SPSS软件分析5方差分析作业文档格式.docx
《SPSS软件分析5方差分析作业文档格式.docx》由会员分享,可在线阅读,更多相关《SPSS软件分析5方差分析作业文档格式.docx(28页珍藏版)》请在冰豆网上搜索。
![SPSS软件分析5方差分析作业文档格式.docx](https://file1.bdocx.com/fileroot1/2022-10/9/7be8d4f4-1750-4e88-b870-48fe26cd02b8/7be8d4f4-1750-4e88-b870-48fe26cd02b81.gif)
7.60
.894
.400
6.49
8.71
7
9
中级
8.86
.900
.340
8.03
9.69
8
10
低级
6
5.83
1.472
.601
4.29
7.38
4
总数
18
7.50
1.689
.398
6.66
8.34
此表为对不同水平管理者满意度的基本描述统计量及95%的置信区间,此表表明对中级管理者的满意度最高,对高级管理者的满意度次之,对低级管理者满意度最低。
方差齐性检验
Levene统计量
df1
df2
显著性
1.324
2
15
.296
此处采用方差齐性检验
假设:
对不同水平下管理者的满意度的方差相同
对不同水平下的管理者的满意度的方差齐性检验为1.324,概率p值为0.296,如
果显著水平设为0.05,由于概率p值大于显著水平,不能拒绝原假设,认为对不
同水平下管理者的满意度的方差相同。
故满足方差分析的前提要求。
ANOVA
平方和
df
均方
F
组间(组合)
组内
29.610
18.890
48.500
17
14.805
1.259
11.756
.001
采用单因素方差分析。
对不同水平的管理者的满意度没有显著差异。
此表为管理者的不同等级对对管理者的满意度的单因素方差分析结果。
可以看出
观测变量满意度的总离差平方和是48.5,如果考虑“管理者的不同等级”单因素的影响,则销售额总变差中,不同水平可解释的变差为29.61,抽样误差引起的变差为18.89,他们的方差(平均变差),分别为14.805,1.259.相除所得的F统计量的观测值为11.756,对应的P值近似为0,给定显著水平为0.05,由于概率p值小于显著水平,则拒绝原假设,认为对不同水平的管理者的满意有显著差异。
多重比较
因变量:
95%置信区间
(1)水平
(J)水平
均值差(I-J)
LSD
-1.257
.657
.075
-2.66
.14
1.767*
.680
.020
.32
3.22
1.257
-.14
2.66
3.024*
.624
.000
1.69
4.35
-1.767*
-3.22
-.32
-3.024*
-4.35
-1.69
Bonferroni
.225
-3.03
.51
1.767
.060
-.06
3.60
-.51
3.03
1.34
4.71
-1.767
-3.60
.06
-4.71
-1.34
Tamhane
.525
.118
-2.80
.28
.722
.112
-.38
3.91
-.28
2.80
.690
.007
.95
5.10
-3.91
.38
-5.10
-.95
.均值差的显著性水平为0.05
米用多重比较检验
原假设:
对不同水平管理者的满意度没有显著差别。
此表显示了两两管理者水平下对管理者满意度均值的检验结果。
可以看出,尽管
在理论上各种检验方法对抽样分布标准误的定义不同,此种软件全部采用了LS
D方法的中标准误。
因此各种方法计算的前两列计算结果完全相同。
表中没有给出检验统计量的观测值,他们都是相等的。
表中第三列式检验统计量在不同分布下的概率p值,可以发现各种方法在检验敏感度上的差异。
此题用LSD方法。
给定显著水平为0.05,高级管理者和中级管理者检验的概率p值为0.07
5,大于显著水平,因此接受原假设,认为对高级管理者和中级管理者的满意度与他们的水平没有关系。
给定显著水平为0.05,高级管理者和低级管理者检验的概率p值为0.02,小于显著水平,因此拒绝原假设,认为对高级管理者和低级管理者的满意度与他们的水平有关系。
