实验报告
实验十一（因子分析）报告 一、数据来源 各地区年平均收入.sav 二、基本结果 （1）考察原有变量是否适合进行因子分析 首先考察原有变量之间是否存在线性关系，是否采用因子分析提取因子。借助变量的相关系数矩阵、反映像相关矩阵、巴特利球度检验和KMO检验方法进行分析，结果如表1、表2所示： 表1原有变量相关系数矩阵 correlation matrix 表1显示原有变量的相关系数矩阵，可以看出大部分的相关系数都比较高，各变量呈较强的线性关系，能够从中提取公共因子，适合进行因子分析。
表2 KMO and Bartlett's Test 由表2可知，巴特利特球度检验统计量观测值为182.913，p值接近0，显著性差异，可以认为相关系数矩阵与单位阵有显著差异，同时KMO值为 0.882，根据Kaiser给出的KMO度量标准可知原有变量适合进行因子分析。 （2）提取因子 进行尝试性分析：根据原有变量的相关系数矩阵，采用主成分分析法提取因子并选取大于1的特征值。具体结果见表3：可知，initial一列是因子分析 初始解下的共同度，表明如果对原有7个变量采用主成分分析法提取所有特征值，那么原有变量的所有方差都可以被解释，变量的共同度均为1。事实上，因子个数小于原有变量的个数才是因子分析的目的，所以不可以提取全部特征值。第二列表明港澳台经济单位、集体经济单位以及外商投资经济单位等变量的绝大部分信息（大于83%）可被因子解释。但联营经济、其他经济丢失较为严重。因此，本次因子提取的总体效果不理想。 表3因子分析中的变量共同度（一） 重新制定提取特征值的标准，指定提取2个因子，分析表4：可以看出，此时所有变量的共同度均较高，各个变量的信息丢失较少。因此，本次因子提取的总体效果比较理想。 表4因子分析的变量共同度（二）
习题一总论 1?简述统计总体和总体单位的含义及其关系。 统计总体（简称总体）是指统计所研究的事物的全体，它是由客观存在的具有某种共同性质的许多个别事物组成的集合体。总体单位是指构成统计总体的个别事物，是组成总体的基本单位，简称个体。统计总体和总体单位所指的具体内容不是固定不变的，而是随着研究的目的不同而变化的。总体可以变为总体单位，总体单位可以变为总体。 2 ?什么是指标和标志？指标与标志的关系如何？ 指标即统计指标，指反映统计总体综合数量特征的概念和数值。标志指说明总体单位特征的名称。指标与标志的区别：①指标是说明总体特征的，而标志是说明总体单位特征的；②所有指标都能用数值表示，而标志中的数量标志能用数值表示，品质标志却通常不能用数值表示。指标与标志的联系：①指标是对总体中各单位标志表现进行综合的结果，有许多统计指标其数值是由数量标志值汇总而来的，品质标志本身虽无数值，但许多指标却是按品质标志分组计算出来的。②指标和数量标志之间存在着变换关系，由于研究目的的变化，原来的总体变成总体单位，则相对应的统计指标就变成数量标志；反之，则相对应的数量标志就变成了统计指标。 习题二统计调查 1.完整的统计调查方案应包括哪些主要内容？ 应包括：①确定调查目的；②确定调查对象和调查单位；③确定调查内容，拟订调查表；④ 确定调查时间和调查期限；⑤确定调查的组织和实施计划。 2.调查对象、调查单位和填报单位有何区别？ 调查对象是指根据调查目的确定的需要进行调查研究的现象总体，它是由性质相同的许多个别单位组成的。调查单位是指调查对象中所要调查的具体单位，它是进行登记的标志的承担者；报告单位也叫填报单位，它是提交调查资料的单位，它与调查单位有时一致，有时不一致。 3?重点调查与典型调查的区别是什么？ 主要区别表现在两个方面： ①典型单位和重点单位性质不同。典型调查强调被选单位在同类社会经济现象中所具有的代表性、典型性，是有 意识地选取的；而重点调查则强调被选单位某标志值在总体标志值总和中所占的比重较大，是客观存在的。 ②侧重点不同。典型调查的主要目的是认识事物本质特征及其发展规律，调查深入细致，同时也注重定性调查； 而重点调查的目的主要是掌握总体的数量状况，着眼于普遍情况，注重量的调查。
5.1、实验步骤： 1．建立数据文件。 定义2个变量：PWK和DCGJSL，分别表示排污口和大肠杆菌数量。 2. 选择菜单“分析→比较均值→单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“DCGJSL”进入“因变量”列表框，选择变量“PWK”进入“因子”列表框。
3．单击“确定”按钮，得到输出结果。 结果解读： 由以上结果可以看到，观测变量大肠杆菌数量的总离差平方和为460.438；如果仅考虑“排污口”单个因素的影响，则大肠杆菌数量总变差中，排污口可解释的变差为308.188，抽样误差引起的变差为152.250，它们的方差（平均变差）分别为102.729和12.688，相除所得的F统计量的观测值为8.097，对应的概率P值为0.003。在显著性水平α为0.05的情况下。由于概率P值小于显著性水平α，则应拒绝零假设，认为不同的排污口对大肠杆菌数量产生了显著影响，它对大肠杆菌数量的影响效应不全为0。 因此，可判断各个排污口的大肠杆菌数量是有差别的。 5.2、实验步骤： 1．建立数据文件。 定义2个变量：Branch和Turnover，分别表示分店和日营业额。将Branch的值定义为1=第一分店，2=第二分店，3=第三分店，4=第四分店，5=第五分店。 2. 选择菜单“分析→比较均值→单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“Turnover”进入“因变量”列表框，选择变量“Branch”进入“因子”列表框。
