常用統(tǒng)計(jì)分析軟件SPSS

常用統(tǒng)計(jì)分析軟件SPSS第一頁，共七十二頁，2022年，8月28日0序言0.1統(tǒng)計(jì)分析軟件的一般特點(diǎn)1）功能全面，系統(tǒng)地集成了多種成熟的統(tǒng)計(jì)分析方法；2）有完善的數(shù)據(jù)定義、操作和管理功能；3）方便地生成各種統(tǒng)計(jì)圖形和統(tǒng)計(jì)表格；4）使用方式簡(jiǎn)單，有完備的聯(lián)機(jī)幫助功能；5）軟件開放性好，能方便地和其他軟件進(jìn)行數(shù)據(jù)交換。第二頁，共七十二頁，2022年，8月28日0.2軟件名稱StatisticalPackageforSocialScienceStatisticalProductandServiceSolutions0.3軟件發(fā)展60年代：美國斯坦福大學(xué)三位研究生研制70年代：SPSS總部成立于芝加哥，推出SPSS中小型機(jī)版—SPSSX80年代：微機(jī)版（V1-3）SPSS/PC+90年代：Windows版（v5-11）2003年：Windows版（v12）第三頁，共七十二頁，2022年，8月28日1.1基本窗口1）數(shù)據(jù)編輯窗口（dataeditor）運(yùn)行SPSS，自動(dòng)打開，運(yùn)行過程中無法關(guān)閉；功能：對(duì)SPSS的數(shù)據(jù)進(jìn)行定義、錄入、修改、管理等基本操作的窗口；包含數(shù)據(jù)視圖工作表（dataview）和變數(shù)視圖工作表（variableview）兩部分。組成：窗口主菜單（Data,Transform,Analyze,Graphs）、工具欄、數(shù)據(jù)編輯區(qū)、狀態(tài)顯示區(qū)；1SPSS基礎(chǔ)第四頁，共七十二頁，2022年，8月28日SPSS中各統(tǒng)計(jì)分析功能都是針對(duì)該窗口中的數(shù)據(jù)進(jìn)行的；窗口中的數(shù)據(jù)以.sav存于磁盤上。2）輸出窗口（SPSSviewer）

