SPSS实验3-单因素方差分析
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
SPSS作业3:方差分析
不同学校专业类别对报名人数的分析
(一)单因素方差分析
基本操作:
(1)选择菜单Analyz e-Compare means―One-Way ANOVA;
(2)分别选择“报名人数”“专业类别”和“报名人数”“学校”做分析,结果如下:
a.专业类别对报名人数的单因素方差分析结果
b.不同学校对报名人数的单因素方差分析结果
1
分析:提出零假设―选择检验统计量―计算检验统计量的观测值及概率p值―给出显著性水平a,做出决策。
零假设:不同专业类别对报名人数没有显著影响;备择假设:不同专业类别对报名人数有显著影响。
图a是专业类别对报名人数的单因素方差分析结果。可以看出,报名人数的总离差平方和为2.617E8;如果仅考虑专业类别单个因素的影响,则报名人数总变差中,专业类别可解释的变差为5.866E7,抽样误差引起的变差为2.030E8,他们的方差分别为1.955E7和1450230.159,相除所得的F统计量为13.483,对应的p值近似为0。如果显著水平为a=0.05,由于p值小于a,则应拒绝原假设,认为不同专业类别对报名人数产生了显著影响,它对报名人数的影响效应应不全为0。
零假设:不同学校对报名人数没有显著影响:备择假设:不同学校对报名人数有显著影响。
图b是不同学校对报名人数的单因素方差分析结果。可以看出,报名人数的总离差平方和为2.617E8;如果仅考虑学校单个因素的影响,则报名人数总变差中,不同学校可解释的变差为9.265E7,抽样误差引起的变差为1.690E8,他们的方差分别为5450179.739和1341587.302,相除所得的F统计量为4.062,对应的p值近似为0。如果显著水平为a=0.05,由于p值小于a,则应拒绝原假设,认为不同学校对报名人数产生了显著影响,它对报名人数的影响效应应不全为0。
(二)单因素方差的进一步分析
基本操作:在Optio n、Post Hoc、Contrasts框中,选择所需要的计算值,结果如下:
不同专业类别对报名人数的基本描述统计量及95%置信区间
2
分析:在4中不同专业类别中,各有36个样本,其中,经管类的报名人数最多,其次是理工类,然后是艺术类,最少的是文学类。
3
4
分析:上表说明,不同专业类别的报名人数的方差齐性检验值为0.765,概率p值为0.515,若a=0.05,由于p值大于显著性水平,无法拒绝原假设,则认为不同专业类的报名人数的总体方差无显著差异,满足方差分析的前提要求。
5
Post Hoc Tests
6
7
分析:上表显示了两两专业类别的报名人数均值检验的结果。可以看出,虽然各种检验方法对抽样分布标准误差定义不同,但前两列的计算结果完全相同,这是因为全部采用了LSD方法的中标准误差。第三列是检验统计量观测值在不同分布中的概率p值,以经管类与其他三类专业的两两检验结果为例,若a=0.05,在LSD方法中,经管类与理工类的效果没有显著差异(概率p值为0.412),与文学类和艺术类有显著差异(概率p值分别为近似为0和0.021),而在其他三种方法中,经管类只与文学类有显著差异,与艺术类无显著差异。由此可见,LSD方法的检验敏感度是其中最高的。高的检验敏感度会使拒绝原假设的可能性增大,较低敏感度的方法,其犯一类错误的可能性会略高。
Homogeneous Subsets
8
分析:S-N-K方法的结果,均值为5.6556E3的组(文学类)与其他三组的均值有显著不同(其相似的可能性小于0.05),被划分出来,形成两个相似子集。在第一个子集中,组内相似的概率为1,第二组组内相似的可能性大于0.05为0.055。在Tukey和Scheffe方法中,第二组的组内相似的可能性均大于0.05,分别为0.096和0.148,Tukey方法的敏感程度高于Scheffe方法。
总之,若从高的报名人数角度来看选择专业,一般选择文学类的少,而在经管,理工,艺术类的选择范围内。
不同学校对报名人数的基本描述统计量及95%置信区间
9
10
Means Plots
11
分析:类似的,与不同专业类别的报名人数分析比较。
12
原始数据:
专业类别1经管
学校报名人数
类2理工类3文
学类4艺术类
1 1 7500
2 1 6900
4 1 6300
3 1 5200
1 2 5700
2 2 5100
4 2 6700
3 2 6100
1 3 7600
2 3 10000
4 3 8500
3 3 6100
1 4 7700
2 4 9000
4 4 8000
3 4 7600
1 5 7500
2 5 7700
4 5 8700
3 5 5700
1 6 7200
2 6 6000
13
4 6 6200
3 6 5200
1 7 7600
2 7 3300
4 7 7000
3 7 3300
1 8 8100
2 8 7900
4 8 7500
3 8 6900
1 9 6300
2 9 7300
4 9 4000
3 9 6000
1 10 9400
2 10 10000
4 10 6400
3 10 6100
1 11 5400
2 11 6100
4 11 4000
1 1
2 7000
2 12 6800
4 12 6700
3 12 6600
1 13 8700
14