袁卫《统计学》配套题库【章节练习】(方差分析与实验设计)【圣才出品】

第6章方差分析与实验设计

一、单项选择题

1．对线性回归方程的显著性检验，通常采用3种方法，即相关系数法、F检验法和t 检验法，下面说法正确的是（）[山东大学2017研]

A．F检验法最有效

B．t检验法做有效

C．3种方法是相通的，检验效果是相同的

D．F检验法和t检验法，可以代替相关系数检验法

【答案】D

【解析】F检验用来检验回归方程的总体线性关系是否显著，t检验和相关系数检验用来检验单个自变量与因变量的线性关系是否显著。在一元线性回归模型中，三种检验方法等价；在多元线性回归模型中，三种检验方法有各自的用处，效果不一定相同。F检验法和t 检验法可以检验相关系数，代替相关系数检验，D项正确。

2．在DW检验中，无序列相关的区间为（）。[山东大学2017研]

A．0≤DW≤du

B．du＜DW＜4－du

C．4－du≤DW≤4－dl

D．4－du＜DW＜4

【答案】B

【解析】D-W检验统计量DW＝2（1－r），其中r为序列的自相关系数。当r→0时，D→2；当r→1时，D→0；当r→－1时，D→4。根据样本容量n和解释变量数目k，在给定显著性水平下，建立D-W检验统计量的下临界值d l和上临界值d u，确定具体的用于判断的范围。当0≤DW＜d l时，存在正自相关；当d l≤DW≤d u或4－d u≤DW≤4－d l时，相关性不能确定；当d u＜DW＜4－d u时，无序列相关；当4－d l＜DW＜4时，存在负自相关。

3．对模型y i＝β0＋β1x1i＋β2x2i＋εi的最小二乘回归结果显示，多重判定系数R2＝0.92，样本容量为30，总离差平方和为500，则估计的标准误差为（）。[山东大学2017研] A．1.217

B．1.482

C．4.152

D．5.214

【答案】A

【解析】由题意SST＝500，R2＝SSR/SST＝0.92，所以SSR＝460，SSE＝SST－SSR ＝40，估计的标准误差为

=

1.217

4．在多元线性回归模型中，若自变量x i对因变量y的影响不显著，那么它的回归系数βi的取值（）。[山东大学2017研]

A．可能为0

B．可能为1

C．可能小于0

D．可能大于1

【答案】A

【解析】若某一个自变量对因变量影响不显著，说明无法拒绝该自变量回归系数为0的原假设，所以它的回归系数可能为0。

5．在多元线性回归分析中，多重共线性是指（）。[山东大学2017研]

A．两个或两个以上的自变量彼此相关

B．两个或两个以上的自变量彼此无关

C．因变量与一个自变量相关

D．因变量与一个或一个以上的自变量相关

【答案】A

【解析】在一个回归模型中如果两个或两个以上的自变量彼此相关，则说明它存在多重共线性。

6．在单因素方差分析中有（）[浙江工商大学2014研]

A．SS A/S2～χ2（r－1）

B．SS E/S2～χ2（r－1）

C．SS T/S2～χ2（r－1）

D．SS T/S2～χ2（n）

【答案】A

【解析】根据单因素方差分析中所用的F统计量：F＝MSA/MSE＝（SSA/df A）/（SSE/df E）服从F分布可知，分子、分母均是卡方分布除以其自由度，df A＝r－1，因此SSA服从参数为r－1的卡方分布。

7．方差分析所要研究的问题是（）。

A．各总体的方差是否相等

B．各样本数据之间是否有显著差异

C．分类型自变量对数值型因变量的影响是否显著

D．分类型因变量对数值型自变量的影响是否显著

【答案】C

【解析】方差分析是检验多个总体均值是否相等的统计方法。它是通过检验各总体的均值是否相等来判断分类型自变量对数值型因变量是否有显著影响。它所要研究的问题就是分类型自变量对数值型因变量的影响。

8．与假设检验方法相比，方差分析方法可以使犯第I类错误的概率（）。

A．提高

B．降低

C．等于0

D．等于1

【答案】B

【解析】与假设检验相比，方差分析可以提高检验的效率，同时由于它将所有的样本信息结合在一起，增加了分析的可靠性；随着个体显著性检验次数的增加，假设检验犯第I类

错误的概率会增加，例如：取α＝0.05，连续进行6次假设检验，则犯第I类错误的概率为：1－（1－α）6＝0.265＞0.05。方差分析则排除了错误累积的概率。

9．在单因素方差分析中，涉及的两个变量是（）。

A．数值型变量

B．分类型变量

C．一个分类型自变量和一个数值型的因变量

D．一个数值型的自变量和一个分类型自变量

【答案】C

10．组间误差是衡量因素的不同水平（不同总体）下各样本之间的误差，它（）。

A．只包括随机误差

B．只包括系统误差

C．既包括随机误差，也包括系统误差

D．有时包括随机误差，有时包括系统误差

【答案】C

【解析】衡量因素的同一水平（同一个总体）下样本数据的误差，称为组内误差；衡量因素的不同水平（不同总体）下各样本之间的误差，称为组间误差。组内误差只包含随机误差，而组间误差既包括随机误差，也包括系统误差。

11．在单因素方差分析中，各次试验观测应（）。

A．相互关联

B．相互独立

C．计量逐步精确

D．方法逐步改进

【答案】B

【解析】方差分析中有三个基本的假定：①每个总体都应服从正态分布，即对于因素的每一个水平，其观测值是来自正态分布总体的简单随机样本；②各个总体的方差σ2必须相同，即对于各组观察数据，是从具有相同方差的正态总体中抽取的；③观测值是独立的。