功能：統(tǒng)計(jì)分析報(bào)表及圖形輸出窗口；組成：窗口主菜單、工具欄、結(jié)果顯示區(qū)、狀態(tài)顯示區(qū)；在進(jìn)行第一次分析時(shí)自動(dòng)打開，也可手工打開；可以手工打開若干個(gè)可相互切換的viewer窗口；輸出窗口可以關(guān)閉；狀態(tài)欄上的“+”表示當(dāng)前輸出窗口；窗口內(nèi)容以.spo存于磁盤上。第五頁，共七十二頁，2022年，8月28日SPSS的主菜單1File文件操作2Edit編輯3View視圖4Data數(shù)據(jù)5Transform數(shù)據(jù)轉(zhuǎn)換6Analyze統(tǒng)計(jì)分析7Graph圖表8Utilities實(shí)用程序9Windows窗口10Help幫助第六頁，共七十二頁，2022年，8月28日2.1建立SPSS數(shù)據(jù)文件1)數(shù)據(jù)文件的特點(diǎn)SPSS數(shù)據(jù)文件是一種有結(jié)構(gòu)的數(shù)據(jù)文件。數(shù)據(jù)文件的每一行代表一個(gè)個(gè)體(case)。每一列代表一個(gè)變數(shù)(variable)。在數(shù)據(jù)視圖工作表(dataview)中可以輸入和編輯數(shù)據(jù)，但不能輸入數(shù)學(xué)表達(dá)式和函數(shù)。SPSS數(shù)據(jù)文件更常用讀（導(dǎo)）入其它格式的數(shù)據(jù)文件，如.xls,.txt等（稍后再論）。2SPSS數(shù)據(jù)編輯第七頁，共七十二頁，2022年，8月28日在變數(shù)視圖工作表（variableview）中可對(duì)變數(shù)進(jìn)行定義。變數(shù)名(variablename)，是變數(shù)操控的標(biāo)志;變數(shù)類型(type)，分?jǐn)?shù)值型、字符型、日期型等。顯示寬度(width)，數(shù)值型默認(rèn)寬度8.2，如：12345678、12345.67、-1234.56。字符型字符長度默認(rèn)8位。注意：顯示寬度不影響數(shù)據(jù)實(shí)值。第八頁，共七十二頁，2022年，8月28日變數(shù)標(biāo)簽(Variablelabel),對(duì)變數(shù)名進(jìn)行標(biāo)記，以便在結(jié)果輸出時(shí)方便閱讀。變量標(biāo)簽(Valuelabel),用于注釋變量值，方便分類變量的輸入和顯示。列格式(ColumnFormat),顯示數(shù)據(jù)工作表列的寬度。缺失值(MissingValues)限定數(shù)據(jù)的范圍。變數(shù)尺度(Measurement),分Scale（數(shù)值型）、Ordinal（序數(shù)型）、Nominal（名稱型），在分類匯總等運(yùn)算中有用。第九頁，共七十二頁，2022年，8月28日2)數(shù)據(jù)的錄入和保存打開數(shù)據(jù)視圖工作表，可輸入、編輯數(shù)據(jù)，可進(jìn)行定位、查找、替換等操作。插入個(gè)體：在主菜單的edit欄，有insertcases項(xiàng)。刪除時(shí)用edit中的cut即可。插入變數(shù)：在主菜單的edit欄，有insertvariables項(xiàng)。刪除時(shí)用edit中的cut即可。數(shù)據(jù)單元的移動(dòng)和復(fù)制在同一（或不同）數(shù)據(jù)視圖工作表中進(jìn)行，剪切、復(fù)制、粘貼，也可與其它數(shù)據(jù)文件所共用（但須注意變數(shù)定義格式的一致性）。保存：存貯成filename.sav格式。第十頁，共七十二頁，2022年，8月28日3)與其他軟件數(shù)據(jù)共享在SPSS13可以直接讀入許多常用格式的數(shù)據(jù)文件（*.sav,systat,EXCEL,Lotus,SYLK,Dbase,Access,txt,dat,csv）等。使用數(shù)據(jù)庫查詢打開。利用數(shù)據(jù)庫ODBC接口讀取數(shù)據(jù)文件。使用文本導(dǎo)入向?qū)ёx入文本文件。更常用復(fù)制、粘貼。第十一頁，共七十二頁，2022年，8月28日第十二頁，共七十二頁，2022年，8月28日2.2SPSS數(shù)據(jù)的初步整理1)排序個(gè)體排序（sortcases）將所有個(gè)案按照用戶指定的某一個(gè)或多個(gè)變數(shù)的變量值的升序或降序重新排列。