《spss实验报告》word版.doc

试验3：统计推断一、试验目的与要求1.熟悉点估计概念与操作方法2.熟悉区间估计的概念与操作方法3.熟练掌握T检验的SPSS操作4.学会利用T检验方法解决身边的实际问题二、试验原理1.参数估计的基本原理2.假设检验的基本原理实验3-1实验数据英语成绩英语成绩英语成绩英语成绩7261646276748559688770687883756276545666实验结果 /TESTVAL=65 /MISSING=ANALYSIS /VARIABLES=英语成绩 /CRITERIA=CI(.95).单个样本统计量N均值标准差均值的标准误英语成绩2069.809.4742.118单个样本检验检验值 = 65 tdfSig.(双侧)均值差值差分的 95% 置信区间下限上限英语成绩2.26619.0354.800.379.23从表中可以得出，英语成绩区间估计（置信度为95%）为（.37，9.23）点估计是.035实验3-2实验数据性别成绩性别成绩男85男75男89男80男75女92男58女96男86女86男80女83男78女78男76女87男84女70男89女65男99女70男95女65男82女70男87女78男60女72男85女56实验结果T-TEST GROUPS=性别('男' '女')/MISSING=ANALYSIS/VARIABLES=成绩/CRITERIA=CI(.95).组统计量性别N均值标准差均值的标准误成绩男1881.2810.3692.444女1476.2911.4323.055分别给出不同总体下的样本容量、均值、标准差和平均标准误。

从表中可以看出，平均成绩男为81.28，女为76.29独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值差分的 95% 置信区间下限上限成绩假设方差相等.647.4281.29230.2064.9923.864-2.89812.882假设方差不相等1.27626.623.2134.9923.912-3.04113.025Levene’s Test for Equality of Variance，为方差检验，在Equal variances assumed（原假设：方差相等）下，F=0.647， 因为其P-值大于显著性水平，即：Sig.=0.428>0.05，说明不能拒绝方差相等的原假设，接受两个总体方差是相等的假设因此男女生英语成绩之差95％的区间估计为[-2.898, 12.882]T-test for Equality of Means 为检验总体均值是否相等的t 检验，由于在本例中，其P-值大于显著性水平，即：Sig.=0.206>0.05， 因此不应该拒绝原假设，也就是说男女生英语成绩没有显著差异试验4：方差分析一、 试验目标与要求 1．帮助学生深入了解方差及方差分析的基本概念，掌握方差分析的基本思想和原理 2．掌握方差分析的过程。

3．增强学生的实践能力，使学生能够利用SPSS统计软件，熟练进行单因素方差分析、两因素方差分析等操作，激发学生的学习兴趣，增强自我学习和研究的能力二、试验原理方差分析也是一种假设检验，它是对全部样本观测值的变动进行分解，将某种控制因素下各组样本观测值之间可能存在的由该因素导致的系统性误差与随即误差加以比较，据以推断各组样本之间是否存在显著差异若存在显著差异，则说明该因素对各总体的影响是显著的 方差分析有3个基本的概念：观测变量、因素和水平观测变量是进行方差分析所研究的对象；因素是影响观测变量变化的客观或人为条件；因素的不同类别或不通取值则称为因素的不同水平在上面的例子中，农作物的产量和商品的销量就是观测变量，作物的品种、施肥种类、商品价格、广告等就是因素在方差分析中，因素常常是某一个或多个离散型的分类变量 根据观测变量的个数，可将方差分析分为单变量方差分析和多变量方差分析；根据因素个数，可分为单因素方差分析和多因素方差分析在SPSS中，有One－way ANOVA( 单变量－单因素方差分析) 、GLM Univariate（单变量多因素方差分析）；GLM Multivariate （多变量多因素方差分析），不同的方差分析方法适用于不同的实际情况。

