实验一 描述统计与图形绘制
一、实验目的
1.掌握描述统计分析工具；
2.绘制图形。
二、实验原理
在原始数据不能直接满足数据分析要求的情况下，需要对原始数据进行适当的转换。SPSS Transformation菜单提供了各种对变量进行转换的过程，包括对原始数据进行四则运算的Conpute命令、对数据重新编码的Reconde命令等。这些命令在统计分析的数据整理中起着非常重要的作用。
在常用的统计软件中，SPSS绘制的统计图较为美观，可满足科学研究中图表制作的要求。因此，SPSS统计图应用非常广泛。
二、实验步骤
描述性统计：
SPSS操作步骤：
（1）建立数据文件并定义变量：将数据输入一列，建立表示母羊体重的变量。另建立一表示品种的分组变量，甲、乙两品种分别用1、2表示。
（2）定义变量：点击SPSS电子表格左下角的变量视图Variable View或双击变量名，可定义变量。变量名Name尽量用英文或汉语拼音缩写，宜短不宜长。
3）选择命令操作：SPSS进行基本统计分析可用3种命令实现，即描述(Descriptives)、频率(Frequencies)、探索(Explore)。
图形绘制：
散点图
SPSS操作步骤：
① 建立数据文件，包含雏鹅重变量BW、70日龄重变量SW、性别变量gender。
② Graphs<Scatter/Dot Chart<Simple，点击Define，打开散点图对话框，将BW变量选入右侧的X轴变量栏，将SW变量选入Y分类轴，gender 选入设置标记Set markers by栏。
③ 单击Ok，输出散点图。
实验二 统计推断
一、实验目的
1、掌握数据的参数估计，假设检验的基本原理，算法；
2、练习用这些方法解决实际问题。
二、实验原理
统计推断是通过样本推断总体的统计方法。总体是通过总体分布的数量特征即参数(如期望和方差)来反映的。因此，统计推断包括：对总体的未知参数进行估计;对关于参数的假设进行检查;对总体进行预测预报等。科学的统计推断所使用的样本，通常通过随机抽样方法得到。
三、实验步骤
1、方差同质性检验
① 建立数据文件：将观察值输入一列，命名为height；另建一分组变量，分别用1、2表示两种植物，命名为variety。
② Analyze < Descriptive Statistics < Explore ，打开对话窗。
③ 选择变量height进入因变量Dependent List栏，选择变量Variety进入分组变量Factor List栏。
④ 点击Plots 按钮，打开对话框。将Spread vs plots with tests下选项指定为Untranslated。点击Continue返回。
⑤ 点击Ok，输出结果。
2、配对设计资料t检验
① 建立数据集：将注射前体温和注射后体温观察值分别输入两列，分别命名为Pretr和Posttr。
② Analyze < Compare Means< Paired-Samples T Test ，打开对话框。
③ 单击变量，分别将pretr和posttr选入Paired Variable栏，也可按Control键一次性调入成对变量。
④点击Ok确定，输出分析结果
| Levene Statistic | df1 | df2 | Sig. |
植株高度 | Bad on Mean | 5.063 | 1 | 8 | .055 |
Bad on Median | 3.340 | 1 | 8 | .105 |
Bad on Median and with adjusted df | 3.340 | 1 | 5.786 | .119 |
Bad on trimmed mean | 4.872 | 1 | 8 | .058 |
| | Paired Differences | t | df | Sig. (2-tailed) |
| Mean | Std. Deviation | Std. Error Mean | 95% Confidence Interval of the Difference |
| Lower | Upper |
| Pair 1 | 注射前体温 – 注射后体温 | -.73000 | .44485 | .14067 | -1.04822 | -.41178 | -5.189 | 9 | .001 |
| | | | | | | | | | | | | | | | |
实验三 方差分析
一、实验目的
1、了解方差分析的基本内容；
2、了解单因素方差分析；
3、了解多因素方差分析；
4、学会运用spss软件求解问题；
5、加深理论与实践相结合的能力。
二、实验原理
方差分析(analysis of variance，简称anova)，又称“变异数分析”，是r.a.fisher发明的，用于两个及两个以上样本均数差别的显著性检验。 由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。
三、实验步骤
1、单因素资料方差分析
① 建立数据文件，包括表示增重变化的变量weight、分组变量feed。
② Analyze< Compare Means< One Way Anova，打开单因素方差分析对话框。
③ 在单因素方差分析对话框中，将weight选入依变量dependent List栏，将feed 选入分组变量factor栏。
④ 点击Post Hoc按钮，勾选对话框中的Duncan法做多重比较，Continue返回方差分析主对话框。
⑤ 点击Options按钮，点选Descriptive和Homogeneity of variance test，输出描述性统计和方差同质性检验结果，Continue返回。
6 Ok确定，输出结果。
2、两因素资料方差分析