變數(shù)排序(sortvariables)。查找重復(fù)個(gè)體（identifyduplicated）。查找異常值(identifyunusualcases)。第十三頁，共七十二頁，2022年，8月28日2）選取選取個(gè)體（gotocase）,選取變數(shù)（gotovariable）。3）個(gè)體選取(selectcases)個(gè)案選取有多種方式，選取的個(gè)體可另存數(shù)據(jù)文件。4）插入插入個(gè)體（insertcases），插入變數(shù)（insertvariable）。5）刪除使用cut即可。第十四頁，共七十二頁，2022年，8月28日6）查找、替換Find,replace.7)數(shù)據(jù)轉(zhuǎn)置(transpose)將數(shù)據(jù)行列互換。8)重組(restructure)將數(shù)據(jù)按某種要求重新組織。第十五頁，共七十二頁，2022年，8月28日9)文件合并(mergefile)將兩個(gè)SPSS數(shù)據(jù)文件合并到一個(gè)數(shù)據(jù)文件中?？v向合并（addcases）、橫向合并（addvariables）。10)數(shù)據(jù)加工計(jì)算變量、產(chǎn)生計(jì)數(shù)變量、分類匯總、數(shù)據(jù)分組；11)數(shù)據(jù)文件的其他處理功能指定加權(quán)變數(shù)、變數(shù)集的定義和使用。第十六頁，共七十二頁，2022年，8月28日2.3SPSS函數(shù)所有軟件都有函數(shù)計(jì)算，SPSS也不例外，SPSS能夠?qū)崿F(xiàn)一定的函數(shù)計(jì)算。在主菜單transform欄，有computevariable…項(xiàng)，可進(jìn)行變數(shù)的函數(shù)計(jì)算。根據(jù)函數(shù)功能和處理的變量類型，SPSS函數(shù)大致可以分成八大類：算術(shù)函數(shù)、統(tǒng)計(jì)函數(shù)、分位數(shù)函數(shù)、邏輯函數(shù)、字符串函數(shù)、缺失值函數(shù)、日期函數(shù)和其他函數(shù)。第十七頁，共七十二頁，2022年，8月28日算術(shù)函數(shù)（1）函數(shù)名功能舉例Abs(算術(shù)表達(dá)式)求絕對(duì)值A(chǔ)bs(sr－850):分別計(jì)算每個(gè)個(gè)案變量sr與850差的絕對(duì)值Sqrt(正數(shù))求平方根sqrt(4):函數(shù)值＝2Sin(弧度)求正弦值Sin(30*3.14/180):函數(shù)值＝0.50Cos(弧度)求余弦值Cos(60*3.14/180):函數(shù)值＝0.50Exp(算術(shù)表達(dá)式)求e的若干次冪Exp(5):函數(shù)值＝148.41Ln(算術(shù)表達(dá)式)求以e為底的自然對(duì)數(shù)值Ln(sr):分別計(jì)算每個(gè)個(gè)案變量sr的自然對(duì)數(shù)值第十八頁，共七十二頁，2022年，8月28日算術(shù)函數(shù)（2）函數(shù)名功能舉例Lg10求以10為底的對(duì)數(shù)值Lg10(5):函數(shù)值=0.7Rnd求四舍五入后的整數(shù)Rnd(2.66):函數(shù)值=3.0Trunc求截去小數(shù)部分后的整數(shù)Trunc(4.7):函數(shù)值=4Mod求除以常數(shù)后的余數(shù)Mod(20,3):函數(shù)值=2第十九頁，共七十二頁，2022年，8月28日SPSS函數(shù)還有：CDF&NoncentralCDF(累積概率函數(shù)),Conversion（轉(zhuǎn)換）,currentdate/time,datearithmetic,dateextraction,datecreation,inverseDF(將概率轉(zhuǎn)化換為正態(tài)離差等),PDF&noncentralPDF(概率密度函數(shù)),Search（求極值、平均數(shù)等）,Randomnumbers（產(chǎn)生各類隨機(jī)數(shù)）,Statistics（計(jì)算方差、協(xié)方差等）,Significance(卡方、F分布的臨界值計(jì)算),……等。