本节仅练习最为常用的单因素单变量方差分析实验４－１单因素方差分析也称一维方差分析，对两组以上的均值加以比较检验由单一因素影响的一个分析变量由因素各水平分组的均值之间的差异是否有统计意义并可以进行两两组间均值的比较，称作组间均值的多重比较主要采用One-way ANOVA过程 采用One-way ANOVA过程要求：因变量属于正态分布总体，若因变量的分布明显是非正态，应该用非参数分析过程若对被观测对象的试验不是随机分组的，而是进行的重复测量形成几个彼此不独立的变量，应该用Repeated Measure菜单项，进行重复测量方差分析，条件满足时，还可以进行趋势分析实验数据班级成绩班级成绩班级成绩173288368189278379182248356143291391180251371173285371178274387176256397166277341160231359145278368193262353136276379177296315179280375187285389实验结果单向ANOVA成绩平方和df均方F显著性组间105.292252.646.153.859组内15505.37545344.564总数15610.66747上表中是单因素方差分析，输出的方差分析表解释如下：总离差SST ＝15610.667，组间平方和SSR ＝105.292 ，组内平方和或残差平方和SSE ＝15505.375，相应的自由度分别为47，2，45；组间均方差MSR＝52.646 ，组内均方差344.564，F＝.153，由于p＝.859>0.05 说明在α ＝0.05 显著性水平下，F检验是不显著的。

即认为各组差异不大方差分析的原假设是各个因素水平下的观测变量均值都相等，备择假设是各均值不完全相等假如一次方差分析的结果是拒绝原假设，我们只能判断各观测变量均值不完全相等，却不能得出各均值完全不相等的结论各因素水平下观测变量均值的更为细致的比较就需要用多重比较检验在此之后检验多重比较因变量:成绩(I) 班号(J) 班号均值差 (I-J)标准误显著性95% 置信区间下限上限LSDⅠⅡ-1.1886.563.857-14.4112.03Ⅲ2.3756.563.719-10.8415.59ⅡⅠ1.1886.563.857-12.0314.41Ⅲ3.5636.563.590-9.6616.78ⅢⅠ-2.3756.563.719-15.5910.84Ⅱ-3.5636.563.590-16.789.66TamhaneⅠⅡ-1.1886.139.996-16.7114.34Ⅲ2.3756.690.979-14.5819.33ⅡⅠ1.1886.139.996-14.3416.71Ⅲ3.5636.839.939-13.7520.88ⅢⅠ-2.3756.690.979-19.3314.58Ⅱ-3.5636.839.939-20.8813.75如前所述，拒绝单因素方差分析原假设并不能得出各组均值完全不等的结论。

各组成绩均值的两两比较要看表所示的多重比较检验结果表中上半部分为LSD 检验结果，下半部分为Tamhane 检验结果由于方差满足齐性，所以这里应该看LSD 检验结果表中的Mean difference列给出了不同组的平均值之差其中后面带“ ﹡” 号的表示销量有显著差异，没有带“ ﹡” 号的表示没有显著差异可以看出，不存在显著差异这一结论也可以从表中Sig列给出的p值大小得到印证实验４－２实验数据方式成绩方式成绩方式成绩137249333142248333142248335143248332141247331142245335145246334146247332141248332140249333实验结果ANOVA成绩平方和df均方F显著性组间1069.4002534.700165.182.000组内87.400273.237总数1156.80029上表中是单因素方差分析，输出的方差分析表解释如下：总离差SST ＝1156.800，组间平方和SSR ＝1069.400，组内平方和或残差平方和SSE ＝87.400，相应的自由度分别为29，2，27；组间均方差MSR＝534.700，组内均方差3.237，F＝165.182，由于p＝.000<0.05 说明在α ＝0.05 显著性水平下，F检验是显著的。

即认为各个方式的成绩并不完全相同在此之后检验多重比较因变量:成绩(I) 方式(J) 方式均值差 (I-J)标准误显著性95% 置信区间下限上限LSD“方式一”“方式二”-5.600*.805.000-7.25-3.95“方式三”8.900*.805.。