下载文档原格式
实验报告
2 选择菜单：【Analyze】→【Compare Means】→【One-Way ANOVA】,将“月销售额”作为观测变量选入【Dependent List】,将“促销方式”作为控制变量选入【Factor】,选择按钮“Option”,打开对话框，选择方差齐性检验，观测变量的基本统计量，选择输出个水平下观测变量均值的折线图
3 选择“Post Hoc”按钮，选择方差相同和方差不同情况下的多重比较的检验方法，如图所示第三题：
1 根据题目建立某商品在不同地区和不同日期的销售数据的文件,如图
2 选择菜单：【Analyze】→【General Linear Model】→【Univariate】,将“销售量”选入【Dependent Variable】,将“地区和日期”选入【Fixed Factor（s）】,选择“Options”，在【Display】中选择“Homogeneity tests”。
如图所示
四、实验结果及分析（最好有截图）：
第一题：
(1) 0.000<0.005拒绝原假设.说明不同的促销方式是对该类商品销售量的增长有显著影响
(2) 特价销售的促销方式好
(3)
第三题：
(1) 建立数据文件如图
(2)地区0.313>0.05,接受原假设。
地区对销售量没有显著性影响
日期0.254>0.05,接受原假设。
日期对销售量没有显著性影响
地区和日期0.000<0.05,拒绝原假设。
地区和日期的交互作用对销售量有显著性影响。
大学经济管理学院学生实验报告实验课程名称：统计软件及应用专业工商管理班级学号姓名成绩实验地点实验性质：演示性 验证性综合性设计性实验项目名称方差分析（多因素方差分析）指导教师一、实验目的掌握利用SPSS 进行单因素方差分析、多因素方差分析的基本方法，并能够解释软件运行结果。
二、实验内容及步骤(包括实验案例及基本操作步骤)实验案例：为研究某商品在不同地区和不同日期的销售差异性，调查收集了以下日平均销售量数据。
销售量日期周一至周三周四至周五周末地区一5000 6000 4000 6000 8000 3000 4000 7000 5000地区二700080008000500050006000500060004000地区三300020004000600060005000800090006000（1）选择恰当的数据组织方式建立关于上述数据的SPSS数据文件。
在SPSS输入数据。
（2）利用多因素方差分析法，分析不同地区和不同日期对该商品的销售是否产生了显著影响。
1. 选择菜单Analyze，General Linear Model，Univariate;2. 指定观测变量销售额到Dependant Variable框中；3. 指定固定效应的控制变量到Fixed Factors框中，4. OK，得到分析结果。
（3）地区和日期是否对该商品的销售产生了交互影响？若没有显著的交互影响，则试建立非饱和模型进行分析，并与饱和模型进行对比。
三、实验结论(包括SPSS输出结果及分析解释)SPSS输出的多因素方差分析的饱和模型分析：表的第一列是对观测变量总变差分解的说明；第二列是观测变量变差分解的结果；第三列是自由度；第四列是方差；第五列是F检验统计量的观测值；第六列是检验统计量的概率P-值。
F日期，，F地区，F日期*地区概率P-值分别为0.254,0.313，0.000。
如果显著性水平α为0.05，由于F日期、，F地区大于显著性水平α，所以不应拒绝原假设，不同地区和不同日期对该商品没有显著性影响。
西北农林科技大学实验报告学院名称：理学院专业年级：2006级信计1班姓名：袁金龙学号：15206012课程：多元统计分析报告日期：实验二方差分析一．实验题目1.对表5的数据进行方差分析：表5：某个因数下的3个处理的2个指标的不同结果2. 对表6的数据进行方差分析：二、实验分析：1.从题目要求来看，该题属于单向分类多元方差分析，根据spss软件，得到如下结果：⑴数据输入:⑵spss操作步骤：选择[Analyze]=>[General Linear Model]=>[Multivariate...]，打开[Multivariate...]主对话框（如图1所示）。
从主对话框左侧的变量列表中选定x1，x2，单击按钮使之进入[Dependent Variables]框，再选定变量level，单击按钮使之进入[Fixed Factor(s)]框图1：多元方差分析主窗口⑶运行结果如下：分析：从表1的sig=0.942>0.05,以及表3的四个统计量的sig最大值为0.003小于0.05，因此，该因数下的3个处理水平的均值不全相同，即该因素下的不同水平间有显著差异，则下面的各指标的比较以及指标内部的比较才有意义。
