SPSS实验分析报告四

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（九）中相关系数上角的两个星号（*）表示显著性水平为0.01时拒绝原假设。表（十） 销售价格和销售额的偏相关分析结果控制變數销售价格销售额家庭收入销售价格相關1.000-.728顯著性（雙尾）.026df07销售额相關-.7281.000顯著性（雙尾）.026.df70由表（十）可知，在家庭收入作为控制变量的条件下，销售价格和销售额的偏相关系数为-0.728，呈较强的负相关，高于简单相关系数。