《统计分析与SPSS的应用》课后练习答案第6章文档格式.docx
《《统计分析与SPSS的应用》课后练习答案第6章文档格式.docx》由会员分享,可在线阅读,更多相关《《统计分析与SPSS的应用》课后练习答案第6章文档格式.docx(17页珍藏版)》请在冰豆网上搜索。
![《统计分析与SPSS的应用》课后练习答案第6章文档格式.docx](https://file1.bdocx.com/fileroot1/2022-10/27/72808370-4621-41a5-9a9f-a919f0a337b0/72808370-4621-41a5-9a9f-a919f0a337b01.gif)
20.9
22.0
20.8
第四组
17.5
18.2
20.2
17.7
19.1
18.4
16.5
第五组
25.2
26.2
26.9
29.3
30.4
29.7
28.2
1)请利用单因素方差分析方法分析这五种推销方式是否存在显著差异。
2)绘制各组的均值对比图,并利用LSD方法进行多重比较检验。
1)分析比较均值单因素ANOVA因变量:
销售额;
因子:
组别确定。
ANOVA
销售额
平方和
df
均方
F
显著性
组之间
405.534
4
101.384
11.276
.000
组内
269.737
30
8.991
总计
675.271
34
概率P-值接近于0,应拒绝原假设,认为5种推销方法有显著差异。
2)均值图:
在上面步骤基础上,点选项均值图;
事后多重比较LSD
多重比较
因变量:
销售额
LSD(L)
(I)组别
(J)组别
平均差(I-J)
标准错误
95%置信区间
下限值
上限
-3.30000*
1.60279
.048
-6.5733
-.0267
.72857
.653
-2.5448
4.0019
3.05714
.066
-.2162
6.3305
-6.70000*
-9.9733
-3.4267
3.30000*
.0267
6.5733
4.02857*
.018
.7552
7.3019
6.35714*
3.0838
9.6305
-3.40000*
.042
-6.6733
-.1267
-.72857
-4.0019
2.5448
-4.02857*
-7.3019
-.7552
2.32857
.157
-.9448
5.6019
-7.42857*
-10.7019
-4.1552
-3.05714
-6.3305
.2162
-6.35714*
-9.6305
-3.0838
-2.32857
-5.6019
.9448
-9.75714*
-13.0305
-6.4838
6.70000*
3.4267
9.9733
3.40000*
.1267
6.6733
7.42857*
4.1552
10.7019
9.75714*
6.4838
13.0305
*.均值差的显著性水平为0.05。
可知,1和2、1和5、2和3,2和4,2和5,3和5,4和5有显著差异。
2、从两个总体中分别抽取n1=7和和n2=6的两个独立随机样本,经计算得到下面的方差分析表。
请补充表中单元格的两个独立随机样本,经计算得到下面的方差分析表。
请补充表中单元格“A”和单元格“B”内的计算结果。
答:
已知组内均方=组内偏差平方和/自由度,所以A=26.4/11=2.4
F统计量=组间均方/组内均方所以B=7.5/2.4=3.125
3、为研究某种降血压药的适用特点,在五类具有不同临床特征的高血压患者中随机挑选了若干志愿者进行对比试验,并获得了服用该降压药后的血压变化数据。
现对该数据进行单因素方差分析,所得部分分析结果如下表所示。
1)请根据表格数据说明以上分析是否满足方差分析的前提要求,为什么?
2)请填写表中空缺部分的数据结果,并说明该降压药对不同组患者的降压效果是否存在显著差异。
3)如果该降压药对不同组患者的降压效果存在显著差异,那么该降压药更适合哪组患者?
(1)因F检验的概率P值小于显著性水平(0.05),拒绝原假设,方差不齐,不满足方差分析的前提假设。
(2)4*276.032=1104.128;
1104.128+1524.990=2629.118;
4+63=67
1524.990/63=24.206
(3)各组均值存在显著差异。
更适合第三组
销售量
日期
周一~周三
周四~周五
周末
5000
6000
4000
地区一
8000
3000
7000
地区二
地区三
2000
9000
4、为研究某商品在不同地区和不同日期的销售差异性,
调查收集了以下日平均销售量数据。
选择恰当的数据组织方式建立关于上述数据的SPSS数据文件
利用多因素方差分析方法,分析不同地区和不同日期对该商品的销售是否产生了显著
1)数据组织方法如下:
1)
2)影响3)地区和日期是否对该商品的销售产生了交互影响。
若没有显著的交互影响,则试建立非饱和模型进行分析,并与饱和模型进行对比。
确定。
2)分析一般线性模型单变量因变量:
销售量;
地区、日期
主体间因子
值标签
数字
地区1
9
2
地区2
3
地区3
日期1
周一至周三
周四至周五
主体间效应的检验
销售量
源
III类平方和
自由度
校正的模型
61.852a
8
7.731
8.350
截距
844.481
1
912.040
Area
2.296
1.148
1.240
.313
Date
2.741
1.370
1.480
.254
Area*Date
56.815
14.204
15.340
错误
16.667
18
.926
923.000
27
校正后的总变异
78.519
26
a.R平方=.788(调整后的R平方=.693)
分析:
(2)由上表可知,Fa1、Fa2的概率P-值为0.313和0.254,大于显著性水平(0.05),所以不应拒绝原假设,可以认为不同地区和日期下的销售额总体均值不存在显著差异,不同
地区和不同日期对该商品的销售没有产生显著影响。
(3)产生了交互影响。
因为概率P-值接近于0,拒绝原假设,认为不同地区和日期对销售额产生了显著的交互作用。
5、研究者想调查性别(1为女,2为男)和使用手机(1使用,2不使用)对驾驶状态的影响。
在封闭道路开车的24人参与了该项研究。
其中,12男12女,6男6女使用手机,其余6男6女不使用手机。
用0-50分测度驾驶状态,分数越高驾驶状态越好。
数据如下:
性别
使用手机
得分
35
29
32
38
33
37
24
45
48
44
47
46
40
42
50
39
请问:
性别和是否使用手机对驾驶状态有影响吗?
如果有影响,影响效应是多少?
(1)数据组织方法如下: