spss_數(shù)據(jù)正態(tài)分布檢驗_Q

1、spss 數(shù)據(jù)正態(tài)分布檢驗 Q-Q圖學(xué)習(xí)交流 2009-02-08 14:40 閱讀1378評論9 字號： 大大 中中 小小 把自己學(xué)習(xí)spss的一點理解拿出來曬一曬，要是不對大家可以留言啊，一定要討論啊。要觀察某一屬性的一組數(shù)據(jù)是否符合正態(tài)分布，可以有兩種方法（目前我知道這兩種，并且這兩種方法只是直觀觀察，不是定量的正態(tài)分布檢驗）：1：在spss里的基本統(tǒng)計分析功能里的頻數(shù)統(tǒng)計功能里有對某個變量各個觀測值的頻數(shù)直方圖中可以選擇繪制正態(tài)曲線。具體如下：Analyze-Descriptive Statistics-Frequencies，打開頻數(shù)統(tǒng)計對話框，在Statistics里可以選擇獲得各

2、種描述性的統(tǒng)計量，如：均值、方差、分位數(shù)、峰度、標(biāo)準(zhǔn)差等各種描述性統(tǒng)計量。在Charts里可以選擇顯示的圖形類型，其中Histograms選項為柱狀圖也就是我們說的直方圖，同時可以選擇是否繪制該組數(shù)據(jù)的正態(tài)曲線（With norma curve），這樣我們可以直觀觀察該組數(shù)據(jù)是否大致符合正態(tài)分布。如下圖：從上圖中可以看出，該組數(shù)據(jù)基本符合正態(tài)分布。2：正態(tài)分布的Q-Q圖：在spss里的基本統(tǒng)計分析功能里的探索性分析里面可以通過觀察數(shù)據(jù)的q-q圖來判斷數(shù)據(jù)是否服從正態(tài)分布。具體步驟如下：Analyze-Descriptive Statistics-Explore打開對話框，選擇Plots選項，選

3、擇Normality plots with tests選項，可以繪制該組數(shù)據(jù)的q-q圖。圖的橫坐標(biāo)為改變量的觀測值，縱坐標(biāo)為分位數(shù)。若該組數(shù)據(jù)服從正態(tài)分布，則圖中的點應(yīng)該靠近圖中直線?？v坐標(biāo)為分位數(shù)，是根據(jù)分布函數(shù)公式F(x)=i/n+1得出的.i為把一組數(shù)從小到大排序后第i個數(shù)據(jù)的位置，n為樣本容量。若該數(shù)組服從正態(tài)分布則其q-q圖應(yīng)該與理論的q-q圖（也就是圖中的直線）基本符合。對于理論的標(biāo)準(zhǔn)正態(tài)分布，其q-q圖為y=x直線。非標(biāo)準(zhǔn)正態(tài)分布的斜率為樣本標(biāo)準(zhǔn)差，截距為樣本均值。如下圖：如何在spss中進行正態(tài)分布檢驗1(轉(zhuǎn))(2009-07-22 11:11:57)標(biāo)簽：雜談 一、圖示法1、

4、P-P圖以樣本的累計頻率作為橫坐標(biāo)，以安裝正態(tài)分布計算的相應(yīng)累計概率作為縱坐標(biāo)，把樣本值表現(xiàn)為直角坐標(biāo)系中的散點。如果資料服從整體分布，則樣本點應(yīng)圍繞第一象限的對角線分布。2、Q-Q圖以樣本的分位數(shù)作為橫坐標(biāo)，以按照正態(tài)分布計算的相應(yīng)分位點作為縱坐標(biāo)，把樣本表現(xiàn)為指教坐標(biāo)系的散點。如果資料服從正態(tài)分布，則樣本點應(yīng)該呈一條圍繞第一象限對角線的直線。以上兩種方法以Q-Q圖為佳，效率較高。3、直方圖判斷方法：是否以鐘形分布，同時可以選擇輸出正態(tài)性曲線。4、箱式圖判斷方法：觀測離群值和中位數(shù)。5、莖葉圖類似與直方圖，但實質(zhì)不同。二、計算法1、偏度系數(shù)（Skewness）和峰度系數(shù)（Kurtosis）計

