《統(tǒng)計(jì)分析與SPSS的應(yīng)用(第五版)》課后練習(xí)答案(第6章)

1、統(tǒng)計(jì)分析與SPSS的應(yīng)用（第五版）（薛薇）課后練習(xí)答案第6章SPSS的方差分析1、入戶推銷(xiāo)有五種方法。某大公司想比較這五種方法有無(wú)顯著的效果差異，設(shè)計(jì)了一項(xiàng)實(shí)驗(yàn)。從應(yīng)聘人員中尚無(wú)推銷(xiāo)經(jīng)驗(yàn)的人員中隨機(jī)挑選一部分人，并隨機(jī)地將他們分為五個(gè)組，每組用一種推銷(xiāo)方法培訓(xùn)。一段時(shí)期后得到他們?cè)谝粋€(gè)月內(nèi)的推銷(xiāo)額，如下表所示：第一組20.016.817.921.223.926.822.4第二組24.921.322.630.229.922.520.7第三組16.020.117.320.922.026.820.8第四組17.518.220.217.719.118.416.5第五組25.226.226.929.33

2、0.429.728.21） 請(qǐng)利用單因素方差分析方法分析這五種推銷(xiāo)方式是否存在顯著差異。2） 繪制各組的均值對(duì)比圖，并利用LSD方法進(jìn)行多重比較檢驗(yàn)。（1）分析比較均值單因素ANOVA因變量：銷(xiāo)售額；因子：組別確定。ANOVA銷(xiāo)售額 平方和df均方F顯著性組之間405.5344101.38411.276.000組內(nèi)269.737308.991總計(jì)675.27134概率P-值接近于0，應(yīng)拒絕原假設(shè)，認(rèn)為5種推銷(xiāo)方法有顯著差異。（2）均值圖：在上面步驟基礎(chǔ)上，點(diǎn) 選項(xiàng)均值圖；事后多重比較LSD 多重比較因變量: 銷(xiāo)售額 LSD(L) (I) 組別(J) 組別平均差 (I-J)標(biāo)準(zhǔn) 錯(cuò)誤顯著性95%

3、 置信區(qū)間下限值上限第一組第二組-3.30000*1.60279.048-6.5733-.0267第三組.728571.60279.653-2.54484.0019第四組3.057141.60279.066-.21626.3305第五組-6.70000*1.60279.000-9.9733-3.4267第二組第一組3.30000*1.60279.048.02676.5733第三組4.02857*1.60279.018.75527.3019第四組6.35714*1.60279.0003.08389.6305第五組-3.40000*1.60279.042-6.6733-.1267第三組第一組-.7

4、28571.60279.653-4.00192.5448第二組-4.02857*1.60279.018-7.3019-.7552第四組2.328571.60279.157-.94485.6019第五組-7.42857*1.60279.000-10.7019-4.1552第四組第一組-3.057141.60279.066-6.3305.2162第二組-6.35714*1.60279.000-9.6305-3.0838第三組-2.328571.60279.157-5.6019.9448第五組-9.75714*1.60279.000-13.0305-6.4838第五組第一組6.70000*1.602

5、79.0003.42679.9733第二組3.40000*1.60279.042.12676.6733第三組7.42857*1.60279.0004.155210.7019第四組9.75714*1.60279.0006.483813.0305*. 均值差的顯著性水平為 0.05?？芍?和2、1和5、2和3，2和4,2和5,3和5,4和5有顯著差異。2、從兩個(gè)總體中分別抽取 n 1 =7 和 和 n 2 =6 的兩個(gè)獨(dú)立隨機(jī)樣本，經(jīng)計(jì)算得到下面的方差分析表。請(qǐng)補(bǔ)充表中單元格的兩個(gè)獨(dú)立隨機(jī)樣本，經(jīng)計(jì)算得到下面的方差分析表。請(qǐng)補(bǔ)充表中單元格“A” 和單元格“B” 內(nèi)的計(jì)算結(jié)果。答：已知組內(nèi)均方=組

