性分析，可以帮助研究者深入了解变量之间的相互作用，为后续的因果分析提供依据。
四、因素分析因素分析是一种常用的降维技术，可以将大量的变量转化为少数几个因素，从而简化数据分析的复杂度。
通过SPSS的因素分析功能，可以识别出主要的因素，并计算出各个变量对于每个因素的贡献度。
因素分析可以帮助研究者发现变量之间的内在联系，提取出潜在的因素，从而更好地理解研究对象。
五、聚类分析聚类分析是一种无监督学习的方法，可以将数据样本划分为不同的类别或群组。
通过SPSS的聚类分析功能，可以根据变量之间的相似性将样本进行分类，从而发现数据中的内在结构。
根据实验结果,进行多元方差分析SPSS操作步骤
根据实验结果，进行多元方差分析SPSS操作步骤多元方差分析（MANOVA）是一种统计方法，用于比较两个以上组之间在多个连续因变量上的差异。
SPSS是一款功能强大的统计分析软件，可以用于进行多元方差分析。
下面是进行多元方差分析的SPSS操作步骤：1. 打开SPSS软件，并导入实验数据。
2. 在菜单栏选择“分析”（Analyze），然后选择“一元方差分析”（General Linear Model）。
3. 在弹出的对话框中，将多个连续因变量添加到“因变量”（Dependent Variables）框中。
点击“添加”按钮，然后选择需要分析的连续因变量。
4. 将一个或多个离散自变量添加到“因子”（Factors）框中。
点击“添加”按钮，然后选择需要分析的离散自变量。
5. 点击“选项”（Options）按钮，可以进行一些附加的设置。
例如，可以选择是否计算效应大小、调整误差项或进行共同协方差矩阵的检验等。
6. 点击“确定”按钮，开始进行多元方差分析。
7. 分析结果会显示在SPSS的输出窗口中。
可以查看因变量之间的差异是否显著，以及不同组之间是否存在显著差异。
8. 为了更好地理解结果，可以进一步进行后续分析。
例如，可以进行事后比较（Post hoc tests）来确定具体哪些组之间存在显著差异。
请注意，进行多元方差分析前，需要确保数据满足一些假设条件，如正态性、方差齐性和无多重共线性等。
另外，为了减少假阳性结果，应谨慎解释显著性水平。
以上是根据实验结果进行多元方差分析SPSS操作的步骤。
希望对您有所帮助！如有需要，请随时与我联系。
多元统计分析及SPSS应用课件
03
详细描述
SPSS的对应分析功能可以将分类变量 转换为数量型变量，通过降维技术展 示变量间的关系。
SPSS的对应分析功能简单易用，能够 处理大型数据集，并且可以清晰地展 示变量间的关系和类别间的比较。
SPSS的对应分析功能支持多种距离度 量方式，允许用户自定义类别间的比 较方式，并且可以结合图形界面直观 地展示结果，如散点图和气泡图。
03
生物医学
分析生物标志物和疾 病之间的关系，发现 潜在的治疗方法和药 物。
04
金融
分析多个经济指标和 股票价格，进行投资 决策和风险管理。
02
SPSS软件介绍
Chapter
SPSS软件的特点与优势
强大的统计分析功能
SPSS提供了广泛的统计分析方法，包括描述性统计、推论性统计、 多元统计分析等，可满足各种数据分析和科学研究的需求。
多维尺度分析
01
用于研究数据之间的相似性或差异性。
02
多维尺度分析是一种用于研究数据之间的相似性或差异性的方法。它通过建立一 个低维空间来表示高维数据，使得相似的数据点在空间中距离较近，差异较大的 数据点距离较远。多维尺度分析广泛应用于市场研究、心理学等领域。
判别分析
基于已知分类的数据建立判别函数， 对新的观测值进行分类。
用户可以从SPSS官网或其他授权渠道获取 SPSS软件的安装包。
安装过程
按照安装向导的指引，逐步完成软件的安装过程， 包括选择安装路径、配置软件组件等。
启动SPSS软件
安装完成后，双击桌面快捷方式或从开始菜 单启动SPSS软件。
SPSS软件的基本操作界面
主界面概览
SPSS的主界面包括菜单栏、工具栏、 数据编辑窗口、结果输出窗口等部分 。
利用spss对某个班成绩的多元统计分析.doc
