下载文档原格式
Spass16.0与统计数据分析实验报告实验课程：专业统计软件运用上课时间： 2012 学年上学期 16 周（ 2012 年 06 月 04 日—07日）姓名：花满楼学号： 2010201101班级： 0301008班学院：经济管理学院上课地点：经管实验室五楼指导教师：刘进第六章实验一实验1及目的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 小麦产量的实测数据二解决问题1的原理：单因素方差分析实验步骤：1.打开数据文件data6-4.sav2.选择analyze—compare means—one-way ANOVA3.dependent list 框里为产量，factor为品种4.在options中选择homogeneity of variance test和exclude cases analysisby analysis5.在post hoc按钮里选择LSD方法，改变相关系数为0.05和0.016.得出结果三结果分析2.数据分析：在0.05和0.01显著性水平下，H0假设都是：方差相等，从上表中可以看出Sig.=0.046，小于0.05大于0.01，所以在0.05的显著性水平下不接受H0假设，即有显著性差异，但是在0.01的显著性水平下接受H0假设，即无显著性差异。
一实验2及目的2. 某公司希望检测四种类型的轮胎A，B，C，D的寿命（由行驶的里程数决定），见表6.18（单位：千英里）（数据文件为data6-5.sav），其中每种轮胎应用在随机选择的6辆汽车上。
在显著性水平0.05下判断不同类型轮胎的寿命间是否存在显著性差异？（数据来源：《统计学（第三版）》，M.R.斯皮格尔，科学出版社）表6.18 四种轮胎的寿命数据二实验内容解决问题2的原理：单因素方差分析实验步骤：1.打开数据文件data6-5.sav2.选择analyze—compare means—one-way ANOVA3.方差相等的齐性检查。
《数据统计分析软件（SPSS/R/SAS）》实
验报告
实验名称： SPSSS树苗生长高度差异性分析
班级：
学号：
姓名：
实验日期： 2021-05-21 实验目的与要求：
1.理解方差分析的概念
2.掌握spss进行单因素以及协方差分析的方法
结合参考资料了解方差分析的其他方法及作用
实验环境：
SPSS（Statistical Product and Service Solutions)
实验内容：氮肥量、钾肥量对杨树的生长量影响的显著性。
（显著性水平为0.05，且分析过程应考虑树苗初始高度的影响）
实验步骤：
1．分析
初始高度肯定会对最后生长量有一定的影响，这里主要分析氮肥和钾肥对生长量的影响。
应将初始高度的影响剔除，考虑用协方差分析。
2. 用协方差分析
择分析-一般线性模型-单变量，将生长量移入因变量，氮肥量和钾肥量移入固定因子，初始高度移入协变量。
如下图所
示：
3.点击模型，设定，将因子与协变量互交移入模型中。
最后全选再次移入。
如图所示：
4.执行方差分析，结果如图所示：
实验结果与分析：
从最后的实验数据中可以得出，施肥对生长量有一定的影响，同理可得，初始高度对生长量无显著的影响。
实验总结与体会：
当面临大量的市场调查，统计数据时必须借助分析工具，才能得出科学的结论，所以掌握数据分析方法和数据分析工具已经成为我们必须学会的一门技术。
方差分析可以由较少的
实验获得大量的信息。
单因素实验设计报告:因素实验报告设计单因素实验设计举例正交实验单因素实验设计方案篇一:实验报告单因素方差分析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。
（一）院系：数学与统计学学院专业：__ _统计学年级： 2009级课程名称：统计分析学号：姓名：指导教师：2012年 4月 28 日（一）实验名称1.编程计算样本协方差矩阵和相关系数矩阵；2.多元方差分析MANOVA。
（二）实验目的1.学习编制sas程序计算样本协方差矩阵和相关系数矩阵；2.对数据进行多元方差分析。
