SPSS的方差分析实验报告
SPSS的方差分析实验报告
实验报告
2 选择菜单：【Analyze】→【Compare Means】→【One-Way ANOVA】,将“月销售额”作为观测变量选入【Dependent List】,将“促销方式”作为控制变量选入【Factor】,选择按钮“Option”,打开对话框，选择方差齐性检验，观测变量的基本统计量，选择输出个水平下观测变量均值的折线图
3 选择“Post Hoc”按钮，选择方差相同和方差不同情况下的多重比较的检验方法，如图所示第三题：
1 根据题目建立某商品在不同地区和不同日期的销售数据的文件,如图
2 选择菜单：【Analyze】→【General Linear Model】→【Univariate】,将“销售量”选入【Dependent Variable】,将“地区和日期”选入【Fixed Factor（s）】,选择“Options”，在【Display】中选择“Homogeneity tests”。
如图所示
四、实验结果及分析（最好有截图）：
第一题：
(1) 0.000<0.005拒绝原假设.说明不同的促销方式是对该类商品销售量的增长有显著影响
(2) 特价销售的促销方式好
(3)
第三题：
(1) 建立数据文件如图
(2)地区0.313>0.05,接受原假设。
地区对销售量没有显著性影响
日期0.254>0.05,接受原假设。
日期对销售量没有显著性影响
地区和日期0.000<0.05,拒绝原假设。
地区和日期的交互作用对销售量有显著性影响。
SPSS中的单因素方差分析
SPSS中的单因素方差分析一、大体原理单因素方差分析也即一维方差分析，是查验由单一因素阻碍的多组样本某因变量的均值是不是有显著不同的问题，如各组之间有显著差异，说明那个因素（分类变量）对因变量是有显著阻碍的，因素的不同水平会阻碍到因变量的取值。
二、实验工具SPSS for Windows 三、实验方式例：某灯泡厂用四种不同配料方案制成的灯丝（filament），生产了四批灯泡。
在每批灯泡中随机地抽取假设干个灯泡测其利用寿命（单位：小时hours），数据列于下表，此刻想明白，关于这四种灯丝生产的灯泡，其利用寿命有无显著不同。
灯泡灯丝1 2 3 4 5 6 7 8 甲1600 1610 1650 1680 1700 1700 1780 乙1500 1640 1400 1700 1750 丙1640 1550 1600 1620 1640 1600 1740 1800 丁1510 1520 1530 1570 1640 1680 四、不利用选择项操作步骤（1）在数据窗成立数据文件，概念两个变量并输入数据，这两个变量是：filament 变量，数值型，取值一、二、3、4 别离代表甲、乙、丙、丁，格式为F1.0，标签为“灯丝”。
Hours 变量，数值型，其值为灯泡的利用寿命，单位是小时，格式为F4.0，标签为“灯泡利用寿命”。
（2）按Analyze，然后Compared Means，然后One-Way Anova 的顺序单击，打开“单因素方差分析”主对话框。
（3）从左侧源变量框当选取变量hours，然后按向右箭头，所选去的变量hours 即进入Dependent List 框中。
（4）从左侧源变量框当选取变量filament，然后按向右箭头，所选取的变量folament 即进入Factor 框中。
（5）在主对话框中，单击“OK”提交进行。
五、输出结果及分析灯泡利用寿命的单因素方差分析结果ANQVA Sun of Squares df Mean Square F Sig Between Groups 39776.46 3 13258.819 1.638 .209 Within Groups 178088.9 22 8094.951 Total 217865.4 25 该表各部份说明如下：第一列：方差来源，Between Groups 是组间变差，Within Groups 是组内变差，Total 是总变差。
SPSS实验报告4
《统计分析软件》实验报告实验序号：B0901153-4实验项目名称：方差分析学号姓名专业、班级实验地点指导教师时间一、实验目的及要求实验目的：（1）加深对方差分析基本思想的进一步理解；（2）熟悉F检验方法和主要的方差分析方法。
