当前位置：文档之家 › 方差分析2 实验报告

方差分析2 实验报告

  • 格式：doc
  • 大小：375.00 KB
  • 文档页数：11

实验报告课程名称生物医学统计分析实验名称方差分析2专业班级姓名学号实验日期实验地点2015—2016学年度第 2 学期例4.6输出结果：表2 两种饲料对产奶量影响的方差分析表（主体间效应的检验）因变量:产奶量源III 型平方和df 均方 F Sig.校正模型76.050a11 6.914 7.577 .004 截距4651.250 1 4651.250 5097.260 .000饲料A 30.258 1 30.258 33.159 .000时期C .162 1 .162 .178 .685个体B 45.630 9 5.070 5.556 .012误差7.300 8 .912总计4734.600 20校正的总计83.350 19a. R 方 = .912（调整 R 方 = .792）分析：1）本实验主要是为了研究新配方饲料对产奶量的影响，故设立了对照组与其进行对比，但由于试验的奶牛个体之间以及试验期间的差异都对试验结果有影响，为了尽可能地消除这种影响，因此我们选择22⨯交叉设计法；2）本实验由于我们选中了“描述性统计”，因此输出的结果中还有描述统计量，由于数据量过大，因此我们没有把运行结果粘贴过来，但我们可以从描述性统计量表得出不同饲料在不同时期和不同个体间的均值和标准差；3）根据表2可知，饲料间的01=33<F，,说明新配方饲料与对照饲料对平=P.0.0.000159均产奶量的影响差异极显著，这里表现为新配方饲料的平均产奶量极显著高于对照饲料的平均产奶量。

且我们可以看出按照22⨯交叉设计方法进行试验的结果中已经较大的消除预饲期对试验结果的影响，但不同奶牛之间对产奶量的影响还是极为显著，因此消除效果并不好；4）在22⨯交叉设计资料中，因子间的交互作用包括在误差项，分析时应注意不要引入交互作用，应选择主效应模型。

且本实验只分为两组，故不需要作均数间的多重比较。

例4.7输出结果：表3 补饲配方、用量、食盐对增重影响的方差分析表（主体间效应的检验）因变量:增重源III 型平方和df 均方 F Sig.校正模型86.787a 6 14.464 2.000 .370 截距41629.601 1 41629.601 5757.013 .000配方A 5 .429 2 28.714 3.971 .201用量B 15.109 2 7.554 1.045 .489食盐C 14.249 2 7.124 .985 .504误差14.462 2 7.231总计41730.850 9校正的总计101.249 8a. R 方 = .857（调整 R 方 = .429）分析：1）因为要全面对补饲配方、用量、食盐3个因素进行实验，规模会很大，因此我们选用)3(4L正交表进行正交设计，以减小试验规模，并且不使信息损失得太多；92）本实验由于我们选中了“描述性统计”，因此输出的结果中还有描述统计量，由于数据量过大，因此我们没有把运行结果粘贴过来，但我们可以从描述性统计量表得出不同配方在不同用量和不同食盐内的均值和标准差；3）据表3可知，配方间的，05=.0F，，.0>P=.1489201.0.0，05971.3>=P=F用量间的045食盐间的,.0>05=PF说明不同配方、不同用量、不同食盐对增重皆没有985=.0504.0,影响；4）本实验还对补饲配方、用量、食盐采用S-N-K法进行多重比较，但由于数据量过大，因此我们没有粘贴过来，但我们从输出结果可以看出不同配方、不同用量、不同食盐间位于同一列，因此它们的均数之间不存在差异；5）因为本实验是无重复观察值无交互作用，因此选择主效应模型。

例4.8输出结果：表4 温度、菌系、培养时间对根瘤菌生长影响的方差分析表主体间效应的检验因变量:根瘤菌数源III 型平方和df 均方 F Sig.校正模型306045.833a9 34005.093 35.052 .000 截距 1.563E7 1 1.563E7 16114.567 .000A 86877.778 2 43438.889 44.776 .000B 209211.111 2 104605.556 107.825 .000空列86.111 2 43.056 .044 .957C 5669.444 2 2834.722 2.922 .112重复组4201.389 1 4201.389 4.331 .071误差7761.111 8 970.139总计 1.595E7 18校正的总计313806.944 17a. R 方 = .975（调整 R 方 = .947）表5 各温度间根瘤菌数均数的两两比较Student-Newman-Keuls a,bAN子集1 23 6 834.172 6 972.501 6 989.17Sig. 1.000 .381 已显示同类子集中的组均值。

