试验设计与数据处理上机实验指导(编辑修改稿)

试验设计与数据处理上机实验指导(编辑修改稿)内容摘要：

tors 框中的 g、 id 选入 Model:框，按 Continue 返回主对话框，单击 Post Hoc 按钮展开其子对话框，将 g 选入 Post Hoc Test for， 即要做两两比较的因素框，选取 SNK 即 q 检验，返回主对话框，单击 OK 键提交执行。 29 输出结果及结果分析。 N G 1 10 2 10 3 10 ID 1 3 2 3 3 3 4 3 5 3 6 3 7 3 8 3 9 3 10 3 Source Type III Sum of Squares df Mean Square F Sig. Corrected Model 11 .002 Intercept 1 .000 G 2 .031 ID 9 .003 Error 18 Total 30 Corrected Total 29 a R Squared = .734 (Adjusted R Squared = .571) studentNewmanKeuls N Subset G 1 2 1 10 3 10 2 10 Sig. .057 .439 第一个表格中是两个 因素的取值及观测 数汇总结果 第二个表格是方差分析的结果， G 和 ID 即是对应的统计量，由结果可知，不同时间尿氟量有差别，不同工人的尿氟浓度有差别； 30 第三个表格是两两比较的结果。 G 代表不同时间， N 为观测数，表中最后一行是属于同一子集的组组间比较的 P 值。 12 试验名称： 用 EXCEL 进行 单因素方差分析 试验目的： 熟练使用 Excel 2020 进行单因素方差分析 [试验 ] 五个地区每天发生交通事故的次数如下： 东部 北部 中部 南部 西部 15 12 10 14 13 17 10 14 9 12 14 13 13 7 9 11 17 15 10 14 — 14 12 8 10 — — — 7 9 由于是随机抽样，有一些地区的样本容量较多（如南部和西部），而有些地区样本容量较少（如东部）。 试以α = 显著水平检验各地区平均每天交通事故的次数是否相等。 假设我们已将数据输入到工作表中的 A3： E8 单元。 然后按下列步骤 进行试验 ： A B C D E 1 五个地区每天发生的交通事故次数 2 东部 北部 中部 南部 西部 3 15 12 10 14 13 4 17 10 14 9 12 5 14 13 13 7 9 6 11 17 15 10 14 7 14 12 8 10 8 7 9 第一步：选择“工具”下拉菜单 第二步：选择“数据分析”选项 31 第三步： 在分析工具中选择“单因素方差分析” 第四步： 当出现对话框后；在“数据区域”方框内键入 A3： E8；在 α方框内输入 ；在 “输出选项 ”中选择输出区域 为 G2。 选择“确定” 输出结果如下： 方差分析：单因素方差分析 SUMMARY 组 计数 求和 平均 方差 列 1 4 57 列 2 5 66 列 3 5 64 列 4 6 55 列 5 6 67 32 方差分析 差异源 SS df MS F Pvalue F crit 组间 4 组内 21 总计 25 由于 F=Fα=,接受原假设，即各地区每天发生的交通事故次数相等。 一元线性回归 13 试验名称 : 用 SPSS 进行回归分析 试验目的 : 熟练使用 SPSS 进行回归分析 [试验 ] [例 ] 某地一年级 12 名女大学生的体重与肺 活量数据如下表所示：试求肺活量 L( Y) 对体重 Kg( X) 的 回归方程。 学生编号 体重 X（ Kg） 肺活量 Y（ L） 1 42 2 42 3 46 4 46 5 46 6 50 7 50 8 50 9 52 10 52 11 58 12 58 数据录入。 将 将 肺活量 L 作为因变量 y, 体重 Kg作为自变量 x分别输入数据区域 ,格式如下图。 33 统计分析。 逐一选取 Analyze、 Regression、 Linear 展开对话框如下图所示。 将 X 选入 independent（自变量框），将 Y 选入 dependent（因变量框） 34 然后点击 Statistics 按钮，出现一个设置各种统计选项的对话框。 点击 Plot 按钮可绘制残差分布图、直方图、极端值图或正态概率图。 Options 按钮可改变进行逐步回归时的内部数值的设定以及对缺失值的处理方式。 单击 OK 键进行统计分析。 表一 Variables Entered/Removed Model Variables Entered Variables Removed Method 1 X . Enter 表二 Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .749 .562 .518 .28775 表三 ANOVA Model Sum of Squares df Mean Square F Sig. Regression 1 .005 Residual .828 10 .083 Total 11 a Predictors: (Constant), X b Dependent Variable: Y 表四 Coefficients Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta (Constant) .815 .001 X .016 .749 .005 35 第一个表格显示了选入或删除的变量，本例有一个自变量 x被选入方程 ,无删除的变量。 