12．在单因素方差分析中，所提出的原假设和备择假设分别是（）。

A．H0：μ1＝μ2＝…＝μk，H1：μ1≠μ2≠…≠μk

B．H0：μ1＝μ2＝…＝μk，H1：μ1＞μ2＞…＞μk

C．H0：μ1＝μ2＝…＝μk，H1：μ1＜μ2＜…＜μk

D．H0：μ1＝μ2＝…＝μk，H1：μi（i＝1，2，…，k）不全相等

【答案】D

【解析】在方差分析中，原假设所描述的是：在按照自变量的值分成的类中，因变量的均值是否相等。因此，检验因素的k个水平（总体）的均值是否相等，需要提出如下形式的假设：H0：μ1＝μ2＝…＝μk，即自变量对因变量没有显著影响；H1：μi（i＝1，2，…，k）不全相等，即自变量对因变量有显著影响，式中：μi为第i个总体的均值。

13．在单因素方差分析中，若因子的水平个数为k，全部观测值的个数为n，则（）。

A．SST的自由度为n

B．SSA的自由度为k

方差分析和试验设计

6方差分析与试验设计 在研究一个或多个分类型自变量与一个数值型因变量之间的关系时，方差分析就是其中主要方法之一。检验多个总体均值是否相等的统计方法。 所要检验的对象称为因素。因素的不同表现称为水平。每个因子水平下得到的样本数据称为观测值。 随机误差：在同一行业（同一总体）下，样本的各观测值是不同的。抽样随机性造成。 系统误差：在不同一行业（不同一总体）下，样本的各观测值也是不同的。抽样随机性和行业本身造成的。 组内误差：衡量因素在同一行业（同一总体）下样本数据的误差。只包含随机误差。 组间误差：衡量因素在不同一行业（不同一总体）下样本数据的误差。包含随机误差、系统误差。 方差分析的三大假设： 每个总体服从正态分布； 每个总体的方差必须相同； 观测值是独立的； 单因素方差分析（F分布） 数据结构：表示第i个水平（总体）的第j个的观测值。（i列j行）分析步骤： 1提出假设。自变量对因变量没有显著影响 不完全相等自变量对因变量有显著影响 2构造检验的统计量 计算因素各水平的均值（各水平样本均值） 计算全部观测值的总均值（总体均值） 计算误差平方和： 总误差平方和SST：全部观测值与总平均值得误差平方和。 水平项误差平方和SSA：各组平均值与总平均值得误差平方和。组间平方和。 误差项平方和SSE：各样本数据与其组平均值误差的平方和。组内平方和。 SST=SSA+SSE

A B C D E F G 1 误差来源 平方和自由度均方F 值P 值 F 临界值2SS df MS 3组间（因素 来源）SSA k-1MSA MSA/MSE 4组内（误差）SSE n-k MSE 5 总和 SST n-1 计算统计量 各平方和除以它们对应的自由度，这一结果称为均方。 SST 的自由度为（n-1），其中n 为全部观测值的个数。 SSA 的自由度为（k-1），其中k 为因素水平的个数。（组数-1） SSE 的自由度为（n-k ）。 SSA 的均方（组间均方）为 SSE 的均方（组内均方）为 3统计决策 在给定的显著性水平α下，查表得临界值 若，有显著影响； 若，无显著影响； 4方差分析表

spss实验报告---方差分析

实验报告 ——（方差分析） 一、实验目的 熟练使用SPSS软件进行方差分析。学会通过方差分析分析不同水平的控制变量是否对结果产生显著影响。 二、实验内容 1、某职业病防治院对31名石棉矿工中的石棉肺患者、可疑患者及非患者进行了用力肺活量（L）测定，问三组石棉矿工的用力肺活量有无差别?（自建数据集） 石棉肺患者可疑患者非患者 1.8 2.3 2.9 1.4 2.1 3.2 1.5 2.1 2.7 2.1 2.1 2.8 1.9 2.6 2.7 1.7 2.5 3.0 1.8 2.3 3.4 1.9 2.4 3.0 1.8 2.4 3.4 1.8 3.3 2.0 3.5 SPSS计算结果： 在建立数据集时定义group1为石棉肺患者，group2为可疑患者，group3为非患者。 零假设：各水平下总体方差没有显著差异。 相伴概率为0.075，大于0.05，可以认为各个组的方差是相等的，可以进行方差检验。

从上表可以看出3个组之间的相伴概率都小于显著性水平0.05，拒绝零假设，说明3个组之间都存在显著差别。 2、某汽车经销商在不同城市进行调查汽车的销售量数据分析工作，每个城市分别处于不同的区域：东部、西部和中部，而且汽车经销商在不同城市投放不同类型的广告，调查数据放置于附件中数据文件“汽车销量调查.sav”。 （1）试分析不同区域与不同广告类型是否对汽车的销量产生显著性的影响？（2）如果考虑到不同城市人均收入具有差异度时，再思考不同区域和不同广告类型对汽车销量产生的影响差异是否改变，这说明什么问题？ SPSS计算结果： （1）此为多因素方差分析 相伴概率为0.054大于0.05，可以认为各个组总体方差相等可以进行方差检验。

第四节析因设计与方差分析

第四节析因设计与方差分析 1. 基本概念 完全随机设计(单因素) 随机区组设计(两因素, 无重复) 拉丁方设计(三因素, 无重复) 析因设计(两因素以上, 至少重复2次以上) 析因设计的意义 在评价药物疗效时，除需知道A药和B药各剂量的疗效外（主效应），还需知道两种药同时使用的协同疗效。析因设计及相应的方差分析能分析药物的单独效应、主效应和交互效应。 例：

A因素食物中蛋白含量; B因素食物中脂肪含量 B A 平均a2-a1 a1 a2 b1 30 32 31 2 b2 36 44 40 8 平均33 38 35.5 5 b2-b1 6 12 9

