5.1、实验步骤：
1．建立数据文件。

定义2个变量：PWK和DCGJSL，分别表示排污口和大肠杆菌数量。

2. 选择菜单“分析→比较均值→单因素”,弹出“单因素方差分析”对话框。

在对话
框左侧的变量列表中，选择变量“DCGJSL”进入“因变量”列表框，选择变量“PWK”进入“因子”列表框。

3．单击“确定”按钮，得到输出结果。

结果解读：
由以上结果可以看到，观测变量大肠杆菌数量的总离差平方和为460.438；如果仅考虑“排污口”单个因素的影响，则大肠杆菌数量总变差中，排污口可解释的变差为308.188，抽样误差引起的变差为152.250，它们的方差（平均变差）分别为102.729和12.688，相除所得的F统计量的观测值为8.097，对应的概率P值为0.003。

在显著性水平α为0.05的情况下。

由于概率P值小于显著性水平α，则应拒绝零假设，认为不同的排污口对大肠杆菌数量产生了显著影响，它对大肠杆菌数量的影响效应不全为0。

因此，可判断各个排污口的大肠杆菌数量是有差别的。

5.2、实验步骤：
1．建立数据文件。

定义2个变量：Branch和Turnover，分别表示分店和日营业额。

将Branch的值定义为1=第一分店，2=第二分店，3=第三分店，4=第四分店，5=第五分店。

2. 选择菜单“分析→比较均值→单因素”,弹出“单因素方差分析”对话框。

在对话
框左侧的变量列表中，选择变量“Turnover”进入“因变量”列表框，选择变量“Branch”进入“因子”列表框。

3．单击“确定”按钮，得到输出结果。

结果解读：
由以上结果可以看到，观测变量日营业额的总离差平方和为1187668.733；如果仅考虑“分店”单个因素的影响，则日营业额总变差中，分店可解释的变差为366120.900，抽样误差引起的变差为821547.833，它们的方差（平均变差）分别为91530.225和14937.233，相除所得的F统计量的观测值为6.128，对应的概率P值近似为0。

在显著性水平α为0.05的情况下，由于概率P值小于显著性水平α，则应拒绝零假设，认为不同的分店对日营业额产生了显著影响，它对日营业额的影响效应不全为0。

因此，在α＝0.05的显著性水平下，“这五个分店的日营业额相同”这一假设不成立。

5.3、实验步骤：
1．建立数据文件。

定义3个变量：weight和method，分别表示幼苗干重（mg）和处理方式。

将method 的值定义为1=HCI，2=丙酸，3=丁酸，4=对照。

2. 选择菜单“分析→比较均值→单因素”,弹出“单因素方差分析”对话框。

在对话
框左侧的变量列表中，选择变量“，method”进入“因变量”列表框，选择变量“weight”进入“因子”列表框。

在“两两比较”选项中选择LSD、Bonferroni 和Scheffe方法。

3．单击“确定”按钮，得到输出结果。

结果解读：
（1）由以上结果可以看到，观测变量幼苗干重的总离差平方和为56.657；如果仅考虑“酸类”单个因素的影响，则幼苗干重总变差中，酸类可解释的变差为56.534，抽样误差引起的变差为0.122，它们的方差（平均变差）分别为18.845和0.008，相除所得的F统计量
的观测值为2461.755，对应的概率P值近似为0。

在显著性水平α为0.05的情况下，由于概率P值小于显著性水平α，则应拒绝零假设，认为酸液处理对幼苗干重产生了显著影响，它对幼苗干重的影响效应不全为0。

并且由于是经酸液处理过的牧草幼苗的干重低于对照组的值，因此，认为酸液处理阻碍了牧草幼苗的生长。

（2）在显著性水平α为0.05的情况下，在Scheffe、LSD和Bonferroni方法中，丙酸和丁酸的作用没有显著差异（概率P值分别为0.490、0.131和0.788）。

因此，认为两种有机酸的作用没有显著差异。

（3）在显著性水平α为0.05的情况下，在Scheffe、LSD和Bonferroni方法中，有机酸和无机酸的作用有显著差异（概率P值分别为0.000）。

因此，认为有机酸的作用不同于无机酸（HCl）。