（三）实验数据第一题：第二题：（四）实验内容1.打开SAS软件并导入数据；2.编制程序计算样本协方差矩阵和相关系数矩阵；3.编制sas程序对数据进行多元方差分析；4.根据实验结果解决问题，并撰写实验报告；（五）实验体会(结论、评价与建议等)第一题：程序如下：proc corr data=sasuser.shan cov;proc corr data=sasuser.shan nosimple cov;with x3 x4;partial x1 x2;run;结果如下：（1）协方差矩阵（2）相关系数矩阵第二题：程序如下：proc anova data=sasuser.huang; class kind; model x1-x4=kind; manova h=kind; run;结果如下：（1）分组水平信息（2）x1、x2、x3、x4的方差分析（3）多元方差分析根据多元分析结果，p指小于0.05，表明在0.05的显著水平下，四个变量有显著差异。
（注：文档可能无法思考全面，请浏览后下载，供参考。
可复制、编制，期待你的好评与关注！）。
差分分析实验报告
差分分析是一种统计方法，用于比较多组数据之间的差异性。
它可以帮助我们确定多个组别之间是否存在显著差异，并进一步分析这些差异的原因。
差分分析实验报告通常包括以下几个部分：引言、实验设计、数据收集和处理、结果分析和讨论。
在引言部分，我们需要介绍差分分析的背景和目的。
我们要解释为什么选择差分分析方法，以及对于我们的研究问题有何重要性。
接下来是实验设计部分。
我们需要明确实验的目标和假设，并描述实验的参与者、材料和方法。
我们要确保实验设计具有合理性和可靠性，以便得到可信的结果。
数据收集和处理是实验中重要的一步。
我们需要准备好数据收集表格，并告知参与者如何进行实验和记录数据。
收集到的数据需要进行清理和整理，以确保其准确性和可靠性。
然后是结果分析部分。
我们需要运用合适的统计方法，比如方差分析（ANOVA），来分析数据，并确定多组数据之间的差异性是否显著。
如果结果显著，我们可以进一步进行事后比较（post-hoc comparison）来确定哪些组别之间存在显著差异。
最后是结果讨论部分。
我们需要解释和解读结果，并将其与已有的研究结果进行比较。
我们也可以探讨结果的实际意义和可能的原因。
同时，我们还要指出研究可能存在的局限性，并提出改进的建议。
总之，差分分析实验报告需要包括引言、实验设计、数据收集和处理、结果分析和讨论几个主要部分。
在写作时要注意逻辑性和严谨性，确保报告的准确性和可靠性。
异方差实验报告异方差实验报告引言在统计学中，方差是一种衡量数据分布离散程度的重要指标。
然而，在实际应用中，我们常常会遇到方差不稳定的情况，即异方差。
异方差的存在会对统计分析结果产生显著影响，因此，我们需要探索异方差的原因和解决方法。
本实验旨在通过模拟数据和实际案例来探讨异方差的现象、原因和处理方法。
一、异方差现象的模拟实验为了更好地理解异方差的现象，我们首先进行了一系列的模拟实验。
我们生成了两组数据，一组是服从正态分布的数据，另一组是服从泊松分布的数据。
然后，我们分别对两组数据进行方差分析，并比较其结果。
实验结果显示，当数据服从正态分布时，方差分析的结果较为稳定，各组之间的方差差异不大。
然而，当数据服从泊松分布时，方差分析的结果却出现了明显的差异。
这说明泊松分布的数据具有异方差性质。
二、异方差的原因分析为了深入理解异方差的原因，我们进一步探究了几个可能导致异方差的因素。
1. 数据的变换我们对泊松分布的数据进行了对数变换，然后再进行方差分析。
实验结果显示，经过对数变换后，数据的异方差性质得到了明显改善。
这说明，数据的变换可以在一定程度上解决异方差问题。
2. 数据的离散程度我们生成了两组服从正态分布的数据，一组具有较小的离散程度，另一组具有较大的离散程度。
实验结果显示，离散程度较大的数据组具有更明显的异方差性质。
这表明，数据的离散程度与异方差之间存在一定的关联。
3. 样本容量我们通过不断调整样本容量，观察方差分析结果的变化。
实验结果显示，随着样本容量的增加，方差分析结果的稳定性得到了明显改善。
这说明，样本容量的大小对异方差的影响是显著的。
三、处理异方差的方法针对异方差问题，统计学家们提出了多种处理方法。
以下是一些常见的方法：1. 方差齐性检验在进行统计分析之前，我们可以先对数据进行方差齐性检验。
常用的方差齐性检验方法包括Levene检验和Bartlett检验。
如果检验结果表明数据存在异方差，我们可以采取相应的处理方法。