(1)单独效应: 在每个B 水平, A 的效应。或在每个A 水平，B 的效应。 (2)主效应：某因素各水平的平均差别。 (3)交互效应：某因素各水平的单独效应随另一因素水平变化而变化，则称两因素间存在交互效应。如果)()()(000μμμμμμ-+-≠-b a ab ，存在交互效应。 如果)()()(000μμμμμμ-+->-b a ab ，协同作用。 如果)()()(000μμμμμμ-+-<-b a ab ，拮抗作用。

25 27 29 31 33 35 37 39 41 43 45 a1a2 25 27 29 31 33353739414345 a1a2 如果不存在交互效应，则只需考虑各因素的主效应。 在方差分析中，如果存在交互效应，解释结果时，要逐一分析各因素的单独效应，找出最优搭配。 在两因素析因设计时，只需考虑一阶交互效应。三因素以上时，除一阶交互效应外，还需考虑二阶、三阶等高阶交互效应，解释将更复杂。

实验4--方差分析报告

学院：数学与统计学院 专业：数学与应用数学 学号： ：君波 实验六方差分析 一、实验目的 通过本次实验，了解如何进行各种类型均值的比较与检验。 二、实验性质 必修，基础层次 三、主要仪器及试材 计算机及SPSS软件 四、实验容 单因素方差分析 五、实验学时 2学时 单因素方差分析(One-Way ANOVA过程) 1.某城市从4个排污口取水，进行某种处理后检测大肠杆菌数量，单位面积菌落数如下表所示，请分析各个排污口的大肠杆菌数量是否有差别。 排污口 1 2 3 4 大肠杆菌数量9,12,7,5 20,14,18,12 12,7,6,10 23,13,16,21 实验步骤： 首先建立“数据视图”→单击“分析(A)”→选择“比较均值（M）”→选择“单因素ANOV A”→将“大肠杆菌数量”选入到“因变量列表(E)”→将“排污口”选入到“因子”中→在“选项（O）”中的“描述性（D）”、“方差同质性检验（H）”、“均值图（M）”上打勾→点击“继续”→点击“确定”。 运行过程及结果： 变量视图： 数据视图：

运行结果： 结果分析：①在“描述”图表中给出了四个排污口的大肠杆菌数量的基本描述性统计量。包括样本容量、样本均值、标准差、标准误差、均值的95%的置信区间、最小值和最大值； ②在“方差齐性检验”图表中P值为0.329，若我们给定显著性水平为0.05，P大于0.05，接受原假设，认为四个总体的方差相等； ③在“ANOVA”图表中若取显著性水平0.05，因为P=0.003,所以P小于0.05，拒绝原假设，认为各个排污口的大肠杆菌数量存在显著差别； ④在“均值图”中可以看出第四个排污口大肠杆菌数量最多，第一个排污口大肠杆菌数量最少。 2.某连锁商场有五个连锁分店。希望比较这五个分店的营业额是否相同，调查人员各自独立地从这五个分店中取得12个营业日的日营业额，资料见下表： 连锁店营业日 第一分店第二分店第三分店第四分店第五分店 1 924 994 1160 107 2 949

方差分析与试验设计

第10章 方差分析与试验设计 三、选择题 1. Ｃ 2. Ｂ 3. Ａ 4. Ｂ 5. Ｃ 1.方差分析的主要目的是判断 （ ）。 Ａ. 各总体是否存在方差 Ｂ. 各样本数据之间是否有显著差异 Ｃ. 分类型自变量对数值型因变量的影响是否显著 Ｄ. 分类型因变量对数值型自变量的影响是否显著 2.在方差分析中，检验统计量Ｆ是 （ ）。 Ａ. 组间平方和除以组内平方和 Ｂ. 组间均方除以组内均方 Ｃ. 组间平方除以总平方和 Ｄ. 组间均方除以总均方 3.在方差分析中，某一水平下样本数据之间的误差称为 （ ）。 Ａ. 随机误差 Ｂ. 非随机误差 Ｃ. 系统误差 Ｄ. 非系统误差 4.在方差分析中，衡量不同水平下样本数据之间的误差称为 （ ）。 Ａ. 组内误差 Ｂ. 组间误差 Ｃ. 组内平方 Ｄ. 组间平方 5.组间误差是衡量不同水平下各样本数据之间的误差，它 （ ）。 Ａ. 只包括随机误差 Ｂ. 只包括系统误差 Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差 6. Ａ 7. Ｄ 8. Ｄ 9. Ａ 10.Ａ 6.组内误差是衡量某一水平下样本数据之间的误差，它 （ ）。 Ａ. 只包括随机误差 Ｂ. 只包括系统误差 Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差 7.在下面的假定中，哪一个不属于方差分析中的假定 （ ）。 Ａ. 每个总体都服从正态分布 Ｂ. 各总体的方差相等 Ｃ. 观测值是独立的 Ｄ. 各总体的方差等于0 8.在方差分析中，所提出的原假设是210:μμ=H = ···=k μ，备择假设是（ ） Ａ. ≠≠H 211:μμ···k μ≠ Ｂ. >>H 211:μμ···k μ> Ｃ. <

SPSS处理多元方差分析报告例子

实验三多元方差分析 一、实验目的 用多元方差分析说明民族和城乡对人均收入和文化程度的影响。 二、实验要求 调查24个社区，得到民族与城乡有关数据如下表所示，其中人均收入为年 均，单位百元。文化程度指15岁以上小学毕业文化程度者所占百分比。试依此 数据通过方差分析说明民族和城乡对人均收入和文化程度的影响。 三、实验内容 1．依次点击“分析”---- “常规线性模型”----“多变量”，将“人均收入”和“文化程 度”加到“因变量”中，将“民族”和“居民”加到“固定因子”中，如下图一所示。 民族农村城市 人均收入文化程度人均收入文化程度 1 46，50，60，68 70，78，90，93 52，58，72，75 82，85，96，98 2 52，53，63，71 71，75，86，88 59，60，73，77 76，82，92，93 3 54，57，68，69 65，70，77，81 63，64，76，78 71，76，86，90

