SPSS统计分析考查课试题讲课教案.doc

Good is good, but better carries it.精益求精，善益求善。SPSS统计分析考查课试题-河南师范大学生命科学学院研究生考查课程答卷年级类别：12级学科专业：植物学学号：1204180293姓名：王多多课程名称：SPSS统计分析授课教师：张黛静邵云姜丽娜考试时间：2013-06-261、 考试分数：SPSS的全称是什么？SPSS统计软件的特点是什么？2、 为了从3种原料和3种温度中选择使酒精产量最高的水平组合，设计了二因素试验，重复4次，结果如表1所示。试进行统计分析，并进行解释。表1原料与温度对酒精产量影响资料(kg)原料(A)重复温度(B)B1(30)B2(35)B3(40)A1141116249122232325264252411A2147438259382235033184403614A314855302353833353472645944193、测定了10个大麦亲本材料的穗长（x1）、穗下节间长（x2）、每株穗数（x3）、每穗粒数（x4）、每株粒数（x5）、千粒重（x6）和每株粒重（y）的关系，结果如表2所示。试用逐步回归的方法建立y依xj的最优线性回归方程，并进行解释。表2大麦穗长资料编号穗长（x1）/cm穗下节间长（x2）/cm每株穗数（x3）/个每穗粒数（x4）/粒每株粒数（x5）/粒千粒重（x6）/g每株粒重（y）/g19.528.312.323.0282.138.410.726.236.012.324.8306.637.411.536.133.110.424.6258.530.27.648.932.512.828.3362.637.212.557.930.69.028.4256.634.08.768.131.813.720.0273.845.514.979.425.612.722.8282.229.08.284.929.88.851.1447.426.011.697.432.99.149.2449.131.914.3105.829.810.223.3238.227.36.51. 答：SPSS的全称是StatisticalPackagefortheSocialScience，于1968年由美国斯坦福大学（StanfordUniversity，USA）的三位研究生研发而成，并以此名创立SPSS公司。SPSS统计软件的特点是操作简单，易学易用；具有较强的统计功能和强大的作图功能，特别是能够快速准确的完成大量的、烦琐的、专业的和复杂的数据统计分析。是国际上认可的专业统计分析软件之一。2统计分析及结果如下：原料多个比较因变量:酒精产量(I)原料(J)原料均值差值(I-J)标准误差Sig.95%置信区间下限上限LSD12-11.0833*3.73778.006-18.7526-3.41403-17.6667*3.73778.000-25.3360-9.99742111.0833*3.73778.0063.414018.75263-6.58333.73778.090-14.25261.08603117.6667*3.73778.0009.997425.336026.58333.73778.090-1.086014.2526基于观测到的均值。误差项为均值方(错误)=83.826。*.均值差值在.05级别上较显著。检验结果表明：原料A1和原料A2之间，及原料A1和原料A3之间有显著性差异，而原料A2和原料A3之间没有显著性差异，表明不同原料对酒精产量有较显著影响。温度多个比较因变量:酒精产量(I)温度(J)温度均值差值(I-J)标准误差Sig.95%置信区间下限上限LSD1211.7756*3.66519.0034.255319.2960323.9924*3.82178.00016.150831.834121-11.7756*3.66519.003-19.2960-4.2553312.2168*3.75082.0034.520719.912831-23.9924*3.82178.000-31.8341-16.15082-12.2168*3.75082.003-19.9128-4.5207基于观测到的均值。误差项为均值方(错误)=83.826。*.均值差值在.05级别上较显著。结果表明，在0.01的显著水平上，不同温度处理之间的Sig值均小于0.01，因此不同温度处理之间的差异性达到极显著水平，表明不同温度对酒精产量有极显著影响3.描述性统计量均值标准偏差N每株粒重10.65002.8434110穗长7.42001.6102410穗下节间长31.04002.8941310每株穗数11.13001.8282010每穗粒数29.550011.1515110每株粒数315.710077.6034010千粒重33.69006.0110010VariablesEntered/RemovedbModelVariablesEnteredVariablesRemovedMethod1每株粒数a.Enter2千粒重.Stepwise(Criteria:Probability-of-F-to-enter<=.050,Probability-of-F-to-remove>=.100).a.Allrequestedvariablesentered.b.DependentVariable:每株粒重ModelSummarycModelRRSquareAdjustedRSquareStd.ErroroftheEstimateDurbin-Watson1.607a.368.2892.39762.979b.958.946.65871.254a.Predictors:(Constant),每株粒数b.Predictors:(Constant),每株粒数,千粒重c.DependentVariable:每株粒重模型1给出了每株粒重与每株粒数之间的相关系数0.607，反应了两者之间具有显著的线性关系。