管理統(tǒng)計(jì)大作業(yè)

1、管理統(tǒng)計(jì)學(xué)實(shí)驗(yàn)報(bào)告院系 ：交通運(yùn)輸管理學(xué)院 學(xué)生姓名： 班級 ： 學(xué)號 ： 成績 ： 指導(dǎo)教師： 作業(yè)一：某地101例健康男子血清總膽固醇值測定結(jié)果如下，請繪制頻數(shù)表、直方圖、莖葉圖、箱型圖，計(jì)算均值、標(biāo)準(zhǔn)差、中位數(shù)、眾數(shù)、標(biāo)準(zhǔn)差、方差、最小值、最大值、全距、四分位數(shù)。4.77 3.37 6.14 3.95 3.56 4.23 4.31 4.71 5.69 4.12 4.56 4.37 5.39 6.30 5.21 7.22 5.54 3.93 5.21 4.12 5.18 5.77 4.79 5.12 5.20 5.10 4.70 4.74 3.50 4.69 4.38 4.89 6.25

2、5.32 4.50 4.63 3.61 4.44 4.43 4.25 4.03 5.85 4.09 3.35 4.08 4.79 5.30 4.97 3.18 3.97 5.16 5.10 5.86 4.79 5.34 4.24 4.32 4.77 6.36 6.38 4.88 5.55 3.04 4.55 3.35 4.87 4.17 5.85 5.16 5.09 4.52 4.38 4.31 4.58 5.72 6.55 4.76 4.61 4.17 4.03 4.47 3.40 3.91 2.70 4.60 4.09 5.96 5.48 4.40 4.55 5.38 3.89 4.60

3、4.47 3.64 4.34 5.18 6.14 3.24 4.90 3.05步驟：輸入數(shù)據(jù)：先點(diǎn)擊變量，然后將名稱、類型、寬度、小數(shù)、列、度量標(biāo)準(zhǔn)（度量級）再點(diǎn)擊任意一個序號，回到原輸入界面，將所給數(shù)據(jù)輸入分析：分析->描述統(tǒng)計(jì)->頻率->將“血清總膽固醇值”導(dǎo)入“變量”框中->選擇統(tǒng)計(jì)量->“百分位值”中的“四分位數(shù)”，“集中趨勢”中的“均值、中位數(shù)、眾數(shù)”，“離散”中的“標(biāo)準(zhǔn)差、方差、范圍（得出全距）、最小值、最大值”->繼續(xù)->圖表選項(xiàng)-> “直方圖”，并在 “在直方圖上顯示正態(tài)曲線”打鉤->繼續(xù)，返回->確定分析->描

4、述統(tǒng)計(jì)->探索-> “血清膽固醇”導(dǎo)入，點(diǎn)擊“繪制”->選擇“莖葉圖”和“直方圖（此處的直方圖指的是箱型圖）”， “繼續(xù)”-à “確定”結(jié)果：頻數(shù)表：血清總膽固醇值頻率百分比有效百分比累積百分比有效2.7011.01.01.03.0411.01.02.03.0511.01.03.03.1811.01.04.03.2411.01.05.03.3522.02.06.93.3711.01.07.93.4011.01.08.93.5011.01.09.93.5611.01.010.93.6111.01.011.93.6411.01.012.93.8911.01.013.93

5、.9111.01.014.93.9311.01.015.83.9511.01.016.83.9711.01.017.84.0322.02.019.84.0811.01.020.84.0922.02.022.84.1222.02.024.84.1722.02.026.74.2311.01.027.74.2411.01.028.74.2511.01.029.74.3122.02.031.74.3211.01.032.74.3411.01.033.74.3711.01.034.74.3822.02.036.64.4011.01.037.64.4311.01.038.64.4411.01.039.64

