数据分析作业.docx

. . 精品 精品 一、第 4 题 方差分析 建立数据文件 由题意可知，在同一浓度和温度下各做两次实验，将每一次的实验结果看作一个样本量，共3? 4 ? 2=24 个样本量。 在“变量视图”下，名称分别输入“factor1”、“factor1”、“result”，类型设为“数值”，小数均为“0”，标签分别为“浓度”、“温度”、“收率”，factor1 的值“1=A1，2=A2，3=A3”，factor2 的值“1=B1，2=B2，3=B3，4=B4”，对齐选择“居中”。 在“数据视图”下，根据表中数据输入对应的数据。 数据文件如图 1 所示，其中“factor1”表示浓度，“factor2”表示温度，“result”表示收率。三种不同浓度分别用 1、2、3 表示，四种不同温度分别用 1、2、3、4 表示。 基本思路 图1.1 SPSS数据文件格式 设“浓度对收率的影响不显著”为零假设H0，利用单因素方差分析，对该假设进行判定。 设“它们间的交互作用对收率没有显著影响”分别依次为假设H0，则可以通过多因素方差分析工具，利用得出的结果即能证明假设H0是否成立。 操作步骤 单因素的方差分析操作 ① 分析 — 比较均值— 单因素；因变量列表：收率；因子：浓度； ② 两两比较：选中“LSD”复选框，定义用 LSD 法进行多重比较检验； 显著性水平：0.05，单击“继续”； ③ 选项：选中“方差齐次性检验”，单击“继续”； ④ 单击“确定”。 有交互作用的两因素方差分析操作 ①分析 — 一般线性模型 — 单变量；因变量：收率；固定因子：温度、浓度； ②绘制。水平轴：factor1，选择浓度作为均值曲线的横坐标，单图： factor2，选择温度作为曲线的分组变量；单击添加—继续。 ③选项。显示均值：factor1，定义估计因素 1 的均值；显著性水平：0.05； 单击“继续”； ④单击“确定”。 结果分析 “浓度对收率有无显著影响”结果分析执行上述操作后，生成下表。 收率Levene 统计量 收率 Levene 统计量 .352 df1 df2 2 21 显著性 .708 表1中Levene统计量的取值为0.352，Sig.的值为0.708，大于0.05，所以认为各组的方差齐次。 收率表1.2 单因素方差分析 收率 平方和 df 均方 F 显著性 组间 39.083 2 19.542 5.074 .016 组内 80.875 21 3.851 总数 119.958 23 从表2可以看出，观测变量收率的总离差平方和为119.58；如果仅考虑浓度单因素的影响，则收率总变差中，浓度可解释的变差为39.083，抽样误差引起的变差为80.875，它们的方差分别为19.542、3.851，相除所得的F统计量的观测值为5.074，对应的概率P值为0.016，小于显著性水平0.05，则应拒绝原假设，认为不同浓度对收率产生了显著影响，它对收率的影响效应不全为0。 因变量:LSD 因变量: LSD 收率 (I) 浓 度 A1 A2 A3 *. 均值差的显著性水平为 0.05。 (J) 浓 度 均值差 (I-J) 标准误 显著性 95% 置信区间 下限 上限 A2 2.500* .981 .019 .46 4.54 A3 -.375 .981 .706 -2.42 1.67 A1 -2.500* .981 .019 -4.54 -.46 A3 -2.875* .981 .008 -4.92 -.83 A1 .375 .981 .706 -1.67 2.42 A2 2.875* .981 .008 .83 4.92 表 3 是各种浓度之间显著性差异两两比较的结果。从表 3 可以看出，浓度 A2 同其他任意两种浓度比较，其 Sig.值都小于 0.05，所以认为浓度 A2 与其他浓度在收率上有显著差异。而其他两种浓度，可以认为其浓度的不同对收率的影响不大。 “浓度、温度及其相互作用对收率的影响”结果分析执行上述操作后，生成下表。 a. R 方 = .587（ 调 整 R 方 = .209）表1.4 两因素方差分析表 a. R 方 = .587（ 调 整 R 方 = .209） 因变量: 收率 源 III 型平方和 df 均方 F Sig. 校正模型 70.458a 11 6.405 1.553 .230 截距 2667.042 1 2667.042 646.556 .000 factor1 39.083 2 19.542 4.737 .030 factor2 13.792 3 4.597 1.114 .382 factor1 * factor2 17.583 6 2.931 .710 .648 误差 49.500 12 4.125 总计 2787.000 24