第二十頁，共七十二頁，2022年，8月28日3描述性統(tǒng)計(jì)分析3.1描述性統(tǒng)計(jì)(descriptivestatistics)1）頻數(shù)分布分析頻數(shù)分布分析主要通過頻數(shù)分布表、條圖和直方圖，以及集中趨勢(shì)和離散趨勢(shì)的各種統(tǒng)計(jì)量，描述數(shù)據(jù)的分布特征。計(jì)算頻率分布表，繪制統(tǒng)計(jì)圖形。上述方法適用于定序、定類、定距類型數(shù)據(jù)。步驟：【Analyze】，【DescriptiveStatistics】，【Frequences】第二十一頁，共七十二頁，2022年，8月28日2)描述性統(tǒng)計(jì)分析（Descriptives）主要計(jì)數(shù)變量的個(gè)數(shù)，計(jì)算最大、最小、極差、平均數(shù)、標(biāo)準(zhǔn)差、方差、偏度系數(shù)和峰度系數(shù)等。3)擴(kuò)展性統(tǒng)計(jì)分析（explore）除了具有以上描述性統(tǒng)計(jì)有關(guān)的統(tǒng)計(jì)數(shù)的計(jì)算外，還有百分位、方柱圖、莖葉圖（箱形圖）等的計(jì)算。第二十二頁，共七十二頁，2022年，8月28日4)列聯(lián)表（Crosstabs）這是一種兩項(xiàng)分組的次數(shù)分布表，有一定的作用。5)比例（ratio）計(jì)算兩個(gè)或多個(gè)變數(shù)的比值（V1/V2）。6)P-PPlot,Q-Qplot察看兩個(gè)變數(shù)百分位數(shù)之間的關(guān)聯(lián)情況。第二十三頁，共七十二頁，2022年，8月28日3.2平均數(shù)比較(comparemeans)平均數(shù)比較主要涉及假設(shè)測(cè)驗(yàn)的內(nèi)容，這將在后續(xù)章節(jié)再論。而有關(guān)變數(shù)描述性統(tǒng)計(jì)的內(nèi)容，也能在means過程實(shí)現(xiàn)。1)平均數(shù)(means)2)單樣本t測(cè)驗(yàn)(one-samplettest)3)成組比較(independentsamplesttest)4)成對(duì)比較(pairedsamplesttest)5)單向分組方差分析(one-wayANOVA)第二十四頁，共七十二頁，2022年，8月28日4常用統(tǒng)計(jì)圖統(tǒng)計(jì)圖是用點(diǎn)、線、面等各種幾何圖形表達(dá)統(tǒng)計(jì)數(shù)據(jù)的一種形式，其特點(diǎn)是簡(jiǎn)明生動(dòng)，形象具體、通俗易懂且又一目了然。SPSS具有較強(qiáng)的制圖功能，可以繪制多種統(tǒng)計(jì)圖形，這些圖形可以由各種統(tǒng)計(jì)分析過程產(chǎn)生，也可以直接由菜單“Graphs”圖形菜單產(chǎn)生。SPSS軟件系統(tǒng)提供了許多產(chǎn)生統(tǒng)計(jì)圖形的方法。常用的統(tǒng)計(jì)圖有條形圖（barchart）、餅圖（piechart）、線圖（linearchart）和直方圖（histogram）等。第二十五頁，共七十二頁，2022年，8月28日4.1條形圖條形圖一般用于分類資料，主要適用于彼此獨(dú)立的資料互相比較。例：某水稻雜種第二代植株米粒性狀的分離情況如下表，請(qǐng)繪制性狀分離條形圖。屬性分組次數(shù)紅米非糯96紅米糯稻37白米非糯31白米糯稻15第二十六頁，共七十二頁，2022年，8月28日【Graphs】【Bar…】對(duì)話框選項(xiàng)說明〖Simple〗－－簡(jiǎn)單條形圖〖Clustered〗－－分組（類）條形圖〖Stacked〗－－堆積圖（分段條形圖）〖Summariesforgroupscases〗－觀察值分類描述模式，即對(duì)變量中的觀察值進(jìn)行分組后繪圖?！糞ummariesofseparatevariables〗－變量描述模式，即對(duì)每個(gè)變量生成一個(gè)條形圖?！糣aluesofindividualcases〗－觀察值描述模式，即對(duì)應(yīng)分類軸變量中的每一觀察值生成一個(gè)條形圖。第二十七頁，共七十二頁，2022年，8月28日4.2復(fù)式條形圖下表為幾種動(dòng)物性食品的營養(yǎng)成分，試?yán)L制復(fù)式條形圖。品名蛋白質(zhì)脂肪糖類無機(jī)鹽水分其他牛奶3.3450.787

