附1-单因素方差分析_Pets(in 10,000s)_Years_Cat_Dog.docxVIP

分析流程

数据源：

数据-2019-2023OverseasNumberofPe.xlsx

算法配置：

算法：数据概览

变量：变量：{America-Cat，America-Dog，France-Cat，France-Dog，Germany-Cat，Germany-Dog，CouhtriesPets(in10,000s)/Years}

分析结果：

数据概览是对数据集的基本特征、属性和统计信息进行总结和描述，请看详细结论。

分析步骤

1.初步检查数据中是否存在缺失值、异常值或不一致的情况。

2.揭示数据的分布、范围和变化情况，从而帮助选择适合的分析方法。

详细结论

输出结果1：America-Cat

类型

定量

最大值

9420

样本量

5

最小值

6500

缺失值

0

中位数

7380

去重量

3

变异系数

0.166

平均值

8020

方差

1762400

标准差

1327.554

S-W正态检验

满足(P=0.164)

输出结果2：America-Dog

类型

定量

最大值

8970

样本量

5

最小值

8010

缺失值

0

中位数

8970

去重量

3

变异系数

0.049

平均值

8684

方差

183380

标准差

428.229

S-W正态检验

不满足(P=0.045**)

输出结果3：France-Cat

类型

定量

最大值

1660

样本量

5

最小值

1300

缺失值

0

中位数

1490

去重量

4

变异系数

0.086

平均值

1490

方差

16350

标准差

127.867

S-W正态检验

满足(P=0.474)

输出结果4：France-Dog

类型

定量

最大值

990

样本量

5

最小值

740

缺失值

0

中位数

760

去重量

5

变异系数

0.131

平均值

803

方差

11095

标准差

105.333

S-W正态检验

不满足(P=0.004***)

输出结果5：Germany-Cat

类型

定量

最大值

1670

样本量

5

最小值

1470

缺失值

0

中位数

1570

去重量

4

变异系数

0.048

平均值

1560

方差

5500

标准差

74.162

S-W正态检验

满足(P=0.777)

输出结果6：Germany-Dog

类型

定量

最大值

1070

样本量

5

最小值

1010

缺失值

0

中位数

1050

去重量

5

变异系数

0.023

平均值

1044

方差

580

标准差

24.083

S-W正态检验

满足(P=0.787)

输出结果7：CouhtriesPets(in10,000s)/Years

类型

定类

样本量

5

缺失值

0

去重量

5

参考文献

[1]?ScientificPlatformServingforStatisticsProfessional2021.SPSSPRO.(Version1.0.11)[OnlineApplicationSoftware].?Retrievedfrom.