【文章內(nèi)容簡介】 圖 32（ 4）結(jié)果及其解釋 結(jié)果：國內(nèi) MBA畢業(yè)生各自所學(xué)專業(yè)與起薪情況沒有顯著關(guān)系； 解釋：從圖 32 可以看出， F 統(tǒng)計量的觀測值為 ，對應(yīng)的概率 P 值為 。如果顯著性水平α為 ，由于概率 P 值大于顯著性水平α，所以接受原假設(shè)，認(rèn)為國內(nèi) MBA 畢業(yè)生各自所學(xué)專業(yè)與起薪情況沒有顯著關(guān)系。 4．一家連鎖零售店試圖對顧客的購買習(xí)慣進(jìn)行調(diào)查。 記錄了顧客性別、購物方式、消費(fèi)額等信息。使用多因素方差分析方法分析顧客性別和購物方式對消費(fèi)額有何影響。（ 1）原假設(shè) 第 4 頁共 6 頁不同顧客性別沒有對消費(fèi)額產(chǎn)生顯著差異；不同購物方式對消費(fèi)額沒有顯著差異；顧客性別和購物方式對消費(fèi)額沒有產(chǎn)生顯著的交互影響。（ 2）參數(shù)設(shè)置觀測變量：消費(fèi)額 控制變量：顧客性別，購物方式（ 3）操作步驟及計算結(jié)果操作步驟：①選擇菜單：【分析（ A）】→【一般線性模型】→【單變量（ U）】；②指定觀測變量“消費(fèi)額”到【因變量（ D）】框中； ③指定固定效應(yīng)的控制變量“顧客性別”和“購物方式”到【固定因子 (F)】框中，如圖 41。 計算結(jié)果： 圖 42 圖 42 第 5 頁共 6頁（ 4）結(jié)果及其解釋 結(jié)果：不同顧客性別對消費(fèi)額有顯著差異；不同購物方式對消費(fèi)額沒有顯著差異；顧客性別和購物方式對消費(fèi)額有顯著的交互影響。解釋：從圖中可以看出 Fgender， Fstyle， Fgender*style 的概率 P 值分別為 ， ，由于 Fgender，F(xiàn)gender*style 概率 P 值小于顯著性水平α，所以應(yīng)該拒絕原假設(shè)，可以認(rèn)為不同顧客性別對消費(fèi)額有顯著差異，顧客性別和購物方式對消費(fèi)額有顯著的交互影響，而 Fstyle概率 P值小于顯 著性水平α，則接收原假設(shè)認(rèn)為不同購物方式對消費(fèi)額沒有顯著差異。 四、實驗小結(jié)（心得體會、遇到問題及其解決方法） 第 6 頁共 6頁 第三篇： SPSS實驗分析報告四 SPSS實驗分析報告四 一、地區(qū) *日期 *銷售量 （一）、提出假設(shè) 原假設(shè) H0=“不同地區(qū)對銷售量的平均值沒有產(chǎn)生顯著影響?！?H2=“不同日期對銷售量的平均值沒有產(chǎn)生顯著影響?！?H3=“不同的地區(qū)和日期對銷售量沒有產(chǎn)生了顯著的交互作用?！? （二）、兩獨(dú)立樣本 t檢驗結(jié)果及分析 表 （一） 主旨間係數(shù) 地區(qū) 123 日期 123 數(shù)值標(biāo)籤 地區(qū)一地區(qū)二地區(qū)三周一至周三周四至周五 周末 N999999 表 （一）表示各個控制變量的分組情況，包括三個不同的地區(qū)以及三個不同日期的數(shù)據(jù)。 表 （二） 銷售額多因素方差分析結(jié)果 主體間效應(yīng)的檢驗 因變數(shù) :銷售量 來源第 III類平方和修正的模型 a df8 平均值平方 顯著性 .000 截 距 地 區(qū) 日 期 地 區(qū) * 日 期 錯 誤 總 計 1224182726 . 校正後總數(shù) 平方 =.788（調(diào)整的 R平方 =.693） 由表 （二）可知，第一列是對觀測變量總變差分解的說明；第二列是對觀測變量總變差分解的結(jié)果；第三列是自由度；第四列是方差；第五列是 F 檢驗統(tǒng)計量的觀測值；第六列是檢驗統(tǒng)計量的概率 P 值。可以看到：觀測變量的總變差 SST 為 ，它被分解為四個部分，分別是：由地區(qū)（ x2）不同引起的變差（ ），由日期（ x3）不同引起的變差 ()，由地區(qū)和日期交互作用（ x2*x3）引起的變差（ ），由隨機(jī)因素引起的變差（ ）。 FX FX FX1*X2的概率 P值分別為 0. 31 5 。如果顯著性水平α為 ，由于 FX FX2 的概率 P 值大于顯著性水平α，因此不應(yīng)該拒絕原假設(shè)，可以認(rèn)為不同的地區(qū)、日期下的銷售量總體均值不存在顯著差異，對銷售量的效應(yīng)同時為 0，各自不同水平?jīng)]有給銷售量帶來顯著影響。