管理统计spss方差齐性分析实例

《管理统计spss方差齐性分析实例》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、请分析一个班三组不同性别的同学（分别接受了三种不同的教学方法）在数学成绩上是否有显著差异？根据题意，数学成绩分数的高低可能受到不同的教学方法跟性别的的影响，因此考虑两个因素水平下成绩的差异问。在对其进行方差齐性分析前，首先对数据进行独立性，正态性，方差齐性检验。1独立性检验用游程检验，检验其独立性，检验结果如下：图1-1游程检验数学成绩检验值476.83案例<检验值8案例>=检验值10案例总数18Runs数7Z-1.176渐近显著性（双侧）.240a.均值根据图1-1数学成缋关于游程检验的结果可以看到，游程检验的P值为0.089大于显著性水平6^=0.05,故接受原假设，即认为各

2、位同学的数学成绩不具有相关性，所以各变量之间是独立的。2正态性检验图1-2单样本Kolmogorov-Smirnov检验数学成绩N18正态参数均值76.83标准差17.041最极端差别绝对值.244正.167负-.244Kolmogorov-SmirnovZ1.035渐近显著性（双侧）.235a.检验分布为正态分布。b.根据数据计算得到。根据图1-2可以看到数学成绩的K-S正太分布检验显著性水平位0.235,大于0.05,故接受原假设，既数学成绩服从正太分布。3方差齐性检验图1-3Fdfldf2Sig..964512.477检验零假设，即在所有组中囚变量的误差方差均相等。a.设计

3、：截距+组别+性别+组别*性别根据图h3可以看到，sig值为0.477,明显大于显著性水平0.05,故接受原假设，即认为各样本的数学成绩具方差齐性。主体间因子N组别061626性别f7m11主体间效应的检验因变量:数学成绩源III型平方和df均方FSig.校正模型4411.667*5882.33320.174.000截距94294.154194294.1542155.979.000组别3288.40721644.20337.594.000性别296.2051296.2056.773.023组别*性别500.9932250.4975.727.018误差524.8331243.736

4、总计111197.00018校正的总计4936.50017a.R方=.894（调整R方=.849）从上表可以看出，组别的SIG值为0,既拒绝原假设，可以认为，在95%的置信水平丁，组别既不同的教学方法对成绩的影响存在显著的差异。性别跟组别跟性别之间的叫互影响均对数学成绩没冇显著地影响。并止也可以看到/?2=0.849,调整后的/?2=0.849可见方程的拟合度非常好。问题：己知一个班三组同学的入学成绩和分别接受了三种不同的教学方法后的数学成绩如下表所示，试研宄这三组同学在接受了不同的教学方法后在数学成绩上是否有显著性差异？本案例中，主要研宂不同的教学方法对数学成绩的影响，但是入学

5、成绩可能可能对数学成绩有一定的影响，但又不是我们主耍关心的因素，应尽量排除入学成绩对成绩的影响，因此将入学成绩做为协变量。在分析前需对数据进行独立性,正态性，方差齐性检验，检验方法与上题一样，所以本题不在重复累赘叙述。主体间因子N06组别1626主体间效应的检验因变量：数学成绩源III型平方和df均方FSig.校正模型3695.190-31231.73011.091.001截距1387.82411387.82412.496.003人学成绩8.85718.857.080.782组别3364.08321682.04115.146.000误差1554.81014111.058总计112

6、898.00018校正的总计5250.00017a.R方=.704（调整R方=.640）主体间效应的检验，可以看到引入协变量入学成绩后，入学成绩影响数学成绩的概率值为0.782,明显大于显著性水平0.05,故接受原假设认为入学成绩对数学成绩的影响没有显著差异，学生的数学成绩不受入学时水平的限制，可以推断数学成绩与入学后的努力以及老师的教学方法有关；而组別即不同的教学方法对数学成绩影响的概率值为0.000,小于显著性水平0.005,故把绝原假设认为组别即不同的教学方法对数学成绩其有显著影响。并且也可以看到/?2=0.704,调整后的/?2=0.640可见方程的拟合度较好。