3．单击“确定”按钮，得到输出结果。
结果解读： 由以上结果可以看到，观测变量日营业额的总离差平方和为1187668.733；如果仅考虑“分店”单个因素的影响，则日营业额总变差中，分店可解释的变差为366120.900，抽样误差引起的变差为821547.833，它们的方差（平均变差）分别为91530.225和14937.233，相除所得的F统计量的观测值为6.128，对应的概率P值近似为0。在显著性水平α为0.05的情况下，由于概率P值小于显著性水平α，则应拒绝零假设，认为不同的分店对日营业额产生了显著影响，它对日营业额的影响效应不全为0。 因此，在α＝0.05的显著性水平下，“这五个分店的日营业额相同”这一假设不成立。 5.3、实验步骤： 1．建立数据文件。 定义3个变量：weight和method，分别表示幼苗干重（mg）和处理方式。将method 的值定义为1=HCI，2=丙酸，3=丁酸，4=对照。 2. 选择菜单“分析→比较均值→单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“，method”进入“因变量”列表框，选择变量“weight”进入“因子”列表框。在“两两比较”选项中选择LSD、Bonferroni 和Scheffe方法。
因子分析实验报告 姓名：学号：班级： 一：实验目的 1.了解因子分析的基本原理及在spss中的实现过程。 2.体会运用因子分析方法对经济问题进行分析与评价的过程。 二：实验原理 因子分析得基本思想是根据相关性的大小把原始变量分组，使得同组内的变量之间相关性较高，而不同组变量间的相关性则较低，每组变量代表一个基本结构，并用一个不可观测的综合变量来表示。其模型为： x1=u1+a11f1+a12f2+a13f3…..a1m f m+e1 x2=u2+a21f1+a22f2+a23f3…..a2m f m+e2 x3=u3+a31f1+a32f2+a33f3…..a3m f m+e3 x p=u p+a p1f1+a p2f2+a p3f3…..a pm f m+e p 矩阵表示：x=u+A f+e 假设：E(f)=0; E(e)=0; V(f)=I; V(e)=D=diag(,…..); Cov(f,e)=E(fe T)=0. 其中：（x 1,x 2 ,x 3 (x) m ）T为P维可观测随机变量； u=（u 1,u 2 ,u 3 ….u m ）T为可观测变量的均值； 为协方差矩阵； f=（f 1,f 2 ,f 3 ….f m ）T为公因子向量； e=（e 1,e 2 ,e 3 …..e m ）T为特殊因子向量； A=（a ij ）p*m为因子载荷矩阵。 三：因子分析步骤 (1)对数据样本进行标准化处理。 (2)计算样本的相关矩阵R。 (3)求相关矩阵R的特征根和特征向量。 (4)根据系统要求的累积贡献率确定主因子的个数。 (5)计算因子载荷矩阵A。 (6)确定因子模型。 (7)根据上述计算结果，对系统进行分析。
简答题 1．一个完整的统计调查方案包括哪些主要内容 （1）确定调查目的。 （2）确定调查对象和调查单位。 （3）确定调查项目，拟定调查表。 （4）确定调查时间和时限。 （5）确定调查的组织和实施计划。 2．简述品质标志与数量标志的区别。品质标志表明总体单位属性方面的特征，其标志表现只能用文字来表示。品质标志本身不能直接汇总为统计指标，只能对其标志表现所对应的单位进行汇总综合才能形成统计指标即总体单位总量。 数量标志表明总体单位数量方面的特征，其标志表现可用数值表示，即标志值。数量标志值可直接汇总综合出数量指标。 3．时期指标有什么特点 （1）时期指标的数值是连续计数的，表示现象在一段时期内发生的总量； （2）时期指标具有累加性; （3）时期指标数值的大小与时间长短直接相关，时期越长，时期指标数值就越大。 4．影响抽样平均误差的因素有哪些 （1）总体各单位标志的变动程度（总体内部差异程度）； （2）抽样单位数的多少； （3）抽样组织方式； （4）取样方法（重复抽样或不重复抽样）。 5．品质标志与质量指标有何区别和联系 区别：品质标志说明总体单位的属性特征，只有名称，没有数值；而质量指标是统计指标中的一种，是说明统计总体特征的综合性数值，由指标名称和指标数值两个部分组成。 联系：品质标志与质量指标之间本身没有直接的关系只是在进行统计分析时，可以利用按某一品质标志分组的资料，计算各组某种质量指标，研究这种质量指标在各组之间的变动规律，这时两者之间便产生了一定的联系。 6、时期指标与时点指标有何区别 （1）时期指标反映现象在一段时期内发展过程的总数量时点指标表示现象处在某一时刻上的状态 （2）时期指标可以累计相加； 时点指标则不能 （3）时期指标数值的大小与计算时期长短有直接关 系；时点指标数值的大小与时间间隔长短没有直接关 系7、什么是同度量因素，在编制指数时如何确定同度 量因素的所属时间统计指数编制中能使不同度量单位 的现象总体转化为数量上可以加总，并客观上体现它