实验要求：（1）单因素方差分析过程；（2）双因素方差分析过程；（3）有交互作用的双因素方差分析过程；（4）掌握各个分析过程的基本步骤、主要选择项的含义，输出结果的信息含义。
二、实验设备（环境）及要求微型计算机，SPSS、EViews等统计分析软件三、实验内容与数据来源实验内容和数据根据《SPSS实验上机题》实验四及《试验4补充题》四、实验步骤与结果1、（1）数据中的因变量是学生独立思考水平提高的成绩，因素是学生采用的学习方式。
（2）建立数据文件首先在变量视图中定义变量的属性，总共有三个变量，分别为方式、提高的成绩，均定义为数值型的变量：再在数据视图中输入变量值：单击“分析”→“比较均值”→“单因素”，再出现的对话框中，选择变量“学生提高的成绩”为“因变量列表”，选择“方式”为“因子”单击“对比”，选择“多项式”，然后点击“继续”单击“两两比较”，选择“LSD”，然后点击“继续”单击“选项”，选择“方差同质性检验”以及“均值图”，然后单击“继续”最后单击“确定”，得出下列结果结论：（1）、方差齐次性检验表：输出的显著性为0.307，远大于0.05，因此我们认为各组的总体方差相等。
（2）、方差分析表：总离差平方和为1156.800，组间离差平方和为1069.400，组内离差平方和为87.400，在组间离差平方和中可以被线性解释的部分为396.050；方差检验F=165.182，对应的显著性为0，小于显著性水平0.05，因此我们认为3组中至少有一组与另一组存在显著性差异。
（3）、多重比较表（LSD法）：由表可知，三组互相的显著性水平都为0，小于0.05，因此说明这几组之间的差异性显著。
SPSS——单因素方差分析报告详解
SPSS——单因素方差分析来源：李大伟的日志单因素方差分析单因素方差分析也称作一维方差分析。
它检验由单一因素影响的一个(或几个相互独立的)因变量由因素各水平分组的均值之间的差异是否具有统计意义。
还可以对该因素的若干水平分组中哪一组与其他各组均值间具有显著性差异进行分析，即进行均值的多重比较。
One-Way ANOVA过程要求因变量属于正态分布总体。
如果因变量的分布明显的是非正态，不能使用该过程，而应该使用非参数分析过程。
如果几个因变量之间彼此不独立，应该用Repeated Measure 过程。
[例子]调查不同水稻品种百丛中稻纵卷叶螟幼虫的数量，数据如表1-1所示。
表1-1 不同水稻品种百丛中稻纵卷叶螟幼虫数数据保存在“data1.sav”文件中，变量格式如图1-1。
图1-1分析水稻品种对稻纵卷叶螟幼虫抗虫性是否存在显著性差异。
1）准备分析数据在数据编辑窗口中输入数据。
建立因变量“幼虫”和因素水平变量“品种”，然后输入对应的数值，如图1-1所示。
或者打开已存在的数据文件“data1.sav”。
2）启动分析过程点击主菜单“Analyze”项，在下拉菜单中点击“Compare Means”项，在右拉式菜单中点击“0ne-Way ANOVA”项，系统打开单因素方差分析设置窗口如图1-2。
图1-2 单因素方差分析窗口3）设置分析变量因变量:选择一个或多个因子变量进入“Dependent List”框中。
本例选择“幼虫”。
因素变量:选择一个因素变量进入“Factor”框中。
本例选择“品种”。
4）设置多项式比较单击“Contrasts”按钮，将打开如图1-3所示的对话框。
该对话框用于设置均值的多项式比较。
图1-3 “Contrasts”对话框定义多项式的步骤为：均值的多项式比较是包括两个或更多个均值的比较。
例如图1-3中显示的是要求计算“1.1×mean1-1×mean2”的值，检验的假设H0：第一组均值的1.1倍与第二组的均值相等。
spss实验报告---方差分析
实验报告——（方差分析）一、实验目的熟练使用SPSS软件进行方差分析。
学会通过方差分析分析不同水平的控制变量是否对结果产生显著影响。
二、实验内容1、某职业病防治院对31名石棉矿工中的石棉肺患者、可疑患者及非患者进行了用力肺活量（L）测定，问三组石棉矿工的用力肺活量有无差别?（自建数据集）石棉肺患者可疑患者非患者1.82.3 2.91.42.13.21.52.1 2.72.1 2.1 2.81.92.6 2.71.72.53.01.82.33.41.92.43.01.82.43.41.8 3.32.03.5SPSS计算结果：在建立数据集时定义group1为石棉肺患者，group2为可疑患者，group3为非患者。