6、.4722.02.041.64.5011.01.042.64.5211.01.043.64.5522.02.045.54.5611.01.046.54.5811.01.047.54.6022.02.049.54.6111.01.050.54.6311.01.051.54.6911.01.052.54.7011.01.053.54.7111.01.054.54.7411.01.055.44.7611.01.056.44.7722.02.058.44.7933.03.061.44.8711.01.062.44.8811.01.063.44.8911.01.064.44.9011.01.065.34

7、.9711.01.066.35.0911.01.067.35.1022.02.069.35.1211.01.070.35.1622.02.072.35.1822.02.074.35.2011.01.075.25.2122.02.077.25.3011.01.078.25.3211.01.079.25.3411.01.080.25.3811.01.081.25.3911.01.082.25.4811.01.083.25.5411.01.084.25.5511.01.085.15.6911.01.086.15.7211.01.087.15.7711.01.088.15.8522.02.090.15

8、.8611.01.091.15.9611.01.092.16.1422.02.094.16.2511.01.095.06.3011.01.096.06.3611.01.097.06.3811.01.098.06.5511.01.099.07.2211.01.0100.0合計(jì)101100.0100.0直方圖莖葉圖血清總膽固醇值 Stem-and-Leaf Plot Frequency Stem & Leaf 1.00 2 . 7 8.00 3 . 00123334 9.00 3 . 556689999 24.00 4 . 000001111222333333344444 25.00 4

9、. 5555556666677777777788899 17.00 5 . 01111111222333334 9.00 5 . 556778889 6.00 6 . 112333 1.00 6 . 5 1.00 Extremes (>=7.2) Stem width: 1.00 Each leaf: 1 case(s)箱型圖計(jì)算均值、標(biāo)準(zhǔn)差、中位數(shù)、眾數(shù)、標(biāo)準(zhǔn)差、方差、最小值、最大值、全距、四分位數(shù)。統(tǒng)計(jì)量血清總膽固醇值N有效101缺失0均值4.6995均值的標(biāo)準(zhǔn)誤.08573中值4.6100a眾數(shù)4.79標(biāo)準(zhǔn)差.86162方差.742偏度.251偏度的標(biāo)準(zhǔn)誤.240峰度.101峰度的

10、標(biāo)準(zhǔn)誤.476全距4.52極小值2.70極大值7.22和474.65百分位數(shù)254.1513b504.6100755.2017a. 利用分組數(shù)據(jù)進(jìn)行計(jì)算。b. 將利用分組數(shù)據(jù)計(jì)算百分位數(shù)。結(jié)果分析：均值：4.7035、標(biāo)準(zhǔn)差：0.85635、方差：0.733、中位數(shù)：4.6100、眾數(shù)：4.79、極小值：2.70、極大值：7.22、全距：4.52 作業(yè)二：某輪胎廠的質(zhì)量分析報(bào)告中說明，該廠某輪胎的平均壽命在一定的載重負(fù)荷與正常行駛條件下會大于25000公里。平均輪胎壽命的公里數(shù)近似服從正態(tài)分布?，F(xiàn)對該廠該種輪胎抽取一容量為15個的樣本，數(shù)據(jù)如下表所示，試驗(yàn)結(jié)果得樣本均值為27000公里。試分析

11、：該廠產(chǎn)品與申報(bào)的質(zhì)量標(biāo)準(zhǔn)是否相符？（=0.05） 單樣本參數(shù)t檢驗(yàn)序號輪胎壽命121000219000333000431500518500634000729000826000925000102800011300001228500132750014280001526000步驟：輸入數(shù)據(jù)：將數(shù)據(jù)逐一錄入分析：分析比較均值單樣本T檢驗(yàn) ->選擇要分析的變量，導(dǎo)入右框中，在 “檢驗(yàn)值”中，填入總體均值假設(shè)->選項(xiàng)，將置信區(qū)間百分比95%，繼續(xù)->確定結(jié)果：單個樣本統(tǒng)計(jì)量N均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤輪胎壽命1527000.004636.8091197.219單個樣本檢驗(yàn)檢驗(yàn)值 = 250

