spss20.0建模与分析工程训练-速成指导版.ppt

采用One-way ANOVA过程要求：因变量属于正态分布总体，若因变量的分布明显是非正态，应该用非参数分析过程。若对被观测对象的试验不是随机分组的，而是进行的重复测量形成几个彼此不独立的变量，应该用Repeated Measure菜单项，进行重复测量方差分析，条件满足时，还可以进行趋势分析。 假设某汽车经销商为了研究东部、西部和中部地区市场上汽车的销量是否存在显著差异，在每个地区随机抽取几个城市进行调查统计，调查数据放置于数据文件“汽车销量调查.sav”中。在SPSS中试验该检验的步骤如下： 步骤1：选择菜单【分析】→【比较均值】→【单因素方差分析】，依次将观测变量销量移入因变量列表框，将因素变量地区移入因子列表框。 单击两两比较按钮，如图4.2，该对话框用于进行多重比较检验，即各因素水平下观测变量均值的两两比较。 方差分析的原假设是各个因素水平下的观测变量均值都相等，备择假设是各均值不完全相等。假如一次方差分析的结果是拒绝原假设，我们只能判断各观测变量均值不完全相等，却不能得出各均值完全不相等的结论。各因素水平下观测变量均值的更为细致的比较就需要用多重比较检验。 假定方差齐性选项栏中给出了在观测变量满足不同因素水平下的方差齐性条件下的多种检验方法。这里选择最常用的LSD检验法；未假定方差齐性选项栏中给出了在观测变量不满足方差齐性条件下的多种检验方法。这里选择Tamhane’s T2检验法；Significance level输入框中用于输入多重比较检验的显示性水平，默认为5％。 ? 单击选项按钮，弹出options子对话框，如图所示。在对话框中选中描述性复选框，输出不同因素水平下观测变量的描述统计量；选择方差同质性检验复选框，输出方差齐性检验结果；选中均值图复选框，输出不同因素水平下观测变量的均值直线图。 表4给出了不同地区汽车销量的基本描述统计量以及95%的置信区间。 表给出了Levene方差齐性检验结果。从表中可以看到，Levene统计量对应的p值大于0.05,所以得到不同地区汽车销量满足方差齐性的结论 表4.3是单因素方差分析，输出的方差分析表解释如下：总离差SST＝19384.154，组间平方和SSR＝6068.174，组内平方和或残差平方和SSE＝13315.979，相应的自由度分别为25，2，23；组间均方差MSR＝3034.087，组内均方差578.956，F＝5.241，由于p＝0.0130.05说明在α＝0.05显著性水平下，F检验是显著的。即认为各个地区的汽车销量并不完全相同。 无偏性(unbiasedness) 无偏性：估计量抽样分布的数学期望等于被 估计的总体参数 P( ) B A 无偏 有偏 有效性(efficiency) 有效性：对同一总体参数的两个无偏点估计 量，有更小标准差的估计量更有效 A B 的抽样分布 的抽样分布 P( ) 一致性(consistency) 一致性：随着样本容量的增大，估计量的 值越来越接近被估计的总体参数 A B 较小的样本容量 较大的样本容量 P( ) 实例：单个总体均值的区间估计 例题：为研究在黄金时段中,即每晚8:30-9:00 内,电视广告所占时间的多少。美国广告协会抽样调查了20个最佳电视时段中广告所占的时间（单位：分钟）。请给出每晚8:30 开始的半小时内广告所占时间区间估计，给定的置信度为95％。 操作程序： ? 打开SPSS，建立数据文件：“ 电视节目市场调查.sav”。这里，研究变量为：time，即每天看电视的时间。 ? 选择区间估计选项，方法如下： 选择菜单【分析】—【描述统计】—【探索】” ，打开图Explore 对话框。 ? 从源变量清单中将“time”变量移入Dependent List框中。 ? 单击上图右方的“统计量”按钮打开“探索：统计量”对话框。在设置均值的置信水平，如键入95％，完成后单击“继续”按钮回到主窗口。 ? 返回主窗口点击ok运行操作。 计算结果简单说明： 描述统计量 Descriptives 如表显示。从上表“ 95％ Confidence Interval for Mean ”中可以得出，每晚8:30 开始的半小时内广告所占时间区间估计（置信度为95％） 为：(6.2529，6.8171)，其中lower Bound 表示置信区间的下限，Upper Bound表示置信区间的上限。点估计是：6.5350。 区间估计的概念 区间估计 在点估计的基础上，给出总体参数估计的一个区间范围，该区间由样本统计量加减抽样误差而得到的 根据样本统计量的抽样分布能够对样本统计量与总体参数的接近程度给出一个