实验报告误差分析实验报告是科学研究的重要形式之一，用于总结、分析和呈现实验过程和结果。
其中，误差分析是不可或缺的步骤，它可以帮助研究者评估实验数据的准确性和稳定性，并识别可能影响结果的因素。
本文将介绍实验报告误差分析的基本原理和方法。
一、误差来源的分类误差是指测量值与真实值之差，其来源有多种可能。
一般来说，误差可以分为系统误差和随机误差两类。
系统误差是由于实验条件和测量设备的固有偏差而引起的，比如温度的不均匀分布、仪器漂移等。
随机误差是由于无法控制或随机变化的因素而引起的，比如人为误差、环境干扰等。
二、误差的评估方法为了评估误差的大小和影响，可以使用各种指标和方法。
以下是常用的几种：1. 绝对误差：即测量值与真值之差的绝对值，常用于评价单个数据的精度。
2. 相对误差：即绝对误差除以真值，以百分数表示，常用于评价多个数据的平均精度。
3. 标准差：是样本值的离散程度的度量，反映测量数据的分散情况，可用于评估随机误差的大小和稳定性。
4. 方差分析：可用于对比实验组之间的差异，通过分析变异原因和来源，识别可能存在的系统误差和随机误差。
三、误差改善和纠正方法如果发现误差较大或偏差较明显，需要采取一些措施来改善或纠正。
这些措施可能包括：1. 增加重复测量：通过多次测量并计算平均值，可以减少随机误差。
2. 校准仪器：及时检查、校准和维护仪器，可以降低系统误差和漂移。
3. 控制环境：保持实验室的稳定环境和恒定条件，可以减少人为和环境因素对实验结果的影响。
4. 比较标准：在某些实验中，可以选择一个公认的标准来与实验结果进行比较，以帮助评估误差大小和可靠性。
总之，误差分析是实验报告不可或缺的一部分，它可以帮助研究者识别可能对实验结果造成影响的因素，并采取适当的措施来改善和纠正误差。
通过严谨的误差分析和改善措施，可以提高实验结果的准确性和可靠性，为科学研究提供更加可信的依据。
实验报告实验三：正交试验结果的极差分析与方差分析课程名称考查学期姓名学号专业成绩任课教师实验三：正交试验结果的极差分析与方差分析一、实验目标熟练使用Excel和SPSS软件进行正交试验设计和结果分析二、实验要求按照1人/组的样式，所有成员都应该根据实验内容完成相应的任务。
三、仪器设备笔记本电脑与数据分析软件Excel、SPSS。
四、实验内容1. 正交试验数据的极差分析（Excel）大枣的微波干燥工艺研究，试验因素选取A微波功率（W）、B干燥时间（min）、C载样量（kg/m2），以干燥大枣中总黄酮的含量为指标（越高越好），试选出最优工艺条件。
表3-1. 因素水平表水平试验因素A（微波功率/W）B（干燥时间/min）C（载样量/kg/m2）1150105 22501510 33502015表3-2. 干燥大枣中的总黄酮含量试验号微波功率A干燥时间B空列载样量C总黄酮含量1（mg/g）总黄酮含量2（mg/g）11111272.6 278.9 21222251.7 250.331333245.2 247.2 42123289.7 279.6 52231275.8 268.8 62312258.7 257.7 73132246.6 246.2 83213231.4 232.1 93321222.1 228.6表3-3 干燥大枣中的总黄酮含量极差分析试验号列号重复试样指标和1 2 3 41 2A B C1 1 1 1 1 272.6 278.9 551.52 1 2 2 2 251.7 250.3 5023 1 3 3 3 245.2 247.2 492.44 2 1 2 3 289.7 279.6 569.35 2 2 3 1 275.8 268.8 544.66 2 3 1 2 258.7 257.7 516.47 3 1 3 2 246.6 246.2 492.88 3 2 1 3 231.4 232.1 463.59 3 3 2 1 222.1 228.6 450.7K11545.9 1613.6 1531.4 1546.8K21630.3 1510.1 1522.0 1511.2K31407.0 1459.5 1529.8 1525.2k1257.650 268.933 255.233 257.800k2271.717 251.683 253.667 251.867k3234.500 243.250 254.967 254.200R 37.217 25.683 1.567 5.933较优水平A2B1C1因为指标越大越好，所以为因素A的2水平，即A2较好。