对一所重点学校某个班成绩的综合分析摘要随着社会竞争的越来越激烈，家长和老师对于学生成绩的态度愈加重视，对于学生将来的发展与前途也同样感到一丝忧虑，因此及时公布学生的学习成绩并且能够增其长补其短对于学生将会有很大的帮助。
本文利用某所重点学校某个班的成绩单来分析这个班学生成绩的优劣，以达到取长补短的目的，主要应用了SPSS软件对成绩进行了综合性的分析。
关键词：综合分析；SPSS软件；成绩目录1.对应分析的概述 (1)2.聚类分析的概述 (3)2.1聚类分析的定义 (3)2.2聚类的方法分类 (3)2.3系统聚类法的基本步骤 (3)3.判别分析的概述 (4)3.1判别分析的基本思想 (4)3.2判别分析与聚类分析的关系 (4)4.在SPSS软件上的操作步骤 (5)4.1对应分析的操作步骤 (5)4.2聚类分析与判别分析的操作步骤 (6)5.结果分析 (7)5.1对应表 (7)5.2汇总 (7)5.3概述行点和概述列点 (8)5.6 特征值 (11)5.7 显著性检验 (11)5.8 标准化典型判别式函数系数 (11)5.9 结构矩阵 (12)5.10 群组重心的函数 (12)5.11 分类函数系数 (13)6.结论 (14)7.对创新的认识 (15)参考文献 (16)附录 (17)1.对应分析的概述对应分析（correspondence analysis ）又称为相应分析，是一种目的在于揭示变量和样品之间或者定性变量资料中变量与其类别之间的相互关系的多元统计分析方法。
根据分析资料的类型不同，对应分析分为定性资料（分类资料）的对应分析和连续性资料的对应分析（基于均数的对应分析）。
其中，根据分析变量个数的多少，定性资料的对应分析又分为简单对应分析和多重对应分析。
对两个分类变量进行的对应分析称为简单对应分析，对两个以上的分类变量进行的对应分析称为多重对应分析。
对应分析实际是在R 型因子分析和Q 型因子分析的基础上发展起来的一种方法。
SPSS软件的应用——多元统计分析
多元统计分析学院:理学与信息科学学院专业班级:信息与计算科学 2012级01 班姓名:韩祖良（20125991)****:***2015 年6月1日作业1 方差分析三组贫血患者的血红蛋白浓度（%，X1）及红细胞计数（万/mm3，X2）如下表：1、方差分析的前提条件要求各总体服从正态分布，请给出正态分布的检验结果，另要求各总体方差齐性，给出方差齐性检验结果。
2、检验三组贫血患者的指标x1,x2间是否有显著差异，进行多元方差分析。
如果有显著差异，分析三组患者间x1指标是否有显著差异，x2指标是否有显著差异？3、最后进行两两比较，给出更具体的分析结果。
4. 画出三组患者x1,x2两指标的均值图。
答：1．将所需分析数据输入到SPSS中，首先判断各总体是否服从正态分布：对文件进行拆分：数据→拆分文件→按组组织输出→确定。
然后进行正态性检验：文件→描述统计→探索，在绘制对话框中，选择按因子水平分组和带检验的正态图，最后单击确定按钮。
最后得出结果如图（1），（2），（3）所示：表（1）由表（1）可以看出，A组的X1指标的Sig=0.907，X2的Sig=0.914，在检验标准为0.05的条件下，接受H0，拒绝H1，故得A组服从正态分布。
表（2）由表（2）可以看出，B组的X1指标的Sig=0.406，X2的Sig=0.765，在检验标准为0.05的条件下，接受H0，拒绝H1，故得B组服从正态分布。
表（3）由表（3）可以看出，C组的X1指标的Sig=0.337，X2的Sig=0.839，在检验标准为0.05的条件下，接受H0，拒绝H1，故得C组服从正态分布。
再检验各总体是否满足方差齐性：首先取消文件的拆分，对所有个案进行分析。
然后进行方差齐性检验：分析→一般线性模型→多变量，在选项对话框中，选择方差齐性检验，所得结果如下：表（4）上表是对协方差阵相等的检验，由Sig=0.670>0.05,故在显著性水平为0.05的条件下，接受H0，拒绝H1，即观测到的因变量的协方差矩阵在所有组中均相等，可得三组符合方差齐性。
多元统计分析与SPSS
多元统计分析与SPSS多元统计分析是指通过应用多个统计方法和技术对多个变量之间的关系进行分析的一种统计分析方法。