基于观测到的均值。

误差项为均值方 (错误) = 970.139。

a. 使用调和均值样本大小 = 6.000。

b. Alpha = .05。

表6 各菌系间根瘤菌数均数的两两比较Student-Newman-Keuls a,bBN子集1 2 32 6 835.831 6 877.503 6 1082.50Sig. 1.000 1.000 1.000 已显示同类子集中的组均值。

基于观测到的均值。

误差项为均值方 (错误) = 970.139。

a. 使用调和均值样本大小 = 6.000。

b. Alpha = .05。

表7 各培养时间内根瘤菌数的两两比较Student-Newman-Keuls a,bCN 子集12 6 915.833 6 923.331 6 956.67Sig. .118 已显示同类子集中的组均值。

基于观测到的均值。

误差项为均值方 (错误) = 970.139。

a. 使用调和均值样本大小 = 6.000。

b. Alpha = .05。

分析：1）因为本实验目的在于考察温度、菌系、培养时间的主效应并筛选最佳组合，因此我们选用)3(49L 正交表进行分析；2）本实验由于我们选中了“描述性统计”，因此输出的结果中还有描述统计量，由于数据量过大，因此我们没有把运行结果粘贴过来，但我们可以从描述性统计量表得出不同温度在不同菌系和不同培养时间内的均值和标准差；3）根据表4可知，温度间的,01.0000.0,776.44<==P F 说明不同温度对根瘤菌的生长有极显著影响；菌系间的01.0000.0,825.107<==P F ，说明不同菌系对根瘤菌的生长也具有极显著的影响；而时间间的,05.0112.0,922.2>==P F 说明不同培养时间对根瘤菌的生长不具有显著影响。

正交表中的第三列（空列）为各因子互相效应一部分数量的混杂，题中预先估计因子间无互作，这一列便可作误差看待，可与表中的误差项合并，以增加自由度。

合并后的误差自由,222.7847111.7761111.86,1082=+==+=E SS df ,722.784=E MS 温度间的,36.55=F 菌系间的30.133=F ,时间间的61.3=F 。

4）由于不同培养时间对根瘤菌的生长作用不明显，因此我们应考察不同温度、菌系根瘤菌均数的多重比较结果，选出最优组合，根据表5、表6、和表7我们不仅可以得出不同时间的根瘤菌均数差异不大、低温度和高中温度的根瘤菌均数差异大和三个菌系间的根瘤菌数均数差异大，还可以看出选择高温度和丙菌类为最优组合。

例4.9 输出结果：表8 主体间效应的检验 因变量:试验结果源III 型平方和df 均方 F Sig. 校正模型 6627.625a5 1325.525 23.003 .042 截距 55278.125 1 55278.125 959.273 .001 A 1431.125 1 1431.125 24.835 .038 B 21.125 1 21.125 .367 .606 AB 4950.125 1 4950.125 85.902 .011 C 210.125 1 210.125 3.646 .196 BC 15.125 1 15.125 .262.659误差 115.250 2 57.625总计 62021.000 8 校正的总计6742.8757a. R 方 = .983（调整 R 方 = .940）分析： 1）因为本实验不仅研究A 、B 、C 三种成分对发酵培养基的影响，且A 与B 、B 与C 中存在交互作用，因此试验采用)2(78L 正交表进行设计；2）本实验由于我们选中了“描述性统计”，因此输出的结果中还有描述统计量，由于数据量过大，因此我们没有把运行结果粘贴过来，但我们可以从描述性统计量表得出每一种成分或成分组合在其他成分内的均值和标准差；3）表8为F检验的结果，其中A因素的05==PF，，说明A因素对抗生素.24<038.0835.0有显著的影响；交互作用A⨯B的05==PF，，说明A⨯B的交互作用85<.0011.0902.对抗生素有显著的影响；而B、C因素以及B⨯C交互作用的F值分别为0.367，3.646，0.262，P值分别为0.606，0.196，0.659，均大于0.05，说明B、C因素以及B⨯C交互作用对抗生素没有显著的影响，故应对A与B的水平组合进行多重比较，一选出A与B因子的最优水平组合；4）由于本例各因子只有两个水平，组数少于3，故无法进行均数间的两两比较。