给定显著水平为0.05,中级管理者和低级管理者检验的概率p值为0.00
7,小于显著水平,因此不能接受原假设,认为对中级管理者和低级管理者的满意度与他们的水平有关系。
单因素方差分析
(组合)
未加权的
8.512
1
6.759
组间
线性项加权的
10.074
7.999
.013
偏差
19.536
15.513
采用趋势检验
管理者的不同水平和对管理者的满意度是零线性相关。
趋势检验时,将观测变量的组间差作进一步的细分,分解为可被管理者的水平线性解释的变差以及不可被管理者水平线性解释的变差,(第四行19.536二
29.61—10.074)。
其中,可被管理者水平线性解释的变差实质是,观测变量(对管理者的满意度)为被解释变量,控制变量(管理者水平)为解释变量的一元线性回归分析中的回归平方和部分。
体现了解释变量对被解释变量的线性贡献程度。
对应第五列的F值(7.999)是回归平方和的均方(10.0
74)除以组离差平方和的均方(1.259)的结果。
对应概率得的p值为0
013,给定显著水平为0.05,p值小于显著水平,所以拒绝原假设,认为
管理者的不同水平和对管理者的满意度不是零线性相关,即是说管理者的不同水平和对管理者的满意度是线性相关。
此图为对不同管理者水平满意度的均值折线图,从图表可知,管理者水平和对管理者的满意度之间没有明显的线性相关关系。
水平
alpha=0.05
5的子集
Student-Newman-Keuls
a,b
1.000
.074
TukeyHSDa,b
.167
Scheffea,b
咼级
.051
.192
将显示同类子集中的组均值。
a.将使用调和均值样本大小=5.888。
b.组大小不相等。
将使用组大小的调和均值。
将不保证
I类错误级别。
采用单因素分析一两两比较的各种方法
此表示各种方法划分的相似子集,可以看到,表中的前两种方法划分是一致的,第三种方法与前两种方法大致一致。
给定显著水平为0.05的情况下。
首先观察S-N-K方法的结果,均值为5.83的组(低级管理者的满意度)
与其他两组的均值有显著不同(其相似度可能性小于0.05),被划分出来,形成两个相似性子集。
在第一个相似(自身)的概率为1,第二组相似的可能性大于0.05,为0.074,。
其次观察TukeyHSD方法的结果,均值为5.83的组(低级管理者的
满意度)与其他两组的均值有显著不同(其相似度可能性小于0.05),被划分出来,形成两个相似性子集。
在第一个相似(自身)的概率为1,第二组相似的可能性大于0.05,为0.167,。
首先观察Scheffe方法的结果,均值为5.83的组(低级管理者的满意
度)和均值为7.60(高级管理者的满意度)与均值为8.86的组(中级管理者的满意度)和均值为7.60(高级管理者的满意度)均值有显著不同(其
相似度可能性小于0.05),被划分出来,形成两个相似性子集。
在第一个相
似(自身)的概率为0.051,第二组相似的可能性大于0.05,为0.1
92,。
总之,如果从管理者水平角度选择,则不应选择低级管理者。
可考虑高级管理者
和中级管理者结合的方式。
对比系数
对比
-1
对比检验
对比值
t
显著性(双侧)
假设方差相等
-1.26
-1.913
不假设等方差
-2.394
8.805
.041
米用先验对比检验
对高级管理者和中级管理者的满意度没有显著差异上表为不同管理者水平先验对比检验的系数说明,下表为高级管理者和中级管理者整体效果对比检验结果。
根据前面的方差齐性检验可以得知,这两组方差近似相等,所以我们看第一行。
给定显著水平为0.05,由于t统计量的概率p(0.075)值大于显著水平,不应该拒绝原假设,接受原假设,认为对高级管理者和中级管理者的满意度没有显著差异。
(2)—家超市连锁店的老板进行一项研究,确定超市所在的位置和竞争者的数量对销售额
是否有显著影响。
获得的月销售额数据(单位:
万元)见下表。
取显著性水平0.01,
试用单因素和多因素方差分析全面分析竞争者的数量和超市的位置对销售额的影响。
单因素方差分析---竞争者的数量与销