SPSS实验分析报告四.docx

SPSS实验分析报告四一、 地区*日期*销售量（一）、提出假设原假设H0=“不同地区对销售量的平均值没有产生显著影响。”H2=“不同日期对销售量的平均值没有产生显著影响。”H3=“不同的地区和日期对销售量没有产生了显著的交互作用。”（二）、两独立样本t检验结果及分析表（一） 主旨間係數數值標籤N地区1地区一92地区二93地区三9日期1周一至周三92周四至周五93周末9表（一）表示各个控制变量的分组情况，包括三个不同的地区以及三个不同日期的数据。表（二） 销售额多因素方差分析结果 主体间效应的检验因變數: 销售量 來源第 III 類平方和df平均值平方F顯著性修正的模型61851851.852a87731481.4818.350.000截距844481481.4811844481481.481912.040.000地区2296296.29621148148.1481.240.313日期2740740.74121370370.3701.480.254地区 * 日期56814814.815414203703.70415.340.000錯誤16666666.66718925925.926總計923000000.00027校正後總數78518518.51926a. R 平方 = .788（調整的 R 平方 = .693） 由表（二）可知，第一列是对观测变量总变差分解的说明；第二列是对观测变量总变差分解的结果；第三列是自由度；第四列是方差；第五列是F检验统计量的观测值；第六列是检验统计量的概率P值。可以看到：观测变量的总变差SST为78518518.519，它被分解为四个部分，分别是：由地区（x2）不同引起的变差（2296296.296），由日期（x3）不同引起的变差(2740740.741)，由地区和日期交互作用（x2*x3）引起的变差（5.681E7），由随机因素引起的变差（Error1.667E7）。FX1、FX2、FX1*X2的概率P值分别为0.313、0.254、0.000。如果显著性水平为0.05，由于FX1、FX2的概率P值大于显著性水平，因此不应该拒绝原假设，可以认为不同的地区、日期下的销售量总体均值不存在显著差异，对销售量的效应同时为0，各自不同水平没有给销售量带来显著影响。同时，由于FX1*X2的概率P值小于显著性水平，所以应该拒绝原假设，可以认为不同的地区和日期对销售量产生了显著的交互作用，在不同的地区，不同的日期会对销售额产生显著影响。表（三） 自訂假設檢定索引1對照係數（L 矩陣）地区 的偏差對照（省略種類 = 3）轉換係數（M 矩陣）恆等式矩陣對照結果（K 矩陣）零矩陣2對照係數（L 矩陣）日期 的偏差對照（省略種類 = 3）轉換係數（M 矩陣）恆等式矩陣對照結果（K 矩陣）零矩陣表（四） 不同地区下销售量的均值对比检验结果（K 矩陣）地区 偏差對照a因變數销售量層次 1 對平均值對比估計-259.259假設值0差異（評估值 - 假設值）-259.259標準錯誤261.891顯著性.33595% 差異的信賴區間下限-809.473上限290.954層次 2 對平均值對比估計407.407假設值0差異（評估值 - 假設值）407.407標準錯誤261.891顯著性.13795% 差異的信賴區間下限-142.806上限957.621a. 省略的種類 = 3 表（四）分别显示了三个不同地区销售量总体的均值检验结果，省略了地区三的检验结果，检验值是各水平下的总体均值。可以看出：地区一的销售量均值与检验值的差为259.259，标准误差为261.891，T检验统计量的概率P值为0.335，差值的95%置信区间的下限和上限分别为-809.473，290.954。分析结论为：地区一销售量的均值与检验值之间不存在显著差异。同理，地区二销售量的均值与检验值之间不存在显著差异。三个地区产生的影响没有显著差异。表（五） 地区对销售量影响的单因素方差分析结果因變數: 销售量 來源平方和df平均值平方F顯著性比對2296296.29621148148.1481.240.313錯誤16666666.66718925925.926 表（五）是地区对销售量影响的单因素方差分析结果。可以看到：不同地区可解释的变差为2296296.296，不可解释的变差为16666666.667，它们的方差分别为1148148.148、925925.926，F统计量的观测值为1.240，对应的概率P值为0.313。