5、算公式：g1表示偏度，g2表示峰度，通過計算g1和g2及其標(biāo)準(zhǔn)誤g1及g2然后作U檢驗。兩種檢驗同時得出U0.05的結(jié)論時，才可以認(rèn)為該組資料服從正態(tài)分布。由公式可見，部分文獻(xiàn)中所說的“偏度和峰度都接近0可以認(rèn)為近似服從正態(tài)分布”并不嚴(yán)謹(jǐn)。2、非參數(shù)檢驗方法非參數(shù)檢驗方法包括Kolmogorov-Smirnov檢驗（D檢驗）和Shapiro- Wilk （W 檢驗）。SAS中規(guī)定：當(dāng)樣本含量n 2000時，結(jié)果以Shapiro Wilk（W 檢驗）為準(zhǔn)，當(dāng)樣本含量n 2000 時，結(jié)果以Kolmogorov Smirnov（D 檢驗）為準(zhǔn)。SPSS中則這樣規(guī)定：（1）如果指定的是非整數(shù)權(quán)重，則

6、在加權(quán)樣本大小位于3和50之間時，計算 Shapiro-Wilk 統(tǒng)計量。對于無權(quán)重或整數(shù)權(quán)重，在加權(quán)樣本大小位于3 和 5000 之間時，計算該統(tǒng)計量。由此可見，部分SPSS教材里面關(guān)于“Shapiro Wilk適用于樣本量3-50之間的數(shù)據(jù)”的說法是在是理解片面，誤人子弟。（2）單樣本 Kolmogorov-Smirnov 檢驗可用于檢驗變量（例如income）是否為正態(tài)分布。對于此兩種檢驗，如果P值大于0.05，表明資料服從正態(tài)分布。三、SPSS操作示例SPSS中有很多操作可以進行正態(tài)檢驗，在此只介紹最主要和最全面最方便的操作：1、工具欄-分析描述性統(tǒng)計探索性2、選擇要分析的變量，選入因

7、變量框內(nèi)，然后點選圖表，設(shè)置輸出莖葉圖和直方圖，選擇輸出正態(tài)性檢驗圖表，注意顯示（Display）要選擇雙項（Both）。3、Output結(jié)果（1）Descriptives：描述中有峰度系數(shù)和偏度系數(shù)，根據(jù)上述判斷標(biāo)準(zhǔn)，數(shù)據(jù)不符合正態(tài)分布。Sk=0，Ku=0時，分布呈正態(tài)，Sk0時，分布呈正偏態(tài)，Sk0曲線比較陡峭，KuCompare Means-Independent-Samples T Test運行結(jié)果：經(jīng)方差齊性檢驗： F= 0.393 P=0.532，即兩方差齊。（因為p大于0.05）所以選用 t檢驗的第一行方差齊情況下的t檢驗的結(jié)果 ：就是選用方差假設(shè)奇的結(jié)果所以，t=0.644,

8、p=0.522, 沒有顯著性差異。 （因為 p 0.05 表示差異有顯著性）。均值相差：113.30159解釋：使用compare means里的independent smaples T test,檢驗結(jié)果里的 Levenes Test for Equality of Variances就是對方差齊性的檢驗,如果P值 大于0.05則認(rèn)為是方差齊,統(tǒng)計量為F= S12/S2 F(n1-1,n2-1) ,顯著水平一般為0.05,0.01,原假設(shè)H0:方差相等。方差分析(Anaylsis of Variance, ANOVA)要求各組方差整齊，不過一般認(rèn)為，如果各組人數(shù)相若，就算未能通過方差整齊檢

9、驗，問題也不大。One-Way ANOVA對話方塊中，點擊Options(選項)按扭，勾Homogeneity-of-variance即可。它會產(chǎn)生Levene、Cochran C、Bartlett-Box F等檢驗值及其顯著性水平P值，若P值Compare Means-Independent-samples T Test.再看看結(jié)果中p值的大小是否Descriptive Statistics-Frequencies，把hstarts選入Variables，取消在Display Frequency table前的勾，在Chart里面histogram，在Statistics選項中如圖1圖1分別