一、 单因素方差分析的计算步骤 假定实验或观察中只有一个因素（因子）A ,且A 有m 个水平，分别记为,,,21m A A A 在每一种水平下，做n 次实验，在每一次试验后可得一实验值，记做ij x 表示在第j 个水平下的第i 个试验值 ()m j n i ,2,1;,2,1==。结果如下表3.1： 表3.1 单因素方差分析数据结构表 为了考察因素 A 对实验结果是否有显著性影响，我们把因素A 的m 个水平m A A A ,,21看成是m 个正态总 体，而()m j n i x ij ,2,1;,2,1==看成是取自第 j 总体的第i 个样品，因此，可设 ()m j n i a N x j ij ,2,1;,2,1,,~2==σ。 可以认为j j j a εεμ,+= 是因素A 的第j 个水平j A 所引起的差异。因此检验因素A 的各水平之间是否 有显著的差异，就相当于检验： μ====m a a a H 210:或者 具体的分析检验步骤是： （一） 计算水平均值 令j x 表示第j 种水平的样本均值， 式中，ij x 是第 j 种水平下的第i 个观察值，j n 表示第j 种水平的观察值次数 （二）计算离差平方和 在单因素方差分析中，离差平方和有三个，它们分别是总离差平方和，组内离差平方和以及组间平方和。 首先，总离差平方和，用SST 代表，则， 其中,n x x ij ∑∑= 它反映了离差平方和的总体情况。 其次，组内离差平方和，用SSE 表示，其计算公式为： 其中j x 反映的是水平内部或组内观察值的离散状况，即反映了随机因素带来的影响。 最后，组间平方和，用SSA 表示，SSA 的计算公式为： 用各组均值减去总均值的离差的平方，乘以各组观察值个数，然后加总，即得到SSA 。可以看出，它
对2009年我国88个房地产上市公司的因子分析 分析结果： 表1 KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。.637 Bartlett 的球形度检验近似卡方398.287 df 45 Sig. .000 由表1可知，巴特利特球度检验统计量的观测值为398.287，相应的概率p值接近0，小于显著性水平 (取0.05)，所以应拒绝原假设，认为相关系数矩阵与单位矩阵有显著差异。同时，KMO值为0.637，根据Kaiser给出的KMO度量标准(0.9以上表示非常适合；0.8表示适合；0.7表示一般；0.6表示不太适合；0.5以下表示极不适合)可知原有变量不算特别适合进行因子分析。 表2 公因子方差 初始提取市盈率 1.000 .706 净资产收益率 1.000 .609 总资产报酬率 1.000 .822 毛利率 1.000 .280 资产现金率 1.000 .731 应收应付比 1.000 .561 营业利润占比 1.000 .782 流通市值 1.000 .957 总市值 1.000 .928 成交量（手） 1.000 .858 提取方法：主成份分析。 表2为公因子方差，即因子分析的初始解，显示了所有变量的共同度数据。第一列是因子分析初始解下的变量共同度，它表明，对原有10个变量如果采用主成分分析方法提取所有特征根(10个)，那么原有变量的所有方差都可被解释，变量的共同度均为1(原有变量标准化后的方差为1)。事实上，因子个数小于原有变量的个数才是因子分析的目标，所以不可提取全部特征根；第二列是在按指定提取条件(这里为特征根大于1)提取特征根时的共同度。可以看到，总资产报酬率、成交量、流
统计学基础（贾俊平）课后简答题 第一章 1 ?什么是统计学统计方法可以分为哪两大类 统计学是收集、处理、分析、解释数据并从数据中得出结论的科学。统计方法可以分为描述统计和分类统计。 2.统计数据可分为哪几种类型不同类型的数据各有什么特点 按照所采用的计量尺度不同，分为分类数据、顺序数据和数值型数据；按照统计数据的收集方法，分为观测的数据和实验的数据；按照被描述的对象与时间的关系，分为截面数据和时间序列数据。 按计量尺度分时：分类数据中各类别之间是平等的并列关系，各类别之间的顺序是可以任意改变的；顺序数据的类别之间是可以比较顺序的；数值型数据其结果表现为具体的数值。按收集方法分时：观测数据是在没有对事物进行人为控制的条件下等到的；实验数据的在实验中控制实验对象而收集到的数据。按被描述的对象与时间关系分时：截面数据所描述的是现象在某一时刻的变化情况；时间序列数据所描述的是现象随时间而变化的情况。3.举例说明总体、样本、参数、统计量、变量这几个概念。 总体是包含所研究的全部个体（数据）的集合 样本是从总体中抽取的一部分元素的集合 参数是用来描述总体特征的概括性数字度量 统计量是用来描述样本特征的概括性数字度量 变量是说明现象某种特征的概念。 对一千灯泡进行寿命测试，那么这千个灯泡就是总体，从中抽取一百个进行检测，这一 百个灯泡的集合就是样本，这一千个灯泡的寿命的平均值和标准差还有合格率等描述特 征的数值就是参数，这一百个灯泡的寿命的平均值和标准差还有合格率等描述特征的数 值就是统计量，变量就是说明现象某种特征的概念，比如说灯泡的寿命。 4.什么是有限总体和无限总体举例说明。 根据总体所包含的单位数目是否可数可以分为有限总体和无限总体。总体的范围能够明 确确定，而且元素的数目是有限可数的。比如，由若干个企业构成的总体就是有限总 体，一批待检验的灯泡也是有限总体。无限总体是指总体所包括的元素是无限的，不可 数的。例如，在科学试验中，每一个试验数据可以看作是一个总体的一个元素，而试验