【图一】 2.点击“选项”，将“输出”中的相关选项选中，如下图二所示： 【图二】 3.点击“继续”，“确定”得到如下表一的输出：

【表一】 常规线性模型 主体间因子 值标签N 民族 1.00 1 8 2.00 2 8 3.00 3 8 居民 1.00 农村12 2.00 城市12 描述性统计量 民族居民均值标准差N 人均收入1 农村56.0000 9.93311 4 城市64.2500 11.02648 4 总计60.1250 10.66955 8 2 农村59.7500 8.99537 4 城市67.2500 9.10586 4 总计63.5000 9.28901 8 3 农村62.0000 7.61577 4 城市70.2500 7.84750 4 总计66.1250 8.40812 8 总计农村59.2500 8.45442 12 城市67.2500 8.89458 12 总计63.2500 9.41899 24 文化程度1 农村82.7500 10.68878 4 城市90.2500 7.93200 4 总计86.5000 9.59166 8

正交试验设计及其方差分析

第三节正交试验设计及其方差分析 在工农业生产和科学实验中，为改革旧工艺，寻求最优生产条件等，经常要做许多试验，而影响这些试验结果的因素很多，我们把含有两个以上因素的试验称为多因素试验.前两节讨论的单因素试验和双因素试验均属于全面试验（即每一个因素的各种水平的相互搭配都要进行试验），多因素试验由于要考虑的因素较多，当每个因素的水平数较大时，若进行全面试验，则试验次数将会更大.因此，对于多因素试验，存在一个如何安排好试验的问题.正交试验设计是研究和处理多因素试验的一种科学方法，它利用一套现存规格化的表——正交表，来安排试验，通过少量的试验，获得满意的试验结果. 1.正交试验设计的基本方法 正交试验设计包含两个内容：（1）怎样安排试验方案；（2）如何分析试验结果.先介绍正交表. 正交表是预先编制好的一种表格.比如表9-17即为正交表L4(23),其中字母L表示正交，它的3个数字有3种不同的含义： (1) L4（23）表的结构：有4行、3列，表中出现2个反映水平的数码1，2. 列数 ↓ L4 （23） ↑↑ 行数水平数 （2）L4（23）表的用法：做4次试验，最多可安排2水平的因素3个. 最多能安排的因素数 ↓ L4 (23) ↑↑ 试验次数水平数 (3) L4（23）表的效率：3个2水平的因素.它的全面试验数为23=8次，使用正交表只需从8次试验中选出4次来做试验，效率是高的. L4 (23) ↑↑ 实际试验数理论上的试验数 正交表的特点： （1）表中任一列，不同数字出现的次数相同.如正交表L4(23)中，数字1，2在每列中均出现2次. （2）表中任两列，其横向形成的有序数对出现的次数相同.如表L4（23）中任意两列，数字1，2间的搭配是均衡的.

SPSS——单因素方差分析报告详解

SPSS——单因素方差分析 来源：李大伟的日志 单因素方差分析 单因素方差分析也称作一维方差分析。它检验由单一因素影响的一个(或几个相互独立的)因变量由因素各水平分组的均值之间的差异是否具有统计意义。还可以对该因素的若干水平分组中哪一组与其他各组均值间具有显著性差异进行分析，即进行均值的多重比较。One-Way ANOVA过程要求因变量属于正态分布总体。如果因变量的分布明显的是非正态，不能使用该过程，而应该使用非参数分析过程。如果几个因变量之间彼此不独立，应该用Repeated Measure 过程。 [例子] 调查不同水稻品种百丛中稻纵卷叶螟幼虫的数量，数据如表1-1所示。 表1-1 不同水稻品种百丛中稻纵卷叶螟幼虫数 数据保存在“data1.sav”文件中，变量格式如图1-1。 图1-1 分析水稻品种对稻纵卷叶螟幼虫抗虫性是否存在显著性差异。

1）准备分析数据 在数据编辑窗口中输入数据。建立因变量“幼虫”和因素水平变量“品种”，然后输入对应的数值，如图1-1所示。或者打开已存在的数据文件“data1.sav”。 2）启动分析过程 点击主菜单“Analyze”项，在下拉菜单中点击“Compare Means”项，在右拉式菜单中点击“0ne-Way ANOVA”项，系统 打开单因素方差分析设置窗口如图1-2。 图1-2 单因素方差分析窗口 3）设置分析变量 因变量:选择一个或多个因子变量进入“Dependent List”框中。本例选择“幼虫”。 因素变量:选择一个因素变量进入“Factor”框中。本例选择“品种”。 4）设置多项式比较 单击“Contrasts”按钮，将打开如图1-3所示的对话框。该对话框用于设置均值的多项式比较。

第10章 方差分析与试验设计

第10章 方差分析与试验设计 三、选择题 1.方差分析的主要目的是判断 （ ）。 Ａ. 各总体是否存在方差 Ｂ. 各样本数据之间是否有显著差异 Ｃ. 分类型自变量对数值型因变量的影响是否显著 Ｄ. 分类型因变量对数值型自变量的影响是否显著 2.在方差分析中，检验统计量Ｆ是 （ ）。 Ａ. 组间平方和除以组内平方和 Ｂ. 组间均方除以组内均方 Ｃ. 组间平方除以总平方和 Ｄ. 组间均方除以总均方 3.在方差分析中，某一水平下样本数据之间的误差称为 （ ）。 Ａ. 随机误差 Ｂ. 非随机误差 Ｃ. 系统误差 Ｄ. 非系统误差 4.在方差分析中，衡量不同水平下样本数据之间的误差称为 （ ）。 Ａ. 组内误差 Ｂ. 组间误差 Ｃ. 组内平方 Ｄ. 组间平方 5.组间误差是衡量不同水平下各样本数据之间的误差，它 （ ）。 Ａ. 只包括随机误差 Ｂ. 只包括系统误差 Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差 6.组内误差是衡量某一水平下样本数据之间的误差，它 （ ）。 Ａ. 只包括随机误差 Ｂ. 只包括系统误差 Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差 7.在下面的假定中，哪一个不属于方差分析中的假定 （ ）。 Ａ. 每个总体都服从正态分布 Ｂ. 各总体的方差相等 Ｃ. 观测值是独立的 Ｄ. 各总体的方差等于0 8.在方差分析中，所提出的原假设是210:μμ=H = ···=k μ，备择假设是（ ） Ａ. ≠≠H 211:μμ···k μ≠ Ｂ. >>H 211:μμ···k μ> Ｃ. <