同時，由于 FX1*X2的概率 P值小于顯著性水平α，所以應(yīng)該拒絕原假設(shè)，可以認(rèn) 為不同的地區(qū)和日期對銷售量產(chǎn)生了顯著的交互作用，在不同的地區(qū)，不同的日期會對銷售額產(chǎn)生顯著影響。 表 （三） 自訂假設(shè)檢定索引 1 對照係數(shù)（ L39。矩陣）轉(zhuǎn)換係數(shù)（ M矩陣）對照結(jié)果（ K矩陣） 2 對照係數(shù)（ L39。矩陣）轉(zhuǎn)換係數(shù)（ M矩陣） 地區(qū)的偏差對照（省略種類 =3） 恆等式矩陣零矩陣 日期的偏差對照（省略種類 =3） 恆等式矩陣對照結(jié)果（ K矩陣）零矩陣 表 （四） 不同地區(qū)下銷售量的均值對比檢驗結(jié)果（ K矩陣） 地區(qū)偏差對照 層次 1 對平均值 對比估計假設(shè)值 差異（評估值假設(shè)值） 標(biāo)準(zhǔn)錯誤顯著性 95%差異的信賴區(qū)間 =3 下限上限下限上限 a 因變數(shù)銷售量 表 （四）分別顯示了三個不同地區(qū)銷售量總體的均值檢驗結(jié)果，省略了地區(qū)三的檢驗結(jié)果，檢驗 值是各水平下的總體均值?？梢钥闯觯旱貐^(qū)一的銷售量均值與檢驗值的差為 ，標(biāo)準(zhǔn)誤差為 ，T 檢驗統(tǒng)計量的概率 P 值為 ，差值的 95%置信區(qū)間的下限和上限分別為 ， 。分析結(jié)論為：地區(qū)一銷售量的均值與檢驗值之間不存在顯著差異。同理，地區(qū)二銷售量的均值與檢驗值之間不存在顯著差異。三個地區(qū)產(chǎn)生的影響沒有顯著差異。 表 （五） 地區(qū)對銷售量影響的單因素方差分析結(jié)果 因變數(shù) :銷售量 來源比對平方和 df218 平均值平方 顯著性 .313錯誤 表 （五）是地區(qū)對銷售量影響的單因素方差分析結(jié)果?？梢钥吹剑翰煌貐^(qū)可解釋的變差為 ，不可解釋的變差為，它們的方差分別為 4 ， F 統(tǒng)計量的觀測值為 ，對應(yīng)的概率 P 值為。如果顯著性水平α為 ，由于概率 P 值大于顯著性水平α，所以 原假設(shè)成立，認(rèn)為不同地區(qū)對銷售量的平均值沒有產(chǎn)生顯著影響。 表 （六） 不同日期下銷售量的均值對比檢驗結(jié)果（ K矩陣） 日期偏差對照 層次 1 對平均值 對比估計假設(shè)值 差異（評估值假設(shè)值） 標(biāo)準(zhǔn)錯誤顯著性 95%差異的信賴區(qū)間 下限 a 因變數(shù)銷售量 上限 =3 表 （六）分別顯示了三個不同日期下銷售量總體的均值檢驗結(jié)果，省略了日期三的檢驗結(jié)果，檢驗值是各水平下的總體均值?？梢钥闯觯喝掌谝坏匿N售量均值與檢驗值的差為 ，標(biāo)準(zhǔn)誤差為 ，T 檢驗統(tǒng)計量的概率 P 值為 ，差值的 95%置信區(qū)間的下限和上限分別為 。分析結(jié)論為：日期一銷售量的均值與檢驗值之間不存在顯著差異。同理，日期二銷售量的均值與檢驗值之間不存在顯著差異。三個不 同日期產(chǎn)生的影響沒有顯著差異。 表 （七） 日期對銷售量影響的單因素方差分析結(jié)果 因變數(shù) :銷售量 來源比對錯誤 平方和 df218 平均值平方 顯著性 .254 表 （七）是日期對銷售量影響的單因素方差分析結(jié)果?？梢钥吹剑翰煌掌诳山忉尩淖儾顬? ，不可解釋的變差為，它們的方差分別為 、 ， F統(tǒng)計量的觀測值為 ，對應(yīng)的概率 P 值為 。如果顯著性水平α為，由于概率 P 值大于顯著性水平α，所以原假設(shè)成立，認(rèn)為不同日期對銷售量的平均值沒有產(chǎn)生顯著影響。 圖 （一）地區(qū)與銷售量的交互作用圖 圖 （一）中，從地區(qū)一至地區(qū)三，不同的日期銷售額的 變化波動很大且規(guī)律不一，直接結(jié)論是：不同的日期和地區(qū)間存在明顯的交互作用。 圖 （二）日期與銷售量的交互作用圖 圖 （二）中，在不同的日期，不同地區(qū)的銷售額的變化規(guī)律都不一樣，直接結(jié)論是：不同的地區(qū)和日期間存在明顯的交互作用。 二、香煙消耗量 *肺癌死亡率 （一）、提出假設(shè) 原假設(shè) H0=“香煙消耗量對