spss实验三

“习题10.5xls”

在spss中打开【文件】→【打开】→【数据】，选择习题10.5xls打开，【从第一行数据选取变量】不选取，确定打开得到数据。整理数据：删除数据第一、二行，将A、B、C三个企业的数据合并成一列命名为【使用寿命】，增加一列命名为【企业】，将V1改名为【实验号】。在变量视图中将数据类型都改为【数值型】，度量标准都改为【度量】，用1、2、3值分别表示A、B、C三个企业。

点击菜单【分析】→【比较均值】→【单因素】，将【使用寿命】加入到【因变量列表】，【企业】加入到【因子】框中。再点击【选项】，选取【描述性】、【均值图】，【继续】，【确定】，得到以下结果：

由以上数据分析得，观测变量电池使用寿命的离差平方总和为832.000，不同企业可解释的变差为615.600，抽样误差引起的变差为216.400，它们的变差分别为307.800和18.033，相除所得的F统计量的观测值为17.068，对应的概率P值近似为0，显著性水平α为0.05，由于概率P值小于显著

性水平α，则应拒绝原假设，认为不同企业对电池的平均寿命有显著影响。

点击菜单【分析】→【比较均值】→【单因素】，将【使用寿命】加入到【因变量列表】，【企业】加入到【因子】框中。再点击【两两比较】，选取【LSD】,【继续】，【确定】，得到以下结果：

由以上数据看出，A企业和B企业、B企业和C企业有显著性差异（因为P 值分别为0和0.001），A企业和C企业没有显著差异（P值为0.515）。

“习题10.6xls”:

在spss中打开【文件】→【打开】→【数据】，选择习题10.6xls打开，【从第一行数据选取变量】不选取，确定打开得到数据。整理数据：删除数据第一、二行，将A、B、C三种培训方式的数据合并成一列命名为【产品组装时间】，增加一列命名为【培训方式】。在变量视图中将数据类型都改为【数值型】，度量标准都改为【度量】，用1、2、3值分别表示A、B、C 三种培训方法。

点击菜单【分析】→【比较均值】→【单因素】，将【产品组装时间】加入到【因变量列表】，【培训方式】加入到【因子】框中，【确定】得到以下结果：

由以上数据分析得，观测变量产品组装时间的离差平方总和为10.000，不同培训方式的变差为4.911，抽样误差引起的变差为5.089，它们的变差分别为2.456和0.242，相除所得的F统计量的观测值为10.133，对应的概率P值近似为0.001，显著性水平α为0.05，由于概率P值小于显著性水平α，则应拒绝原假设，认为不同培训方式对产品的组装时间有显著影响。

习题10.8xls

在spss中打开【文件】→【打开】→【数据】，选择习题10.8xls打开，【从第一行数据选取变量】不选取，确定打开得到数据。整理数据：删除数据第一、二行，将三列磨损程度的数据合并成一列命名为【磨损程度】，增加一列命名为【车速】，将V1改名为【供应商】。在变量视图中将数据类型都改为【数值型】，度量标准都改为【度量】，用1、2、3值分别表示低速、中速、高速。

（1）点击菜单【分析】→【比较均值】→【单因素】，将【磨损程度】加入到【因变量列表】，【车速】加入到【因子】框中，【确定】得到以下结果：

由以上数据分析得，观测变量磨损程度的离差平方总和为5.176，不同车速的变差为3.484，抽样误差引起的变差为1.692，它们的变差分别为1.742和0.141，相除所得的F统计量的观测值为12.355，对应的概率P值近似为0.001，显著性水平α为0.01，由于概率P值小于显著性水平α，则应拒绝原假设，认为不同车速对磨损程度有显著影响。

（2）点击菜单【分析】→【比较均值】→【单因素】，将【磨损程度】加入到【因变量列表】，【供应商】加入到【因子】框中，【确定】得到以下结果：

由以上数据分析得，观测变量磨损程度的离差平方总和为5.176，不同车速的变差为1.549，抽样误差引起的变差为3.627，它们的变差分别为0.387和0.363，相除所得的F统计量的观测值为1.068，对应的概率P值近似为0.422，显著性水平α为0.01，由于概率P值大于显著性水平α，则不能拒绝原假设，不能认为不同生产商对磨损程度有影响。

“习题10.9xls”：

在spss中打开【文件】→【打开】→【数据】，选择习题10.8xls打开，【从第一行数据选取变量】不选取，确定打开得到数据。整理数据：删除数据第一、二行，将四列收获量的数据合并成一列命名为【收获量】，增加

一列命名为【施肥方案】，将V1改名为【品种】。在变量视图中将数据类型都改为【数值型】，【品种】【施肥方案】度量标准都改为【名义】，【收获量】为【度量】。

1、点击菜单【分析】→【比较均值】→【单因素】，将【收获量】加入到【因变量列表】，【品种】加入到【因子】框中，【确定】得到以下结果：

由以上数据分析得，观测变量收获量的离差平方总和为42.388，不同品种种子可解释的变差为17.078，抽样误差引起的变差为25.310，它们的变差分别为4.270和1.687，相除所得的F统计量的观测值为2.530，对应的概率P值近似为0.084，显著性水平α为0.05，由于概率P值大于显著性水平α，则不能拒绝原假设，不能认为不同品种对收获量有显著影响。

2、点击菜单【分析】→【比较均值】→【单因素】，将【收获量】加入到【因变量列表】，【施肥方案】加入到【因子】框中，【确定】得到以下结果：

由以上数据分析得，观测变量收获量的离差平方总和为42.388，不同施肥方案可解释的变差为18.472，抽样误差引起的变差为23.916，它们的变差

分别为6.157和1.495，相除所得的F统计量的观测值为4.119，对应的概率P值近似为0.024，显著性水平α为0.05，由于概率P值小于显著性水平α，则拒绝原假设，认为不同施肥方案对收获量有显著影响。

“习题10.11.xls”：

在spss中打开【文件】→【打开】→【数据】，选择习题10.11xls打开，【从第一行数据选取变量】不选取，确定打开得到数据。整理数据：删除数据第一、二行，将四列月销售额的数据合并成一列命名为【销售额】，增加一列命名为【竞争者数量】，将V1改名为【超市】。在变量视图中将数据类型都改为【数值型】，【超市位置】度量标准改为【名义】，【销售额】、【竞争者数量】度量标准为【度量】。

（1）点击菜单【分析】→【比较均值】→【单因素】，将【销售额】加入到【因变量列表】，【竞争者数量】加入到【因子】框中，【确定】得到以下结果：

由以上数据分析得，观测变量销售额的离差平方总和为3925.222，不同竞争者数量可解释的变差为1078.333，抽样误差引起的变差为2846.889，它们的变差分别为359.444和88.965，相除所得的F统计量的观测值为4.040，