模型2中，因变量与两个自变量的复相关系数为0.979，反映了每株粒重与每株粒数和千粒重之间具有显著的线性关系。模型2给出了杜宾-瓦特森值为1.254ANOVAcModelSumofSquaresdfMeanSquareFSig.1Regression26.777126.7774.658.063aResidual45.98885.749Total72.76592Regression69.728234.86480.351.000bResidual3.0377.434Total72.7659a.Predictors:(Constant),每株粒数b.Predictors:(Constant),每株粒数,千粒重c.DependentVariable:每株粒重表中给出了两个模型的方差分析结果模型1，F=4.658sig=0.063未达到显著水平模型2，F=80.351sig=0.000达到极显著水平，存在显著线性关系CoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)3.6333.3391.088.308每株粒数.022.010.6072.158.0632(Constant)-10.9721.731-6.339.000每株粒数.029.003.7839.884.000千粒重.373.037.7889.949.000a.DependentVariable:每株粒重根据表中数据非标准化系数B的值可知，逐步回归过程中先后建立的两个回归模型分别是y=3.633-0.022X5y=-10.972+0.029X5+0.373X6根据表中标准化回归系数Beta的值可知，逐步回归过程中先后建立的两个标准化回归模型分别是y=0.607X5y=0.783X5+0.788X6ExcludedVariablescModelBetaIntSig.PartialCorrelationCollinearityStatisticsTolerance1穗长.323a1.141.291.396.952穗下节间长.290a1.016.343.359.969每株穗数.551a2.228.061.644.865每穗粒数-1.154a-1.912.097-.586.163千粒重.788a9.949.000.966.9502穗长-.068b-.728.494-.285.736穗下节间长-.014b-.156.881-.063.824每株穗数-.003b-.026.980-.011.478每穗粒数.147b.554.600.221.094a.PredictorsintheModel:(Constant),每株粒数b.PredictorsintheModel:(Constant),每株粒数,千粒重c.DependentVariable:每株粒重相关性每株粒重穗长穗下节间长每株穗数每穗粒数每株粒数千粒重Pearson相关性每株粒重1.000.174.387.253.367.607.613穗长.1741.000-.421.592-.422-.219.502穗下节间长.387-.4211.000-.039.103.176.332每株穗数.253.592-.0391.000-.701-.368.688每穗粒数.367-.422.103-.7011.000.915-.461每株粒数.607-.219.176-.368.9151.000-.224千粒重.613.502.332.688-.461-.2241.000Sig.（单侧）每株粒重.315.135.240.148.031.030穗长.315.113.036.112.272.070穗下节间长.135.113.458.389.314.175每株穗数.240.036.458.012.148.014每穗粒数.148.112.389.012.000.090每株粒数.031.272.314.148.000.267千粒重.030.070.175.014.090.267.N每株粒重10101010101010穗长10101010101010穗下节间长10101010101010每株穗数10101010101010每穗粒数10101010101010每株粒数10101010101010千粒重10101010101010残差统计量a极小值极大值均值标准偏差N预测值5.906814.553810.65002.8210310标准预测值-1.6811.384.0001.00010预测值的标准误差.408.598.512.06810调整的预测值5.111714.070710.62632.7312210残差-.41117.59323.00000.3560710标准残差-.667.962.000.57710Student化残差-1.3951.472.0331.08210已删除的残差-2.470682.14664.023731.4542210Student化已删除的残差-1.9222.278.1551.38110Mahal。距离3.0297.5695.4001.62210Cook的距离.0182.015.565.65910居中杠杆值.337.841.600.18010a.因变量:每株粒重从回归残差的直方图与附于其上的正态分布曲线相比较，可以看出残差分布并不明显的符从正态分布，尽管这样我们不能盲目的否定残差服从正态分布的假定，因为我们的样本容量太少，仅有10个样本容量。-