重庆工商大学实验课程实验报告本课程名称SPSS统计分析实验实验学期2011 学年第 1 学期经贸学院2009 年级经济学专业 1 班姓名严松毅学号********** 指导教师李勇实验最终成绩统计学实验室实验一致实验十数据：实验一实验内容：频数分析实验数据：实验目的：分析生猪在饲料喂养前后的体重状况，并比较饲料喂养前后生猪重量分析结果：图1Statistics喂养前体重喂养后体重N Valid 15 15Missing 0 0喂养前体重Frequency Percent Valid Percent Cumulative PercentValid 12 7 46.7 46.7 46.717 4 26.7 26.7 73.318 4 26.7 26.7 100.0Total 15 100.0 100.0图3喂养后体重Frequency Percent Valid Percent Cumulative PercentValid 76 4 26.7 26.7 26.785 4 26.7 26.7 53.390 7 46.7 46.7 100.0Total 15 100.0 100.0图4图5由图1所知，该实验把15个生猪重量的研究数据。
由图2知其中体重为12KG的有7个，占总数的46.7％；体重为17KG的有4个，占总数的26.7％；体重为18KG的有4个，占总数的26.7％。
由图3知喂养饲料后生猪体重为76KG的有4个，占总数的26.7%，体重为85KG 的有4个，占总数的26.7％；体重为90KG的有7个，占总数的46.7％。
综上所述，喂养饲料后的生猪长的更重。
实验二实验内容：计算基本描述统计量实验数据：实验目的：计算喂养饲料前后生猪体重的描述统计量，并分别对两者进行比较。
分析结果：由图1知饲料喂养前的生猪体重平均值（14.9333KG）低于私聊喂养后的生猪体重平均值（84.9333KG）。
标准差证明了喂养饲料前生猪体重的离散程度低于喂养饲料后的。
无论是喂养饲料前还是喂养饲料后的重量均呈左偏分布。
且喂养饲料后体重远大于喂养饲料前。
实验三实验内容：交叉分组下的频数分析实验数据：实验假设：分析地区1、地区2和地区3在喂养饲料前生猪体重的分布情况，并分析地区差异是否对生猪体重有影响。
实验分析及结果：2 喂养前体重12 2 1 1 417 1 1 0 218 0 1 0 1Total 3 3 1 7 3 喂养前体重12 1 0 118 1 2 3Total 2 2 4 图2图3图4图5Chi-Square Tests地区Value df Asymp. Sig.(2-sided)Exact Sig.(2-sided)Exact Sig.(1-sided)1 Pearson Chi-Square 1.333a 1 .248Continuity Correction b.000 1 1.000Likelihood Ratio 1.726 1 .189Fisher's Exact Test 1.000 .500 Linear-by-Linear Association 1.000 1 .317N of Valid Cases b 42 Pearson Chi-Square 2.333c 4 .675Likelihood Ratio 2.969 4 .563Linear-by-Linear Association .007 1 .936N of Valid Cases b73 Pearson Chi-Square 1.333a 1 .248Continuity Correction b.000 1 1.000Likelihood Ratio 1.726 1 .189Fisher's Exact Test 1.000 .500 Linear-by-Linear Association 1.000 1 .317N of Valid Cases b 4a. 4 cells (100.0%) have expected count less than 5. The minimum expected count is .50.b. Computed only for a 2x2 tablec. 9 cells (100.0%) have expected count less than 5. The minimum expected count is .14.由图1可知，地区1的喂养前生猪体重分别为2头12KG吃的是第一种饲料和两头17KG分别吃的是第一种和第二种饲料。
地区2的喂养前生猪体重分别为4头12KG 体重，其中两头吃的是第一种饲料，一头吃的是第二种饲料，剩下一头吃的是第三种饲料；两头17KG，分别持的是第一第二种饲料；一头18KG吃的是第2种饲料。
地区3的喂养前体重分别为一头12KG吃的是第二种饲料；三头18KG，其中一头吃的是第二种饲料，两头吃的是第三种饲料。
实验四实验内容：单样本t检验实验数据：实验假设：根据调查喂养饲料前生猪体重而进行零假设：喂养饲料前生猪体重均值为15KG。
分析结果：由图1可知：15个样本的平均体重为14.9333KG，标准差为2.86523，均值误差为0.73980图2中，第二列t统计量的观察值为-0.090；第三列自由度为n-1=15-1=14；第四列是t统计量观测值的双尾概率p值；第五列是样本均值与检验值的差，第六列和第七列式总体均值与检验差值的95%的置信区间，为（-1.6534，1.5200）。