SPSS（Statistical Package for the Social Sciences）是一个常用的统计分析软件，可以对大规模的数据集进行多元统计分析。
多元统计分析包括多个方法和技术，如多元方差分析、主成分分析、因子分析、聚类分析、判别分析等。
这些方法和技术可以帮助我们理解变量之间的关系，预测和解释数据，并支持决策制定。
通过使用SPSS软件，可以更轻松地进行这些分析。
在多元方差分析中，可以通过比较组别间的平均差异来检验因素对变量的影响；在主成分分析中，可以通过降低变量维度来提取主要的变化模式；在因子分析中，可以通过识别潜在的构念来简化变量之间的关系；在聚类分析中，可以通过将观测值划分为不同的群组来发现变量之间的模式；在判别分析中，可以根据已知组别来预测新观测值的组别。
SPSS软件提供了各种功能和工具，以便于使用者进行多元统计分析。
用户可以使用SPSS进行数据导入和数据清理，选择适当的多元统计方法和技术，设定分析的参数和条件，并生成相应的统计结果和图表。
此外，SPSS还提供了一些数据分析模板和指导，帮助用户更好地理解和使用多元统计分析方法。
在实际应用中，多元统计分析和SPSS广泛应用于社会科学、经济学、市场研究、医学和生物学等领域。
例如，研究者可以使用多元统计分析和SPSS来研究消费者行为模式、预测市场需求、评估治疗效果等。
企业可以使用多元统计分析和SPSS来进行市场细分、产品定位和品牌定位。
医生可以使用多元统计分析和SPSS来研究临床疗效、预测疾病发展等。
总而言之，多元统计分析是一种强大的统计方法，可以帮助我们理解和解释变量之间的复杂关系。
SPSS软件提供了方便易用的工具和功能，使得多元统计分析更加简单和高效。
同时，多元统计分析和SPSS广泛应用于各个领域，为研究者和决策者提供了有力的支持和指导。
SPSS多元统计分析方法及应用课程设计 (2)
SPSS多元统计分析方法及应用课程设计引言多元统计分析是研究几个变量之间关系的一种统计学方法。
SPSS是一款常用的统计分析软件，可以用来进行多元统计分析。
本文将介绍如何使用SPSS进行多元统计分析，并结合具体案例，设计SPSS多元统计分析课程。
SPSS多元统计分析方法相关分析相关分析是研究两个变量之间的关系的统计方法。
可以使用SPSS进行相关分析，步骤如下：1.打开SPSS软件，导入数据文件。
2.选择“Analyze”菜单中的“Correlate”选项，然后选择“Bivariate”。
3.将需要进行相关分析的变量添加到“Variables”框中。
4.点击“OK”按钮，SPSS会生成相关系数以及P值。
回归分析回归分析用来研究一个自变量和一个或多个因变量之间的关系。
在SPSS中进行回归分析的步骤如下：1.打开SPSS软件，导入数据文件。
2.选择“Analyze”菜单中的“Regression”选项，然后选择“Linear”。
3.将自变量和因变量添加到“Dependent”和“Independent”框中。
4.点击“OK”按钮，SPSS会生成回归分析结果。
方差分析方差分析是一种用于比较两个或多个组之间差异的统计方法。
使用SPSS进行方差分析的步骤如下：1.打开SPSS软件，导入数据文件。
2.选择“Analyze”菜单中的“Analyze of Variance”选项，然后选择“One-Way ANOVA”。
3.将需要进行方差分析的变量添加到“Dependent List”框中，将分组变量添加到“Factor”框中。
4.点击“OK”按钮，SPSS会生成方差分析结果。
SPSS多元统计分析课程设计为了帮助学生更好地掌握SPSS多元统计分析方法，我们可以设计以下课程：第一节课：相关分析1.介绍相关分析的概念和应用场景。
2.通过具体案例演示如何使用SPSS进行相关分析。
3.让学生自行导入数据文件，并进行相关分析，并展示分析结果。
多元统计分析及spss应用
打开[Descriptives]主对话框。在主对话框左边列表中选定变 量X，单击按钮使之进入[Variables(s)] 列表框。
