統(tǒng)計分析考查課試題2

1、河南師范大學(xué)生命科學(xué)學(xué)院研究生考查課程答卷年級類別：12級 學(xué)科專業(yè)：植物學(xué) 學(xué) 號：1204180284姓 名： 郭曉博課程名稱： SPSS統(tǒng)計分析 授課教師： 張黛靜 邵云 姜麗娜 考試時間：2013-06-26考試分?jǐn)?shù)：1、SPSS的全稱是什么？SPSS統(tǒng)計軟件的特點是什么？ Spss全稱是Statistical Package for the Social Science or Statistic Products and Service Solution。Spss特點：操作簡單，易學(xué)易用；具有較強的統(tǒng)計功能和強大的作圖功能，特別是能夠快速準(zhǔn)確的完成大量的、煩瑣的、專業(yè)的和復(fù)雜的數(shù)據(jù)統(tǒng)

2、計分析。是國際上認(rèn)可的專業(yè)統(tǒng)計分析軟件之一。2、為了從3種原料和3種溫度中選擇使酒精產(chǎn)量最高的水平組合，設(shè)計了二因素試驗，重復(fù)4次，結(jié)果如表1所示。試進行統(tǒng)計分析，并進行解釋。表1原料與溫度對酒精產(chǎn)量影響資料 (kg)原料(A)重復(fù)溫度(B)B1 (30)B2(35)B3(40)A1141116249122232325264252411A2147438259382235033184403614A31485530235383335347264594419原料和溫度交互作用 sig=0.0860.05 差異不顯著，可以不考慮原料和溫度的交互作用原料和溫度的sig=0.0000.01 差異均達到極顯

3、著水平原料之間差異達到顯著水平，A2、A3極顯著高于A1，A2和A3差異不顯著溫度之間差異達到極顯著水平，B1、B2、B3差異均達到極顯著水平，B1極顯著高于B2、B3，B2極顯著高于B3。所以最佳組合為A2B1或A3B1。3、測定了10個大麥親本材料的穗長（x1）、穗下節(jié)間長（x2）、每株穗數(shù)（x3）、每穗粒數(shù)（x4）、每株粒數(shù)（x5）、千粒重（x6）和每株粒重（y）的關(guān)系，結(jié)果如表2所示。試用逐步回歸的方法建立y依xj的最優(yōu)線性回歸方程，并進行解釋。表2 大麥穗長資料編號穗長（x1）/ cm穗下節(jié)間長（x2）/ cm每株穗數(shù)（x3）/ 個每穗粒數(shù)（x4）/ 粒每株粒數(shù)（x5）/ 粒千粒重（

4、x6）/g每株粒重（y）/g19.528.312.323.0282.138.410.726.236.012.324.8306.637.411.536.133.110.424.6258.530.27.648.932.512.828.3362.637.212.557.930.69.028.4256.634.08.768.131.813.720.0273.845.514.979.425.612.722.8282.229.08.284.929.88.851.1447.426.011.697.432.99.149.2449.131.914.3105.829.810.223.3238.227.36.5De

5、scriptive StatisticsMeanStd. DeviationN每株粒重10.6502.843410每株粒數(shù)315.71077.603410穗長7.4201.610210穗下節(jié)間長31.0402.894110每株穗數(shù)11.1301.828210每穗粒數(shù)29.55011.151510千粒重33.6906.011010Variables Entered/RemovedbModelVariables EnteredVariables RemovedMethod1每株粒數(shù)a.Enter2千粒重.Stepwise (Criteria: Probability-of-F-to-enter &

6、lt;= .050, Probability-of-F-to-remove >= .100).a. All requested variables entered.b. Dependent Variable: 每株粒重Model SummarycModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson1.607a.368.2892.39762.979b.958.946.65871.254a. Predictors: (Constant), 每株粒數(shù)b. Predictors: (Constant), 每株

7、粒數(shù), 千粒重c. Dependent Variable: 每株粒重模型1給出了每株粒重與每株粒數(shù)之間的相關(guān)系數(shù)0.607，反應(yīng)了兩者之間具有顯著的線性關(guān)系。模型2中，因變量與兩個自變量的復(fù)相關(guān)系數(shù)為0.979，反映了每株粒重與每株粒數(shù)和千粒重之間具有顯著的線性關(guān)系。模型2給出了杜賓-瓦特森值為1.254ANOVAcModelSum of SquaresdfMean SquareFSig.1Regression26.777126.7774.658.063aResidual45.98885.749Total72.76592Regression69.728234.86480.351.000bRes

8、idual3.0377.434Total72.7659a. Predictors: (Constant), 每株粒數(shù)b. Predictors: (Constant), 每株粒數(shù), 千粒重c. Dependent Variable: 每株粒重表中給出了兩個模型的方差分析結(jié)果模型1，F(xiàn)=4.658 sig=0.063未達到顯著水平模型2，F(xiàn)=80.351 sig=0.000達到極顯著水平，存在顯著線性關(guān)系CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Const

9、ant)3.6333.3391.088.308每株粒數(shù).022.010.6072.158.0632(Constant)-10.9721.731-6.339.000每株粒數(shù).029.003.7839.884.000千粒重.373.037.7889.949.000a. Dependent Variable: 每株粒重根據(jù)表中數(shù)據(jù)非標(biāo)準(zhǔn)化系數(shù)B的值可知，逐步回歸過程中先后建立的兩個回歸模型分別是X5y=-10.972+0.029X5+0.373X6根據(jù)表中標(biāo)準(zhǔn)化回歸系數(shù)Beta的值可知，逐步回歸過程中先后建立的兩個標(biāo)準(zhǔn)化回歸模型分別是y=0.607X5y=0.783X5+0.788X6Exclude

10、d VariablescModelBeta IntSig.Partial CorrelationCollinearity StatisticsTolerance1穗長.323a1.141.291.396.952穗下節(jié)間長.290a1.016.343.359.969每株穗數(shù).551a2.228.061.644.865每穗粒數(shù)-1.154a-1.912.097-.586.163千粒重.788a9.949.000.966.9502穗長-.068b-.728.494-.285.736穗下節(jié)間長-.014b-.156.881-.063.824每株穗數(shù)-.003b-.026.980-.011.478每穗粒

11、數(shù).147b.554.600.221.094a. Predictors in the Model: (Constant), 每株粒數(shù)b. Predictors in the Model: (Constant), 每株粒數(shù), 千粒重c. Dependent Variable: 每株粒重Residuals StatisticsaMinimumMaximumMeanStd. DeviationNPredicted Value6.04313.85110.6502.783410Std. Predicted Value-1.6551.150.0001.00010Standard Error of Predicted Value.249.480.351.09010Adjusted Predicted Value5.73313.50710.5042.697710Residual-.80441.0487.0000.580910Std. Residual-1.2211.592.000.88210Stud. Residual-1.3662.322.0881.12110Deleted Residual-1.00682.2316.1461.963110S