从表2的x1，x2的sig值为：0.658，0.563大于0.05，则表明指标1与指标2的各自3个不同的处理间有显著的差异。
从表4可以看出：原理（sig<0.05表明该指标下的两个处理间显著，sig>0.05表明该指标下的两个处理间不太显著，sig越小越显著），则指标1下：处理1与处理2之间显著，处理1与处理3之间不显著，处理2与处理3之间不显著；指标2下：处理1与处理2之间显著, 处理1与处理3之间显著, 处理2与处理3之间不显著。
2.从题目要求来看，该题属于两向分类多元方差分析，根据spss软件，得到如下结果：⑴spss操作步骤：选择[Analyze]=>[General Linear Model]=>[Multivariate...]，打开[Multivariate...]主对话框（如图1所示）。
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。
第五节方差分析的SPSS操作一、完全随机设计的单因素方差分析1．数据采用本章第二节所用的例1中的数据，在数据中定义一个group变量来表示五个不同的组，变量math表示学生的数学成绩。
数据输入格式如图6－3（为了节省空间，只显示部分数据的输入）：图 6-3 单因素方差分析数据输入将上述数据文件保存为“6-6-1.sav”。
2．理论分析要比较不同组学生成绩平均值之间是否存在显著性差异，从上面数据来看，总共分了5个组，也就是说要解决比较多个组（两组以上）的平均数是否有显著的问题。
从要分析的数据来看，不同组学生成绩之间可看作相互独立，学生的成绩可以假设从总体上服从正态分布，在各组方差满足齐性的条件下，可以用单因素的方差分析来解决这一问题。
单因素方差分析不仅可以检验多组均值之间是否存在差异，同时还可进一步采取多种方法进行多重比较，发现存在差异的究竟是哪些均值。
3．单因素方差分析过程（1）主效应的检验假如我们现在想检验五组被试的数学成绩（math）的均值差异是否显著性，可依下列操作进行。
①单击主菜单Analyze/Compare Means/One-Way Anova…，进入主对话框，请把math选入到因变量表列（Dependent list）中去，把group选入到因素（factor）中去，如图6-4所示：图6-4：One-Way Anova主对话框②对于方差分析，要求数据服从正态分布和不同组数据方差齐性，对于正态性的假设在后面非参数检验一章再具体介绍；One-Way Anova可以对数据进行方差齐性的检验，单击铵钮Options，进入它的主对话框，在Homogeneity-of-variance项上选中即可。
设置如下图6-5所示：图6-5：One-Way Anova的Options对话框点击Continue，返回主对话框。
③在主对话框中点击OK，得到单因素方差分析结果4．结果及解释（1）输出方差齐性检验结果Test of Homogeneity of VariancesMATHLevene Statistic df1 df2 Sig.1.238 4 35 .313上表结果显示，Levene方差齐性检验统计量的值为1.238，Sig=0.313>0.05，所以五个组的方差满足方差齐性的前提条件，如果不满足方差齐性的前提条件，后面方差分析计算F统计量的方法要稍微复杂，本章我们只考虑方差齐性条件满足的情况。
实验报告方差分析学院:参赛队员:参赛队员: 参赛队员: 指导老师:目录一、实验目的 (6)1.了解方差分析的基本容； (6)2.了解单因素方差分析； (6)3.了解多因素方差分析； (6)4.学会运用spss软件求解问题； (6)5.加深理论与实践相结合的能力。
(6)二、实验环境 (6)三、实验方法 (7)1. 单因素方差分析； (7)2. 多因素方差分析。
(7)四、实验过程 (7)问题一： (7)1.1实验过程 (7)1.1.1输入数据，数据处理； (7)1.1.2单因素方差分析 (8)1.2输出结果 (9)1.3结果分析 (10)1.3.1描述 (10)1.3.2方差性检验 (10)1.3.3单因素方差分析 (10)问题二： (10)2.1实验步骤 (11)2.1.1命名变量 (11)2.1.2导入数据 (11)2.1.3单因素方差分析 (12)2.1.4输出结果 (14)2.2结果分析 (15)2.2.1描述 (15)2.2.2方差性检验 (15)2.2.3单因素方差分析 (15)问题三： (15)3.1提出假设 (16)3.2实验步骤 (16)3.2.1数据分组编号 (16)3.2.2多因素方差分析 (17)3.2.3输出结果 (22)3.3结果分析 (23)五、实验总结 (23)方差分析一、实验目的1.了解方差分析的基本容；2.了解单因素方差分析；3.了解多因素方差分析；4.学会运用spss软件求解问题；5.加深理论与实践相结合的能力。