（三）单击[Options...]按钮，打开[Descriptives：Options]子对话 框。选择均值(Mean)、总和(Sum)、标准差(Std.Deviation)、 方差(Variance)、极差(Range)、最小值(Minimum)、最大值 (Maximum)、偏度（Skewness）和峰度(Kurtosis)，选好后单 击[Continue]按钮返回[Descriptives]主对话框，再单击[OK]按 钮即可得到各种统计量的计算结果。
100.0
Valid Percent 3.3 3.3 3.3 6.7 3.3 3.3 3.3 3.3 3.3 6.7 3.3 10.0 13.3 6.7 3.3 3.3 6.7 3.3 3.3 3.3 3.3
100.0
Cumulative Percent
3.3 6.7 10.0 16.7 20.0 23.3 26.7 30.0 33.3 40.0 43.3 53.3 66.7 73.3 76.7 80.0 86.7 90.0 93.3 96.7 100.0
一、 分布的中心
众数(mode)
在正态分布和一般的偏态分布中，分布曲线最高点所 对应的数值即是众数。如果没有明显的最高点，众数 可以不存在。当然，如果有两个最高点，也可以有两 个众数。
中位数(median)与分位数
中位数是数据排序后，位置在最中间的数值。
与中位数相似的还有四分位数(quartiles)、十分位数(decile) 和百分位数(percentile)。中位数是将统计分布从中间分成 相等的两部分，而四分位数就是将数据分布四等分的三个 数值，其中中间的四分位数就是中位数。十分位数和百分 位数分别是将数据分布十等分和一百等分的数值。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
多元统计分析学院:理学与信息科学学院专业班级:信息与计算科学 2012级01 班姓名:韩祖良（20125991)****:***2015 年6月1日作业1 方差分析三组贫血患者的血红蛋白浓度（%，X1）及红细胞计数（万/mm3，X2）如下表：1、方差分析的前提条件要求各总体服从正态分布，请给出正态分布的检验结果，另要求各总体方差齐性，给出方差齐性检验结果。
2、检验三组贫血患者的指标x1,x2间是否有显著差异，进行多元方差分析。
如果有显著差异，分析三组患者间x1指标是否有显著差异，x2指标是否有显著差异？3、最后进行两两比较，给出更具体的分析结果。
4. 画出三组患者x1,x2两指标的均值图。
答：1．将所需分析数据输入到SPSS中，首先判断各总体是否服从正态分布：对文件进行拆分：数据→拆分文件→按组组织输出→确定。
然后进行正态性检验：文件→描述统计→探索，在绘制对话框中，选择按因子水平分组和带检验的正态图，最后单击确定按钮。
最后得出结果如图（1），（2），（3）所示：表（1）由表（1）可以看出，A组的X1指标的Sig=0.907，X2的Sig=0.914，在检验标准为0.05的条件下，接受H0，拒绝H1，故得A组服从正态分布。
表（2）由表（2）可以看出，B组的X1指标的Sig=0.406，X2的Sig=0.765，在检验标准为0.05的条件下，接受H0，拒绝H1，故得B组服从正态分布。
表（3）由表（3）可以看出，C组的X1指标的Sig=0.337，X2的Sig=0.839，在检验标准为0.05的条件下，接受H0，拒绝H1，故得C组服从正态分布。
再检验各总体是否满足方差齐性：首先取消文件的拆分，对所有个案进行分析。
然后进行方差齐性检验：分析→一般线性模型→多变量，在选项对话框中，选择方差齐性检验，所得结果如下：表（4）上表是对协方差阵相等的检验，由Sig=0.670>0.05,故在显著性水平为0.05的条件下，接受H0，拒绝H1，即观测到的因变量的协方差矩阵在所有组中均相等，可得三组符合方差齐性。
2、多元方差分析：分析→一般线性模型→多变量，在两两比较对话框中进行两两比较检验，假定方差齐性（选择LSD(L)）→继续，最后单击确定。
表（5）上表为多变量检查表，该表给出了几个统计量，从表中可以看出，Sig的值均为0.01，小于显著性水平0.05，故拒绝H0，接受H1。
