实验一 单因变量多因素方差分析.docx
- 文档编号:12307114
- 上传时间:2023-04-18
- 格式:DOCX
- 页数:24
- 大小:491.92KB
实验一 单因变量多因素方差分析.docx
《实验一 单因变量多因素方差分析.docx》由会员分享,可在线阅读,更多相关《实验一 单因变量多因素方差分析.docx(24页珍藏版)》请在冰豆网上搜索。
实验一单因变量多因素方差分析
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GeneralLinearModel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DenpendentVariable,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FixedFactor。
4.单击Model按钮,弹出Univariate:
Model对话框。
5.在SpeciftyModel中选择Custom,并在Type选项中选择Maineffects,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:
ProfilePlots对话框。
8.在Univariate:
ProfilePlots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PostHot…按钮,弹出Univariate:
PostHocMultipleComparisonsforObservedMeans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CorrectedModel的偏差平方和20094.306,总偏差平方和(CorrectedTotal)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BivariateCorrelations(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BivariateCorrelation:
Options对话框。
5.在对话框中进行设置,选择Statistics选项中的Meansandstandarddeviations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HierarchicalCluster..命令。
3.在HierarchicalClusterAnalysis对话框中,将左侧的变量移到右边的Variables框中,在LabelCasesby栏中,选入“省份”变量。
4.在HierarchicalClusterAnalysis对话框中,再次选择Statistics对话框,如下图所选,并在Numberofclusters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HierarchicalClusterAnalysis:
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HierarchicalClusterAnalysis:
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HierarchicalClusterAnalysis:
SaveNewVariables对话框,选择Singlesolution丨Numberofclusters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。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 实验一 单因变量多因素方差分析 实验 因变量 因素 方差分析