10、選好均數(shù)(Mean)，中位數(shù)(Median)，眾數(shù)(Mode)，總數(shù)(Sum)，標(biāo)準(zhǔn)差(Std. deviation)，方差(Variance)，范圍(range)，最小值(Minimum)，最大值(Maximum)，偏度系數(shù)(Skewness)，峰度系數(shù)(Kutosis)，按Continue返回，再按OK，出現(xiàn)結(jié)果如圖2圖2表中，中位數(shù)與平均數(shù)接近，與眾數(shù)相差不大，分布良好。標(biāo)準(zhǔn)差大，即數(shù)據(jù)間的變化差異還還小。峰度和偏度都接近0，則數(shù)據(jù)基本接近于正態(tài)分布。下面圖3的頻率分布圖就更直觀的觀察到這樣的情況圖3二采用各種圖直觀觀察數(shù)據(jù)分布情況，如采用柱型圖觀察歸類的比例等。同樣以自帶文件Trend

11、s chapter 13.sav為例，我們可以觀察一下各年的數(shù)據(jù)總和的對比：1 選擇Graph-Bar-Simple，在“Data in chart are”一項選擇Summary of groups of cases，然后按Define，出現(xiàn)圖4，圖42 選擇Bars Represent-Other statistic(e.g. mean)，把hstarts一項選入Variable里面，把YEAR, Periodic一項選入Category Axis項中，并按Change Statistic鍵，出現(xiàn)圖5：圖53在Statistic選項中選Sum of values一項，按Continue返回

12、，按OK即可出現(xiàn)圖6：圖6從圖中可以非常直觀的看出1965年-1975年間，每年的總體數(shù)量對比和各數(shù)值多少。三通過列聯(lián)表來觀察，數(shù)據(jù)的交錯關(guān)系。以軟件自帶的文件University of Florida graduate salaries.sav來說明1、選擇Tables-Basic Table，在彈出對話框中，選擇Graduate到Summaries欄，College到Down ，Gender到Across欄，如圖7圖72、選擇Statistics按鍵，選取Count和layer%到Cell Statistics一欄，并按Continue鍵，如圖8圖8三、選擇Layout按鍵，選擇Summa

13、ry Variable Labels-In separate labels（匯總的標(biāo)簽，如本例的Graduate，放在表外），Statistics Labels-Across top（數(shù)據(jù)的標(biāo)簽橫放在頂部，如本例的Count和Layer%），并在Label groups with value labels only前選擇打勾(表示只需要具體的標(biāo)簽名就可以，不需要匯總名，如本例Gender和College)，如圖9圖9四、選擇Total按鍵，在Totals over each group variable一項前選勾，則輸出表會有增加匯總一欄，如圖10圖10提示，需要什么表格形式可以根據(jù)要求來調(diào)整

14、，但對輸出按鍵都需要熟悉，多嘗試幾次就可以看出不同的區(qū)別。圖11為輸出的表格圖11重要提示：如果結(jié)果變成變量的匯總（SUM），則先選擇Data-Weight Cases，把Graduate的選項先選入Weight Cases by內(nèi)，再選回Do not weight Cases，按OK即可。對于其他帶有編號的一項都可以這樣做。這一點不知為何，本人屢次試過總需要這樣調(diào)整。參考圖12圖12幾種常用的統(tǒng)計方法應(yīng)用一般來說，最最常用的統(tǒng)計分析有假設(shè)檢驗和回歸分析，在SPSS中也有很好的對應(yīng)工具來做這些分析，但對其基本思路和要求都必須了解，這樣才能更靈活的發(fā)揮。下面抄錄EXCEL在市場調(diào)查中的應(yīng)用一書中

15、關(guān)于這方面的內(nèi)容：1假設(shè)檢驗?zāi)康模菏怯脕砼袛鄻颖九c樣本，樣本與總體的差異是由抽樣誤差引起還是本質(zhì)差別造成的統(tǒng)計推斷方法?；舅枷耄盒「怕史醋C法思想。即P0.01或P0.05在一次試驗中基本不會生發(fā)。反證法思想是先提出假設(shè)（檢驗假設(shè)H0），再用適當(dāng)?shù)慕y(tǒng)計方法確定假設(shè)成立的可能性大小，如果可能性小，則認(rèn)為假設(shè)不成立，否則，還不能認(rèn)為假設(shè)不成立。方法：t檢驗，u檢驗，秩和檢驗，卡方檢驗應(yīng)用條件：A、各組資料具有可比性B、具正態(tài)分布C、方差齊性（即先作F檢驗，如F0.1，具方差齊性）2方差分析目的：又稱為變異系數(shù)分析或F檢驗。用于推斷兩組或多組資料的總體平均數(shù)是否相同，檢驗兩個或多個樣本平均數(shù)的差異是