12、00 tdfSig.(雙側(cè))均值差值差分的 95% 置信區(qū)間下限上限輪胎壽命1.67114.1172000.000-567.784567.78結(jié)果分析：均值為27000 t統(tǒng)計(jì)量=1.671，雙側(cè)檢驗(yàn)P =0.117>0.05接受H0即該廠產(chǎn)品與申報(bào)的質(zhì)量標(biāo)準(zhǔn)沒有顯著性差異，在95%的置信區(qū)間：（-567.78，4567.78）,斷點(diǎn)為一負(fù)一正，接受H0，綜上：該廠產(chǎn)品與申報(bào)的質(zhì)量標(biāo)準(zhǔn)相符。作業(yè)三：調(diào)查某廠的鉛作業(yè)工人7人和非鉛作業(yè)工人10人的血鉛值（g / 100g）如下，血鉛值含量服從正態(tài)分布。問兩組工人的血鉛值有無差別？（=0.05） 非鉛作業(yè)組556791213151821鉛作業(yè)

13、組17182025344344兩個獨(dú)立獨(dú)自樣本參數(shù)t檢驗(yàn)步驟：輸入數(shù)據(jù)：設(shè)置兩個變量，一個存放樣本值，一個存放組標(biāo)記值。（0,1分別代表血鉛作業(yè)組和非血鉛作業(yè)組）分析過程：分析->非參數(shù)檢驗(yàn)->舊對話框->2個獨(dú)立樣本（2）-> “效果”導(dǎo)入到“檢驗(yàn)變量列表”, “分組”加入到“分組變量”-> “定義組”分別輸入“0、1”->檢驗(yàn)類型 “Mann-Whitney U”-> “精確”，置信區(qū)間設(shè)置 “95%”，將樣本組數(shù) “17”->確定。結(jié)果：秩分組N秩均值秩和血鉛值非鉛作業(yè)105.9559.50鉛作業(yè)713.3693.50總數(shù)17檢驗(yàn)統(tǒng)計(jì)量c血

14、鉛值Mann-Whitney U4.500Wilcoxon W59.500Z-2.980漸近顯著性(雙側(cè)).003精確顯著性2*（單側(cè)顯著性）.001aMonte Carlo 顯著性（雙側(cè)）顯著性.000b95% 置信區(qū)間下限.000上限.162Monte Carlo 顯著性（單側(cè)）顯著性.000b95% 置信區(qū)間下限.000上限.162a. 沒有對結(jié)進(jìn)行修正。b. 基于 17 個具有起始種子 2000000 的采樣表。c. 分組變量: 分組結(jié)果分析：兩個顯著性概率P= 0.162>0.05，表示兩組工人的血鉛值無顯著差別。作業(yè)四：選甲型流感病毒血凝抑制抗體滴度（對數(shù)），共24人，隨機(jī)分

15、為兩組，每組12人。用甲型流感病毒活疫苗進(jìn)行免疫，一組用氣霧法，另一組用鼻腔霧法。免疫后一月后采學(xué)，分別測定血凝抑制抗體滴度。結(jié)果如下，試問兩種方法的效果有無差異？血凝抑制抗體滴度服從正態(tài)分布。（=0.05） 兩組獨(dú)立樣本參數(shù)t檢驗(yàn)氣霧組（1）: 40 20 30 25 10 15 25 30 40 10 15 30鼻腔霧組（2）：50 40 30 35 60 70 30 20 25 70 35 25步驟：輸入數(shù)據(jù)：變量分別命名為“免疫效果（表示血凝抑制抗體滴度）”，“注射方法（表示分別用氣霧法和鼻腔霧法）”數(shù)值小數(shù)個數(shù)改為“0”，設(shè)置標(biāo)簽以及設(shè)定值“0”，“1”分別代表氣霧組和鼻腔霧組，然后

