均值检验、方差分析 SPSS.doc

一、实验目的及要求：1、目的用SPSS软件实现均值检验和方差分析。2、内容及要求 用SPSS对所要求数据进行相应的数据处理和分析：均值检验、方差分析。二、仪器用具：仪器名称规格/型号数量备注计算机1有网络环境SPSS软件1三、实验方法与步骤:1.从网上下载到可用的数据2.将所需数据复制到SPSS中，并且把学校变量改为数值型变量，用1、2分别代替“A”和“B”。四、实验结果与数据处理：首先用SPSS软件对单变量进行正态性检验，结果如下：正态性检验Kolmogorov-SmirnovaShapiro-Wilk统计量dfSig.统计量dfSig.语文.08460.200*.98660.698数学.10260.192.97260.185英语.07160.200*.98260.512物理.08760.200*.99060.894化学.07360.200*.98460.627a. Lilliefors 显著水平修正*. 这是真实显著水平的下限。因为样本数n=602000，所以此处选用Shapiro-Wilk统计量。由Sig.值我们可以认为五科的录取分数均遵从正态分布。用SPSS的GLM模块进行多元正态分布有关均值与方差的检验，结果如下：第一张主体间因子表展示了样本数据分别来自两个学校的个数。第二张多变量检验表给出了几个统计量，由Sig.值可以看出，无论从哪个统计量来看，两个学校的录取分数都是有显著差别的。由于模型通过了显著性检验，意味着两所学校的录取分数线是不同的。主体间因子N学校A30B30多变量检验b效应值F假设 df误差 dfSig.截距Pillai 的跟踪.99916790.281a5.00054.000.000Wilks 的 Lambda.00116790.281a5.00054.000.000Hotelling 的跟踪1554.65616790.281a5.00054.000.000Roy 的最大根1554.65616790.281a5.00054.000.000学校Pillai 的跟踪.85161.672a5.00054.000.000Wilks 的 Lambda.14961.672a5.00054.000.000Hotelling 的跟踪5.71061.672a5.00054.000.000Roy 的最大根5.71061.672a5.00054.000.000a. 精确统计量b. 设计 : 截距 + 学校主体间效应的检验源因变量III 型平方和df均方FSig.校正模型语文1050.017a11050.01748.251.000数学1470.150b11470.15086.034.000英语1135.350c11135.35039.831.000物理1859.267d11859.26783.392.000化学1560.600e11560.60041.652.000截距语文372408.8171372408.81717113.201.000数学376833.7501376833.75022052.626.000英语388010.4171388010.41713612.479.000物理389781.6001389781.60017482.600.000化学383360.2671383360.26710231.722.000学校语文1050.01711050.01748.251.000数学1470.15011470.15086.034.000英语1135.35011135.35039.831.000物理1859.26711859.26783.392.000化学1560.60011560.60041.652.000误差语文1262.1675821.761数学991.1005817.088英语1653.2335828.504物理1293.1335822.295化学2173.1335837.468总计语文374721.00060数学379295.00060英语390799.00060物理392934.00060化学387094.00060校正的总计语文2312.18359数学2461.25059英语2788.58359物理3152.40059化学3733.73359a. R 方 = .454（调整 R 方 = .445）b. R 方 = .597（调整 R 方 = .590）c. R 方 = .407（调整 R 方 = .397）d. R 方 = .590（调整 R 方 = .583）e. R 方 = .418（调整 R 方 = .408）由上面主体间效应的检验表可知五科分数的Sig.值均为0.000说明两个学校本科录取分数在五门课上都存在显著差别。协方差矩阵等同性的 Box 检验aBox 的 M14.729F.891df115df213544.526Sig.575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 + 学校该表为协方差阵相等的检验表，检验统计量为Boxs M，由Sig.值可以认为两个学校(总体)的协方差阵是相等的。误差方差等同性的 Levene 检验aFdf1df2Sig.语文2.002158.162数学.554158.460英语.001158.979物理.121158.729化学.099158.754检验零假设，即在所有组中因变量的误差方差均相等。a. 设计 : 截距 + 学校由误差方差等同性的Levene检验表，可以得知，在显著性水平为0.05水平下，五科分数的误差平方在两个学校间是没有显著差别。下页成对比较表给出了不同学校五科录取分数的比较与检验及检验的可信性统计量。成对比较因变量(I) 学校(J) 学校均值差值 (I-J)标准 误差Sig.a差分的 95% 置信区间a下限上限语文128.367*1.204.0005.95610.77821-8.367*1.204.000-10.778-5.956数学129.900*1.067.0007.76412.03621-9.900*1.067.000-12.036-7.764英语128.700*1.379.0005.94111.45921-8.700*1.379.000-11.459-5.941物理1211.133*1.219.0008.69313.57421-11.133*1.219.000-13.574-8.693化学1210.200*1.580.0007.03613.36421-10.200*1.580.000-13.364-7.036基于估算边际均值*. 均值差值在 .05 级别上较显著。a. 对多个比较的调整： 最不显著差别（相当于未作调整）。综上：通过对两个学校的本科录取分数线的具体的比较分析，所得的数据表明，两个学校的本科录取分数线存在着明显的差异，并且在语文、数学、英语、物理和化学这五门课程的录取分数上均有显著的差异。 五、讨论与结论在本次实验中还有一些让我比较困惑的问题：第一：对于本道题目的检验是否可以直接用独立样本T检验得到结果呢？相关的分析见下页独立样本检验表：可以看出语文、数学、英语、物理、化学均通过了方差齐性检验（即对Levene统计量的检验），通过后面均值方程的t检验结果的Sig.我们可以看出它们均显著，也即认为两个学校的本科录取分数线存在着明显的差异，并且在语文、数学、英语、物理和化学这五门课程的录取分数上均有显著的差异。独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值差分的 95% 置信区间下限上限语文假设方差相等2.002.1626.94658.0008.3671.2045.95610.778假设方差不相等6.94654.492.0008.3671.2045.95210.781数学假设方差相等.554.4609.27558.0009.9001.0677.76412.036假设方差不相等9.27556.951.0009.9001.0677.76312.037英语假设方差相等.001.9796.31158.0008.7001.3795.94111.459假设方差不相等6.31157.980.0008.7001.3795.94111.459物理假设方差相等.121.7299.13258.00011.1331.2198.69313.574假设方差不相等9.13256.859.00011.1331.219