西南科技大学经济管理学院统计学实验报告姓名：学号：班级：统计学实验报告姓名：学号：班级：成绩：一、实验步骤总结成绩：<一>、数据的搜集与整理（一）数据的搜集统计数据主要来源于两种渠道：一种是来源于别人的调查或实验数据，称为间接数据；另一种是来源于科学实验或者直接的调查数据，称为直接数据。
（二）数据的整理利用Excel对搜集的数据进行整理，使数据系统化、科学化、并建立数据库和数据文件。
下面举例说明数据搜集和整理的实验步骤：例1：查询北京市2008年的人口数。
（数据的搜集）查询2009年北京统计年鉴，可通过纸质年鉴，也可以通过网络获取。
如果通过网络获取，步骤如下：第一步：浏览器中输入地址/，进入北京统计信息网；第二步：选择“统计数据——年度数据”，在年度选择下拉框中选择2009年，点击查询，进入北京市2009年度统计年鉴，第三步：在年鉴中点击“3-1人口状况（1978-2008年）”，第四步：查询得到北京市2008年常住人口1695.0万人，户籍人口1229.9万人。
例2：大学生生活费收支状况调查（1）数据的编码，编码是对数据进行初步分组和确定数字代码的过程。
（2）数据的录入，数据的录入是将搜集到的数据直接输入到数据库文件中。
（3）数据文件的导入，Excel数据文件的导入是将别的软件形成的数据或数据库文件，转换到Excel工作表中。
导入的方法有二，一是使用“文件-打开”菜单，二是使用“数据-导入外部数据-导入数据”菜单，两者都是打开导入向导，按向导一步步完成对数据文件的导入。
（4）数据的筛选数据的筛选是从大数据表单中选出分析所要用的数据。
Excel 中提供了两种数据的筛选操作，即“自动筛选”和“高级筛选”。
（6）数据的分组数据分组是将数据整理形成汇总表或频数分布表的过程。
（5）数据的排序数据的排序是将数据的次序排列整理并显示出来的过程。
7）数据文件的保存保存经过初步处理的Excel数据文件。
第1篇一、实验背景随着教育改革的不断深入，我国教育质量得到了显著提高。
然而，在实际教学过程中，教师和学生普遍面临的一个问题是：如何有效地分析学生的学习成绩，从而更好地指导教学和促进学生全面发展。
为了解决这一问题，我们开展了一次成绩分析实验，旨在通过对学生成绩进行深入分析，找出影响学生成绩的关键因素，为教师提供有针对性的教学建议。
二、实验目的1. 分析学生成绩分布情况，了解学生整体学习水平。
2. 找出影响学生成绩的关键因素，为教师提供教学改进方向。
3. 探索科学合理的成绩分析方法，提高教学质量。
三、实验方法1. 数据收集：收集实验班级学生的期末考试成绩、平时成绩、学习态度、家庭背景等相关信息。
2. 数据处理：运用统计学方法对收集到的数据进行整理、分析，得出学生成绩分布、相关因素之间的关系。
3. 结果分析：结合实际教学情况，分析影响学生成绩的关键因素，提出相应的教学改进建议。
四、实验结果与分析1. 学生成绩分布情况通过对实验班级学生的成绩进行分析，得出以下结论：（1）成绩总体分布较为集中，大部分学生成绩处于中等水平。
（2）成绩分布呈现正态分布，即成绩优秀的学生和成绩较差的学生较少，中等成绩的学生占多数。
（3）男女学生在成绩上存在一定差异，女生整体成绩略高于男生。
2. 影响学生成绩的关键因素（1）学习态度：学习态度是影响学生成绩的重要因素之一。
实验结果显示，学习态度积极的学生，成绩普遍较好。
（2）学习方法：学习方法对学生成绩的影响不容忽视。
实验发现，掌握科学合理的学习方法的学生，成绩明显优于其他学生。
（3）家庭背景：家庭背景在一定程度上影响学生的学习成绩。
实验结果表明，家庭条件较好的学生，学习资源较为丰富，成绩相对较好。
（4）教师教学：教师的教学水平、教学方法和教学态度对学生成绩有直接影响。
实验发现，教师的教学效果与学生的成绩呈正相关。
五、教学改进建议1. 加强学生教育，提高学习态度。
教师应关注学生的学习状态，引导学生树立正确的学习观念，激发学生的学习兴趣。
评分 实验报告
课程名称 生物医学统计分析 实验名称 方差分析1 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 生物医学统计分析