16、輸入數(shù)據(jù)。分析：分析->比較均值->獨(dú)立樣本T檢驗(yàn)->選出“免疫效果”，導(dǎo)入“檢驗(yàn)變量”中，選出“注射方法”，導(dǎo)入分組變量中->繼續(xù)->輸入變量值“0”和“1”，“繼續(xù)”-> “選項(xiàng)”置信區(qū)間為“95%”-> “確定”。結(jié)果：組統(tǒng)計(jì)量分組N均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤效果氣霧組1224.1710.4083.005鼻腔霧組1240.8317.5595.069獨(dú)立樣本檢驗(yàn)方差方程的 Levene 檢驗(yàn)均值方程的 t 檢驗(yàn)FSig.tdfSig.(雙側(cè))均值差值標(biāo)準(zhǔn)誤差值差分的 95% 置信區(qū)間下限上限效果假設(shè)方差相等3.865.062-2.82822.010-1

17、6.6675.893-28.887-4.446假設(shè)方差不相等-2.82817.880.011-16.6675.893-29.052-4.281分析結(jié)果： f的顯著性概率p=0.062>0.05，方差齊性成立。即兩個實(shí)驗(yàn)組的效果的方差沒有明顯差異。t統(tǒng)計(jì)量的顯著性概率p=0.010<0.05，即t假設(shè)檢驗(yàn)拒絕H0，說明兩個實(shí)驗(yàn)組的效果有明顯差異。作業(yè)五：某單位研究飲食中缺乏維生素E與肝中維生素A含量的關(guān)系,將同種屬的大白鼠按性別相同，年齡、體重相近者配成對子，共8對，并將每對中的兩頭動物隨機(jī)分到正常飼料組和維生素E缺乏組，過一定時期將大白鼠殺死，測得其肝中維生素A的含量，結(jié)果如表所示

18、。問不同飼料的大白鼠肝中維生素A含量有無差別？假設(shè)兩組的大白鼠肝中維生素A含量均服從正態(tài)分布。（=0.05）配對樣本t檢驗(yàn) 不同飼料組大白鼠維生素A含量數(shù)據(jù)表大白鼠對號12345678正常飼料組35502000300039503800375034503050維生素A缺乏組24502400180032003250270025001750步驟：輸入數(shù)據(jù)：變量分別命名為“A”，“B（分為兩組分別是正常飼料和缺乏E飼料）”，數(shù)值的小數(shù)個數(shù) “0”，標(biāo)簽以及設(shè)定值“0”，“1”分別代表“正常飼料”和“缺乏E飼料”，數(shù)據(jù)輸入。分析：分析比較均值配對樣本T檢驗(yàn)->選出“A”和“B”變量導(dǎo)入右邊框中-&

19、gt; “選項(xiàng)”，置信區(qū)間百分比為95%-> “確定”。結(jié)果：成對樣本統(tǒng)計(jì)量均值N標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤對 1A值3318.758632.420223.594B值2506.258555.130196.268成對樣本相關(guān)系數(shù)N相關(guān)系數(shù)Sig.對 1A值 & B值8.584.129成對樣本檢驗(yàn)成對差分tdfSig.(雙側(cè))均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤差分的 95% 置信區(qū)間下限上限對 1A值 - B值812.500546.253193.130355.8211269.1794.2077.004結(jié)果分析：T檢驗(yàn)的最后結(jié)果（p=0.004<0.05）顯示：兩組實(shí)驗(yàn)有顯著性差異即不同飼料的大白鼠

20、肝中維生素A含量有差別。作業(yè)六：對小白鼠喂以A、B、C三種不同的營養(yǎng)素，目的是了解不同營養(yǎng)素增重的效果。采用隨機(jī)區(qū)組設(shè)計(jì)方法，以窩別作為劃分區(qū)組的特征，以消除遺傳因素對體重增長的影響?，F(xiàn)將同品系同體重的24只小白鼠分為8個區(qū)組，每個區(qū)組3只小白鼠。三周后體重增量結(jié)果(克)列于下表，問小白鼠經(jīng)三種不同營養(yǎng)素喂養(yǎng)后所增體重有無差別？（=0.05） （雙因素方差分析）可設(shè)3個變量group（1-8）；food（營養(yǎng)素1-3）；weight（重量）區(qū)組號12345678A營養(yǎng)素50.1047.8053.1063.5071.2041.4061.9042.40B營養(yǎng)素58.2048.5053.8064.2