二、实验环境Spss、office三、实验方法1. 单因素方差分析；2. 多因素方差分析。
四、实验过程问题一：用二氧化硒50mg对大鼠染尘后不同时期全肺湿重的变化见下表，试比较染尘后1个月，3个月，6个月，三个时期的全肺湿重有无差别。
1个月3个月6个月3.4 3.4 3.63.64.4 4.44.3 3.45.14.1 4.2 54.2 4.75.53.34.2 4.71.1实验过程1.1.1输入数据，数据处理；1.1.2单因素方差分析选择：分析比较均值单因素AVONA；将变量大鼠全肺湿重放置因变量列表栏中，月份放置因子栏中；两两比较中，勾选最小显著差异法；选项中，勾选描述性，方差同质性检验，welch;1.3.1描述由描述可知，一月份的均值为3.817，标准差为0.4355，三月份的均值为4.050，标准差为0.5357，六月份的均值为4.717，标准差为0.66161.3.2方差性检验由方差齐性检验可知，Sig值＝0.826>0.05，说明各组的方差在α=0.05水平上没有显著性差异，即方差具有齐次性1.3.3单因素方差分析根据输出的p值为0.034可以看出，小于0.05，大于0.01，因此拒绝原假设，染尘后1个月，3个月，6个月，三个时期的全肺湿重有无差别有显著性意义，结论是染尘后1个月，3个月，6个月，三个时期的全肺湿重有差别，一个月大鼠的全肺湿重最小，三个月其次，六个月大鼠的全肺湿重最大。
第五节方差分析的SPSS操作一、完全随机设计的单因素方差分析1．数据采用本章第二节所用的例1中的数据，在数据中定义一个group变量来表示五个不同的组，变量math表示学生的数学成绩。
数据输入格式如图6－3（为了节省空间，只显示部分数据的输入）：图 6-3 单因素方差分析数据输入将上述数据文件保存为“6-6-1.sav”。
2．理论分析要比较不同组学生成绩平均值之间是否存在显著性差异，从上面数据来看，总共分了5个组，也就是说要解决比较多个组（两组以上）的平均数是否有显著的问题。
从要分析的数据来看，不同组学生成绩之间可看作相互独立，学生的成绩可以假设从总体上服从正态分布，在各组方差满足齐性的条件下，可以用单因素的方差分析来解决这一问题。
单因素方差分析不仅可以检验多组均值之间是否存在差异，同时还可进一步采取多种方法进行多重比较，发现存在差异的究竟是哪些均值。
3．单因素方差分析过程（1）主效应的检验假如我们现在想检验五组被试的数学成绩（math）的均值差异是否显著性，可依下列操作进行。
①单击主菜单Analyze/Compare Means/One-Way Anova…，进入主对话框，请把math选入到因变量表列（Dependent list）中去，把group选入到因素（factor）中去，如图6-4所示：图6-4：One-Way Anova主对话框②对于方差分析，要求数据服从正态分布和不同组数据方差齐性，对于正态性的假设在后面非参数检验一章再具体介绍；One-Way Anova可以对数据进行方差齐性的检验，单击铵钮Options，进入它的主对话框，在Homogeneity-of-variance项上选中即可。
设置如下图6-5所示：图6-5：One-Way Anova的Options对话框点击Continue，返回主对话框。
③在主对话框中点击OK，得到单因素方差分析结果4．结果及解释（1）输出方差齐性检验结果Test of Homogeneity of VariancesMATHLevene Statistic df1 df2 Sig.1.238 4 35 .313上表结果显示，Levene方差齐性检验统计量的值为1.238，Sig=0.313>0.05，所以五个组的方差满足方差齐性的前提条件，如果不满足方差齐性的前提条件，后面方差分析计算F统计量的方法要稍微复杂，本章我们只考虑方差齐性条件满足的情况。
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。
山东英才学院实训报告
小组成员： 班级：
实训地点： 实训时间： 指导老师：尹晓宇
实训项目：Spss 方差分析
