Spss方差分析报告.doc

课本P164页第一题：
（1）
1、 打开spss输入数据;
2、 Analyze→Compare Means→One-way ANOVA;
3、 将‘推销方法’选入Factor，将‘推销额’选入Dependent List
（操作如下：）

（输出结果如下：）
ANOVA

销售额

Sum of Squares
df
Mean Square
F
Sig.
Between Groups
405.534
4
101.384
11.276
.000
Within Groups
269.737
30
8.991

Total
675.271
34

上表是不同的销售方法对销售额影响的单因素方差分析结果。可以看出，如果仅考虑这五种推销方法单个因素的影响，则销售额总变差（675.271）中不同推销方法可解释的变差为405.534，抽样误差引起的变差为269.737，它们的方差分别为101.384和8.991，相除所得的F统计量的观测值为11.276，对应的P-值近似为0。如果显著性水平a为0.05，有概率P-值小雨显著性水平a，所以应拒绝原假设，认为不同推销方法对销售额的平均值产生了显著影响，不同推销方法对销售额的影响效力应不全为0。

（2）
1、Analyze→Compare Means→One-way ANOVA;
2、点击Options，选择Descriptive、Means plot和Exclude cases analysis by analysis→Continue.
(输出结果如下：)
Descriptives
销售额

N
Mean
Std. Deviation
Std. Error
95% Confidence Interval for Mean
Minimum
Maximum
Lower Bound
Upper Bound
1
7
21.286
3.4576
1.3068
18.088
24.483
16.8
26.8
2
7
24.586
3.9591
1.4964
20.924
28.247
20.7
30.2
3
7
20.557
3.4837
1.3167
17.335
23.779
16.0
26.8
4
7
18.229
1.1884
.4492
17.129
19.328
16.5
20.2
5
7
27.986
1.9437
.7347
26.188
29.783
25.2
30.4
Total
35
22.529
4.4566
.7533
20.998
24.059
16.0
30.4

Means Plots

以上表格表示五种推销方法各有7个样本。其中第五种推销方法下的销售额最高，而第二种推销方法下的效果与之相近，第四种推销方法的销售效果最不理想。这些都可以在上面图表中得到验证。
3、Analyze→Compare Means→One-way ANOVA;
4、点击Post Hoc Multiple Comparisons,并且选择LSD，即利用LSD方法进行多重比较检验。
（结果如下：）
Post Hoc Tests

结果显示的表格分别显示了两两推销方法下的销售额均值检验结果。其中推销方法一和三的效果没有显著差异（概率P值为0.653），与方法二、四、五均有显著差异（概率P值都接近于0并分别为：0.048,0.066和0）。

课本P165页第四题：
（1）打开spss，输入数据，并且定义相应标签，输入结果如下：

（2）
1、Analyze→General Linear Model→Univariate；
2、根据题目将观测变量‘销售量’选入Dependent Variable，将指定固定效应的控制变量‘地区’和‘日期’选入Fixed Factor（s）内。
（输出结果如下：）
Univariate Analysis of Variance

（3）
1、Analyze→General Linear Model→Univariate；
2、点击Profile Plots，并且选择一个控制变量‘地区’到Horizontal Axis为绘制图的水平轴；
3、指定在交互图中各直线代表的是控制变量‘日期’的不同水平，即将‘日期’选入到Separate Lines中，点击Add和continue。
（输出结果如下：）
Profile Plots

由输出的图表可以看出地区和日期是对商品的销售产生销售产生了交互影响。
4、 在Univariate窗口选择model，选中Custom并且在Build Term（s）选中交互类型即Interaction，然后将‘地区’和‘日期’选入Model，点击Continue，ok。
（输出结果如下：）
Univariate Analysis of Variance

Profile Plots

得出的Tests of Between-Subjects Effects表格数据与第二小问时得出的对应表相比，第二个表中‘地区’和‘日期’交互作用引起的变差没有被分离出来，它被并入随机因素引起的变差中，线性模型整体对观测变量变差解析的部分变小，各控制变量所能够计息的变差比例相对于随机因素来说有所减少，导致各个F检验统计量的值变小，对应的概率P-值变大，不易得到控制变量不同水平对观测变量有显著影响的结论，同时模型对数据的拟合度也降低了。