例5.1输出结果：表9 描述性统计量因变量:末重y处理组均值标准偏差N1 11.8167 .94660 122 10.8417 1.32353 123 12.0667 1.66697 124 11.1500 1.51927 12总计11.4687 1.43485 48表10 误差方差等同性的 Levene 检验a因变量:末重yF df1 df2 Sig..663 3 44 .579检验零假设，即在所有组中因变量的误差方差均相等。

a. 设计 : 截距 + 初生重x + 处理组表11 协方差分析结果表因变量:末重y源III 型平方和df 均方 F Sig.校正模型59.295a 4 14.824 17.013 .000 截距 2.092 1 2.092 2.401 .129初生重x 47.615 1 47.615 54.645 .000处理组20.435 3 6.812 7.817 .000误差37.468 43 .871总计6410.310 48校正的总计96.763 47a. R 方 = .613（调整 R 方 = .577）基于估算边际均值a. 对多个比较的调整：最不显著差别（相当于未作调整）。

合集下载

方差分析实验报告

方差分析实验报告

方差分析实验报告方差分析实验报告引言：方差分析是一种常用的统计方法，用于比较不同组之间的均值差异是否显著。

本实验旨在通过方差分析方法，探究不同施肥方法对植物生长的影响，并进一步分析各组间的均值差异是否具有统计学意义。

材料与方法：本实验选取了三种不同的施肥方法，分别是有机肥、化学肥和不施肥，每种施肥方法设置了五个重复。

实验选取了一种常见的作物植物进行研究，将其随机分为三组，每组分别使用不同的施肥方法。

在相同的环境条件下，记录植物生长的相关指标，包括植株高度、叶片数目和根系长度。

结果：通过方差分析得到的结果表明，不同施肥方法对植物生长的指标均有显著影响。

在植株高度方面，有机肥组的平均高度为30cm，化学肥组为25cm，而不施肥组仅为20cm。

在叶片数目方面，有机肥组的平均叶片数为15片，化学肥组为12片，而不施肥组仅为10片。

在根系长度方面，有机肥组的平均根系长度为40cm，化学肥组为35cm，而不施肥组仅为30cm。

通过方差分析，我们可以看出不同施肥方法对植物生长的影响是显著的，且有机肥的效果最好，不施肥的效果最差。

讨论：本实验结果表明，不同施肥方法对植物生长的影响是显著的。

有机肥的效果最好，可能是因为有机肥富含有机物质，能够提供植物所需的营养元素，并改善土壤结构。

而化学肥的效果次之，化学肥中的营养元素可以迅速被植物吸收利用，但对土壤的改良效果较差。

而不施肥组的植物生长受限，缺乏营养元素的供应，导致植物生长不良。

实验结果还表明，有机肥组和化学肥组之间的差异并不显著。

这可能是因为在本实验中，化学肥的配方和使用量与有机肥相当，因此两者对植物生长的影响相似。

然而，需要进一步研究来确定不同施肥方法在不同环境条件下的效果，以及其对土壤质量和环境的影响。

结论：通过方差分析实验，我们得出结论：不同施肥方法对植物生长的影响是显著的。

有机肥的效果最好，化学肥次之，而不施肥的效果最差。

这一结论对于农业生产和环境保护具有重要意义。

方差分析的实验报告

方差分析的实验报告

方差分析的实验报告方差分析的实验报告引言：方差分析是一种常用的统计方法，用于比较两个或多个组之间的均值差异是否显著。

在本次实验中，我们将运用方差分析来研究三种不同肥料对植物生长的影响。

通过对不同处理组的生长情况进行观察和数据分析，我们旨在探究不同肥料对植物生长的影响是否存在显著差异。

实验设计与方法：本实验采用了完全随机设计，共设置了四个处理组，分别为对照组和三个不同肥料处理组。

每个处理组设置了十个重复样本。