实训内容：方差分析 1、 单因素方差分析
2、 单因素方差分析中的多重比较 实训步骤与结果：
5.1 (数据文件ex5.1)
（1）、6,,2,1,4,,2,1, ==++=j i y ij i ij εαμ； （2）、方差分析表如下所示：
表1
由于其p -值小于0.05，因此说明不同的安眠药对安眠时间有显著影响。
（3）、采用了三种方法LSD 、Bonferroni 、Turkey 比较前三种与第4种药物的比较，结果如下：
前三种与第四种的比较结果：如果显著性水平为05.0=α，在三种方法中，第4种与第1种没有显著差异，与第二种和第三种有显著差异。
5.2 (数据文件ex5.2)
方差分析表如下所示：
用LSD 法检验方法给出多重比较的结果如下：
从检验统计量p-值可以看出品牌A与品牌B、品牌A与品牌C、品牌B与品牌C 之间都有显著差异。
实训收获：
指导教师评语：
成绩评定：
指导教师：
年月日。
《SPSS数据分析教程》方差分析方差分析是一种常用的统计方法，用于比较三个或三个以上组之间的均值差异是否显著。
它用于探究不同组别的因素对所研究的因变量的影响是否具有统计显著性。
在SPSS数据分析教程中，方差分析是一个非常重要的分析方法。
本文将介绍方差分析的原理、SPSS中的操作步骤以及结果的解读。
方差分析的原理是基于三个或三个以上不同组别之间的方差之间的比较来判断均值之间的差异是否显著。
方差分析的核心思想是通过比较组内方差与组间方差的大小来判断均值的差异是否显著。
方差分析的原假设是所有组别的均值相等，而备择假设是至少存在一个组别的均值与其他组别的均值不相等。
在SPSS中进行方差分析的操作步骤如下：步骤1：打开SPSS软件，点击“变量视图”页面。
在第一栏输入不同组别的名称，例如“组别1”、“组别2”、“组别3”。
步骤2：在第二栏输入待分析的因变量名称，并设置其测量类型为“比例”。
步骤3：点击“数据视图”页面，输入各组别的数据。
确保每个组别的数据都在同一列中，并且分组的数据之间用“空格”或“逗号”隔开。
步骤4：点击菜单栏上的“分析，—比较手段，—单因素方差分析”。
步骤5：在方差分析的对话框中，将因变量移入因变量方框，将分组变量移入因子方框。
步骤6：点击“选项”按钮，出现选项对话框。
可以选择计算哪些统计量，如均值、标准差、总和平方和等。
步骤7：点击“确定”按钮，SPSS将得出方差分析的结果。
方差分析的结果包括了多个统计量，如SS（组间平方和）、SS（组内平方和）、MS（组内均方和）、MS（组间均方和）、F值和P值。
-SS（组间平方和）反映了组间差异的大小，SS（组内平方和）反映了组内差异的大小。
-MS（组间均方和）是SS（组间平方和）除以自由度（组间）得到的，反映了组间差异的平均大小。
-MS（组内均方和）是SS（组内平方和）除以自由度（组内）得到的，反映了组内差异的平均大小。
-F值是MS（组间均方和）除以MS（组内均方和）得到的，是判断组间差异是否显著的依据。
《SPSS数据分析教程》——方差分析方差分析（Analysis of Variance，缩写为ANOVA）是统计学中用来测量和分析两个或多个样本之间变量差异的统计方法。
方差分析检验的是不同实验条件下样品的均值是否存在显著性差异，以此来判断实验条件对样品响应是否有影响。
简而言之，方差分析能够判断不同处理条件下样本变量的总体均值是否有显著差异，以便检验实验条件是否有效。
方差分析实际上是将实验条件分成实验组和非实验组，然后对试验组与非实验组的结果进行比较，看看实验处理是否有显著的结果。
另一种情况是将不同的实验条件分成若干组，然后将不同组之间的结果进行比较，看看不同的实验条件是否有显著的差别。
SPSS采取一步法方差分析，在用户指定自变量和因变量后，可以自动给出方差分析的结果，包括方差分析表，均值表，均方差表，以及F检验的统计量和显著性水平等。
另外，它还可以提供多元变量分析（MVA）结果，包括每个变量的贡献率，方差膨胀因子，皮尔逊相关系数，单变量分析等。
为了使用SPSS进行方差分析，首先要指定变量和实验条件。
然后，点击菜单栏“分析”，选择“双因素方差分析”。
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，用变量在各组的均值与该组内变量值之偏差平方和的总和表示，记作SS w，组内自由度df 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。
用变量在各组的均值与总均值之偏差平方和表示，记作SS b，组间自由度df b。