第2页 共16页 一、 实验目的 进行方差分析。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。
二、实验环境 1、硬件配置：处理器：Intel（R） Core(TM) i7-3770 CPU @3.40GHz 3.40GHz 安装内存（RAM）：4.00GB 系统类型：64位操作系统 2、软件环境：IBM SPSS Statistics 19.0软件
三、实验内容 (包括本实验要完成的实验问题及需要的相关知识简单概述) （1）课本第四章的例4.1-4.4运行一遍，注意理解结果； （2）实验报告的例1和例2按步骤进行数据管理的操作和基本统计分析。 一、Simple Factorial过程： 调用此过程可对资料进行方差分析或协方差分析。在方差分析中可按用户需要作单因素方差分析或多因素方差分析；当观察因素中存在很难或无法人为控制的因素时，则可对之加以指定以便进行协方差分析。 二、General Linear Model过程： 调用此过程可对完全随机设计资料、配对设计资料、析因设计资料、正交设计资料等等进行多因素方差分析或协方差分析。 四、实验结果与分析 例4.1
表1 5个品种猪增重的描述性指标描述
N 均值 标准差 标准误 均值的 95% 置信区间 极小值 极大值 下限 上限 1 6 20.167 1.4376 .5869 18.658 21.675 18.0 22.0 2 6 17.167 1.7512 .7149 15.329 19.004 15.5 20.0 3 5 18.300 1.2042 .5385 16.805 19.795 17.0 20.0 4 4 19.625 1.1087 .5543 17.861 21.389 18.5 21.0 5 4 16.625 1.1087 .5543 14.861 18.389 15.5 18.0 总数 25 18.420 1.8857 .3771 17.642 19.198 15.5 22.0
分析：表1是该资料的一般描述性指标，分别为各品种猪增重的均数，标准差，标准误，最大
值和最小值。总体均数95%的置信区间。
表2 5个品种猪增重的方差分析表(ANOVA增重) 平方和 df 均方 F 显著性 组间 46.498 4 11.625 5.986 .002 组内 38.842 20 1.942 总数 85.340 24 分析：表2是方差分析的统计结果，由此可知，F=5.986，P=0.002〈0.01，可认为5个品种猪存
在极显著差异，故须进行多重比较。 生物医学统计分析 第3页 共16页 表3 5个品种猪增重的多重比较（LSD法） (I) 品种 (J) 品种 均值差 (I-J) 标准误 显著性 95% 置信区间 下限 上限 LSD 1 2 3.0000* .8046 .001 1.322 4.678 3 1.8667* .8439 .039 .106 3.627 4 .5417 .8996 .554 -1.335 2.418 5 3.5417* .8996 .001 1.665 5.418 2 1 -3.0000* .8046 .001 -4.678 -1.322 3 -1.1333 .8439 .194 -2.894 .627 4 -2.4583* .8996 .013 -4.335 -.582 5 .5417 .8996 .554 -1.335 2.418 3 1 -1.8667* .8439 .039 -3.627 -.106 2 1.1333 .8439 .194 -.627 2.894 4 -1.3250 .9348 .172 -3.275 .625 5 1.6750 .9348 .088 -.275 3.625 4 1 -.5417 .8996 .554 -2.418 1.335 2 2.4583* .8996 .013 .582 4.335 3 1.3250 .9348 .172 -.625 3.275 5 3.0000* .9854 .006 .944 5.056 5 1 -3.5417* .8996 .001 -5.418 -1.665 2 -.5417 .8996 .554 -2.418 1.335 3 -1.6750 .9348 .088 -3.625 .275 4 -3.0000* .9854 .006 -5.056 -.944 *. 均值差的显著性水平为 0.05。
