第七组组员陈放陈羚哲郭秀燕何斐吴小丹文彦许燕丽许植淳文档格式.docx

第七组组员陈放陈羚哲郭秀燕何斐吴小丹文彦许燕丽许植淳文档格式.docx

《第七组组员陈放陈羚哲郭秀燕何斐吴小丹文彦许燕丽许植淳文档格式.docx》由会员分享，可在线阅读，更多相关《第七组组员陈放陈羚哲郭秀燕何斐吴小丹文彦许燕丽许植淳文档格式.docx（26页珍藏版）》请在冰豆网上搜索。

2

6

48.0000

13.59412

5.54977

33.7338

62.2662

29.00

68.00

3

5

35.0000

10.41633

4.65833

22.0664

47.9336

21.00

49.00

4

59.0000

12.74755

5.70088

43.1718

74.8282

44.00

77.00

总数

23

47.8696

13.75865

2.86888

41.9199

53.8193

4个行业的平均投诉次数不相等，但是差异是否显著还需要用方差分析才能确定。

下图是均值连线图也说明同样的问题。

均值图

方差齐性检验

Levene统计量

df1

df2

显著性

.195

19

.898

因为P值大于0.05，接受原假设，即不同行业的投诉次数的方差相同，满足方差分析的前提，而且后面的多重比较也分方差相等和不相等而分为两大类方法。

ANOVA

平方和

df

均方

F

组间

1456.609

485.536

3.407

.039

组内

2708.000

142.526

4164.609

22

从P值为0.039小于0.05可知，在0.05的显著性水平下，拒绝原假设，即不同行业的投诉次数均值存在显著差异，或者说行业对投诉次数有显著影响。

那么到底是哪些均值显著不同呢？

这需要做多重比较，即两两比较。

在此之后检验

多重比较

因变量:

（I）行业

（J）行业

均值差（I-J）

95%置信区间

LSD

1.00000

6.64193

.882

-12.9017

14.9017

14.00000

6.99043

.060

-.6311

28.6311

-10.00000

.169

-24.6311

4.6311

-1.00000

-14.9017

12.9017

13.00000

7.22908

.088

-2.1306

28.1306

-11.00000

.145

-26.1306

4.1306

-14.00000

-28.6311

.6311

-13.00000

-28.1306

2.1306

-24.00000*

7.55053

.005

-39.8034

-8.1966

10.00000

-4.6311

24.6311

11.00000

-4.1306

26.1306

24.00000*

8.1966

39.8034

Tamhane

6.88961

1.000

-21.7416

23.7416

6.19408

.266

-6.7708

34.7708

7.01189

.723

-34.4929

14.4929

-23.7416

21.7416

7.24569

.491

-11.3041

37.3041

7.95613

.739

-37.7957

15.7957

-34.7708

6.7708

-37.3041

11.3041

-24.00000

7.36206

.071

-49.8152

1.8152

-14.4929

34.4929

-15.7957

37.7957

24.00000

-1.8152

49.8152

*.均值差的显著性水平为0.05。

因为前面方差齐性检验已经知道方差是相等的，所以这里的多重比较只看LSD的方法，可知3、4行业的P值小于0.05，拒绝原假设，表示这两个行业的投诉次数均值有显著差异。

例10.3．10.4

分析品牌和地区对彩电销售量是否有显著影响

此题为无交互作用的双因素方差分析

该题的F值显示不出来，不知哪里出了错，希望老师指正！

例10.5

1.确定好变量类型，统一类型为“数值”

2.导入Excel数据，将高峰期和非高峰期更改为“0”和“1”

3.选定自变量“分时段”和因变量“路段1”“路段2”

4.选定统计量选项，点击“继续”

5.导出结果，求出两组数据的均值、方差、合计

6.同理，对其进行参数估计，从分析中选定“多变量分析”

7、选定多变量选项，然后“继续”

8、依据上述步骤对其一般模型的方差分析，导出结果如下。

[数据集1]C:

\Users\Administrator\Desktop\sst.sav

主体间因子

时段

描述性统计量

标准偏差

路段1

25.40

1.140

19.40

2.302

总计

22.40

3.596

10

路段2

1.581

15.20

2.588

18.10

3.665

协方差矩阵等同性的Box检验a

Box的M

3.421

.831

11520.000

Sig.

.476

检验零假设，即观测到的因变量的协方差矩阵在所有组中均相等。

a.设计:

截距+时段

Bartlett的球形度检验a

似然比

.815

近似卡方

.286

.867

检验零假设，即残差协方差矩阵与一个单位矩阵成比例。

多变量检验c

效应

值

假设df

误差df

偏Eta方

截距

Pillai的跟踪

.996

883.416a

2.000

7.000

.000

Wilks的Lambda

.004

Hotelling的跟踪

252.405

Roy的最大根

.837

17.913a

.002

.163

5.118

a.精确统计量

c.设计:

非中心参数

观测到的幂b

1766.833

35.825

.991

b.使用alpha的计算结果=.05

误差方差等同性的Levene检验a

5.281

8

.051

2.939

.125

检验零假设，即在所有组中因变量的误差方差均相等。

主体间效应的检验

源

因变量

III型平方和

校正模型

90.000a

90.000

27.273

.001

.773

84.100c

84.100

18.283

.003

.696

5017.600

1520.485

.995

3276.100

712.196

.989

误差

26.400

3.300

36.800

4.600

5134.000

3397.000

校正的总计

116.400

9

120.900

a.R方=.773（调整R方=.745）

c.R方=.696（调整R方=.658）

.961

参数估计

参数

B

标准误差

t

19.400

.812

23.880

17.527

21.273

[时段=0]

6.000

1.149

5.222

3.351

8.649

[时段=1]

0b

.

15.200

.959

15.847

12.988

17.412

5.800

1.356

4.276

2.672

8.928

b.此参数为冗余参数，将被设为零。

观测到的幂a

.986

.969

a.使用alpha的计算结果=.05

常规可估算函数a

对比

L1

L2

-1

转换系数（M矩阵）

转换的变量

主体间SSCP矩阵

假设

4054.400

87.000

3.600

基于III型平方和

残差SSCP矩阵

平方和与叉积

协方差

.450

相关

.115

失拟

多变量检验

路段1,路段2

7.500

.000b

8.000

b.精确统计量

.050

单变量检验

纯误差

SSCP矩阵

由上表可知，用于检验“时段”的P值=0.0000<

ɑ=0.05,拒接原假设，表明不同时段的行车时间之间有显著差异，即时段对于行车时间有显著影响；

用于检验“路段”的P值=0.0002<

ɑ=0.05,同样拒接原假设，表明不同路段的行车时间之间有显著差异，即路段对于行车时间有显著影响；

交互作用反映的是时段因素和路段因素联合产生的对于行车时间的附加效应，用于检验的P值=0.9118>

ɑ=0.05,因此不拒绝原假设，没有证据表明路段和时段的交互作用对行车时间有显著影响。