方差分析实验报告

篇一：spss的方差分析实验报告 实 验 报告 篇二：方差分析实验报告 方差分析实验报告 学生姓名：琚锦涛学号：091230126 一．实验目的 根据方差分析的相关方法，利用excel中的相关工具，将数据收集，整理，从而了解方差分析的特点和性质。 二．实验内容 1.单因素方差分析 利用以下数据进行单因素方差分析,判断不同产地的原材料是否显著影响产品的质量指标； 2.双因素方差分析 利用以下数据进行双因素方差分析，检验因素a与因素b搭配下是否对其有显著差异，交互作用是否显著； 三．实验结果分析 1.单因素方差分析由以上数据可知，p-value=0.2318>0.05，因此可得出：原材料产地的这一质量指标无显著影响。 2.双因素方差分析 样本、列及交互的p-value远小于0.05，由此可得出燃料和推进器两因素对于火箭影响显著。数据来源：《应用统计学》第二版；篇三：单因素方差分析实验报告 天水师范学院数学与统计学院 实验报告 实验项目名称单因素方差分析所属课程名称实验类型设计型实验日期2011.11.22 班级 09统计一班学号 291050146 姓名成绩 【实验目的】 通过测量数据研究各个因素对总体的影响效果，判定因素在总变异中的重要程度 【实验原理】 比较因素a的r个水平的差异归结为比较这r个总体的均值.即检验假设 ho : μ1 = μ2 = … = μr, h1 : μ1, μ2, … , μr 不全相等给定显著水平α，用p 值检验法， 当p值大于α时，接受原假设ho，否则拒绝原假设ho 【实验环境】 r 2.13.1 pentinu(r)dual-core cpu e6700 3.20ghz 3.19ghz,2.00gb的内存【实验方案】 准备数据，查找相关r程序代码并进行编写运行得出结果进行分析总结 【实验过程】（实验步骤、记录、数据、分析） 1.根据四种不同配方下的元件寿命数据 材料使用寿命 a1 1600 1610 1650 1680 1700 1700 1780 a2 1500 1640 1400 1700 1750 a3 1640 1550 1600 1620 1640 1600 1740 1800 a4 1510 1520 1530 1570 1640 1600 2.利用主函数aov()编写该数据的方差分析r程序 3.运行得出结果 df sum sq mean sq f value pr(>f) a3 49212 16404 2.1659 0.1208 residuals 22 166622 7574

方差分析资料报告几个案例

方差分析方法 方差分析是统计分析方法中，最重要、最常用的方法之一。本文应用多个实例来阐明方差分析的应用。在实际操作中，可采用相应的统计分析软件来进行计算。 1. 方差分析的意义、用途及适用条件 1.1 方差分析的意义 方差分析又称为变异数分析或F检验，其基本思想是把全部观察值之间的变异（总变异），按设计和需要分为二个或多个组成部分，再作分析。即把全部资料的总的离均差平方和（SS）分为二个或多个组成部分，其自由度也分为相应的部分，每部分表示一定的意义，其中至少有一个部分表示各组均数之间的变异情况，称为组间变异（MS组间）；另一部分表示同一组个体之间的变异，称为组变异（MS组），也叫误差。SS除以相应的自由度（υ），得均方（MS）。如MS组间>MS组若干倍（此倍数即F值）以上，则表示各组的均数之间有显著性差异。 方差分析在环境科学研究中，常用于分析试验数据和监测数据。在环境科学研究中，各种因素的改变都可能对试验和监测结果产生不同程度的影响，因此，可以通过方差分析来弄清与研究对象有关的各个因素对该对象是否存在影响及影响的程度和性质。 1.2 方差分析的用途 1.2.1 两个或多个样本均数的比较。 1.2.2 分离各有关因素，分别估计其对变异的影响。 1.2.3 分析两因素或多因素的交叉作用。 1.2.4 方差齐性检验。 1.3 方差分析的适用条件 1.3.1 各组数据均应服从正态分布，即均为来自正态总体的随机样本（小样本）。 1.3.2 各抽样总体的方差齐。 1.3.3 影响数据的各个因素的效应是可以相加的。 1.3.4 对不符合上述条件的资料，可用秩和检验法、近似F值检验法，也可以经过变量变换，使之基本符合后再按其变换值进行方差分析。一般属Poisson分布的计数资料常用平方根变换法；属于二项分布的百分数可用反正弦函数变换法；当标准差与均数之间呈正比关系，用平方根变换法又不易校正时，也可用对数变换法。 2. 单因素方差分析（单因素多个样本均数的比较） 根据某一试验因素，将试验对象按完全随机设计分为若干个处理组（各组的样本含量可相等或不等），分别求出各组试验结果的均数，即为单因素多个样本均数。 用方差分析比较多个样本均数的目的是推断各种处理的效果有无显著性差异，如各组方差齐，则用F检验；如方差不齐，用近似F值检验，或经变量变换后达到方差齐，再用变换值作F检验。如经F检验或近似F值检验，结论为各总体均数不等，则只能认为各总体均数之间总的来说有差异，但不能认为任何两总体均数之间都有差异，或某两总体均数之间有差异。必要时应作均数之间的两两比较，以判断究竟是哪几对总体均数之间存在差异。 在环境科学研究中，常常要分析比较不同季节对江、河、湖水中某种污染物的含量