第十一章实验设计的统计学基本原则 实验（Experiment）：指由研究者主动地决定给予部分实验对象某种处理，给予另部分对象某种对照处理的研究设计形式，这种处理的分配常常是随机的。 实验设计（Experimental design）：是通过良好地计划对象的选择、处理因素的分配、结果指标的测量和资料分析来保证比较组间对象和实验条件是均衡的，实验结果有较好的可比性，并且较好地控制误差以能用较小的样本获取可靠的结论。 一．实验设计的三要素：受试对象、处理因素和实验效应。 1．处理因素（treatment）：根据研究目的，对受试对象施加的某种措施，称为处理因素。 注意：①抓住主要因素。 ②控制混杂因素（“非处理因素”在各组中应尽可能相同）。 ③标准化（处理因素应该标准化，即研究过程中处理应该自始至
终保持一致，不能因任何原因中途改变。） 2．受试对象（subject）：动物——种类，品系，窝别 人——诊断，依从性 注意受试对象的同质性(homogeneity) 3．实验效应（effect）： 指标选择：有效，客观，灵敏，精确。（头痛，发烧） 指标观察：对人的观察应注意避免偏性，提倡盲法。 主观指标的量化：如划记评分。 完全不满意完全满意 0 1 2 3 4 5 6 7 8 9 10 二．实验研究的分类：根据实验的对象不同，实验分成三类。 1. 动物实验（animal experiment） 2. 临床试验（Clinical trial）
3. 现场干预试验（Intervention trial） 三．实验中的变异及其来源： 在实验中，由于实验对象自身特点、实验条件的变化和实验结果测量的不确定性造成实验结果与真值的差别称实验误差，根据统计分析上的处理不同，实验误差分成两类： 1. 随机误差：由大量、微小的、偶然的因素的共同作用引起的不易控制的误差称随机误差。如在实验中，温度、湿度、风向、振动、试剂、仪器、操作员等都可能造成结果的偏差。 随机变异是没有倾向性的，在大量观察条件下，随机误差的分布呈标准N。随机误差的规律可以用统计方法分析。 正态分布()1,0 2.系统误差（systematic error）：由于在对象选择、处理因素分配的不随机、测量结果的不准确造成实验结果有倾向性地偏离真值称系统误差，或称偏倚
SPSS相关分析实验报告 篇一：spss对数据进行相关性分析实验报告 实验一 一.实验目的 掌握用spss软件对数据进行相关性分析，熟悉其操作过程，并能分析其结果。 二.实验原理 相关性分析是考察两个变量之间线性关系的一种统计分析方法。更精确地说，当一个变量发生变化时，另一个变量如何变化，此时就需要通过计算相关系数来做深入的定量考察。P值是针对原假设H0：假设两变量无线性相关而言的。一般假设检验的显著性水平为0.05，你只需要拿p值和0.05进行比较：如果p值小于0.05，就拒绝原假设H0，说明两变量有线性相关的关系，他们无线性相关的可能性小于0.05；如果大于0.05，则一般认为无线性相关关系，至于相关的程度则要看相关系数R值，r越大，说明越相关。越小，则相关程度越低。而偏相关分析是指当两个变量同时与第三个变量相关时，将第三个变量的影响剔除，只分析另外两个变量之间相关程度的过程，其检验过程与相关分析相似。 三、实验内容 掌握使用spss软件对数据进行相关性分析，从变量之间的相关关系，寻求与人均食品支出密切相关的因素。 (1)检验人均食品支出与粮价和人均收入之间的相关关系。
a.打开spss软件，输入“回归人均食品支出”数据。 b.在spssd的菜单栏中选择点击，弹出一个对话窗口。 C.在对话窗口中点击ok,系统输出结果，如下表。 从表中可以看出，人均食品支出与人均收入之间的相关系数为0.921，t检验的显著性概率为0.0000.01，拒绝零假设，表明两个变量之间显著相关。人均食品支出与粮食平均单价之间的相关系数为0.730，t检验的显著性概率为0.0000.01，拒绝零假设，表明两个变量之间也显著相关。 (2)研究人均食品支出与人均收入之间的偏相关关系。 读入数据后： A.点击系统弹出一个对话窗口。 B.点击OK，系统输出结果，如下表。 从表中可以看出，人均食品支出与人均收入的偏相关系数为0.8665，显著性概率p=0.0000.01，说明在剔除了粮食单价的影响后，人均食品支出与人均收入依然有显著性关系，并且0.86650.921，说明它们之间的显著性关系稍有减弱。通过相关关系与偏相关关系的比较可以得知：在粮价的影响下，人均收入对人均食品支出的影响更大。 三、实验总结 1、熟悉了用spss软件对数据进行相关性分析，熟悉其操作过程。 2、通过spss软件输出的数据结果并能够分析其相互之间的关系，并且解决实际问题。 3、充分理解了相关性分析的应用原理。
统计学简答题参考答案 第一章绪论 1.什么是统计学？怎样理解统计学与统计数据的关系？ 答：统计学是一门收集、整理、显示和分析统计数据的科学。统计学与统计数据 2 第二章统计数据的描述 1描述次数分配表的编制过程。 答：分二个步骤： （1）按照统计研究的目的，将数据按分组标志进行分组。
按品质标志进行分组时，可将其每个具体的表现作为一个组，或者几个表现合并成一个组，这取决于分组的粗细。 按数量标志进行分组，可分为单项式分组与组距式分组 单项式分组将每个变量值作为一个组；组距式分组将变量的取值范围（区间）作为一个组。 答：众数、中位数和均值是分布集中趋势的三个主要测度，众数和中位数是从数据分布形状及位置角度来考虑的，而均值是对所有数据计算后得到的。众数容易计算，但不是总是存在，应用场合较少；中位数直观，不受极端数据的影响，但数据信息利用不够充分；均值数据提取的信息最充分，但受极端数据的影响。 5.为什么要计算离散系数？