21、068.4045.7053.0039.80C營養(yǎng)素64.5062.4058.6072.5079.3038.4051.2046.20步驟：輸入數(shù)據(jù)：設(shè)置名稱（區(qū)組號、營養(yǎng)素、重量）、類型（數(shù)值、字符串、數(shù)值）、寬度、小數(shù)（0、0、2）、列、度量標(biāo)準(zhǔn)（名義級、名義級、度量級）；數(shù)據(jù)輸入分析：分析->一般線性模型->單變量->選擇重量導(dǎo)入“因變量”；選擇“區(qū)組號”和“營養(yǎng)素”導(dǎo)入“固定因子”-> “模型”->“設(shè)定”;構(gòu)建項(xiàng) ,“主效應(yīng)”選類型；選擇要分析的變量, “區(qū)組號、營養(yǎng)素類型”導(dǎo)入“模型”->選擇“平方和”的處理方法，接受系統(tǒng)的默認(rèn)值類型->選定

22、“在模型中包含截距”，若不取消此項(xiàng)，等于假設(shè)數(shù)據(jù)過原點(diǎn)->點(diǎn)擊“繼續(xù)”->點(diǎn)擊“確定”。結(jié)果：UNIANOVA 重量 BY 區(qū)組號 營養(yǎng)素 /METHOD=SSTYPE(3) /INTERCEPT=INCLUDE /CRITERIA=ALPHA(0.05) /DESIGN=營養(yǎng)素 區(qū)組號.方差的單變量分析主體間因子N區(qū)組號1323334353637383營養(yǎng)素A8B8C8主體間效應(yīng)的檢驗(yàn)因變量:重量源III 型平方和df均方FSig.校正模型2515.432a9279.49211.473.000截距74381.800174381.8003053.283.000營養(yǎng)素144.2162

23、72.1082.960.085區(qū)組號2371.2167338.74513.905.000誤差341.0571424.361總計(jì)77238.29024校正的總計(jì)2856.49023a. R 方 = .881（調(diào)整 R 方 = .804）結(jié)果分析：第一列：注明了變差來源；第二列：常規(guī)的變差；第三列：自由度；第四列：方差（變差與相應(yīng)自由度之比）；第五列： F統(tǒng)計(jì)量的值；第六列： F統(tǒng)計(jì)量的顯著性水平。Sig.代表的是P值，其中營養(yǎng)素的p=0.085>0.05，所以在兩種因素的不同水平的不同組合中，僅營養(yǎng)素效果有顯著差異。所以小白鼠經(jīng)三種不同營養(yǎng)素喂養(yǎng)后所增體重有無差別.作業(yè)七：設(shè)A,B,C3臺

24、機(jī)器生產(chǎn)同一產(chǎn)品，4名工人操作機(jī)器A,B,C各一天，日產(chǎn)量(單位：件)服從正態(tài)分布，日產(chǎn)量數(shù)據(jù)如下表所示：1234A50474753B63545758C52424148問:機(jī)器之間、工人之間在日產(chǎn)量上是否有顯著差異？（=0.05）（不重復(fù)實(shí)驗(yàn)的雙因素方差分析）步驟：輸入數(shù)據(jù)：添加變量分別為“機(jī)器”、“工人（共4人)”、“產(chǎn)量”。 “機(jī)器”和“工人”的數(shù)值小數(shù)個數(shù)為“0”。 “機(jī)器”的值“1（A機(jī)器）”“2（B機(jī)器）”“3（C機(jī)器）”，設(shè)置1-4分別代表工人，數(shù)據(jù)錄入。分析：“分析”->“一般線性模型”->“單變量”->“因變量” “日產(chǎn)量”導(dǎo)入因變量-> “機(jī)器”和“工