6、內(nèi)偏差平方和/自由度， 所以 A=26.4/11=2.4 F 統(tǒng)計(jì)量=組間均方/組內(nèi)均方 所以 B=7.5/2.4=3.1253、為研究某種降血壓藥的適用特點(diǎn)，在五類具有不同臨床特征的高血壓患者中隨機(jī)挑選了若干志愿者進(jìn)行對(duì)比試驗(yàn)，并獲得了服用該降壓藥后的血壓變化數(shù)據(jù)?，F(xiàn)對(duì)該數(shù)據(jù)進(jìn)行單因素方差分析，所得部分分析結(jié)果如下表所示。1） 請(qǐng)根據(jù)表格數(shù)據(jù)說(shuō)明以上分析是否滿足方差分析的前提要求，為什么？2） 請(qǐng)?zhí)顚?xiě)表中空缺部分的數(shù)據(jù)結(jié)果，并說(shuō)明該降壓藥對(duì)不同組患者的降壓效果是否存在顯著差異。3） 如果該降壓藥對(duì)不同組患者的降壓效果存在顯著差異，那么該降壓藥更適合哪組患者？（1）因F檢驗(yàn)的概率P值小于顯著性

7、水平（0.05），拒絕原假設(shè)，方差不齊，不滿足方差分析的前提假設(shè)。（2）4*276.032=1104.128； 1104.128+1524.990=2629.118； 4+63=67； 1524990/63=24.206（3）各組均值存在顯著差異。更適合第三組4、為研究某商品在不同地區(qū)和不同日期的銷(xiāo)售差異性，調(diào)查收集了以下日平均銷(xiāo)售量數(shù)據(jù)。銷(xiāo)售量日期周一周三周四周五周末地區(qū)一500060004000600080007000400030005000地區(qū)二700080008000500050006000500060004000地區(qū)三300020004000600060005000800090006

8、0001） 選擇恰當(dāng)?shù)臄?shù)據(jù)組織方式建立關(guān)于上述數(shù)據(jù)的SPSS數(shù)據(jù)文件2） 利用多因素方差分析方法，分析不同地區(qū)和不同日期對(duì)該商品的銷(xiāo)售是否產(chǎn)生了顯著影響3）地區(qū)和日期是否對(duì)該商品的銷(xiāo)售產(chǎn)生了交互影響。若沒(méi)有顯著的交互影響，則試建立非飽和模型進(jìn)行分析，并與飽和模型進(jìn)行對(duì)比。（1）數(shù)據(jù)組織方法如下：（2）分析一般線性模型單變量因變量：銷(xiāo)售量；因子：地區(qū)、日期確定。主體間因子值標(biāo)簽數(shù)字地區(qū)1地區(qū)192地區(qū)293地區(qū)39日期1周一至周三92周四至周五93周末9主體間效應(yīng)的檢驗(yàn)因變量: 銷(xiāo)售量 源III 類平方和自由度均方F顯著性校正的模型61.852a87.7318.350.000截距844.4811

9、844.481912.040.000Area2.29621.1481.240.313Date2.74121.3701.480.254Area * Date56.815414.20415.340.000錯(cuò)誤16.66718.926總計(jì)923.00027校正后的總變異78.51926a. R 平方 = .788 （調(diào)整后的 R 平方 = .693）分析：（2） 由上表可知，F(xiàn)a1、Fa2的概率P-值為0.313和0.254，大于顯著性水平（0.05），所以不應(yīng)拒絕原假設(shè)，可以認(rèn)為不同地區(qū)和日期下的銷(xiāo)售額總體均值不存在顯著差異，不同地區(qū)和不同日期對(duì)該商品的銷(xiāo)售沒(méi)有產(chǎn)生顯著影響。（3） 產(chǎn)生了交互影響