即三组不同患者的血红蛋白浓度和红细胞计数这两个指标间均存在显著差异。
下面分别分析三组患者间X1指标是否有显著差异，X2指标是否有显著差异：得到结果如表（6）所示。
表（6）由上表看出，三组患者之间X1指标的F=7.302，Sig=0.03，在检验水平为0.05的条件下，接受H0，拒绝H1，故可以认为这三组患者间的X1指标无差异；X2指标的F=3.915，Sig=0.032，在检验标准为0.05条件下，差异有统计学意义，拒绝H0，接受H1，这说明这三组血红蛋白浓度和红细胞计数这两个指标上均有显著差异。
3、对各组进行两两比较：通过软件操作得到如表（7）的比较结果：表（7）从表中数据可以看出：①在X1(血红浓度蛋白)这个指标上，A组和B组、B组和C组的显著性水平均小于0.05，故拒绝H0，接受H1。
即A组和B组、B组和C组在血红蛋白浓度这个指标上有显著性差异，且B组的血红蛋白浓度显著高于A、C两组。
②在X2（红细胞计数）这个指标上，A组和C组的显著性水平为0.014<0.05，故拒绝原假设，即A组和C组在血红细胞计数指标上有显著差异，且C组的红细胞计数远远高于A组。
4、画出三组患者X1,X2两指标的均值图：在绘制对话框中，添加水平轴gr，得到如下结果：X1的指标图：图（1）由上图可以看出，A组和B组、B组和C组的血红蛋白浓度有显著差异，而A组与C组的血红蛋白浓度大致在同一水平线上，无显著差别。
X2的指标图：图（2）由上图可以看出A组与C组的红细胞计数存在显著差异，A组和B组、B组和C组的差异相对较小。
作业2 聚类分析作业16种饮料的热量、咖啡因、钠及价格四种指标的数据见下表：要求：1.用系统聚类法聚类，聚类方法采用组间联结法，距离采用平方欧式距离计算，不对数据进行标准化，给出树状图和冰柱图，给出聚合系数随分类数变化曲线图，并分析聚成几类比较合适，写出每一类包含的饮料编号。
2.用快速聚类法给出聚类结果并对结果进行分析，聚类类数和系统聚类法相同。
答：1、系统聚类法：在数据编辑窗口的主菜单中选择分析→分类→系统聚类，在弹出的系统聚类对话框中，将饮料编号选入标注个案中，将其他变量选入变量框中，在分群单选框中选择个案，表示的是进行Q型聚类。
在输出复选框中选择统计量和图。
在统计量对话框中选择合并进程表和相似性矩阵。
在绘制对话框下，选择树状图和冰柱图（方向垂直），在方法对话框中，聚类方法选择组间联接，区间为平方Eudidean距离，标准化为全局从0到1，最后得到结果如下：平均联结（组之间）：聚类表阶群集组合系数首次出现阶群集下一阶群集 1 群集 2 群集 1 群集 21 5 15 13.130 0 0 72 4 13 25.970 0 0 33 24 36.485 0 2 84 6 9 69.130 0 0 105 1 10 102.630 0 0 156 8 11 150.330 0 0 87 5 16 198.375 1 0 118 2 8 319.778 3 6 129 12 14 322.540 0 0 1210 3 6 458.795 0 4 1311 5 7 1006.863 7 0 1312 2 12 1435.076 8 9 1413 3 5 1755.654 10 11 1414 2 3 6287.175 12 13 1515 1 2 19406.6845 14 0树状图：* * * * * * * * * * * * * * * * * * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * * * * * * * * * * * * * * * * * * *Dendrogram using Average Linkage (Between Groups)Rescaled Distance Cluster CombineC A S E 0 5 10 15 20 25 Label Num +---------+---------+---------+---------+---------+5 5 -+15 15 -+-+16 16 -+ +-+7 7 ---+ +-----------+6 6 -+ | |9 9 -+---+ |3 3 -+ +-------------------------------+4 4 -+ | | 13 13 -+ | | 2 2 -+-+ | | 8 8 -+ +-------------+ |11 11 -+ | |12 12 -+-+ | 14 14 -+ | 1 1 -+-----------------------------------------------+ 10 10 -+聚合系数图：由聚合系数图趋于平缓，所以聚合成三类比较合适。
冰柱图：根据冰柱图聚成三类比较合适。
第一类饮料编号7，16，15，5，9，6，3第二类饮料编号14，12，11，8，13，4，2第三类10，12、快速聚类法：在数据编辑窗口的主菜单中选择分析→分类→K-均值聚类，在弹出的K-均值聚类分析对话框中，将饮料标号选入标注个案中，将其他变量选入变量框中，在选项对话框中选择初始聚类中心和每个个案的聚类信息。
在保存对话框中选择聚类成员和与聚类中心的距离，并保存在变量视图和数据视图中。
对输出结果进行分析：表（1）初始聚类中心聚类1 2 3热量207.20 .00 107.00咖啡因 3.30 4.20 .00钠15.50 13.10 8.30价格 2.80 2.204.20根据表（3），可以将饮料分为三类第一类饮料编号1，10第二类饮料编号2，4，8，11，12，13，14 第三类饮料编号3，5，6，7，9，15，16最终聚类中心间的距离聚类 1 2 31 169.431 95.8712 169.431 73.6443 95.871 73.644每个聚类中的案例数聚类 1 2.0002 7.0003 7.000有效16.000缺失.000由表（4）表示最终聚类中心，由此可以看出各分类的成分差异，第①类的热量最高，咖啡因最少，钠含量高；第②类热量最低，但咖啡因含量偏高，总体价格便宜；第③类各成分也适中，价格也适中。
作业3判别分析作业----中小企业的破产模型为研究中小企业的破产模型，选定4个经济指标：X1总负债率（现金收益/总负债）X2收益性指标（纯收入/总财产）X3短期支付能力(流动资产/流动负债)X4生产效率性指标（流动资产/纯销售额）进行判别分析，要求：1、给出判别变量的显著性检验结果（方差分析表），以及协方差矩阵是否相等的Box’M检验结果。
2、给出费歇判别函数的表达式及对待判样品的费歇判别结果3、给出贝叶斯判别函数的表达式及对待判样品的贝叶斯判别结果4、给出分类结果矩阵，包括交叉验证的结果5、在第1问中，如果存在不显著的变量，用逐步判别分析法再次进行判别，写出判别函数的表达式，并说明判别效果是否有显著改善？（对案例进行正确分类的百分比是否有提高？）答：1、表（1）组均值的均等性的检验Wilks 的LambdaF df1 df2 Sig.X1 .681 16.902 1 36 .000X2 .949 1.951 1 36 .171X3 .627 21.450 1 36 .000X4 .999 .030 1 36 .864表（1）是对各组均值是否相等的检验，由该表可以看出，在0.05的显著性水平下，我们不能拒绝收益性指标和生产效率指标在各组的均值相等的假设，即认为除了这两者外，其余两个指标在各组的均值是有显著差异的。
因此剔除收益性指标和生产效率指标这两个变量。
协方差矩阵的均等性的箱式检验：表（2）对数行列式X 秩对数行列式1 4 -13.5962 4 -9.822汇聚的组内4 -10.383打印的行列式的秩和自然对数是组协方差矩阵的秩和自然对数。
表（3）检验结果箱的 M 40.184F 近似。
3.523 df1 10df25562.171 Sig. .000对相等总体协方差矩阵的零假设进行检验。
上面两个表是对各组协方差矩阵是否相等的Box的M检验，表（2）反映协方差矩阵的秩和行列式的对数值。
由行列式的值可以看出，协方差矩阵不是病态矩阵，表（3）是对个总体协方差阵是否相等的统计检验，由F值及其显著水平，在0.05的显著性水平下拒绝H0，即认为各总体协方差阵不相等。