实验一 单因变量多因素方差分析
- 格式：doc
- 大小：560.50 KB
- 文档页数：20
实验一 单因变量多因素方差分析
练习 对广告城市与销售额进行分析
（一） 实验目的
通过单因变量多因素方差分析法对广告城市与销售额进行进行评估。
（二） 实验内容
数据为广告城市与销售额的关系的资料，这次的实验是对广告城市与销售额进行方差分析。
（三） 实验步骤
1． 选择File→Open→Data命令，打开方差分析（广告城市与销售额）.sav数据表
2． 选择Analyze丨General Linear Model 丨Univariate命令，弹出Univariate（单变量方差分析）对话框。
3． 在左侧变量框中选择“销售额”变量，选择到右侧的Denpendent Variable，然后再左侧的变量框中分别选择“地区”、 “广告形式”变量，选入右侧的Fixed Factor。
4． 单击Model 按钮，弹出Univariate：Model对话框。
5． 在Specifty Model中选择Custom，并在Type选项中选择Main effects，将左侧变量框的两个变量选入右侧对话框，单击Continue按钮。
6． 回到单变量方差分析的对话框后，单击Contrasts按钮，弹出Univariate：Contrasts对话框。
7．单击Continue按钮，回到单变量方差分析对话框，单击Plots..按钮，弹出Univariate：Profile Plots 对话框。
8．在Univariate：Profile Plots 对话框中单击add按钮。再选择continue。
9．回到单变量方差对话框，单击Post Hot…按钮，弹出Univariate：Post Hoc Multiple
Comparisons for Observed Means 对话框。
10．单击continue后，回到单变量方差分析对话框，单击Save…按钮，弹出Univariate：Save对话框，选择好以下几个选项，单击continue。
11．回到单变量方差分析对话框，单击Options…按钮，弹出Univariate：Options对话框。将左侧第一个选项选入右侧，并选好以下选项。单击Continue。
12．回到单变量方差分析对话框，单击OK按钮，进入计算分析。
（四） 实验结果
1．原始数据综合信息：系统接受了144个观测量，列出各个因素变量，变量值标签和样本含量。
2．表的左上方标注了因变量，为score，从方差分析的角度来看偏差平方和的分解。两个因素变量的主效应、两个二维交互效应和一个三维交互效应三者的偏差平方和之和为Corrected Model的偏差平方和20094.306，总偏差平方和（Corrected Total）为26169.306，两者之差为误差Error的偏差平方和6075。
3．销售额与广告、地区之间的交互效应。
实验二 两变量相关分析
练习一 产妇与婴儿体重相关分析
（一） 实验目的
通过两变量相关分析法来分析产妇与婴儿体重相关分析
（二） 实验内容
本次实验使用的数据是某妇幼保健院对33名产妇进行产前检查，对产后婴儿的体重进行测量，使用两变量相关分析过程分析产妇与婴儿的体重之间是否存在线性相关关系。
（三） 实验步骤
1． 选择File丨Open丨Data命令，打开chanfu.sav数据表。
2． 选择Analyze丨Correlate丨Bibariate命令，弹出Bivariate Correlations（两变量相关分析）对话框。
3． 在对话框左侧变量框中分别选择“髂前上棘间径”、“ 髂脊间径”、“耻髂外径”、“坐骨节间径”、“血红蛋白”、“婴儿体重”变量，选入右侧的变量框。
4． 单机Option按钮，弹出Bivariate Correlation:Options 对话框。
5． 在对话框中进行设置，选择Statistics选项中的Means and standard deviations 选项，并选择Continue，然后单击OK按钮。进入计算分析。
（四） 实验结果
1．下图中给出了基本的描述性统计结果，其中各行数据分别为几个变量的平均值、样本标准差及样本容量。
2．这个图给出了孕妇的各项变量系数矩阵及相关性检验的结果，其中每个行变量与列变量交叉单元格处是二者的相关统计量的值。例如，髂前上棘间径与髂脊间径、 耻髂外径、坐骨节间径、血红蛋白、婴儿体重的相关系数依次为0.796、0.684、0.283、0.269、0.340，髂前上棘间径与这几个变量虽然有一定的正相关关系，但部分相关系数普遍较低，说明它们之间的差异。髂前上棘间径与髂脊间径、耻髂外径的相关系数分别为0.796、0.684，髂脊间径与耻髂外径的相关系数为0.684，坐骨节间径与婴儿体重的系数为0.765，都反映了它们之间具有高度的正相关关系。特别的，血红蛋白与婴儿体重的相关系数为0.880，说明这两个变量之间具有非常密切的关系。
实验三 分层聚类分析
练习 对各省学生的体质进行评估
（一）实验目的
通过本次实验了解分层聚类基本思想和基本算法，理解分解法和凝聚法两种聚类方法在聚类过程中的不同点。
（二）实验内容
数据为1985年中国学生体质调查的各省19-22岁年龄组城市男学生身体形态指标的平均值，用分层聚类来分析各省学生的体质的评估。
（三）实验步骤
1．选择File丨Open丨Data命令，打开xueshengtizhi.sav数据表。
2．选择Analyze丨Classify丨Hierarchical Cluster..命令。
3．在Hierarchical Cluster Analysis对话框中，将左侧的变量移到右边的Variables框中，在Label Cases by栏中，选入“省份”变量。
4．在Hierarchical Cluster Analysis对话框中，再次选择Statistics对话框，如下图所选，并在Number of clusters 中键入5，单击Continue。
6． 回到分层聚类分析对话框时，单击Plots…按钮，弹出Hierarchical Cluster Analysis：Plots对话框，选入以下选项，单击Continue。
7． 回到分层聚类分析对话框，单击Method..按钮，弹出Hierarchical Cluster Analysis：Method
对话框，如下图选择好选项后单击Continue。
8． 在回到分层聚类分析对话框时，单击Save..按钮，弹出Hierarchical Cluster Analysis：Save
New Variables 对话框，选择Single solution丨Number of clusters中键入5，单击Continue按钮。
9． 回到分层聚类分析对话框，单击OK。
（四）实验结果
1．样本处理的基本信息，包括样本总数、含有缺失值的样本数以及百分比等。
2．从下表数值可见，第一步，首先第一类，陕西与江苏两个省份的观测量合并为一类；第二次聚类，吉林与陕西这两个省份的观测合并为一类；第三次聚类，辽宁与黑龙江的观测合并为一类。
3．聚类龙骨图，从中可以直观的看出聚类的过程和各个样本所属的类别。从聚类结果中我们可以看到，性能指标比较接近的产品被聚为一类，因此我们可以根据这个地方的学生体质所属的类别来判断这个省学生体质在28个省份中的大概位置。