答：在比较二组数据的差异程度时，由于方差和标准差受变量值水平和计量单位的影响不能直接比较，由此需计算离散系数作为比较的指标。 6.描述茎叶图和直方图，箱线图的画法，并说明它们的用途（P41、42） 答：茎叶图将数据分为“茎”和“叶”两部分，绘制茎叶图的关键是设计好树茎，通常是以该组数据的高位数值作为树茎，而且树叶上只保留该数值的最后一个数 注解、资料来源等，写在表的下方。7、填写数字资料不留空格，即在空格处划上斜线。统计表经审核后，制表人和填报单位应签名并盖章，以示负责。 第三章概率、概率分布与抽样分布 1.解释总体分布、样本分布和抽样分布的含义 答：总体分布指某个变量在总体中各个个体上的取值所形成的分布，它是未知
电子科技大学政治与公共管理学院本科教学实验报告 （实验）课程名称：数据分析技术系列实验 电子科技大学教务处制表
电子科技大学 实验报告 学生姓名：刘晨飞学号：27 指导教师：高天鹏 一、实验室名称：电子政务可视化实验室 二、实验项目名称：因子分析 三、实验原理 使用SPSS软件的因子分析对数据样本进行分析 相关分析的原理： 步骤一：将原始数据标准化。 因子分析的第一步是主成分分析，将总量较多的因素通过线性组合的方式组合成几个因素，且这些因素之间相互独立。 步骤二：建立变量的相关系数矩阵R Analyse->Dimention Ruduction-> Fctor ->Extraction->勾选Correlation matrix可以输出相关系数矩阵，相关系数矩阵计算了变量之间两两的pearson相关系数。 步骤三：适用性检验 使用Bartlett球形检验或者KMO球形检验来检验样本是否适合进行因子分析。 评价标准： KMO检验用于检验变量间的偏相关系数是否过小，一般情况下，当KMO大于0.9时效果最佳，小于0.5时不适宜做因子分析。 Bartlett球形检验用于检验相关系数矩阵是否是单位阵，如果结论是不拒绝该假设，则表示各个变量都是各自独立的。 步骤四：根据因子贡献率选取因子，特征值和特征向量构建因子载荷矩阵A。 处于简化和抽取核心的思想，一般会按照某种标准选取前几个对观测结果影响较大的因素构建因子载荷矩阵，一般的标准是选取特征根大于1的因子。并要求累积贡献率达到90%以上。 步骤五：对A进行因子旋转
因子旋转的目的是使因子载荷矩阵的结构发生变化，使每个变量仅在一个因子上有较大载荷。是将因子矩阵在一个空间里投影，使单个向量的投影在仅在一个变量的方向有较大的值，这样做可以简化分析。 步骤六：计算因子得分： 计算因子得分是计算在不同样本水平下观测指标的水平的方式。计算因子得分需要用到因子得分计算函数，这个计算的结果是无量纲的，仅表示各因子在这个水平下观测指标的值，这也是因子分析的目标，将不可观测的目标观测量用一个函数与可以观测的变量联系起来。 四、实验目的 理解因子分析的含义，以及数学原理，掌握使用spss进行因子分析的方法，并能对spss因子分析产生的输出结果进行分析。 五、实验内容及步骤 本次实验包含两个例子： 实验步骤： (0) 问题描述 实验一题目要求：对我国主要城市的市政基础设施情况进行因子分析。 实验二题目要求：主要城市日照数sav为例,其中的变量包括城市的名称“city”、各个月份的日照数 (1)实验二步骤：执行analyze->dimention reduction->factor->rotation如下勾选
山西农业大学信息学院 《试验设计与统计分析》教学大纲 课程名称：试验设计与统计分析 Experiment Design and Statistical Analysis 课程编码：105011 课程类别：专业基础课 学时/学分：48学时/3学分 适用专业：资环、环科等专业 一、前言 1、课程性质 《试验设计与统计分析》，是数理统计学在生物科学领域的应用，主要涉及科学研究中的试验设计、抽样观测和统计推断，是一门应用数学。课程还同时融入国际权威的SAS统计分析，通过上机处理试验实例的数据，巩固和加深理解所学统计原理及方法。课程不仅讨论如何科学地设计试验，而且还讨论如何科学地收集数据、整理数据、分析数据、解释数据和做出结论，是从事科学研究必不可少的基础知识。《试验设计与统计分析》是资环、环科专业的一门专业基础必修 课程。 2、教学目标 通过课堂讲授、课下作业和上机数据处理三个环节的教学过程，使学生掌握基本的试验设计与统计分析方法，掌握试验数据处理的程式步骤和技能。 3、教学要求 针对试验设计与统计分析的学科特点，结合专业的性质，讲授课程时理论与方法并重，力图把统计原理讲解的清晰易懂，使学生了解典型内容的基本原理和方法，理解统计方法的理论背景，掌握一些基本技能，从而培养学生分析解决实际问题的能力。 4、先修课程 高等数学、线性代数、概率论等