牛肉19.29.2

162.18.5雞蛋11.99.31.20.965.511.2咸帶魚15.53.71.8102940第二十八頁，共七十二頁，2022年，8月28日分析過程：【Graphs】,【LegacyDialog】;〖Clustered〗－分組（類）條形圖;選擇觀察值描述模式〖ValuesofIndividualCases〗;單擊【Define】;得到DefineClusteredBar對(duì)話框;將脂肪等數(shù)值變數(shù)選入〖BarsRepresent:〗框;將品名選入〖CategoryLabels〗框;〖OK〗。第二十九頁，共七十二頁，2022年，8月28日4.3散點(diǎn)圖散點(diǎn)圖就是將兩個(gè)變數(shù)的n對(duì)觀察值分別以坐標(biāo)點(diǎn)的形式標(biāo)記于同一直角坐標(biāo)的平面上?？捎蒣graphs],[legacydialogs],[scatter/dot]也可由[graphs],[chartbuilder],[scatter/dot]過程實(shí)現(xiàn)。例：研究某種昆蟲孵化歷期平均溫度（℃）與歷時(shí)天數(shù)（d）之間關(guān)系，試制作線圖。平均溫度（℃）11.814.715.616.817.118.819.520.4歷時(shí)天數(shù)（d）30.117.316.713.611.910.78.36.7第三十頁，共七十二頁，2022年，8月28日4.4線圖線圖是反映連續(xù)性雙變數(shù)資料關(guān)系的主要圖形。這可由[graphs],[chartbuilder],[line]，或：[graphs],[legacydialogs],[line]過程實(shí)現(xiàn)。4.5復(fù)式線圖畫多條線圖。過程與上相似：[graphs],[legacydialogs],[line]第三十一頁，共七十二頁，2022年，8月28日4.6直方圖（柱形圖、矩形圖）直方圖適用于表示連續(xù)性資料（計(jì)量資料）的次數(shù)分布?！綠raphs】【Histogram】SPSS系統(tǒng)根據(jù)原始數(shù)值的最大值和最小值自動(dòng)對(duì)變量分組，畫出直方圖。如果要修改組數(shù)等，可以在圖形編輯窗口中改變。或在打開【histogram】對(duì)話框后，再開啟setparameters對(duì)話框。調(diào)節(jié)‘numberofinterval’對(duì)圖形作出適當(dāng)?shù)母淖?。第三十二頁，共七十二頁?022年，8月28日5平均數(shù)的假設(shè)測(cè)驗(yàn)5.1統(tǒng)計(jì)假設(shè)測(cè)驗(yàn)概述統(tǒng)計(jì)推斷（statisticalinference），是根據(jù)統(tǒng)計(jì)數(shù)的分布和概率理論，由樣本結(jié)果（統(tǒng)計(jì)數(shù)）來推論總體特征（參數(shù)）。統(tǒng)計(jì)推斷的基本內(nèi)容：有假設(shè)測(cè)驗(yàn)(hypothesistest)和參數(shù)估計(jì)(parameterestimation)兩個(gè)內(nèi)容。統(tǒng)計(jì)假設(shè)測(cè)驗(yàn)是指根據(jù)某種實(shí)際需要，對(duì)未知總體提出一些假設(shè)（這些假設(shè)通常構(gòu)成完全事件系），計(jì)算在假設(shè)條件下出現(xiàn)實(shí)際樣本的概率，作出接受某種假設(shè)（顯著性）的判斷。第三十三頁，共七十二頁，2022年，8月28日5.2單樣本的t測(cè)驗(yàn)平均數(shù)的假設(shè)測(cè)驗(yàn)主要通過[comparemeans]實(shí)現(xiàn)。以測(cè)驗(yàn)實(shí)得樣本平均數(shù)與指定的檢驗(yàn)值之間是否存在顯著差異。步驟：【Analyze】，【Comparemeans】，【Onesamplettest】第三十四頁，共七十二頁，2022年，8月28日例1：測(cè)定某稻田的地表光強(qiáng)4次，得結(jié)果為3.4，2.8，3.5，4.1(千勒克斯)，試測(cè)驗(yàn)該結(jié)果與根據(jù)Beer-Lambert定律推出的理論值是否有顯著差異。例2.隨機(jī)抽查了一個(gè)小麥新品系10個(gè)樣點(diǎn)的千粒重分別是37.2，37.8，38.4，39.3，51.3，46.4，38.9，37.5，49.5。問與43克的標(biāo)準(zhǔn)值有無顯著差異？

第三十五頁，共七十二頁，2022年，8月28日5.3兩獨(dú)立樣本的t測(cè)驗(yàn)根據(jù)兩獨(dú)立樣本數(shù)據(jù)，對(duì)是否有顯著差異進(jìn)行測(cè)驗(yàn)。步驟：【Analyze】，【CompareMeans】，【Independent-samplettest】。待分析的數(shù)據(jù)需置于同一列（同一變數(shù)），但需用一個(gè)分組變數(shù)將其區(qū)分。分析時(shí)首先檢驗(yàn)兩樣本方差同質(zhì)性，方差不同質(zhì)時(shí)用unequal行的t

測(cè)驗(yàn)結(jié)果。方差同質(zhì)，看equal行的t

測(cè)驗(yàn)結(jié)果（不能自動(dòng)判斷，或給出優(yōu)先結(jié)果，這是SPSS眾多缺陷中的一個(gè)）。第三十六頁，共七十二頁，2022年，8月28日例1：測(cè)定前作噴灑過某種有機(jī)砷殺雄劑的麥田植株樣本4次，得株體中的砷殘留量為7.5，9.7，6.8，6.4(毫克)；測(cè)定對(duì)照(前作未用過有機(jī)砷殺雄劑)的植株樣本3次，得株體中砷含量為4.2，7.0，4.6。試測(cè)驗(yàn)噴灑有機(jī)砷殺雄劑是否使后作株體的砷含量顯著增高。例2：為比較甲、乙兩地生產(chǎn)的棉花所紡紗線的強(qiáng)力，各抽取7個(gè)和8個(gè)樣本進(jìn)行測(cè)量，得數(shù)據(jù)如下（單位：公斤）甲地：1.551.471.521.601.431.531.54乙地：1.422.492.461.341.381.541.381.51問兩種棉花所紡紗線的強(qiáng)力有無顯著差異？

第三十七頁，共七十二頁，2022年，8月28日簡(jiǎn)明分析步驟：【Analyze】【CompareMeans】【Independent-SamplesTTest】TestVariable[s]框：砷殘留量GroupingVariable框：樣本Definegroups…Group1：鍵入1Group2：鍵入2ContinueOK第三十八頁，共七十二頁，2022年，8月28日5.4成對(duì)比較t