16、否具有統(tǒng)計意義(也可認(rèn)為是檢驗多個總體均值是否有顯著性差異注1，這樣可能更簡單一點)?；舅枷耄河媒M內(nèi)均方去除組間均方的商，即F值，與1比較，若F值接近1，則說明各驗均數(shù)間的差異沒有統(tǒng)計學(xué)意義，否則表示有統(tǒng)計學(xué)意義。應(yīng)用條件：A、各組資料具有可比性B、具正態(tài)分布C、方差齊性 （即F檢驗）提示，在應(yīng)用SPSS中，只要死死的記住一個顯著系數(shù)0.05就可以應(yīng)用（如果是雙尾系數(shù)需要除以2），一般的大于0.05接受原假設(shè)，小于0.05則拒絕。簡單的說，一般結(jié)果拒絕就是說樣本有差異，樣本相對獨立，都是表示同一種意思，讀這方面書的時候，希望不要讓這些名詞混亂了思路。SPSS的方差檢驗中，需要注意下面問題：方

17、差檢驗中，Post Hoc鍵有LSD的選項：當(dāng)方差分析F檢驗否定了原假設(shè)，即認(rèn)為至少有兩個總體的均值存在顯著性差異時，須進一步確定是哪兩個或哪幾個均值顯著地不同，則需要進行多重比較來檢驗。LSD即是一種多因變量的三個或三個以上水平下均值之間進行的兩兩比較檢驗。2 Independent Samples檢驗中的Mann-Whitney U檢驗與K Independent Samples中的Kruskal-Walllis（克魯斯卡爾瓦里斯）H檢驗法思想類似，常用來作為非參數(shù)檢驗。2 Related Samples非參數(shù)檢驗中，一般有Sign普通符號檢驗法和Wilcoxon威爾科克森符號秩檢驗法。前

18、者用于研究的問題只有兩個可能的結(jié)果：“是”或“非”，并且二者遵從二項分布；后者是普通符號檢驗法的改進，除了可以檢驗是非外，還可以了解差異的大小。K Related Samples非參數(shù)檢驗中，主要有Friedman秩和檢驗與Cochran Q檢驗二種選擇，前者是對多個樣本是否來自同一總體的檢驗，而后者是用于只分為“成功”和“失敗”兩種結(jié)果的定類尺度測量的數(shù)據(jù)。附錄：SPSS假設(shè)檢驗方法使用對照表圖13其中相關(guān)、配對或有交互作用可以理解為EXCEL的重復(fù)，獨立或無交互作用可以理解為EXCEL中的無重復(fù)。圖13表大部分參考數(shù)據(jù)分析與SPSS應(yīng)用一書，特別說明3回歸分析目的：研究一個變量Y與其它若干

19、變量X之間的一種數(shù)學(xué)工具。它是一組試驗或觀測數(shù)據(jù)的基礎(chǔ)上，尋找被隨機性掩蓋的變量之間的依存關(guān)系。A直線回歸方程 Yc=a bXB回歸關(guān)系的檢驗：求回歸方程在總體中是否成立，即是否樣本代表的總體也有直線回歸關(guān)系。a. 方差分析：基本思想是將總變異分解為SS回歸和SS乘余，然后利用F檢驗來判斷方程是否成立。b. t檢驗：基本思想是利用樣本回歸系數(shù)b與總體平均數(shù)回歸系數(shù)進行比較來判斷回歸方程是否成立。下面摘錄數(shù)據(jù)分析與SPSS應(yīng)用一書關(guān)于相關(guān)回歸和時間序列分析一些概念解釋。數(shù)據(jù)變量間主要存在二類關(guān)系：一類是函數(shù)關(guān)系，一類是相關(guān)關(guān)系。前者是變量間有確定關(guān)系，即一個變量的值能夠在其他變量取值確定的情況下