如果显著性水平为0.05，由于概率P值大于显著性水平，所以原假设成立，认为不同地区对销售量的平均值没有产生显著影响。表（六） 不同日期下销售量的均值对比检验结果（K 矩陣）日期 偏差對照a因變數销售量層次 1 對平均值對比估計-370.370假設值0差異（評估值 - 假設值）-370.370標準錯誤261.891顯著性.17495% 差異的信賴區間下限-920.584上限179.843層次 2 對平均值對比估計407.407假設值0差異（評估值 - 假設值）407.407標準錯誤261.891顯著性.13795% 差異的信賴區間下限-142.806上限957.621a. 省略的種類 = 3表（六）分别显示了三个不同日期下销售量总体的均值检验结果，省略了日期三的检验结果，检验值是各水平下的总体均值。可以看出：日期一的销售量均值与检验值的差为370.370，标准误差为370.370，T检验统计量的概率P值为0.174，差值的95%置信区间的下限和上限分别为-920.584、179.843。分析结论为：日期一销售量的均值与检验值之间不存在显著差异。同理，日期二销售量的均值与检验值之间不存在显著差异。三个不同日期产生的影响没有显著差异。表（七） 日期对销售量影响的单因素方差分析结果因變數: 销售量 來源平方和df平均值平方F顯著性比對2740740.74121370370.3701.480.254錯誤16666666.66718925925.926表（七）是日期对销售量影响的单因素方差分析结果。可以看到：不同日期可解释的变差为2740740.741，不可解释的变差为16666666.667，它们的方差分别为1370370.370、925925.926，F统计量的观测值为1.480，对应的概率P值为0.254。如果显著性水平为0.05，由于概率P值大于显著性水平，所以原假设成立，认为不同日期对销售量的平均值没有产生显著影响。图 （一） 地区与销售量的交互作用图 图（一）中，从地区一至地区三，不同的日期销售额的变化波动很大且规律不一，直接结论是：不同的日期和地区间存在明显的交互作用。图（二） 日期与销售量的交互作用图图（二）中，在不同的日期，不同地区的销售额的变化规律都不一样，直接结论是：不同的地区和日期间存在明显的交互作用。二、 香烟消耗量*肺癌死亡率（一）、提出假设原假设H0=“香烟消耗量对肺癌死亡率没有产生显著影响。”（二）、两独立样本t检验结果及分析图（三） 香烟消耗量与肺癌死亡率的简单散点图 由图（三）可知，香烟消耗量与肺癌死亡率存在一定的正相关关系。表（八） 香烟消耗量*肺癌死亡率相关关系分析1930年人均香烟消耗量每百万男子中死于肺癌的人数1930年人均香烟消耗量皮爾森 (Pearson) 相關1.737*顯著性 （雙尾）.010N1111每百万男子中死于肺癌的人数皮爾森 (Pearson) 相關.737*1顯著性 （雙尾）.010N1111*. 相關性在 0.01 層上顯著（雙尾）。由表（八）可知，香烟消耗量和肺癌死亡率的简单相关系数为0.737，说明两者之间存在正的强相关性，其相关系数检验的概率P值为0.010。因此，当显著性水平为0.01时，P值小于显著性水平应拒绝相关系数检验的原假设。中相关系数上角的两个星号（*）表示显著性水平位0.01时拒绝原假设。三、 销售额*销售价格*家庭收入（一）、提出假设原假设H0=“销售额对销售价格没有产生显著影响。”H2=“家庭收入对销售价格没有产生显著影响。”（二）、两独立样本t检验结果及分析图（四） 销售额与销售价格的简单散点图 由图（四）可知，销售额与销售价格之间存在负相关关系。图 （五） 销售额与家庭收入的简单散点图由图（五）可知，销售额与家庭收入之间存在较强的正相关关系。 图 （六） 销售价格和家庭收入的简单散点图由图（六）可知，销售价格与家庭收入之间存在弱的负相关关系。表（九） 销售额*销售价格相关系数计算结果销售额销售价格销售额皮爾森 (Pearson) 相關1-.933*顯著性 （雙尾）.000N1010销售价格皮爾森 (Pearson) 相關-.933*1顯著性 （雙尾）.000N1010*. 相關性在 0.01 層上顯著（雙尾）。由表（九）可知，销售额和销售价格的简单相关系数为-0.933，说明两者之间存在负的强相关性，其相关系数检验的概率P值为0。因此，当显著性水平为0.01时，应拒绝相关系数检验的原假设，认为两总体不是零相关。另外，表（