測(cè)驗(yàn)對(duì)配對(duì)樣本是否有顯著差異進(jìn)行測(cè)驗(yàn)。如兩種處理施行在基礎(chǔ)條件相對(duì)一致的個(gè)體（或群體）上，其效應(yīng)的差異是否達(dá)到顯著。這在許多研究中經(jīng)常采用。兩樣本數(shù)據(jù)必須兩兩配對(duì)，即：樣本個(gè)數(shù)相同，個(gè)案順序相同。步驟：【Analyze】，【CompareMeans】，【Paired-samplettest】第三十九頁，共七十二頁，2022年，8月28日例：為測(cè)定A、B兩種病毒對(duì)煙草的致病力，取8株煙草，每一株皆半葉接種A病毒，另半葉接種B病毒，以葉面出現(xiàn)枯斑數(shù)的多少作為致病力強(qiáng)弱的指標(biāo)，得結(jié)果于下表。試測(cè)驗(yàn)兩種病毒致病力的差異顯著性。

株號(hào)病毒A（Y1j）病毒B（Y2j）1910217113311841814576687720178105第四十頁，共七十二頁，2022年，8月28日簡(jiǎn)明分析步驟：【Analyze】，【CompareMeans】，【Paired-SamplesTTest】PairedVariables框：病毒a－病毒bOK第四十一頁，共七十二頁，2022年，8月28日6方差分析6.1方差分析基本概念方差分析將多組數(shù)據(jù)作為一個(gè)整體，將總變異分解成各個(gè)變異來源的平方和自由度，估計(jì)各個(gè)變異來源的方差，利用F測(cè)驗(yàn)鑒別組間差異的顯著性。這是最廣為應(yīng)用的數(shù)據(jù)統(tǒng)計(jì)分析方法。在SPSS中，用于方差分析的過程主要是means和univariate兩個(gè)過程，前者主要為單向分組資料，后者為兩向分組（或多因素）資料。第四十二頁，共七十二頁，2022年，8月28日6.2單向分組資料的方差分析多個(gè)處理(樣本)平均數(shù)間的差異是否顯著?例1：一水稻施肥試驗(yàn)，設(shè)5個(gè)處理：A、氨水，B、廢氨水，C、碳酸氫銨，D、尿素，E、不施肥。每處理4盆，完全隨機(jī)設(shè)計(jì)。其稻谷產(chǎn)量見下表，試測(cè)驗(yàn)各處理平均數(shù)的差異顯著性。處理觀察值A(chǔ)24302826B27242126C31282530D32333328E21221621第四十三頁，共七十二頁，2022年，8月28日簡(jiǎn)明分析步驟：【Analyze】，【CompareMeans】，【One-WayANOVA】或【Analyze】，【CompareMeans】，【means】DependentList框：產(chǎn)量Factor框：組別Options√DescriptiveContinueOK第四十四頁，共七十二頁，2022年，8月28日例2．下表為某職業(yè)病防治院對(duì)31名石棉礦工中的石棉肺患者、可疑患者和非患者進(jìn)行了用力肺活量（L）測(cè)定的數(shù)據(jù)，問三組石棉礦工的用力肺活量有無差別。

石棉肺患者1.81.41.52.11.91.71.81.91.81.82可疑患者2.32.12.12.12.62.52.32.42.4非患者2.93.22.72.82.733.433.43.33.5第四十五頁，共七十二頁，2022年，8月28日6.3方差分析中的多重比較如果F測(cè)驗(yàn)差異，并不能說明處理間均存在顯著差異。多重比較將進(jìn)行兩兩處理間的均值比較檢驗(yàn)。常用方法有：LSD，實(shí)際上就是t檢驗(yàn)的變形，只是在變異和自由度的計(jì)算上利用了全試驗(yàn)誤差信息。DMRT,Duncan氏新復(fù)極差測(cè)驗(yàn)法。Q,Tukey氏固定極差測(cè)驗(yàn)法。DLSD,Dunnett氏最小顯著差數(shù)測(cè)驗(yàn)法，等。實(shí)現(xiàn)手段:【PostHoc…】，再行選擇。第四十六頁，共七十二頁，2022年，8月28日6.4多因素方差分析試驗(yàn)因素有固定因素（FixedFactor）與隨機(jī)因素（RandomFactor）之分。前者指試驗(yàn)因素的k個(gè)處理（水平）是經(jīng)過特意選擇的。后者指試驗(yàn)因素的k個(gè)處理（水平）是從該因素總體中隨機(jī)抽出的（處理）樣本。對(duì)于固定模型資料，重在效應(yīng)的比較分析，對(duì)于隨機(jī)模型資料，重在處理（水平）間變異度的評(píng)價(jià)。第四十七頁，共七十二頁，2022年，8月28日例1．將一種生長激素配成M1,M2,M3,M4,M5,5種濃度，并用H1,H2,H3,3種時(shí)間浸漬某大豆品種的種子，45天后得各處理每一植株的平均干物重（克）于下表，試作方差分析。