25、人”導(dǎo)入“固定因子”-> “模型”->“自定義”-> “構(gòu)建項(xiàng)”的“類型”->“主效應(yīng)”-> “機(jī)器”和“工人”導(dǎo)入“模型”->選擇平方和的處理方法，接受系統(tǒng)的默認(rèn)值->選定 “把截距項(xiàng)包括在模型中”，若不取消此項(xiàng)，等于假設(shè)數(shù)據(jù)過原點(diǎn)-> “繼續(xù)”->“確定”.結(jié)果：主體間因子值標(biāo)簽N機(jī)器1a42b43c4工人113223333443主體間效應(yīng)的檢驗(yàn)因變量:產(chǎn)量源III 型平方和df均方FSig.校正模型433.167a586.63315.831.002截距31212.000131212.0005703.716.000機(jī)器318.50021

26、59.25029.102.001工人114.667338.2226.985.022誤差32.83365.472總計(jì)31678.00012校正的總計(jì)466.00011a. R 方 = .930（調(diào)整 R 方 = .871）結(jié)果分析：第一列：注明了變差來源；第二列：常規(guī)的變差；第三列：自由度；第四列：方差（變差與相應(yīng)自由度之比）；第五列： F統(tǒng)計(jì)量的值；第六列： F統(tǒng)計(jì)量的顯著性水平。Sig.代表的是P值，機(jī)器：P=0.001<0.005，表示機(jī)器之間在日產(chǎn)量上無差異；工人：P=0.022>0.005，表示工人之間在日產(chǎn)量上有差異。作業(yè)八：某實(shí)驗(yàn)室觀察局部溫?zé)嶂委熜∈笠浦材[瘤的療效，以

27、生存日數(shù)作為觀察指標(biāo)，實(shí)驗(yàn)結(jié)果如下表所示，試用非參數(shù)檢驗(yàn)兩組小鼠生存日數(shù)有無差別？ （=0.05） 非參數(shù)置和檢驗(yàn)組別生存日數(shù)N實(shí)驗(yàn)組10121515161718202390對照組234567891011121312步驟：輸入數(shù)據(jù)：變量： “生存日數(shù)”和“組別”，“組別”的值設(shè)置為0（實(shí)驗(yàn)組）和1（對照組），小數(shù)個數(shù)：0分析：分析非參數(shù)檢驗(yàn)舊對話框2個獨(dú)立樣本生存日期導(dǎo)入檢驗(yàn)變量，組別導(dǎo)入分組變量定義組設(shè)定組別（“0”和“1”代表“實(shí)驗(yàn)組”和“對照組”）“檢驗(yàn)類型”：Mann-Whitney U “精確”選擇Monte Calro .置信區(qū)間：“95%”，樣本數(shù)12。 “繼續(xù)”-確定。結(jié)果：M

28、ann-Whitney 檢驗(yàn)秩分組N秩均值秩和效果實(shí)驗(yàn)組1017.85178.50對照組137.5097.50總數(shù)23檢驗(yàn)統(tǒng)計(jì)量b效果Mann-Whitney U6.500Wilcoxon W97.500Z-3.633漸近顯著性(雙側(cè)).000精確顯著性2*（單側(cè)顯著性）.000aa. 沒有對結(jié)進(jìn)行修正。b. 分組變量: 分組結(jié)果分析:Mann-Whitney U統(tǒng)計(jì)值5.000，Wilcoxon W統(tǒng)計(jì)值83.000，兩個P<0.05，所以兩組小鼠生存日數(shù)有顯著差異。作業(yè)九：某地一年級12名女大學(xué)生的體重（Kg）x與肺活量（L）y數(shù)據(jù)如下表所示，試分析二者的相關(guān)性，并用直線回歸方程描述

