数据分析spss作业解析.docVIP

数据分析方法及软件应用 （作业） 题 目：： 院：交通运输学院 姓 名： 学 号： 4、在某化工生产中为了提高收率，选了三种不同浓度，四种不同温度做试验。在同一浓度与温度组合下各做两次试验，其收率数据如下面计算表所列。试在α=0.05显著性水平下分析 (1)给出SPSS数据集的格式(列举前3个样本即可)； (2)分析浓度对收率有无显著影响； (3)分析浓度、温度以及它们间的交互作用对收率有无显著影响。 解答：（）、具体如下图。 (2)思路：本问是研究一个控制变量即浓度的不同水平是否对观测变量收率产生了显著影响，因而应用单因素方差分析。假设： 步骤：【分析-比较均值-单因素】，将收率选入到因变量列表中，将浓度选入到因子框中，确定。 输出： 收率 平方和 df 平均值平方 F 顯著性 群組之間 39.083 2 19.542 5.074 .016 在群組內 80.875 21 3.851 總計 119.958 23 显著性水平α为0.05，由于概率p值小于显著性水平α，则应拒绝原假设，认为浓度对收率有显著影响。 （3）思路：温度 步骤：。 ： 因變數: 收率 來源 第 III 類平方和 df 平均值平方 F 顯著性 修正的模型 70.458a 11 6.405 1.553 .230 截距 2667.042 1 2667.042 646.556 .000 浓度 39.083 2 19.542 4.737 .030 温度 13.792 3 4.597 1.114 .382 浓度 * 温度 17.583 6 2.931 .710 .648 錯誤 49.500 12 4.125 總計 2787.000 24 校正後總數 119.958 23 a. R 平方 = .587（調整的 R 平方 = .209） 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；第三列是自由度；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。可以看到观测变量收率的总变差为119.958，由浓度不同引起的变差是39.083，由温度不同引起的变差为13.792，由浓度和温度的交互作用引起的变差为17.583，由随机因素引起的变差为49.500。浓度，温度和浓度*温度的概率p值分别为0.030,0.382和0.648。 浓度：：温度＞温度温度 8、以高校科研研究数据为例：以课题总数X5为被解释变量，解释变量为投入人年数X2、投入科研事业费X4、专著数X6、获奖数X8；建立多元线性回归模型，分析它们之间的关系。解释变量采用逐步筛选策略，并做多重共线性、方差齐性和残差的自相关性检验。 解答： ：回归分析方法 （1）：X5选入因变量，，选择勾选【】 输出： /已移除a 模型 變數已輸入 變數已移除 方法 1 投入人年数 . 逐步（準則：F-to-enter 的機率 = .050，F-to-remove 的機率 = .100）。 a. 應變數: 课题总数 模型摘要b 模型 R R 平方 調整後 R 平方 標準偏斜度錯誤 Durbin-Watson 1 .959a .919 .917 241.9582 1.747 a. 預測值：（常數），投入人年数 b. 應變數: 课题总数 表中变量为投入人，为残差存在一定的正自相关。 a 模型 平方和 df 平均值平方 F 顯著性 1 迴歸047 1047 331.018 .000b 殘差 1697769.953 29 58543.791 總計000 30 a. 應變數: 课题总数 b. 預測值：（常數），投入人年数 被解释变量的总离差平方和00，回归平方和及均方分别047 047，剩余平方和及均方分别为1697769.953和58543.791，??检验统计量的观测值为331.018，对应的概率??值近似为0。依据该表可进行回归方程的显著性检验。如果显著性水平??为0.05，由于概率??值小于显著性水平?? ，应拒绝回归方程显著性检验的零假设，认为回归系数不为0，被解释变量与解释变量的线性关系是显著的，可建立线性模型。 係數a 模型 非標準化係數 標準化係數 T 顯著性 共線性統計資料 B 標準錯誤 Beta 允差 VIF 1 （常數） -94.524 72.442 -1.305 .202 投入人年数 .492 .027 .959 18.194 .000 1.000 1.000