总偏差平方和 SS t = SS b + SS w。
组内SS t、组间SS w除以各自的自由度(组内dfw =n-m，组间dfb=m-1，其中n为样本总数，m为组数)，得到其均方MS w和MS b，一种情况是处理没有作用，即各组样本均来自同一总体，MS b/MS w≈1。
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同导致的结果，即各样本来自不同总体。
那么，MS b>>MS w(远远大于)。
MS b/MS w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。
方差分析的假设检验假设有m个样本，如果原假设H0：样本均数都相同即μ1=μ2=μ3=…=μm=μ，m个样本有共同的方差。
第六章方差分析一实验目的1．理解方差分析的概念、原理及作用;2．掌握用 SPSS 进行单因素、双因素及协方差分析的方法;3．结合参考资料了解方差分析的其它方法及作用。
二方差分析的原理方差分析的基本原理是认为不同处理组的均值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，用变量在各组的均值与该组内变量值之偏差平方和的总和表示，记作w SS ，组内自由度w df ;（2）实验条件，即不同的处理造成的差异，称为组间差异。
用变量在各组的均值与总均值之偏差的总平方和表示，记作b SS ，组间自由度b df 。
三实验过程1. 某农场为了比较4种不同品种的小麦产量的差异，选择土壤条件基本相同的土地，分成16块，将每一个品种在4块试验田上试种，测得小表亩产量（kg）的数据如表6.17所示（数据文件为data6-4.sav），试问不同品种的小麦的平均产量在显著性水平0.05和0.01下有无显著性差异。
（数据来源：《SPSS实用统计分析》郝黎仁，中国水利水电出版社）表6.17实验步骤：第1步分析：由于有一个因素（小麦），而且是4种饲料。
故不能用独立样本T 检验（仅适用两组数据），这里可用单因素方差分析；第2步数据的组织：分成两列，一列是试验田的产量（output），另一列是小麦品种（breed）（A、B、C、D）；第3步方差相等的齐性检验：由于方差分析的前提是各个水平下(这里是不同品种的小麦产量)的总体服从方差相等的正态分布。
其中正态分布的要求并不是很严格，但对于方差相等的要求是比较严格的。
因此必须对方差相等的前提进行检验。
从SPSS的数据管理窗口中选择analyze—compare means—One-Way ANOVA，将小麦产量（output）选入dependent list框中，将品种（breed）选入factor框中，点开Options，选中Homogeneity of variance test（方差齐性检验），点开post hoc multiple comparisons，将significance level的值在两次实验时分别设置为0.01和0.05。
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。
不同地区贡献的离差平方和为7149.781，均方为3574.891；不同广告贡献的离差平方和为7625.708，均方为3812.854。
说明不同广告和不同地区对汽车销量都有显著性影响。
广告对于销量的影响略大于地区对销量的影响。
从地区这个变量比较：
第一组和第三组的相伴概率为0.000，低于显著性水平，一、三组均值差异显著；第二组和第三组的相伴概率为0.028，低于显著性水平，二、三组均值差异显著。
从广告这个变量比较：
第一组和第三组的相伴概率为0.000，低于显著性水平，一、三组均值差异显著；第二组和第三组的相伴概率为0.025，低于显著性水平，二、三组均值差异显著。
从上表中可以看出，地区变量的各个水平之间的相伴概率都小于显著性水平，说明3个地区之间都存在显著差异。
综上所述，不同地区和不同广告对于汽车销量都有显著影响。
（2）此为协方差分析
控制变量为地区和广告类型
协变量为人均收入
控制变量部分：不同地区贡献的离差平方和为350.908，均方为175.454；不同广告贡献的离差平方和为1252.887，均方为626.443；且相伴概率均大于显著性水平0.05，认为没有对销量造成显著差异，均与第一小题中的结果有较大出入。
协变量部分：再看人均收入，贡献的离差平方和为1673.083，均方为1673.083，相伴概率0.016小于显著性水平，表明协变量人均收入对观察结果造成了显著影响。