29、其關(guān)系。序號體重（Kg）x肺活量（L）y1422.552422.203462.754462.405462.806502.817503.418503.109523.4610522.8511583.5012583.00步驟：輸入數(shù)據(jù)：將體重（Kg）作為自變量x，肺活量（L）作為因變量y分別輸入數(shù)據(jù)區(qū)域。分析：“分析”->“回歸”->“線性”，將“體重”選入自變量框中，將“肺活量”選入因變量框中->在復(fù)選框中選入“估計(jì)”和“置信區(qū)”，置信區(qū)間水平“95%”，選擇右側(cè)的“模擬擬合度”，點(diǎn)擊“繼續(xù)->單擊“確定”，輸出結(jié)果結(jié)果：相關(guān)性體重肺活量體重Pearson 相關(guān)性1.749

30、*顯著性（雙側(cè)）.005N1212肺活量Pearson 相關(guān)性.749*1顯著性（雙側(cè)）.005N1212*. 在 .01 水平（雙側(cè)）上顯著相關(guān)。模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差1.749a.562.518.28775a. 預(yù)測變量: (常量), 體重。Anovab模型平方和df均方FSig.1回歸1.06111.06112.817.005a殘差.82810.083總計(jì)1.88911a. 預(yù)測變量: (常量), 體重。b. 因變量: 肺活量系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn) 誤差試用版1(常量).000.815.0011.000體重.059.016.7493.58

31、0.005a. 因變量: 肺活量結(jié)果分析： R=0.749a、R2=0.562、修正的R2=0.518。ANOVA為回歸分析中的方差分析表。F統(tǒng)計(jì)量的顯著性概率p=0.005<0.05，表明回歸效果是好的。系數(shù)表，B列是普通最小二乘法的回歸系數(shù)。標(biāo)準(zhǔn)回歸系數(shù)：0.749，回歸系數(shù)中的常數(shù)項(xiàng)的p=1>0.05，母體的常數(shù)項(xiàng)與0無顯著性差異。回歸方程：y=0.794x作業(yè)十：29例兒童的血液中血紅蛋白（y,g）與鈣（x1）、鎂（x2）、鐵（x3）、錳（x4）及銅（x5）的含量如下表所示，用逐步回歸方法篩選對血紅蛋白有顯著作用的微量元素（ug）。序號yx1x2x3x4x5113.5054

32、.8930.86448.700.0121.010213.0072.4942.61467.300.0081.640313.7553.8152.86425.610.0041.220414.0064.7439.18469.800.0051.220514.2558.8037.67456.550.0121.010612.7543.6726.18395.780.0010.594712.5054.8930.86448.700.9121.010812.2586.1243.79440.130.0171.770912.0060.3538.20394.400.0011.4401011.7554.0434.23405

33、.600.0081.3001111.5061.2337.35446.000.0221.3801211.2560.1733.67383.200.0010.9141311.0069.6940.01416.700.0121.3501410.7572.2840.12430.800.0001.2001510.5055.1333.02445.800.0120.9181610.2570.0836.80409.800.0121.9901710.0063.0535.07384.100.0000.853189.7548.7530.53342.900.0180.924199.5052.2827.14326.290.

34、0040.817209.2552.2136.18388.540.0241.020219.0049.7025.43331.100.0120.897228.7561.0229.27258.940.0161.190238.5053.6828.79292.600.0481.320248.2550.2229.17292.600.0061.040258.0065.3429.99312.800.0061.030267.8056.3929.29283.000.0161.350277.5066.1231.93344.200.0000.689287.2573.8932.94312.500.0641.150297.0047.3128.55294.700.0050.838步驟：數(shù)據(jù)輸入：變量名分別為y、x1、x2、x3、x4、x5，數(shù)據(jù)錄入。分析：“分析”->“回歸”線性Y導(dǎo)入因變量，x1、x2、x3、x4、x5導(dǎo)入自變量 “方法”改為“逐步”-選定“估計(jì)”置信區(qū)間：95%、模型擬合度、個案診斷繼續(xù)繪制勾選直方圖，正態(tài)概率圖， *ZRESID導(dǎo)入Y， *ZPRED導(dǎo)入X中繼續(xù)確定-輸出結(jié)果。結(jié)果：輸入移去的變量