分析：表3是选用LSD法作为均数间的两两比较的结果：
品种1与品种2的显著性P=0.001〈0.01，差异极显著； 品种1与品种3的显著性P=0.039〈0.05，差异显著； 品种1与品种4的显著性P=0.554〉0.05，差异不显著； 品种1与品种5的显著性P=0.001〈0.01，差异极显著； 以此类推 因为均值差与正数越接近说明其差异越好，表3中品种1的均值差都大于0，说明品种1的差异最好，品种4接近正数，是第二好，再是品种3，品种2，最后是品种5 生物医学统计分析 第4页 共16页 表4 5个品种猪增重的多重比较（SNK法，∝=0.05） 品种 N alpha = 0.05 的子集 1 2 Student-Newman-Keulsa,b 5 4 16.625 2 6 17.167 3 5 18.300 18.300 4 4 19.625 1 6 20.167 显著性 .173 .119 将显示同类子集中的组均值。 a. 将使用调和均值样本大小 = 4.839。 b. 组大小不相等。将使用组大小的调和均值。将不保证 I 类错误级别。
分析：表4是按∝=0.05水准，将无显著的均数归为一类，可见品种5、2、3的样本均数（16.625、
17.167、18.300）位于同一列，故品种5、品种2、品种3的样本均数两两之间均无显著差异。品种3、4、1位于同一列，故品种3、品种4、品种1样本均数两两之间均无显著差异，而品种5、2与品种4、1不在同一列内，故品种5、2与品种4、1的样本均数有显著差异。 由本例可知，用不同的两两比较方法，均数间的差异显著性有时会略有不同。
例4.2
表5 描述性统计量（变量:增重） 品种 饲料 均值 标准 偏差 N 1 1 51.00 . 1 2 53.00 . 1 3 52.00 . 1 总计 52.00 1.000 3 2 1 56.00 . 1 2 57.00 . 1 3 58.00 . 1 总计 57.00 1.000 3 3 1 45.00 . 1 2 49.00 . 1 3 47.00 . 1 总计 47.00 2.000 3 生物医学统计分析 第5页 共16页 4 1 42.00 . 1 2 44.00 . 1 3 43.00 . 1 总计 43.00 1.000 3 总计 1 48.50 6.245 4 2 50.75 5.560 4 3 50.00 6.481 4 总计 49.75 5.610 12 分析：表5为求“品种”，“饲料”均数、标准差的过程。经统计汇总，4个品种在不同饲料内
的增重分别为52.00,57.00,47.00和43.00；标准差分别为1.000,1.000,2.000,1.000.对3种饲料在不同品种内的增重进行统计，其均值和标准差分别为48.50,50.75,50.00，6.245,5.560,6.481.该12个观察值的总的均值为49.75，标准差为5.610.
表6 不同系数、饲料对增重影响的方差分析（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 342.750a 5 68.550 117.514 .000 截距 29700.750 1 29700.750 50915.571 .000 品种 332.250 3 110.750 189.857 .000 饲料 10.500 2 5.250 9.000 .016 误差 3.500 6 .583 总计 30047.000 12 校正的总计 346.250 11 a. R 方 = .990（调整 R 方 = .981）
分析：表6为品种、饲料间均数的方差分析（F检验）的结果。从表可知，品种的F=189.857，
P=0.000<0.01，差异极显著；饲料的F=9.000，P=0.016<0.05，差异显著。说明不同品种对增重影响差异极显著，不同饲料对增重影响差异显著，有必要进一步对品种、饲料两因素不同水平的均值进行多重比较。 校正模型的第2、3列的值是两个主效应“品种”、“饲料”对应值之和。F=117.514，P=0.000<0.01，表明所用模型有统计学意义。 截距在我们的分析中没有实际意义，可忽略。 总和为截距、主效应（“品种”、“饲料”）和误差项对应值之和。 校正总和为主效应（“品种”、“饲料”）和误差项对应值之和。