①建立数据文件，包括表示子宫重量的变量uterus、分组变量mou、Estrogen。
②Analyze< General Linear Model< Univariate，打开普通线性模型对话框。
③将uterus选入因变量dependent Variable栏，将mou和estrogen变量选入固定因素fixed Factors栏。
④点击模型Model按钮，点选定制Custum，分别将mou、estrogen选入，以制定mou+Estrogen的主效应模型。左下角的平方和(Sum of squares)计算方法选择缺省的3型平方和，保留include intercept in model选项，Continue返回。
⑤点击Post Hoc按钮，选择mou变量进入右边的Post Hoc Test for栏。点选下面的Duncan法，Continue返回。
⑥点击Options按钮，点选Descriptive和Homogeneity Of Variance Test，Continue返回。
⑦点击paste按钮打开的语法编辑器，在已有的语句中加入一行/CONTRAST(estrogen)= special (1 1 -2)。
7点击菜单栏中的run命令，输出结果。
| | | | Std. Deviation | Std. Error | 95% Confidence Interval for Mean | Minimum | Maximum |
| Lower Bound | |
| A1 | 5 | 31.1800 | 3.22754 | 1.44340 | 27.1725 | | | |
| A2 | 5 | 26.2800 | 1.16490 | .52096 | 24.8336 | 27.7264 | 24.80 | 27.90 |
| A3 | 5 | 24.7400 | 1.99825 | .89364 | 22.2588 | 27.2212 | 22.10 | 27.30 |
| A4 | 5 | 27.9600 | 2.36284 | 1.05669 | 25.0262 | 30.8938 | 24.50 | 30.80 |
| Total | 20 | 27.5400 | 3.24173 | .72487 | 26.0228 | 29.0572 | 22.10 | 35.90 |
Levene Statistic | df1 | df2 | Sig. |
1.330 | 3 | 16 | .299 |
| Sum of Squares | df | Mean Square | F | Sig. |
Between Groups | 114.268 | 3 | 38.089 | 7.136 | .003 |
Within Groups | 85.400 | 16 | 5.337 | | |
Total | 199.668 | 19 | | | |
增重 |
饲料 | N | Subt for alpha = 0.05 |
1 | 2 |
A3 | 5 | 24.7400 | |
A2 | 5 | 26.2800 | |
A4 | 5 | 27.9600 | |
A1 | 5 | | 31.1800 |
| | | | | | | | | | | | | | | | | | | | | |
Source | Type III Sum of Squares | df | Mean Square | F | Sig. |
Corrected Model | 12531.667a | 5 | 2506.333 | 27.677 | .000 |
| 100467.000 | 1 | 100467.000 | 1109.452 | .000 |
mou | 6457.667 | 3 | 2152.556 | 23.771 | .001 |
estrogen | 6074.000 | 2 | 3037.000 | 33.537 | .001 |
Error | 543.333 | 6 | 90.556 | | |
Total | 113542.000 | 12 | | | |
Corrected Total | 13075.000 | 11 | | | |
| | | | | |
实验四 卡方检验
一、实验目的
学习利用spss进行卡方检验，包括适合性检验、独立性检验。
二、实验原理
卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度。实际观测值与理论推断值之间的偏离程度就决定卡方值的大小。 卡方检验是用途非常广的一种假设检验方法，它在分类资料统计推断中的应用，包括：两个率或两个构成比比较的卡方检验；多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。
三、实验步骤
1、适合性检验
① 建立数据文件：将各属性类别的实际观察次数输入同列，命名为A；另建变量color，其值可为1、2，分别表示白色和黑色羊（在变量value中定义）。
② Data<Weight Cas ，打开加权对话框，点选weight cas by，将A选入，对实际次数变量进行加权，Ok确定。
③ Analyze<Nonparametric Tests<Legacy Dialogues<Chi-Square ，弹出Chi-Square对话框。
④ 点击color，将该变量选入检验变量Test Variables；在期望值(理论值)Expected Values下面，点选Values，在其后的框内输入第1类别（白色)理论次数195，点击Add加入，同法输入第二类别理论次数65。
⑤ 点击Ok确定，输出适合性卡方检验结果。
