SPSS实验分析报告四.docxVIP

SPSS实验分析报告四 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815470415.340.000錯誤66718925925.926總計923000000.00027校正後總數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SST519，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（Error?1.667E7）。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α为0.05，由于FX1、FX2的概率P值大于显著性水平α，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α，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