试验设计与数据分析

试验设计与数据分析

1.方差分析在科学研究中有何意义？如何进行平方和与自由度的分解？如何进行F检验和多重比较？ （1）方差分析的意义 方差分析，又称变量分析，其实质是关于观察值变异原因的数量分析，是科学研究的重要工具。方差分析得最大公用在于：a. 它能将引起变异的多种因素的各自作用一一剖析出来，做出量的估计，进而辨明哪些因素起主要作用，哪些因素起次要作用。 b. 它能充分利用资料提供的信息将试验中由于偶然因素造成的随机误差无偏地估计出来，从而大大提高了对实验结果分析的精确性，为统计假设的可靠性提供了科学的理论依据。 （2）平方和及自由度的分解 方差分析之所以能将试验数据的总变异分解成各种因素所引起的相应变异，是根据总平方和与总自由度的可分解性而实现的。 （3）F检验和多重比较 ① F检验的目的在于，推断处理间的差异是否存在，检验某项变异原因的效应方差是否为零。实际进行F检验时，是将由试验资料算得

的F 值与根据df 1=df t （分子均方的自由度）、df 2=df e （分母均方的自由度）查附表4（F 值表）所得的临界F 值（F 0.05（df1，df2）和F 0.01（df1，df2））相比较做出统计判断。若F< F 0.05（df1，df2），即P>0.05，不能否定H 0，可认为各处理间差异不显著；若F 0.05（df1，df2）≤F ＜F 0.01（df1，df2），即0.01

方差分析总结报告结果报告格式.doc

（被试的基本情况报告格式） 1：被试的基本情况： 本研究共有260名被试，其中男性146人，女性114人，文科学生120人占整体的46%，理科学生140人，占整体的54%。所有的被试均为大学二年级学生，年龄范围19-25岁，平均年龄为20.71岁，标准差为0.924。 （频率分布的结果报告格式） 2：根据RQ测得的被试的依恋类型结果：(见表1) 表1：被试的依恋类型(根据RQ测量的结果) 安全型轻视型倾注型害怕型未报告 人数105 68 70 16 1 百分比(%) 40.4 26.2 26.9 6.2 0.4 （列联表的报告格式） 3：依恋类型的性别差异： 表2 依恋类型的性别差异分析 依恋类型合计 安全型轻视型倾注型害怕型 性别男生61 37 37 10 145 女生44 31 33 6 114 合计105 68 70 16 259 χ2检验结果表明，男女生的依恋类型没有显著性差异 （χ2（3）=0.812, p=0.847）。

（描述性统计的报告格式） 3：心理健康水平的各因子得分情况 下表是根据SCL-90得到的总分，即各因子分的情况 表3 SCL-90各因子的得分情况 总分阳性 项目 数躯 体 化 强迫 症 人际 敏感 抑郁焦虑敌对恐怖偏执精神 病性 平均数73.46 42.85 0.57 1.23 1.02 0.88 0.72 0.80 0.58 0.80 0.76 （t检验结果的报告格式） 男生(n=146) 女生(n=114) t(258) p 躯体化 1.63±0.62 1.49±0.51 1.846 0.066 t检验结果表明，男女生在躯体化方面得分差异接近显著性水平，t(258)=1.846, p=0.066. （相关分析结果的报告格式） 表5 SCL-90部分指标的相关系数（r, n=260） 躯体化强迫症人际敏感抑郁焦虑敌对 躯体化 1 强迫症.634** 1 人际敏感.581**.784** 1 抑郁.682**.711**.741** 1 焦虑.741**.694**.715**.811** 1 **********

单因素方差分析报告

单因素方差分析调查报告

问题提出：对学院三个年级进行抽样，调查不同年级的同学的恋爱次数，样本均是独立的，试根据这些数据分析年级的不同对恋爱次数是否有影响？ 一、样本数据及P-P图 大一同学恋爱次数大二同学恋爱次数大三同学恋爱次数 1 1 3 2 2 2 4 1 1 1 1 2 1 0 3 2 1 1 1 6 3 3 1 1 1 2 2 1 3 0 2 1 2 1 2 2 4 1 1 1 0 3 3 1 0 1 2 8

0 1 2 1 2 1 2 1 0 1 2 1 6 1 6 1 3 7 3 1 0 1 1 1 1 0 3 1 1 1 2 2 2 1 1 0 0 3 1 1 1 4 1 1 8 1 0 1 1 1 2 1 2 4 3 1 1 1 1 3 1 8 2

1 1 3 1 2 1 1 1 0 1 2 1 3 1 2 1 3 0 1 1 1 2 0 5 1 1 1 2 2 1 1 1 0 4 2 1 1 1 2 0 3 3 4 0 1 1 1 0 2 2 2 1 1 1 1 0 2 0 3 3 4 0 4

2 3 1 1 0 5 0 2 1 1 1 2 2 1 2 0 0 5 6 2 3 1 1 4 3 0 2 0 3 1 2 1 4 1 1 1 3 2 3 1 0 1 0 1 0 2 3 1 1 2 2 0 0 1 1 0 2 3 1 3 0 0 1

1 4 3 2 1 0 0 3 1 3 1 3 1 3 2 0 1 3 5 1 1 0 2 3 2 3 3 4 1 2 0 2 3 5 1 1 2 4 2 0 1 2 3 1 3 0 3 2 3 1 1