实验五实验内容：两独立样本t检验实验数据：实验目的：分析地区1和地区2对喂养饲料前生猪重量是否存在显著性差异。
零假设是地区1和地区2对喂养饲料前生猪重量存在显著性差异。
分析结果：图1Group Statistics图1表示地区1与地区2对喂养饲料前生猪重量的基本描述统计量。
从图上可以看出，地区差异对喂养饲料前生猪重量的平均值存在差异，但差值很小。
图2 是喂养饲料前生猪重量均值差的检验结果。
第一步，两总体方差是否相等的显著分析。
这里，该检验的F统计量的观察值为0.174，对应的概率p 值为0.687。
如果显著水平a为0.05，由于概率p值大于0.05 ，可以认为两总体的方差无显著差异；第二步，两总体均值差的检验。
在第一步中，由于两总体方差无显著差异，因此应看第一行t检验的结果。
其中，t通机量的观测值为0.119，对应的双尾概率p值为0.380。
如果显著性水平a为0.05，由于概率p值大于0.05，不能拒绝零假设，即地区1和地区2对喂养饲料前生猪重量存在显著性差异。
实验六实验内容：两配对样本t检验实验目的：利用生猪重量的数据，分析饲料喂养前和饲料喂养后的生猪重量是否存在显著差异；零假设是饲料喂养前和饲料喂养后的成绩无显著差异。
实验数据：实验分析及结果：图1Paired Samples StatisticsPaired Samples Correlations图1表明，喂养饲料前与喂养饲料后的样本平均值有较大差异。
喂养饲料后的平均重量高于喂养饲料前的平均重量。
图2表明，第三列是喂养饲料前与喂养饲料后两组的简单相关系数，当显著性水平a为0.05时，喂养饲料前和喂养饲料后的产量没有明显的线性变化，喂养饲料前和喂养饲料后的生猪质量线性相关性较弱。
图3中，第一列时喂养饲料前和喂养饲料后成绩的平均差异，相差了-70.0000；第二列是差值样本的标准差；第三列是差值样本抽样分布的标准差；第四列、第五列差值95%的置信区间的上限和下限；第六列是t检验统计量的观测值；第八列为t检验统计量观测值的双尾概率p值近似为0，结论：当显著水平a为0.05时，由于概率p值小于显著性水平a，应当拒绝零假设，即认为总体上生猪重量的平均值与0有显著不同，则说明喂养饲料前和喂养饲料后的生猪重量平均值存在显著差异，可以认为喂养饲料有明显的增加生猪重量的效果。
实验七实验内容：单因素方差检验实验数据：实验目的：通过单因素方差分析方法研究饲料种类给生猪重量带来的影响并进行分析。
实验分析及结果：图1ANOVA喂养后体重图1是饲料种类对生猪重量的单因素方差分析结果。
可以看到，如果仅考虑饲料单个因素的影响，则生猪重量总变差（498.933）中饲料可解释的变差为48.600，抽样误差一起的变差为450.333，它们的方差分别为24.300和37.528，相除所得的F统计量为0.648，对应的概率p近似为0.541。
实验八实验内容：多因素方差检验实验数据：实验目的：通过多因素方差分析方法研究地区和饲料的种类对生猪重量的影响实验分析及结果：图1Tests of Between-Subjects EffectsDependent Variable: 喂养后体重图1中，第一列是对观测变量总变差分解的说明;第二列是观测变量变差分解的结果；第三列自由度；第四列是均方；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。
可以看出，观察变量的总变差SST为498.933，它被分解为四部分，分别为由饲料种类不同引起的变差（47.848），有地区差异引起的变差（95.138），由饲料种类和地区差异交互作用引起的变差（92.988），又随机变量引起的变差（297.833）。
这些变差除以各自的自由度后，得到各自的均方，并可计算出各F检验统计量的观测值和在一定自由度下的概率p值。
饲料种类的概率p值为0.551，地区差异的概率p值为0.330，料种类和地区差异交互作用的概率p 值为0.551。
实验九实验内容：协方差分析实验数据：实验目的：分析喂养饲料前的生猪体重是否能够作为协变量，并通过协方差分析饲料对农作物产量影响。
实验分析及结果：图1由图1可知，在不同饲料组中，生猪喂养前的体重和体重的增加量均呈较明显的线性关系，且斜率基本相同。
因此，可以作为斜变量参与协方差分析。
Tests of Between-Subjects EffectsDependent Variable:喂养后体重Source Type III Sum ofSquares df Mean Square F Sig.Corrected Model 349.601a 3 116.534 8.584 .003 Intercept 1438.097 1 1438.097 105.932 .000 wyq 301.001 1 301.001 22.172 .001 slzl 8.729 2 4.364 .321 .732图2中分别列出了个变差分解的情况、自由度、均方、F统计量的观测值及概率p 值。
在图3中，观测变量的总变差为498.933；随机因素可解释的变差由原来的450.333减少为149.332，这是由于扣除了喂养前提中的影响造成的。