實驗一 單因變量多因素方差分析.doc

實驗一 單因變量多因素方差分析練習(xí) 對廣告城市與銷售額進行分析（一） 實驗?zāi)康耐ㄟ^單因變量多因素方差分析法對廣告城市與銷售額進行進行評估。（二） 實驗內(nèi)容 數(shù)據(jù)為廣告城市與銷售額的關(guān)系的資料，這次的實驗是對廣告城市與銷售額進行方差分析。（三） 實驗步驟1 選擇FileOpenData命令，打開方差分析（廣告城市與銷售額）.sav數(shù)據(jù)表2 選擇Analyze丨General Linear Model 丨Univariate命令，彈出Univariate（單變量方差分析）對話框。3 在左側(cè)變量框中選擇“銷售額”變量，選擇到右側(cè)的Denpendent Variable，然后再左側(cè)的變量框中分別選擇“地區(qū)”、 “廣告形式”變量，選入右側(cè)的Fixed Factor。4 單擊Model 按鈕，彈出Univariate：Model對話框。5 在Specifty Model中選擇Custom，并在Type選項中選擇Main effects，將左側(cè)變量框的兩個變量選入右側(cè)對話框，單擊Continue按鈕。6 回到單變量方差分析的對話框后，單擊Contrasts按鈕，彈出Univariate：Contrasts對話框。7單擊Continue按鈕，回到單變量方差分析對話框，單擊Plots.按鈕，彈出Univariate：Profile Plots 對話框。8在Univariate：Profile Plots 對話框中單擊add按鈕。再選擇continue。9回到單變量方差對話框，單擊Post Hot按鈕，彈出Univariate：Post Hoc Multiple Comparisons for Observed Means 對話框。10單擊continue后，回到單變量方差分析對話框，單擊Save按鈕，彈出Univariate：Save對話框，選擇好以下幾個選項，單擊continue。11回到單變量方差分析對話框，單擊Options按鈕，彈出Univariate：Options對話框。將左側(cè)第一個選項選入右側(cè)，并選好以下選項。單擊Continue。12回到單變量方差分析對話框，單擊OK按鈕，進入計算分析。（四） 實驗結(jié)果1原始數(shù)據(jù)綜合信息：系統(tǒng)接受了144個觀測量，列出各個因素變量，變量值標簽和樣本含量。2表的左上方標注了因變量，為score，從方差分析的角度來看偏差平方和的分解。兩個因素變量的主效應(yīng)、兩個二維交互效應(yīng)和一個三維交互效應(yīng)三者的偏差平方和之和為Corrected Model的偏差平方和20094.306，總偏差平方和（Corrected Total）為26169.306，兩者之差為誤差Error的偏差平方和6075。3銷售額與廣告、地區(qū)之間的交互效應(yīng)。實驗二 兩變量相關(guān)分析練習(xí)一 產(chǎn)婦與嬰兒體重相關(guān)分析（一） 實驗?zāi)康耐ㄟ^兩變量相關(guān)分析法來分析產(chǎn)婦與嬰兒體重相關(guān)分析（二） 實驗內(nèi)容本次實驗使用的數(shù)據(jù)是某婦幼保健院對33名產(chǎn)婦進行產(chǎn)前檢查，對產(chǎn)后嬰兒的體重進行測量，使用兩變量相關(guān)分析過程分析產(chǎn)婦與嬰兒的體重之間是否存在線性相關(guān)關(guān)系。（三） 實驗步驟1 選擇File丨Open丨Data命令，打開chanfu.sav數(shù)據(jù)表。2 選擇Analyze丨Correlate丨Bibariate命令，彈出Bivariate Correlations（兩變量相關(guān)分析）對話框。3 在對話框左側(cè)變量框中分別選擇“髂前上棘間徑”、“ 髂脊間徑”、“恥髂外徑”、“坐骨節(jié)間徑”、“血紅蛋白”、“嬰兒體重”變量，選入右側(cè)的變量框。4 單機Option按鈕，彈出Bivariate Correlation:Options 對話框。5 在對話框中進行設(shè)置，選擇Statistics選項中的Means and standard deviations 選項，并選擇Continue，然后單擊OK按鈕。進入計算分析。（四） 實驗結(jié)果1下圖中給出了基本的描述性統(tǒng)計結(jié)果，其中各行數(shù)據(jù)分別為幾個變量的平均值、樣本標準差及樣本容量。2這個圖給出了孕婦的各項變量系數(shù)矩陣及相關(guān)性檢驗的結(jié)果，其中每個行變量與列變量交叉單元格處是二者的相關(guān)統(tǒng)計量的值。例如，髂前上棘間徑與髂脊間徑、 恥髂外徑、坐骨節(jié)間徑、血紅蛋白、嬰兒體重的相關(guān)系數(shù)依次為0.796、0.684、0.283、0.269、0.340，髂前上棘間徑與這幾個變量雖然有一定的正相關(guān)關(guān)系，但部分相關(guān)系數(shù)普遍較低，說明它們之間的差異。髂前上棘間徑與髂脊間徑、恥髂外徑的相關(guān)系數(shù)分別為0.796、0.684，髂脊間徑與恥髂外徑的相關(guān)系數(shù)為0.684，坐骨節(jié)間徑與嬰兒體重的系數(shù)為0.765，都反映了它們之間具有高度的正相關(guān)關(guān)系。特別的，血紅蛋白與嬰兒體重的相關(guān)系數(shù)為0.880，說明這兩個變量之間具有非常密切的關(guān)系。實驗三 分層聚類分析練習(xí) 對各省學(xué)生的體質(zhì)進行評估（一）實驗?zāi)康耐ㄟ^本次實驗了解分層聚類基本思想和基本算法，理解分解法和凝聚法兩種聚類方法在聚類過程中的不同點。（二）實驗內(nèi)容 數(shù)據(jù)為1985年中國學(xué)生體質(zhì)調(diào)查的各省19-22歲年齡組城市男學(xué)生身體形態(tài)指標的平均值，用分層聚類來分析各省學(xué)生的體質(zhì)的評估。（三）實驗步驟 1選擇File丨Open丨Data命令，打開xueshengtizhi.sav數(shù)據(jù)表。2選擇Analyze丨Classify丨Hierarchical Cluster.命令。3在Hierarchical Cluster Analysis對話框中，將左側(cè)的變量移到右邊的Variables框中，在Label Cases by欄中，選入“省份”變量。4在Hierarchical Cluster Analysis對話框中，再次選擇Statistics對話框，如下圖所選，并在Number of clusters 中鍵入5，單擊Continue。6 回到分層聚類分析對話框時，單擊Plots按鈕，彈出Hierarchical Cluster Analysis：Plots對話框，選入以下選項，單擊Continue。7 回到分層聚類分析對話框，單擊Method.按鈕，彈出Hierarchical Cluster Analysis：Method 對話框，如下圖選擇好選項后單擊Continue。8 在回到分層聚類分析對話框時，單擊Save.按鈕，彈出Hierarchical Cluster Analysis：Save New Variables 對話框，選擇Single solution丨Number of clusters中鍵入5，單擊Continue按鈕。9 回到分層聚類分析對話框，單擊OK。（四）實驗結(jié)果1樣本處理的基本信息，包括樣本總數(shù)、含有缺失值的樣本數(shù)以及百分比等。2從下表數(shù)值可見，第一步，首先第一類，陜西與江蘇兩個省份的觀測量合并為一類；第二次聚類