方差分析结果报告格式

1被试的基本情况： 本研究共有260名被试，其中男性146人，女性114人，文科学生120人占整体的46%, 理科学生140人，占整体的54%。所有的被试均为大学二年级学生，年龄范围19-25岁，平均年龄为20.71岁，标准差为0.924。 （频率分布的结果报告格式） 2:根据RQ测得的被试的依恋类型结果：（见表1） 表1:被试的依恋类型（根据RQ测量的结果） （列联表的报告格式） 3:依恋类型的性别差异： 表2依恋类型的性别差异分析 依恋类型__________________ 合计 安全型轻视型倾注型害怕型 性别男生61 37 37 10 145 女生44 31 33 6 114 合计105 68 70 16 259 X检验结果表明，男女生的依恋类型没有显著性差异 （X （3）=0.812, p=0.847）。

3:心理健康水平的各因子得分情况 下表是根据SCL-90得到的总分，即各因子分的情况 表3 SCL-90各因子的得分情况 （t 检验结果的报告格式） t 检验结果表明，男女生在躯体化方面得分差异接近显著性 水平，t （258）=1.846, p=0.066. （相关分析结果的报告格式） 表5 SCL-90部分指标的相关系数（r, n=260） 躯体化 强迫症 人际敏感 抑郁 焦虑 敌对 躯体化 1 强迫症 ** .634 1 人际敏感 .581** ** .784 1 抑郁 .682** ** .711 ** .741 1 焦虑 .741** ** .694 ** .715 ** .811 1 敌对 ** .494 ** .492 ** .565 ** .531 ** .612 1

第六章--方差分析与正交试验设计讲解学习

第六章 方差分析与正交试验设计 在生产实践和科学研究中，经常要分析各种因素对试验指标是否有显著的影响。例如，工业生产中，需要研究各种不同的配料方案对生产出的产品的质量有无显著差异，从中筛选出较好的原料配方；农业生产中，为了提高农作物的产量，需要考察不同的种子、不同数量的肥料对农作物产量的影响，并从中确定最适宜该地区种植的农作物品种和施肥数量。 要解决诸如上述问题，一方面需要设计一个试验，使其充分反映各因素的作用，并力求试验次数尽可能少，以便节省各种资源和成本；另一方面就是要对试验结果数据进行合理的分析，以便确定各因素对试验指标的影响程度。 §6.1 单因素方差分析 仅考虑一个因素A 对试验指标有无显著影响，可以让A 取r 个水平：r A A A ,,,21 ，在水平i A 下进行i n 次试验，称为单因素试验，试验结果观测数据ij x 列于下表： 并设在水平i A 下的数据i in i i x x x ,,21来自总体),(~2 i i N X ，),,2,1(r i 。 检验如下假设： r H 210:， r H ,,,:211 不全相等 检验统计量为 ),1(~) /() 1/(r n r F r n S r S F e A 其中2 1 2 11)()(x x n x x S i r i i r i n j i A i ，称为组间差平方和。 211 )(i r i n j ij e x x S i ，称为组内差平方和。

这里 r i i n n 1 ， i n j ij i i x n x 1 1 ， r i n j ij i x n x 111。 对于给定的显著性水平)05.001.0(或 ，如果),1(r n r F F ，则拒绝0H ，即认为因素A 对试验指标有显著影响。 实际计算时，可事先对原始数据作如下处理： b a x x ij ij 再进行计算，不会影响F 值的大小。 例1 试分析三种不同的菌型对小白鼠的平均存活日数影响是否显著？ 解：30,11,9,10,3321 n n n n r 16.6,27.7,22.7,4321 x x x x 43.70)()(21 2 11 x x n x x S i r i i r i n j i A i ， 74.137)(211 i r i n j ij e x x S i 49.5)27,2(90.601.0 F F ，说明三种不同菌型的伤寒病菌对小白鼠的平均存活日数的影响高度显著。 §6.2 双因素方差分析 同时考察两个因素A 和B 对试验指标有无显著影响，可以让A 取r 个水平： r A A A ,,,21 ，让B 取s 个水平：s B B B ,,,21 ，在各种水平配合),(j i B A 下进行试验， 称为双因素试验。 一、无交互作用的双因素方差分析 在每一种水平配合),(j i B A 下作一次试验，称为无交互作用的双因素试验，试验结果观测数据ij x 列于下表：

spss多因素方差分析报告例子

作业8：多因素方差分析 1，data0806-height是从三个样方中测量的八种草的高度，问高度在三个取样地点，以及八种草之间有无差异？具体怎么差异的？ 打开spss软件，打开data0806-height数据，点击Analyze->General Linear Model->Univariate打开： 把plot和species送入Fixed Factor(s)，把height送入Dependent Variable，点击Model 打开：

选择Full factorial，Type III Sum of squares，Include intercept in model（即全部默认选项），点击Continue回到Univariate主对话框，对其他选项卡不做任何选择， 结果输出：

因无法计算MM M rror，即无法分开MM intercept 和MM error，无法检测interaction的影响，无法进行方差分析， 重新Analyze->General Linear Model->Univariate打开： 选择好Dependent Variable和Fixed Factor(s)，点击Model打开： 点击Custom，把主效应变量species和plot送入Model框，点击Continue回到Univariate 主对话框，点击Plots：

把date送入Horizontal Axis，把depth送入Separate Lines，点击Add，点击Continue回到Univariate对话框，点击Options：

