各位“指尖物流信息”的粉丝好!数据已经成为继土地、资本、劳动力、技术之后的一个新型生产要素,如何挖掘数据价值,辅助企业决策是个热点话题。SPSS工具,是经典的统计分析工具,从本期将继续在“指尖物流信息”公众号大数据栏目的“SPSS统计分析”系列推出SPSS统计分析工具的使用,欢迎关注。

一、实训目标

  利用SPSS进行方差分析,根据检验结果分析与原假设是否有显著性差异。

二、数据介绍

  下表的数据为3个小麦品种的产量的实验数据(只显示部分数据),要求采用单因素方差分析小麦品种对产量的影响是否有显著性差异。



python执行单因素方差分析和多重分析的指令 单因素方差分析命令_SPSS

三、操作步骤

(1) 点击【分析】-【比较均值】-【单因素方差分析】。



python执行单因素方差分析和多重分析的指令 单因素方差分析命令_单因素方差分析_02

(2) 将产量选入【因变量列表】,将品种分组选入【因子】。



python执行单因素方差分析和多重分析的指令 单因素方差分析命令_数据_03

(3) 点击【两两比较】,在假定方差齐性下选择【LSD】,在未假定方差齐性下选择【Tamhane’sT2m】,点击【继续】,返回对话框。



python执行单因素方差分析和多重分析的指令 单因素方差分析命令_方差分析_04

(4) 点击【选项】,在统计量下选择【描述性】和【方差同质性检验】。点击【继续】,返回主对话框,点击【确定】。



python执行单因素方差分析和多重分析的指令 单因素方差分析命令_方差分析_05

(5) 出现结果:



python执行单因素方差分析和多重分析的指令 单因素方差分析命令_方差分析_06

python执行单因素方差分析和多重分析的指令 单因素方差分析命令_SPSS_07

python执行单因素方差分析和多重分析的指令 单因素方差分析命令_方差分析_08

python执行单因素方差分析和多重分析的指令 单因素方差分析命令_SPSS_09

  采用单因素方差分析小麦品种对产量的影响是否有显著性差异。F值=12.313对应的sig值<0.05,表明小麦品种对产量有显著性影响。Levene统计量=1.018对应显著性值为0.375>0.05,说明满足方差齐性的假设。选择LSD进行多重比较,品种1与品种2比较对应的产量显著性值<0.05,说明存在显著性差异。

  品种1的产量均值为84,品种2的产量均值为74,说明品种1的产量明显高于品种2。品种1与品种3比较对应的显著性值>0.05,说明二者不存在显著性差异。

  品种2与品种3比较,对应的产量显著性值<0.05,说明存在显著性差异,品种2的产量均值为74,品种3的产量均值为 82,说明品种3的产量明显高于品种2。


编辑:三木