MiHjH1H2H3M1131414M2121213M3333M410910M5254第四十八頁，共七十二頁，2022年，8月28日【Analyze】,【GeneralLinearModel】,【Univariate】DependentVariable框：干物質(zhì)重FixedFactor[s]框：激素濃度、浸種時(shí)間Model…⊙CustomModel框：激素濃度、浸種時(shí)間ContinuePostHoc…√LSDContinueOK第四十九頁，共七十二頁，2022年，8月28日例2.施用A1、A2、A33種肥料于B1、B2、B33種土壤，以小麥為指示作物，每處理組合種3盆，得產(chǎn)量結(jié)果(g)于下表。試作方差分析。

肥料種類(A)土壤種類(B)B1(油砂)B2(二合)B2(白僵)A121.419.617.621.218.816.620.116.417.5A212.013.013.314.213.714.012.112.013.9A312.814.212.013.813.614.613.713.314.0第五十頁，共七十二頁，2022年，8月28日簡(jiǎn)明分析步驟:【Analyze】,【GeneralLinearModel】,【Univariate】DependentVariable框：產(chǎn)量FixedFactor[s]框：肥料種類、土壤種類。PostHoc…√LSDContinueOK第五十一頁，共七十二頁，2022年，8月28日6.5隨機(jī)區(qū)組試驗(yàn)方差分析在相對(duì)均勻一致的局部隨機(jī)安排一套處理，形成一個(gè)區(qū)組，這種類型的試驗(yàn)稱為隨機(jī)區(qū)組試驗(yàn)。例：將水稻的3個(gè)不同細(xì)胞質(zhì)源的不育系(A1,A2,A3)和5個(gè)恢復(fù)系(B1,B2,B3,B4,B5)雜交，配成15個(gè)F1。采用隨機(jī)區(qū)組設(shè)計(jì)，重復(fù)2次，小區(qū)計(jì)產(chǎn)面積6米2，得產(chǎn)量結(jié)果見下表，進(jìn)行分析。第五十二頁，共七十二頁，2022年，8月28日處理區(qū)組Ⅰ區(qū)組ⅡA1B14.34.1B24.94.8B33.93.6B44.84.0B54.74.5A2B15.24.7B25.05.2B33.83.4B44.94.8B55.05.8A3B14.64.7B24.44.2B33.53.4B43.43.6B53.74.2二因素隨機(jī)區(qū)組試驗(yàn)數(shù)據(jù)表第五十三頁，共七十二頁，2022年，8月28日【Analyze】，【GeneralLinearModel】，【Univariate】DependentVariable框：產(chǎn)量FixedFactor[s]框：不育系、恢復(fù)系、區(qū)組Model…⊙CustomModel框：區(qū)組、不育系、恢復(fù)系、不育系×恢復(fù)系。ContinuePostHoc…√LSDContinueOK第五十四頁，共七十二頁，2022年，8月28日6.6協(xié)方差分析協(xié)方差分析是將回歸分析和方差分析相結(jié)合的一種統(tǒng)計(jì)分析方法，其主要的功用是對(duì)試驗(yàn)誤差進(jìn)行統(tǒng)計(jì)控制。將無法或很難控制的因素作為協(xié)變數(shù)，利用線性回歸排除協(xié)變數(shù)的影響，使目標(biāo)變數(shù)的分析更精確。協(xié)方差分析的主要功用：測(cè)驗(yàn)多個(gè)回歸系數(shù)bi的差異顯著性；矯正處理平均數(shù)并測(cè)驗(yàn)其差異顯著性；作出不同變異來源的相關(guān)分析。第五十五頁，共七十二頁，2022年，8月28日例：為研究A、B、C三種肥料對(duì)于蘋果的增產(chǎn)效果，選了24株同齡的蘋果樹，第一年記下各樹的產(chǎn)量（X，公斤），第二年將每種肥料隨機(jī)施于8株蘋果上，再記下其產(chǎn)量（Y，公斤）。得結(jié)果于下表，試作分析。