二、课程内容 绪论 教学内容及总体要求： 掌握：（1）试验设计与统计分析的概念、特点；（2）总体与样本、样本含量、参数与统计量的概念；（3）统计分析的基本要求。了解：（1）试验设计与统计分析的作用及其主要内容；（2）试验设计与统计分析的发展概况；（3）错误与误差、准确性与精确性的概念。 教学目标： 通过学习，使学生掌握试验设计与统计分析的概念、特点；总体与样本、样本含量、参数与统计量的概念；统计分析的基本要求。 教学方式方法建议： 课堂讲授、课堂讨论 学时：2学时 一、试验在科学研究中的作用 二、试验研究的一般程式及过程 三、试验设计与统计分析的涵义 四、试验设计与统计分析的必要性 五、课程特点与学习方法 六、常用术语和基本概念 思考题： 1、总体与样本、样本含量、参数与统计量的概念； 2、统计分析的基本要求 第一章田间试验设计（6学时） 第一节田间试验设计基础 1、田间试验设计概述 2、试验设计中的基本概念 第二节田间试验的种类 1、按试验性质分类
统计学简答题 第一章 1.统计的含义和本质是什么？ 统计一词包含三个含义：统计数据、统计活动和统计学。 统计的本质就是关于“为统计，统计什么和如统计”的思想，就是围绕研究目的和任务，运用科学的统计法，去获取真实客观的有关统计数据，做出必要的统计分析，以了解和认识事物的真相。 2.什么是统计学？有哪些性质？ 统计学是关于如收集、整理和分析统计数据的学科。 统计学就其研究对象而言，具有数量性、总体性和差异性的特点；就其学科畴而言，具有法型、层次性和通用性的特点；就其研究式而言，具有描述性和推断性的特点。 3.总体、样本、个体三者的关系如？试举例说明。 概念：总体就是统计研究的客观对象的全体，是由所有具有某种共同性质的事物所组成的集合体，有时也称母体。样本就是从总体中抽取一部分个体所组成的集合，也称子样。组成总体的每个个别事物就称为个体，也称总体单位。 总体与个体的关系： 1.总体的容量随着个体数的增减可变大变小。 2.随着研究目的的不同，总体中的个体可以发生变化。 3.随着研究围的变化，总体和个体的角色可以变换。 样本和总体的关系： 1.总体是所要研究的对象，而样本则是所要观测的对象，样本是总体的代表和缩影。 2.样本是用来推断总体的。 3.总体和样本的角色是可以改变的。 4.如理解标志、指标、变量三者的含义？试举例说明。 标志是用于描述或体现个性特征的名称，如某人是男性，教师。 统计指标简称指标是反映现象总体数量特征的概念以及数值，如09年全国人口13亿。 从狭义上看变量是指可变的数量标志，从广义上看变量不仅指可变数量标志也包括可变的品质标志，因此可变标志就是变量。 5.什么是统计指标体系？有哪些表现形式？试举例说明。 统计指标体系是由一系列统计指标构成，但并不是单个指标的简单组合，而是各个指标之间相互联系，相互制约的。 表现形式：1.数学等式关系 2.相互补充关系 3.相关关系 4.原因、条件、结果关系 第二章 1.概率抽样和非概率抽样有什么本质区别？试举例说明。
成组实验设计及其统计分析 成组设计及其统计分析 1. 实验设计 设实验因素A有A1,A2２个水平,将全部n(n最好是偶数)个受试对象随机地均分成２组,分别接受A1,A2２种处理。再设每种处理下观测的定量指标数为k,当k=1时, 属于一元分析的问题。当k≥2时,属于多元分析的问题。 在成组设计中,因2组受试对象之间未按重要的非处理因素进行两两配对, 无法消除个体差异对观测结果的影响,因此,其实验效率低于配对设计。 2. 前提条件与检验法的选用 在分析成组设计资料前,需考察资料是否满足下述2个前提条件:①正态性,即各组数据应独立抽自正态总体。②方差齐性,即2组资料的总体方差应该相等。下面根据这2个前提条件的满足情况,给出统计检验法的选用办法: 前提条件满足情况可选用的统计检验法 ①、②均满足成组设计资料的一般t检验 ①满足、②不满足近似t检验,即t'检验。或非参数检验 ①不满足非参数检验 在后2种情形中,若资料经过某种变量变换后能满足①、②2个前提条件,则对变量变换后的数据可用成组设计资料的一般t检验来分析。 3.应用实例 (1)一元的情形 ①成组设计资料的一般t检验 [例2.2.8]随机将20只雌性中年大鼠均分为甲、乙2组,甲组大鼠不接受任何处理(即空白对照),乙组中的每只大鼠接受3mg/kg的内毒素。分别测得2组大鼠的肌酐(mg/L)数据,试检验2总体均数之间有无显著差别。 甲(对照)组: 6.2,3.7, 5.8,2.7,3.9,6.1,6.7,7.8,3.8,6.9 乙(处理)组: 8.5,6.8,11.3,9.4,9.3,7.3,5.6,7.9,7.2,8.2 [分析与解答]先假定此资料满足正态性这一前提条件(后面将用程序来实现)。 2总体方差的齐性检验:H0:σ12=σ22,H1:σ12≠σ22,α=0.05。 用计算器实现统计计算所需的公式: (2.2.4) 式中MS1为较大均方、MS2为较小均方,SS、df分别为离差平和及自由度。F～F(df1,df2), 拒绝域:F≥Fα(df1,df2),则P≤α。 本例的已知条件和中间结果: 甲组: n=10, df=9, ∑X=53.6, X-=5.36, ∑X2=313.26, SS=25.964, MS=2.884889 乙组: n=10, df=9, ∑X=81.5, X-=8.15, ∑X2=687.17, SS=22.945, MS=2.549444 显然,甲组MS大于乙组MS,故应把甲组的有关统计量放在式(2.2.4)的分子上。 代入公式(2.2.4)计算的结果: F=1.132 查方差齐性检验用的F临界值表,得:F0.05(9,9)=4.03,因F