10、。因?yàn)楦怕蔖-值接近于0，拒絕原假設(shè)，認(rèn)為不同地區(qū)和日期對(duì)銷(xiāo)售額產(chǎn)生了顯著的交互作用。5、研究者想調(diào)查性別（1 為女，2 為男）和使用手機(jī)（1 使用，2 不使用）對(duì)駕駛狀態(tài)的影響。在封閉道路開(kāi)車(chē)的 24 人參與了該項(xiàng)研究。其中，12 男12 女，6 男6 女使用手機(jī)，其余6 男 6 女不使用手機(jī)。用 0-50 分測(cè)度駕駛狀態(tài)，分?jǐn)?shù)越高駕駛狀態(tài)越好。數(shù)據(jù)如下：性別使用手機(jī)得分性別使用手機(jī)得分113421351129213211382127113421261133213711302124124522481244224712462240124222461247225012402239請(qǐng)問(wèn)：性別和是否

11、使用手機(jī)對(duì)駕駛狀態(tài)有影響嗎？如果有影響，影響效應(yīng)是多少？（1）數(shù)據(jù)組織方法如下：（2）分析一般線性模型單變量因變量：得分；因子：性別、是否使用手機(jī)確定。主體間因子值標(biāo)簽數(shù)字性別1男122女12是否使用手機(jī)1使用122不使用12主體間效應(yīng)的檢驗(yàn)因變量: Score 源III 類平方和自由度均方F顯著性校正的模型1028.125a3342.70821.101.000截距34732.042134732.0422138.453.000Sex5.04215.042.310.584UsePhone1001.04211001.04261.634.000Sex * UsePhone22.042122.0421

12、.357.258錯(cuò)誤324.8332016.242總計(jì)36085.00024校正后的總變異1352.95823a. R 平方 = .760 （調(diào)整后的 R 平方 = .724）分析：就性別而言，因?yàn)楦怕蔖-值=0.584，大于顯著性水平0.05，所以不應(yīng)拒絕原假設(shè)，認(rèn)為性別對(duì)駕駛狀態(tài)無(wú)顯著影響；就手機(jī)使用情況而言，因?yàn)楦怕蔖-值接近0，應(yīng)拒絕原假設(shè)，認(rèn)為手機(jī)使用情況對(duì)駕駛狀態(tài)存在顯著影響。6、下面的表格記錄了某公司采用新、舊兩種培訓(xùn)方式對(duì)新員工進(jìn)行培訓(xùn)前后的工作能力評(píng)分增加情況的數(shù)據(jù)?，F(xiàn)需要比較這兩種培訓(xùn)方式的效果有無(wú)差別，考慮到加盟公司時(shí)間可能也是影響因素，將加盟時(shí)間按月進(jìn)行了紀(jì)錄。IDMe

13、thodMonthscoreaddIDMethodmonthscoreadd111.59102212212.510.51124.514315.51312271641181320.59514111424.5126159.51524.510713.51016221081412172514914.512.51826161）請(qǐng)選擇適當(dāng)?shù)臄?shù)據(jù)組織方式將以上數(shù)據(jù)錄入到SPSS資料編輯窗口，變量名保持不變，并定義各變量的變量值標(biāo)簽，變量Method的變量值標(biāo)簽（1為舊方法，2為新方法）。2） 按不同的培訓(xùn)方法計(jì)算加盟時(shí)間、評(píng)分增加量的平均數(shù)。3） 在剔除加盟時(shí)間影響的前提下，分析兩種培訓(xùn)方式的效果有無(wú)差別，并說(shuō)明理由。(1)數(shù)據(jù)組織方法如下圖：(2) 步驟：數(shù)據(jù)拆分文件比較組：選擇培訓(xùn)方式確定；分析描述統(tǒng)計(jì)描述變量：增分、加盟時(shí)間；選項(xiàng)：平均值確定。 描述統(tǒng)計(jì)培訓(xùn)方式數(shù)字平均值(E)舊方式增分910.611加盟時(shí)間93.500有效 N（成列）9新方式增分912.556加盟時(shí)間94.000有效 N（成列）9（3）分析一般線性模型單變量因變量：增分；固定因子：培訓(xùn)方式；協(xié)變量：加盟時(shí)間確定。注意：請(qǐng)先重置“拆分文件”操作。主體間效應(yīng)的檢驗(yàn)因變量: 增分 源III 類平方和自由度均方F顯著性校正的模型67.571a233.78