实验的主要步骤如下：1. 准备工作：选取相同品种的植物作为实验材料，并确保它们具有相似的生长状态和健康状况。

同时，为了消除外界因素的干扰，我们将植物放置在相同的环境条件下。

2. 分组处理：将植物随机分为四组，其中一组作为对照组，不施加任何肥料，另外三组分别施加三种不同的肥料。

3. 数据收集：在实验开始后的每个固定时间点，我们测量每个植物的生长指标，如株高、叶片数、根长等，并记录下来。

这些数据将用于后续的方差分析。

数据分析与结果：在实验结束后，我们对收集到的数据进行了方差分析。

通过计算各组的平均值、方差和标准差，我们得到了以下结果：1. 株高：对照组的平均株高为30cm，标准差为2cm；肥料A组的平均株高为35cm，标准差为3cm；肥料B组的平均株高为32cm，标准差为2.5cm；肥料C组的平均株高为33cm，标准差为2.8cm。

方差分析结果显示，不同处理组之间的株高差异是显著的（F=4.56, p<0.05）。

2. 叶片数：对照组的平均叶片数为15片，标准差为2片；肥料A组的平均叶片数为18片，标准差为3片；肥料B组的平均叶片数为16片，标准差为2.5片；肥料C组的平均叶片数为17片，标准差为2.8片。

方差分析结果显示，不同处理组之间的叶片数差异是显著的（F=3.21, p<0.05）。

3. 根长：对照组的平均根长为25cm，标准差为2cm；肥料A组的平均根长为28cm，标准差为3cm；肥料B组的平均根长为26cm，标准差为2.5cm；肥料C组的平均根长为27cm，标准差为2.8cm。

实习 二(方差分析)

实习 二(方差分析)

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）。

方差与方差分析实验报告

方差与方差分析实验报告

方差与方差分析实验报告方差与方差分析实验报告引言方差是统计学中常用的一个概念，用来衡量数据集中的离散程度。

方差分析是一种用于比较多个样本之间差异的方法。

本实验旨在通过方差和方差分析的应用，探索不同因素对实验结果的影响。

实验设计我们设计了一个实验，研究不同肥料对植物生长的影响。

为了排除其他因素对结果的干扰，我们选择了相同品种、相同生长环境的植物，并将其随机分为三组，分别施加不同肥料。

每组实验重复10次，以减少随机误差的影响。

实验步骤1. 准备工作：选择适当的植物品种、土壤和肥料，并确保生长条件的一致性。

2. 分组：将植物随机分为三组，每组10个样本。

3. 施肥：分别给每组植物施加不同肥料，确保施肥方法的一致性。

4. 观察记录：在一定时间内，每天记录植物的生长情况，包括高度、叶片数量等指标。

5. 数据整理：将每组植物的生长数据整理成表格，以便后续分析。

数据分析我们使用方差分析来比较不同肥料对植物生长的影响。

首先，我们计算每组植物的平均生长值，并计算出总体的平均值。

然后，我们计算组内差异的平方和，即各组数据与组内均值之差的平方之和。

最后，我们计算组间差异的平方和，即各组均值与总体均值之差的平方之和。

通过计算方差和协方差，我们可以得到组内方差和组间方差的估计值。

方差反映了每组数据与该组均值之间的离散程度，而组间方差则反映了不同组之间的差异程度。

通过比较这两个方差的大小，我们可以判断不同肥料对植物生长的影响是否显著。

结果与讨论经过方差分析，我们得到了组内方差和组间方差的估计值。

通过计算F值，我们可以判断组间方差是否显著大于组内方差。

如果F值大于临界值，就可以认为不同肥料对植物生长的影响是显著的。

在我们的实验中，我们发现组间方差明显大于组内方差，且F值远远超过了临界值。

这表明不同肥料对植物生长的影响是显著的。

进一步的分析显示，第一组施加的肥料对植物生长的促进效果最好，第二组次之，第三组最差。

结论通过方差分析，我们证明了不同肥料对植物生长的影响是显著的。