实验十一(因子分析)报告 、数据来源 各地区年平■均收入.sav dq 1 招1K2 K J x5 AD JC7 北亨10307 00必9 3D 99170012364 JJ13053 00g5 0C ■J 天津盹即UQ5093 0D 56&7 00 11 股CO 117^7 009950.00 51C9 00 , 3河牝6066 003043 0D 5073 00 602903 B323 00 ET8&CC 7125 00 4 山西5791 003177 □□33^3 00 涵工0Q &3B7.TO & 290 00 50-1-1 00 5内蒙古5462 00 3551 005290 00 4407 01551200 彻IX街co iZ宁6226 003503.00 3799 00 6618.0U 9150.X 7J17,0U atyy.uu 6 7吉林601700 3813 Q074mnn7471 Ti7402 00泌g nr Bfil1 R1 5323 002747 3D 1472 00 3366 30 551300 5033 0C32EC00 9 上鲁11733 00 7329.00 874^.00 12^60016BS7.ua 14175.DO 12720.00 n io g7745 0051B3 0D7390 00nuan9151 DO7352 00洛J 00 H8847 007D260D 7346.00 935&001(3417.00 3600.00 eUBOQ 126035 0C 3692 CJD 曲*00 GM&aa 5042 DO5611 00 5eo6co 13福津7K1 QC5眺叩1112^00 3556.00 8336 OQ 6732.C0 7507 00 U■■工西5303 003E36 50 6O5E00 7337 m K45D07535.00 44E5 00 15山莱6617004106 0D &420.00 6257 TO 5702 DO 562&.Q0ZJ51 00 渴南56 的003797 00 €91200&jn9oo 6307 00 4996 00 17 曲比5741.D03731.0D5193 00 S31900 0Q37.OO G7G9.C0 49&3.00 1S5683 003736 0D 621B005027 Tl 7529 005224 DO 3713 00 捋广布10031006BH 00 110X0012475.03 12410.00 11UD CO 7713 CO 30 FS5654 004437 00 5296 00 653BOJ 6765 00 ￡677 OC 6189 00 215465 004网QD 7Q1Q0Q 1105200 9077 00 @373 00 6462 0Q P 22582BD04D16.Q0 3BS2 00G1SB.009114.00 蹄i加7C125 0D II5996 003982 00 4S42 00 G33300 6707 00 &%aa)4509 00 23 刨 二、基本结果 (1)考察原有变量是否适合进行因子分析 首先考察原有变量之间是否存在线性关系，是否采用因子分析提取因子。 借助变量的相关系数矩阵、反映像相关矩阵、巴特利球度检验和KMO检验方法 进行分析，结果如表1、表2所示： 表1原有变量相关系数矩阵correlation matrix 表1显示原有变量的相关系数矩阵，可以看出大部分的相关系数都比较高，各变量呈
统计分析综合实验考题 一．样本数据特征分析： 要求收集国家统计局2011年与2000年全国人口普查相关数据，进行二者的比较，然后写出有说明解释的数据统计分析报告，文字通顺，对统计结果的说明分析重点突出，几条要求如下：1．报告必须包含所收集的原始数据表，至少包括总人口，流动人口，城乡、性别、年龄、民族构成，教育程度，家庭户人口八大指标； 2．报告中必须有针对某些指标的条形图，饼图，直方图以及累计频率条形图，（茎叶图可选作） 3．采用适当方式分别检验二次调查得到的人口年龄比例以及教育程度这两个指标是否有显著不同，写明检验过程及结论。二．一元线性回归分析： 回归模型：自由建立，如将某地人均食品消费支出与人均收入作为因变量与解释变量，或某地家用汽车消费量与人均收入作为因变量与解释变量等均可。 统计分析报告必须写明：实际问题的背景，所采用的模型与数据来源，至少有20个原始的样本数据，回归方差分析表以及回归系数及显著性检验表（5%），回归系数的95%置信区间，散点图，分析结论，应用价值等均不可缺少。 特别提醒：按时交打印稿并且附此试题！
统计分析综合实验答题 一、样本数据特征分析 2000年全国人口普查与2011年全国人口普查相关数据分析报告 2011年第六次全国人口普查数据显示，总人口数为1339724852，比2000年的第五次人口普查的1242612226人次，总人口数增加97112626人，增长7.82%，平均年增长率为0.78%。 （二）家庭户人口 2000年人口普查家庭户人口数共有1178271219人，有家庭户340491197，平均每个家庭3.46人。2011年增长到1244608395人，平均每个家庭户的人口为3.10人，比2000年减少0.36人。 （三）流动人口 2011年人口普查数据中，居住地与户口登记地所在的乡镇街道不一致且离开户口登记地半年以上的人口为261386075人，同2000年第五次全国人口普查相比，居住地与户口登记地所在的乡镇街道不一致且离开户口登记地半年以上的人口增加116995327人，增长81.03%。 （四）城乡构成 2000年农村居民人口数为783841243人，占63.08%；城镇居民则有458770983人，占36.92%。2011年人口普查显示居住在城镇的人口为665575306人，占49.68%；居住在乡村的人口为674149546人，占50.32%。通过下面的条形图可以清楚的看到2000年—2011年十年间，农村居民减少而城镇居民增加，通过进一步计算可以得知城镇人口比重上升12.76个百分点。