第二个表格为模型总结。 给出了复相关系数 R 、复相关系数平方 R Square，调整复相关系数平方Adjusted R Square， 估计值的标准误 Std. Error of the Estimate。 第三个表格为方程配合适度检验结果， F=， P(Sig.)=,说明自变量和应变量之间有回归关系存在。 第四个表格给出了直线回归方程系数的值及偏回归系数的检验结果。 Unstandardized Coefficients B 为偏回归系数系数， Std Error 为偏回归系数系数标准误， Standardized Coefficients Beta 为标化偏回归系数。 14 试验名称： 用 EXCEL 进行回归分析 试验目的： 熟练使用 Excel 2020 进行回归分析 [试验 ] 某农场通过试验取得早稻收获量与春季降雨和春季温度的数据如下，计算回归参数和检验统计量： 收获量（ kg/公顷） 1500 2300 3000 4500 4800 5000 5500 降雨量（ mm） x1 25 33 45 105 110 115 120 温度（℃） x2 6 8 10 13 14 16 17 将数据输入到工作表中 ,如 下表 早稻收获量与春季降雨量和春季温度的数据 A B C 1 收获量（ kg/公顷） y 降雨量（ mm） X1 温度（摄氏度） X2 36 2 1500 25 6 3 2300 33 8 4 3000 45 10 5 4500 105 13 6 4800 110 14 7 5000 115 16 8 5500 120 17 第 1 步 : 选择“工具”下拉菜单 第 2 步 : 选择 “数据分析 ”选项 第 3 步 : 在分 析工具中选择“回归” 第 4步 : 当出现对话框后。 在 “输入 Y的区域 ”方框内键入 A2:A8。 在 “输入 X的区域 ”方框内键入 B2:C8。 在 “输出选项 ”中选择输出区域 (这里我们选择 “新工作表 ”)。 选择 “确定 ” 根据上述步骤输出的结果如下表： SUMMARY OUTPUT 37 回归统计 Multiple R R Square Adjusted R Square 标准误差 观测值 7 方差分析 df SS MS F Significance F 回 归分析 2 13878496 6939248 残差 4 总计 6 14000000 相关系数 标准误差 t Stat Pvalue 下限 % 上限 % Intercept X Variable 1 X Variable 2 表中回归统计部分给出了判定系数 ﹑调整后的 ﹑估计标准误差等。 方差分析表 (ANOVA)部分给出 的 显 著 水 平 F 值 表 明 回 归 方 程 是 显 著 的。 最 下 面 的 一 部 分 是以及 的标准差﹑ t 检验的统计量﹑ p值﹑下限95%和上限 95%给出了 的置信区间 .比如 ,我们有 95%的把握确信 , 在 和 之间 , 在 和 之间 , 在 和 之间 . 多元线性回归 15 试验名称： 用 SPSS 进行多元回归分析 试验目的： 熟练使用 SPSS 进行多元回归分析 [试验 ] [例 ] 某农场通过试验取得早稻收获量与春季降雨和春季温度的如下数据，计算回归参数和检验统计量： 收获量（ kg/公 顷） y 1500 2300 3000 4500 4800 5000 5500 降雨量（ mm） x1 25 33 45 105 110 115 120 温度（℃） x2 6 8 10 13 14 16 17 数据录入。 将收获量作为因变量 ,降雨量和温度作为自变量分别输入数据区域 ,格式如下图。 38 统计分析。 逐一选取 Analyze、 Regression、 Linear 展开对话框如下图所示。 将 X 选入 independent（自变量框），将 Y 选入 dependent（因变量框） 39 然后点击 Statistics 按钮，出现一个有关各种统计选项的对话框。 点击 Plot 按钮可绘制残差分布图、直方图、极端值图或正态概率图。 Options 按钮可改变进行逐步回归时的内部数值的设定以及对缺失值的处理方式。 Method 框中可选取不同的筛选自变量的回归方法。 默认项为强制进入法 Enter。 本次检验使用默认选项 Estimates 和 Model fit，单击 OK 键进行统计分析。 表一 Variables Entered/Removed Model Variables Entered Variables Removed Method 1 X2, X1 . Enter 表二 Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .996 .991 .987 40 表三 ANOVA Model Sum of Squares df Mean Square F Sig. Regression 2 .000 Residual 4 Total 6 a Predictors: (Constant), X2, X1 b Dependent Variable: Y 表四 Coefficients Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta (Constant) a .999。