《统计分析与SPSS的应用第五版》课后练习答案第6章docWord文件下载.docx

1、第五组25.226.226.929.330.429.728.21） 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405.5344101.38411.276.000组内269.737308.991总计675.27134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

2、（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-.0267.72857.653-2.54484.00193.05714.066-.21626.3305-6.70000*-9.9733-3.42673.30000*.02676.57334.02857*.018.75527.30196.35714*3.08389.6305-3.40000*.042-6.6733-.1267-.72857-4.00192.5448-4.02857*-7.3019-.75522.32857.157-.94485.6019-7.42857*-10

3、.7019-4.1552-3.05714-6.3305.2162-6.35714*-9.6305-3.0838-2.32857-5.6019.9448-9.75714*-13.0305-6.48386.70000*3.42679.97333.40000*.12676.67337.42857*4.155210.70199.75714*6.483813.0305*. 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 n 1 =7 和 和 n 2 =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

4、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=3.1253、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

5、。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； 1524990/63=24.206（3）各组均值存在显著差异。更适合第三组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。销售量日期周一周三周四周五周末地区一500060004000800070003000地区二地区三200090001） 选择恰当的数据组织方式

6、建立关于上述数据的SPSS数据文件2） 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。（1）数据组织方法如下：（2）分析 一般线性模型 单变量 因变量：销售量；地区、日期 确定。主体间因子值标签数字地区1地区192地区23地区3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61.852a87.7318.350截距844.481912.040Area2.2961.1481.240.313Date2.7411.37

7、01.480.254Area * Date56.81514.20415.340错误16.66718.926923.00027校正后的总变异78.51926a. 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

8、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35293238333724454844474640425039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？得分；性别、是否使用手机 确定。男12女是否使用手机使用不使用 Score 1028.125a342.70821.10134732.0422138.453Sex5.042.310.584UsePhone1001.042

9、61.634Sex * UsePhone22.0421.357.258324.8332016.24236085.0001352.95823a. R 平方 = .760 （调整后的 R 平方 = .724）就性别而言，因为概率P-值=0.584，大于显著性水平0.05，所以不应拒绝原假设，认为性别对驾驶状态无显著影响；就手机使用情况而言，因为概率P-值接近0，应拒绝原假设，认为手机使用情况对驾驶状态存在显著影响。6、下面的表格记录了某公司采用新、旧两种培训方式对新员工进行培训前后的工作能力评分增加情况的数据。现需要比较这两种培训方式的效果有无差别，考虑到加盟公司时间可能也是影响因素，将加盟时间按

10、月进行了纪录。IDMethodMonthscoreaddmonth1.5102.510.5114.5145.5137160.5569.5153.51712.51）请选择适当的数据组织方式将以上数据录入到SPSS资料编辑窗口，变量名保持不变，并定义各变量的变量值标签，变量Method的变量值标签（1为旧方法，2为新方法）。2） 按不同的培训方法计算加盟时间、评分增加量的平均数。3） 在剔除加盟时间影响的前提下，分析两种培训方式的效果有无差别，并说明理由。（1）数据组织方法如下图：（2） 步骤：数据 拆分文件 比较组：选择培训方式 确定；分析 描述统计 描述 变量：增分、加盟时间；选项：平均值 确定。描述统计培训方式平均值（E）旧方式增分10.611加盟时间3.500有效 N（成列）新方式12.5564.000（3）分析 一般线性模型 单变量 因变量：增分；固定因子：培训方式；协变量：加盟时间 确定。注意：请先重置“拆分文件”操作。 增分 67.571a33.78519.451200.270115.29950.55729.1069.4055.415.03426.0541.7372508.75093.625a. R 平方 = .722 （调整后的 R 平方 = .685）在剔除加盟时间的影响下，因P-值为0.034，小于0.05，应拒绝原假设，两种培训方式效果有显著差异。