零假设：各水平下总体方差没有显著差异。
相伴概率为0.075，大于0.05，可以认为各个组的方差是相等的，可以进行方差检验。
从上表可以看出3个组之间的相伴概率都小于显著性水平0.05，拒绝零假设，说明3个组之间都存在显著差别。
2、某汽车经销商在不同城市进行调查汽车的销售量数据分析工作，每个城市分别处于不同的区域：东部、西部和中部，而且汽车经销商在不同城市投放不同类型的广告，调查数据放置于附件中数据文件“汽车销量调查.sav”。
（1）试分析不同区域与不同广告类型是否对汽车的销量产生显著性的影响？（2）如果考虑到不同城市人均收入具有差异度时，再思考不同区域和不同广告类型对汽车销量产生的影响差异是否改变，这说明什么问题？SPSS计算结果：（1）此为多因素方差分析相伴概率为0.054大于0.05，可以认为各个组总体方差相等可以进行方差检验。
不同地区贡献的离差平方和为7149.781，均方为3574.891；不同广告贡献的离差平方和为7625.708，均方为3812.854。
说明不同广告和不同地区对汽车销量都有显著性影响。
广告对于销量的影响略大于地区对销量的影响。
从地区这个变量比较：第一组和第三组的相伴概率为0.000，低于显著性水平，一、三组均值差异显著；第二组和第三组的相伴概率为0.028，低于显著性水平，二、三组均值差异显著。
方差分析实验报告
实验报告方差分析学院:参赛队员:参赛队员: 参赛队员: 指导老师:目录一、实验目的 (6)1.了解方差分析的基本容； (6)2.了解单因素方差分析； (6)3.了解多因素方差分析； (6)4.学会运用spss软件求解问题； (6)5.加深理论与实践相结合的能力。
(6)二、实验环境 (6)三、实验方法 (7)1. 单因素方差分析； (7)2. 多因素方差分析。
(7)四、实验过程 (7)问题一： (7)1.1实验过程 (7)1.1.1输入数据，数据处理； (7)1.1.2单因素方差分析 (8)1.2输出结果 (9)1.3结果分析 (10)1.3.1描述 (10)1.3.2方差性检验 (10)1.3.3单因素方差分析 (10)问题二： (10)2.1实验步骤 (11)2.1.1命名变量 (11)2.1.2导入数据 (11)2.1.3单因素方差分析 (12)2.1.4输出结果 (14)2.2结果分析 (15)2.2.1描述 (15)2.2.2方差性检验 (15)2.2.3单因素方差分析 (15)问题三： (15)3.1提出假设 (16)3.2实验步骤 (16)3.2.1数据分组编号 (16)3.2.2多因素方差分析 (17)3.2.3输出结果 (22)3.3结果分析 (23)五、实验总结 (23)方差分析一、实验目的1.了解方差分析的基本容；2.了解单因素方差分析；3.了解多因素方差分析；4.学会运用spss软件求解问题；5.加深理论与实践相结合的能力。
二、实验环境Spss、office三、实验方法1. 单因素方差分析；2. 多因素方差分析。
四、实验过程问题一：用二氧化硒50mg对大鼠染尘后不同时期全肺湿重的变化见下表，试比较染尘后1个月，3个月，6个月，三个时期的全肺湿重有无差别。
1个月3个月6个月3.4 3.4 3.63.64.4 4.44.3 3.45.14.1 4.2 54.2 4.75.53.34.2 4.71.1实验过程1.1.1输入数据，数据处理；1.1.2单因素方差分析选择：分析比较均值单因素AVONA；将变量大鼠全肺湿重放置因变量列表栏中，月份放置因子栏中；两两比较中，勾选最小显著差异法；选项中，勾选描述性，方差同质性检验，welch;1.3.1描述由描述可知，一月份的均值为3.817，标准差为0.4355，三月份的均值为4.050，标准差为0.5357，六月份的均值为4.717，标准差为0.66161.3.2方差性检验由方差齐性检验可知，Sig值＝0.826>0.05，说明各组的方差在α=0.05水平上没有显著性差异，即方差具有齐次性1.3.3单因素方差分析根据输出的p值为0.034可以看出，小于0.05，大于0.01，因此拒绝原假设，染尘后1个月，3个月，6个月，三个时期的全肺湿重有无差别有显著性意义，结论是染尘后1个月，3个月，6个月，三个时期的全肺湿重有差别，一个月大鼠的全肺湿重最小，三个月其次，六个月大鼠的全肺湿重最大。
spss方差分析报告操作示范-步骤-例子
第五节方差分析的SPSS操作一、完全随机设计的单因素方差分析1．数据采用本章第二节所用的例1中的数据，在数据中定义一个group变量来表示五个不同的组，变量math表示学生的数学成绩。
数据输入格式如图6－3（为了节省空间，只显示部分数据的输入）：图 6-3 单因素方差分析数据输入将上述数据文件保存为“6-6-1.sav”。
2．理论分析要比较不同组学生成绩平均值之间是否存在显著性差异，从上面数据来看，总共分了5个组，也就是说要解决比较多个组（两组以上）的平均数是否有显著的问题。
从要分析的数据来看，不同组学生成绩之间可看作相互独立，学生的成绩可以假设从总体上服从正态分布，在各组方差满足齐性的条件下，可以用单因素的方差分析来解决这一问题。
单因素方差分析不仅可以检验多组均值之间是否存在差异，同时还可进一步采取多种方法进行多重比较，发现存在差异的究竟是哪些均值。
3．单因素方差分析过程（1）主效应的检验假如我们现在想检验五组被试的数学成绩（math）的均值差异是否显著性，可依下列操作进行。
①单击主菜单Analyze/Compare Means/One-Way Anova…，进入主对话框，请把math选入到因变量表列（Dependent list）中去，把group选入到因素（factor）中去，如图6-4所示：图6-4：One-Way Anova主对话框②对于方差分析，要求数据服从正态分布和不同组数据方差齐性，对于正态性的假设在后面非参数检验一章再具体介绍；One-Way Anova可以对数据进行方差齐性的检验，单击铵钮Options，进入它的主对话框，在Homogeneity-of-variance项上选中即可。
设置如下图6-5所示：图6-5：One-Way Anova的Options对话框点击Continue，返回主对话框。
③在主对话框中点击OK，得到单因素方差分析结果4．结果及解释（1）输出方差齐性检验结果Test of Homogeneity of VariancesMATHLevene Statistic df1 df2 Sig.1.238 4 35 .313上表结果显示，Levene方差齐性检验统计量的值为1.238，Sig=0.313>0.05，所以五个组的方差满足方差齐性的前提条件，如果不满足方差齐性的前提条件，后面方差分析计算F统计量的方法要稍微复杂，本章我们只考虑方差齐性条件满足的情况。
SPSS的方差分析实验报告
实验报告
2 选择菜单：【Analyze】→【Compare Means】→【One-Way ANOVA】,将“月销售额”作为观测变量选入【Dependent List】,将“促销方式”作为控制变量选入【Factor】,选择按钮“Option”,打开对话框，选择方差齐性检验，观测变量的基本统计量，选择输出个水平下观测变量均值的折线图
3 选择“Post Hoc”按钮，选择方差相同和方差不同情况下的多重比较的检验方法，如图所示
第三题：
1 根据题目建立某商品在不同地区和不同日期的销售数据的文件,如图
2 选择菜单：【Analyze】→【General Linear Model】→【Univariate】,将“销售量”选入【Dependent Variable】,将“地区和日期”选入【Fixed Factor（s）】,选择“Options”，在【Display】中选择“Homogeneity tests”。
如图所示
四、实验结果及分析（最好有截图）：
第一题：
(1) <拒绝原假设.说明不同的促销方式是对该类商品销售量的增长有显著影响
(2) 特价销售的促销方式好
(3)
第三题：
(1) 建立数据文件如图
(2)地区>,接受原假设。
地区对销售量没有显著性影响
日期>,接受原假设。
日期对销售量没有显著性影响
地区和日期<,拒绝原假设。
地区和日期的交互作用对销售量有显著性影响。