肥料觀察值（X，Y）AX4758534649565444Y5466635156666150BX5253645859616366Y5453676262636469CX4448465059575853Y5258546170646866第五十六頁，共七十二頁，2022年，8月28日【Analyze】，【GeneralLinearModel】，【Univariate】DependentVariable框：施肥產(chǎn)量FixedFactor[s]框：分組變量Covariate[s]框：初始產(chǎn)量Options√DescriptiveStatisticsDisplaymeansfor框：分組變量√CompareMaineffectsContinueOK第五十七頁，共七十二頁，2022年，8月28日7回歸和相關(guān)分析7.1一元線性回歸分析回歸分析用于描述變數(shù)之間的數(shù)量關(guān)系，確定一個(gè)或幾個(gè)自變數(shù)對(duì)一個(gè)依變數(shù)的影響程度。一元線性回歸方程：Y=a+bX回歸方程的顯著性測(cè)驗(yàn)，測(cè)驗(yàn)自變數(shù)與依變數(shù)之間的線性關(guān)系是否顯著，測(cè)驗(yàn)方法有t

測(cè)驗(yàn)和F測(cè)驗(yàn)兩種方法。一元回歸時(shí)，F(xiàn)測(cè)驗(yàn)與t測(cè)驗(yàn)等價(jià)，即:F=t2，兩種測(cè)驗(yàn)可以相互替代。第五十八頁，共七十二頁，2022年，8月28日例：許多害蟲的發(fā)生都和氣象條件有一定的關(guān)系。山東臨沂測(cè)定1964~1973年(共年)間月下旬的溫雨系數(shù)(雨量mm/平均溫度℃)和大豆第二代造橋蟲發(fā)生量(每百株大豆上的蟲數(shù))的關(guān)系如下表，試建立回歸方程。

步驟：【Analyze】，【Regression】，【Linear】溫雨系數(shù)(X)蟲口密度(Y)溫雨系數(shù)(X)蟲口密度(Y)1.581802.411759.982811.01409.42251.851601.251176.041200.301655.9280第五十九頁，共七十二頁，2022年，8月28日7.2相關(guān)分析相關(guān)分析旨在測(cè)度變數(shù)間關(guān)系的性質(zhì)和密切程度。以相關(guān)系數(shù)(r)體現(xiàn)兩個(gè)變數(shù)間的線性關(guān)系程度。r：[-1,+1]；r=1：完全正相關(guān)；r=-1：完全負(fù)相關(guān)；r=0：無線性相關(guān)。說明：相關(guān)系數(shù)只是較好地度量了兩個(gè)變數(shù)間的線性相關(guān)程度，不能描述非線性關(guān)系。步驟:【Analyze】，【Correlate】，【Bivariate】第六十頁，共七十二頁，2022年，8月28日7.3多元線性回歸分析多元回歸方程：Y=b0+b1x1+b2x2+...+bkxkb1、b2、bk為偏回歸系數(shù)。b1表示在其他自變量保持不變的情況下，自變量x1變動(dòng)一個(gè)單位所引起的依變數(shù)Y的平均變動(dòng)。多元線性回歸分析的主要內(nèi)容：回歸方程的測(cè)驗(yàn)，自變數(shù)的篩選。第六十一頁，共七十二頁，2022年，8月28日自變數(shù)篩選法：Enter：所選擇的自變數(shù)將全部進(jìn)入建立的回歸方程中，該項(xiàng)為默認(rèn)方式。Remove：將進(jìn)入方程中的自變數(shù)剔除。Forward：向前篩選法，是自變數(shù)不斷進(jìn)入回歸方程的過程。Backward：向后篩選法，是自變數(shù)逐步剔除出回歸方程的過程。Stepwise：逐步篩選法，是“向前法”和“向后法”的結(jié)合。第六十二頁，共七十二頁，2022年，8月28日例.測(cè)定“豐產(chǎn)3號(hào)”小麥的每株穗數(shù)（X1）、每穗結(jié)實(shí)小穗數(shù)（X2，主莖）、百粒重（X3，克）、株高（X4，厘米，主莖）和每株籽粒產(chǎn)量（Y，克）的關(guān)系，得結(jié)果如下表，試選擇Y依X的最優(yōu)線性回歸方程。步驟：【Analyze】，【Regression】，【L