20、，按某種函數(shù)關(guān)系唯一確定；后者是變量間雖然具有的聯(lián)系，并非確定關(guān)系，如價格與銷量量，價格高了，銷售量可能會上去，但無法確定銷售量是多少。通過散點圖來觀察，如果點都集中在一條直線附近，是線性相關(guān)，如果在一條曲線附近，則為非線性相關(guān)。如果一個變量因另一個變量的增加而增加，減少而減少，則二個變量間存在正相關(guān)關(guān)系，反之則為負(fù)相關(guān)關(guān)系。極端的相關(guān)是完全相關(guān)和零相關(guān)。如某地區(qū)購買自行車多少與購買大蒜多少無關(guān)，是為零相關(guān)。按我的理解，相關(guān)分析就是推斷變量與變量之間關(guān)系的密切程度，回歸就是在相關(guān)的基礎(chǔ)上，找出變量間的擬合模型，從而進一步推測出未來的趨勢和變量。而時間序列則是以時間的作為觀察的序列，來推斷變量間

21、的關(guān)系的一種模型。以自帶文件Trends chapter 13.sav為例，說明一下如何應(yīng)用這三種分析工具。1相關(guān)打開Trends chapter 13.sav文件，可以看到，這個文件的數(shù)據(jù)是以時間來排序的，在每個值前增加一行序列號變量，如圖14圖14一個時間序列的影響因素有四種變動：A長期趨勢（Secular Trend），B季節(jié)變動（Seasonal Variation），C循環(huán)變動（Cyclical Variation），D不規(guī)則變動（Irregular Variation）。我們可以觀察一下這些數(shù)據(jù)是否存在某種關(guān)系，打開Graphs-Sequence，如圖15圖15把hstarts選入

22、Variables項，把No.選入Time Axis Lables，然后按OK，出現(xiàn)圖16：圖16從圖可以看出，數(shù)據(jù)總是在一個周期內(nèi)反復(fù)在上下波動，雖然高低的位置不一樣，但這種波動顯然是隨著時間的不同而變化。因此可以察看，因變量與時間的關(guān)系如何。選擇Data-Define Dates，出現(xiàn)圖17圖17在Year一欄填入1965，Month一欄填入1，表示數(shù)據(jù)從1965年1月開始計算。選擇Analyze-Correlate-Bivariate，出現(xiàn)圖18圖18把hstarts，Year和Month都選入Varibales選項，Correlation Coefficients選擇Pearson和S

23、pearman（其實只需要選Spearman就可以，這里只是試一下，作為比較）。注：相關(guān)檢驗中有Pearson（皮爾森）相關(guān)系數(shù)和Spearman（斯皮爾曼）等級相關(guān)，前者也稱皮爾森相關(guān)系數(shù)，是對兩個定距變量關(guān)系的刻畫；后者是用來考察兩個變量中至少有一個定序變量時的相關(guān)關(guān)系。Zero-order Correlations（零階偏聽偏相關(guān)系數(shù)）是按Pearson簡單相關(guān)系數(shù)公式計算得到的相關(guān)系數(shù)。在皮爾森系數(shù)r是對兩個定距變量關(guān)系的刻畫:若-1r1，|r|越大，表明兩個變量之間的相關(guān)程度越強。若0r1，表明兩個變量之間存在正相關(guān)。若r=1，則表明變量之間存在著完全正相關(guān)的關(guān)系。若-1rRegre

24、ssion-Curve Estimation，出現(xiàn)圖22圖22把hatarts選入Dependents選項，Independent選擇Time，Models選擇（Linear）線性回歸，（Quadratic）二次曲線回歸，（Cubic）三次曲線回歸，（Exponential）指數(shù)回歸，選擇Include constant in equation表示方程式有常數(shù)項，Plot models則表示用圖表示，然后按OK，出現(xiàn)圖23圖23線性方程：Y=70.43 0.135X二次曲線方程：Y=64.171 0.415X-0.02X2三次曲線方程：Y=87.68-1.667X 0.037X2( 0X3)指

25、數(shù)曲線方程：Y=68.229xe0.002從Sig值判斷，都小于0.05，都接受回歸成立，這樣，只能從R擬合度和F值較大來判斷三次曲線方程的擬合程度比較高。注意，如果方程成立的話，想要增加預(yù)測，則可以在Save選項中選擇Predicted Values一項，如果還想預(yù)測未來的數(shù)值，則可以在原表上增加若干行（如1行），然后選擇Predict Cases下面Predict through，在Year填入1976，在Month填入1，這樣就表示預(yù)測值到1976年的一月。如圖24所示。圖24注意，在Independent選擇Time和把ID選入結(jié)果一樣，則因為ID是以時間為序來排，所以結(jié)果一樣。3時間