利用SPSS_进行方差分析以及正交试验设计

实验设计与分析课程论文 题目利用SPSS 软件进行方差分析和正交试验设计 学院 专业 年级 学号 姓名 2012年6月29日

一、SPSS 简介 SPSS 是世界上最早的统计分析软件，1984年SPSS 总部首先推出了世界上第一个统计分析软件微机版本SPSS/PC+，开创了SPSS 微机系列产品的开发方向，极大地扩充了它的应用范围，并使其能很快地应用于自然科学、技术科学、社会科学的各个领域，世界上许多有影响的报刊杂志纷纷就SPSS 的自动统计绘图、数据的深入分析、使用方便、功能齐全等方面给予了高度的评价与称赞。 SPSS 的基本功能包括数据管理、统计分析、图表分析、输出管理等等。SPSS 统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类，每类中又分好几个统计过程，比如回归分析中又分线性回归分析、曲线估计、Logistic 回归、Probit 回归、加权估计、两阶段最小二乘法、非线性回归等多个统计过程，而且每个过程中又允许用户选择不同的方法及参数。SPSS 也有专门的绘图系统，可以根据数据绘制各种图形。SPSS 的分析结果清晰、直观、易学易用，而且可以直接读取EXCEL 及DBF 数据文件，现已推广到多种各种操作系统的计算机上，它和SAS 、BMDP 并称为国际上最有影响的三大统计软件。 SPSS 输出结果虽然漂亮，但不能为WORD 等常用文字处理软件直接打开，只能采用拷贝、粘贴的方式加以交互。这可以说是SPSS 软件的缺陷。 二、方差分析 例如 某高原研究组将籍贯相同、年龄相同、身高体重接近的30名新战士随机分为三组，甲组为对照组，按常规训练，乙组为锻炼组，每天除常规训练外，接受中速长跑与健身操锻炼，丙组为药物组，除常规训练外，服用抗疲劳药物，一月后测定第一秒用力肺活量(L)，结果见表。试比较三组第一秒用力肺活量有无差别。对照组为组一，锻炼组为组二，药物组为组三。 第一步：打开 SPSS 软件 表1 三组战士的第一秒用力肺活量(L) 对照组 锻炼组 药物组 合计 3.25 3.66 3.44 3.32 3.64 3.62 3.29 3.48 3.48 3.34 3.64 3.36 3.16 3.48 3.52 3.64 3.20 3.60 3.60 3.62 3.32 3.28 3.56 3.44 3.52 3.44 3.16 3.26 3.82 3.28

spss方差分析报告报告材料

实用标准文案 方差分析是用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响，研究所得的数据呈现波动状，造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。方差分析的基本思想是：通过分析研究不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。 方差分析主要用途：①均数差别的显著性检验，②分离各有关因素并估计其对总变异的作用，③分析因素间的交互作用，④方差齐性检验。 在科学实验中常常要探讨不同实验条件或处理方法对实验结果的影响。通常是比较不同实验条件下样本均值间的差异。例如医学界研究几种药物对某种疾病的疗效；农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响；不同化学药剂对作物害虫的杀虫效果等，都可以使用方差分析方法去解决。 方差分析原理 方差分析的基本原理是认为不同处理组的均数间的差别基本来源有两个： (1) 随机误差，如测量误差造成的差异或个体间的差异，称为组内差异，用变量在各SS df。记作，组内自由度组的均值与该组内变量值之偏差平方和的总和表示，w w(2) 实验条件，实验条 件，即不同的处理造成的差异，称为组间差异。用变量在各组SS df。，组间自由度的均值与总均值之偏差平方和表示，记作b b SSSSSS。 + 总偏差平方和 = wtb SSSS除以各自的自由度(组内dfw =n-m，组间dfb=m-1组内、组间，其中n为样本wt MSMS，一种情况是处理没有作用，即各组样本均来自)，得到其均方和总数，m为组数bw MS≈1同一总体，。另一种情况是处理确实有作用，组间均方是由于误差与不同处理共wb/MS MSMS(远远大于)。同导致的结果，即各样本来自不同总体。那么，>>wb MSMS比值构成F分布。用F值与其临界值比较，推断各样本是否来自相同的总体。/ wb方差分析的假设检验 精彩文档． 实用标准文案 假设有m个样本，如果原假设H0：样本均数都相同即μ1=μ2=μ3=…=μm=μ，m个样 u的总体。m个样本来自具有共同的方差和相同的均数本有共同的方差。则m μ1= μ2=....= H0零假设：m组样本均值都相同，即μMS，p<0.05，F>F0.05(dfb,dfw), 如果,计算结果的组间均方远远大于组内均方（）w MS b>>, 否则说明样本来自不同的正态总体，说明处理造成均值的差异有统计意义；拒绝零假设， 不能拒绝零假设，说明样本来自相同的正态总体，处理间无差p>0.05F

SAS-方差分析报告

四、统计推断Ⅱ（方差分析——多个平均数的比较）（1） 发布：admin 时间：2006-8-26 四、统计推断Ⅱ（方差分析——多个平均数的比较）(1) 方差分析是关于多个平均数的假设测验，其主要做法是将总变异的自由度和平方和剖分为不同来源的自由度和平方和，接着根据各变异来源方差的组成（期望均方）进行F测验，若F测验达显著，当处理效应为固定模型时，可对其处理平均数进行多重比较，当处理效应为随机模型时，可进一步进行方差分量的估计。 方差分析在生物科学领域中应用十分广泛。用于方差分析的SAS过程主要有方差分析（ANOVA，analysis of variance）、广义线性模型（GLM，general linear models）。此外还有方差分量估计(VARCOMP，variance components estimation)等。其中ANOVA一般用于平衡资料（资料中各因素均衡搭配且没有发生数据缺失），非平衡资料的分析一般用GLM过程。 不同的试验设计有其相应的线性数学模型，而方差分析正是根据这一线性数学模型进行的，因此所获数据的试验设计决定了其分析方法（即自由度和平方和的分解以及度量各效应是否显著的尺度）。正是如此，方差分析的SAS程序中模型的确定是关键。以下结合教材内容顺序说明各种情况下的SAS程序编写方法。 (一) 单向分组资料（单因素完全随机试验） 1．组内观察值数目相等的资料 [例9] 以教材P111例6.10为例。 DATA tb611; DO trt=1 TO 5; (或DO trt=”A”,”B”,”C”,”D”,”E”; ) DO r=1 To 4; INPUT y @@; OUTPUT; END; END; CARDS; 24 30 28 26 27 24 21 26 31 28 25 30 32 33 33 28 21 22 16 21 ; PROC ANOVA; CLASS trt; MODEL y=trt; MEANS trt/DUNCAN; RUN;