正交因子分析（设计性实验） (Orthogonal factor analysis) 实验原理：因子分析是主成分分析的推广和发展，其目的是用少数几个不可观测的隐变量，即因子，来解释原始变量之间的相关关系，它也是属于多元分析中处理降维的一种统计方法。因子分析的基本思想是通过变量间的协方差矩阵（或相关系数矩阵）内部结构的研究，寻找能控制所有变量的少数几个因子去描述多个变量之间的相关关系。因子分析中最常用的数学模型是正交因子模型，其特点是模型中的因子相互之间正交。 实验题目一： 下表中给出了二战以来奥运会运动员十项运动成绩的相关系数矩阵：(E9a6) 100米 1.00 . . . . . . . . .跳远 0.59 1.00 . . . . . . . .铅球 0.35 0.42 1.00 . . . . . . .跳高 0.34 0.51 0.38 1.00 . . . . . . 400米 0.63 0.49 0.19 0.29 1.00 . . . . . 110米跨栏 0.40 0.52 0.36 0.46 0.34 1.00 . . . .铁饼 0.28 0.31 0.73 0.27 0.17 0.32 1.00 . . .撑竿跳高 0.20 0.36 0.24 0.39 0.23 0.33 0.24 1.00 . .标枪 0.11 0.21 0.44 0.17 0.13 0.18 0.34 0.24 1.00 . 1500米 -0.07 0.09 -0.08 0.18 0.39 0.00 -0.02 0.17 -0.00 1.00实验要求： （1）试由相关系数矩阵作因子分析；covmat （2）试根据因子载荷，并结合题目背景知识，对公共因子进行命名。 实验题目二：下表中给出了不同国家及地区的女子径赛记录：(t1a7) Country 100 m (s) 200 m (s) 400 m (s) 800 m (min) 1500 m (min) 3000 m (min) Marathon (min)
1.“统计”一词有哪些含义？什么是统计学？ （1）统计工作或统计实践活动：对现象的数量进行搜集、整理和分析的活动过程 （2）统计资料：通过统计实践活动取得的说明对象某种数量特征的数据 （3）统计学：是关于数据的一门科学 统计学是一门收集、整理、显示和分析统计数据的科学，其目的是探索数据内在的数量规律性。 2.一组数据的分布特征可以从哪几个方面进行测度？ 一组数据的分布特征可以从以下三个方面进行测度： 集中趋势的测度（众数、中位数、分位数、均值、几何平均数、切尾均值） 离散程度测度（极差、内距、方差和标准差、离散系数） 偏态与峰度测度（偏态及其测度、峰度及其测度） 3.分布集中趋势的测度指标有哪些？ 众数、中位数、分位数、均值、几何平均数、切尾均值 4.简述众数、中位数和均值的特点和应用场合。 众数最容易计算，但不是永远存在，它不受极端值影响、具有不惟一性、作为集中趋势代表值应用的场合较少，数据分布偏斜程度较大时应用，在编制物价指数时，农贸市场上某种商品的价格常以很多摊位报价的中数值为代表。 中位数很容易理解、很直观，它不受极端值的影响，这既是它有价值的方面，也是它数据信息利用不够充分的地方； 均值是对所有数据平均后计算的一般水平代表值，数据信息提取的最充分，数据对称分布或接近对称分布时应用，它在整个统计方法中应用最广，对经济管理和工程等实际工作也是最重要的代表值和统计量。 5.分布离散程度的测度指标有哪些？ 极差、内距、方差和标准差、离散系数 6、常用的概率抽样方法有哪些？各自的含义如何？ （1）简单随机抽样：从总体N个单位中随机地抽取n个单位作为样本，使得每一个总体单位都有相同的机会(概率)被抽中，这样的抽样方式称为简单随机抽样。 （2）分层抽样：在抽样之前先将总体的单位按某种特征或某种规则划分为不同的层，然后从不同的层中抽取一定数量的单位组成一个样本，这样的抽样方式称为分层抽样。 （3）系统抽样：在抽样中先将总体各单位按某种顺序排列，并按某种规则确定一个随机起点，每隔一定的间隔抽取一个单位，直至抽取n个单位形成一个样本。 （4）整群抽样：调查时先将总体划分成若干群，然后再以群作为调查单位从中抽取部分群，进而对抽中的各个群中所包含的所有个体单位进行调查或观察。 （5）多阶段抽样：先抽取群，但并不是调查群内的所有单位，而是再进行一步抽样，从选中的群中抽取出若干个单位进行调查。 群是初级抽样单位，第二阶段抽取的是最终抽样单位。将该方法推广，使抽样的段数增多，就称为多阶段抽样。 7、什么是抽样分布？ 就是由样本n个观察值计算的统计量的概率分布。 8、什么是匹配样本？ 一个样本中的数据与另一个样本中的数据相对应，这样的样本称为匹配样本。 9、假设检验的思想以及假设检验中的两类错误是什么？ 假设检验的基本思想是小概率反证法思想。小概率思想是指小概率事件（P<0.01或P<0.05）