26、序列因為R的似合度分別為0.05，0.064，0.199和0.039，都比較低，方程的效果不太好，如果要預(yù)測數(shù)值還是選擇時間序列比較合適，因為從剛才Sequence的圖也可以觀察到，數(shù)據(jù)是以后的時間來波動的變化關(guān)系。選擇Analyze-Time Series-Exponential Smoothing，出現(xiàn)圖25圖25把hstarts選入Variables選項，并在Model選擇Winters（注意，三種不同的模型的選擇：簡單指數(shù)平滑適用于不包含長期趨勢和季節(jié)成分的數(shù)據(jù)；Holt方法適合于包含長期趨勢但不包含季節(jié)成分的數(shù)據(jù)；Winters方法適合于包含季節(jié)成分（以及長期趨勢）的數(shù)據(jù)。EXCEL

27、中只有簡單的指數(shù)回歸，與這里的絕不相同，從這里也可以看到專業(yè)分析軟件的優(yōu)勢更具體更仔細(xì)），又按Save鍵，如圖26圖26Predict Case選項中選擇Predict through，并在Year欄填入1976，month填入6，這樣就可以得到1976年1-6月份的預(yù)測值（注意，此處與上面的回歸不同，不需要增加6個ID，不然結(jié)果會顯示有缺失值）。返回，按Parameters鍵，如圖27圖27分別把Alpha（截距項的平滑系數(shù)），Gamma（趨勢項的平滑系數(shù)）和Delta（季節(jié)指數(shù)的平滑系數(shù)），設(shè)為從0到1之間以步長0.05搜索最優(yōu)的參數(shù)值，其它選項采用默認(rèn)值。返回按OK，出現(xiàn)結(jié)果如圖28：圖

28、28從圖可看到平滑指數(shù)分別是Alpha0.75，Gamma=0，Delta=0，而更重要的是，可以直接得到預(yù)測值，如圖29：圖29除了Fit一項的預(yù)測外，可以得到1976年1-6月的預(yù)測結(jié)果。同時，可以通過FIT 1的預(yù)測情況與上面三次曲線回歸方程比較，采用平均絕對誤差、均方根誤差和平均絕對百分誤差的結(jié)果選擇更佳的答案。與EXCEL表現(xiàn)的比較和補充這一點是針對像我這樣開始只懂得用EXCEL的人來說。從個人的體會來說，二種軟件有一定相似，操作都簡便，同時又有一些可以互補的地方。一、圖型的表現(xiàn)力是SPSS的主要優(yōu)點之一應(yīng)該說，EXCEL的圖型表現(xiàn)主要是簡便，對許多的人來說基本夠用，但對于科學(xué)的表現(xiàn)

29、，SPSS就更為詳細(xì)和準(zhǔn)確，這一點據(jù)說在所有統(tǒng)計軟件中都突出。因為大多的書里面都談到，這里從略。二、通過SPSS檢驗方差齊性和數(shù)據(jù)分布假設(shè)檢驗中，采用的t檢驗和方差檢驗都需要滿足二個要求，即1樣本方差齊性2樣本總體呈正態(tài)分布在EXCEL中，提供了F檢驗來檢驗方差齊性問題。也就是可以先通過F檢驗確定方差齊性與否來選擇下一步用哪個T檢驗或方差檢驗分析工具。但只要數(shù)據(jù)多于二組則無從下手；通過描述統(tǒng)計大約能從峰度和偏度來了解樣本的分布（實際工作中，只要分布單峰且近似對稱分布，也可應(yīng)用注2），但要具體確定樣本的分布也有難度。這二個問題在SPSS就可以解決。A、用SPSS檢驗方差齊性同樣以University of Florida graduate salaries.sav文件作為例子來檢驗性別數(shù)據(jù)是否方差齊性a. 選擇Analyze-Descriptive Statistics-Explore，再選擇Dependent List-Graduate，F(xiàn)actor List-Gender，Display-Both，如圖30圖30b. 點擊Plot按鍵，在對話框里選擇Boxplots-None，Spread vs.Level with Levene Test-Untransformed，在Descriptive選擇中取消Stem-and-leaf一項，如圖31圖31然后，按OK鍵，結(jié)果