16
[DataSet0]
Case Processing Summary VAR00001 N 16 Valid Percent 100.0% N Cases Missing Percent 0 .0% N 16 Total Percent 100.0%
Descriptives
VAR00001
Mean
95% Confidence Interval for Mean
5% Trimmed Mean Median Variance Std. Deviation Minimum Maximum Range
Interquartile Range Skewness Kurtosis
Statistic 1.4900E3 Std. Error 6.19139 Lower Bound Upper Bound
1.4768E3 1.5032E3 1.4900E3 1.4850E3 613.333 2.47656E1 1450.00 1530.00 80.00 40.00 .030 -1.272 .5 1.091
第六章第一题
方差分析：单因素方差分析
SUMMARY 组 列 1 列 2 列 3
观测数
10 10 10
求和 268.32 254.15 443.09
平均 方差 26.832 7.196262 25.415 3.275161 44.309 6.0588
方差分析
差异源 SS 组间 2214.7 组内 149.0491
df
MS F P-value F crit
2 1107.394 200.6027 6.25E-17 3.354131
27 5.520337
总计 2363.838 29
结论：三组动物每日进食量不同
第六章第三题
方差分析：单因素方差分析
SUMMARY
组 列 1 列 2 列 3
观测数 求和 平均 方差
15 3.038 0.202533 0.006115 13 35.6 2.738462 0.039458 12 34.122 2.8435 0.019998
方差分析 差异源 组间 组内
SS 62.77999 0.779094
df
MS F P-value F crit 2 31.39 1490.744 4.32141E-36 3.251924
37 0.021057
总计 63.55909 39
结论：三个组别的人群每日增加的体重数量不同
第七章第五题
SUMMARY OUTPUT
回归统计
Multiple R R Square
Adjusted R Square 标准误差 观测值
1 1 1
5.1279E-16
5
方差分析 回归分析 残差 总计
df
F Significance F
1 40 40 1.5212E+32 1.17544E-48 3 7.8886E-31 2.6295E-31 4 40
SS MS
Coefficients 标准误差 t Stat P-value
Intercept 50 5.3782E-16 9.2968E+16 2.7445E-51 X Variable 1 2 1.6216E-16 1.2334E+16 1.1754E-48
Intercept X Variable 1
Lower 95% Upper 95% 下限 95.0% 上限 95.0%
50 50 50 50 2 2 2 2
第九章第五题
SUMMARY OUTPUT
回归统计
Multiple R R Square
Adjusted R Square 标准误差 观测值
0.986543671 0.973268415 0.96881315 4.077960054
8
方差分析
回归分析 残差 总计
df
1 6 7
SS MS F Significance F 3632.830201 3632.8302 218.4535793 6.03013E-06 99.7785492 16.6297582 3732.60875
Coefficients
Intercept -8.40599811 X Variable 1 0.078126011
标准误差 t Stat P-value
3.121402861 -2.6930193 0.035908033 0.005285865 14.7801752 6.03013E-06
Intercept X Variable 1
Lower 95% -16.04379575 0.065191965 Upper 95% 下限 95.0% 上限 95.0% -0.768200471 -16.043796 -0.76820047 0.091060056 0.06519197 0.091060056
RESIDUAL OUTPUT
观测值
1 2 3 4 5 6 7 8 预测 Y
4.875423711 8.781724247 22.06314607 25.1881865 29.09448703 42.37590885 58.00111099 69.7200126 残差
3.2245762 3.718275753 -4.063146067 -3.18816 -2.594487031 -2.375908852 5.9988006 -0.720012601 标准残差 0.8540812 0.984854383 -1.07619969 -0.844450399 -0.687198071 -0.629303581 1.5817155 -0.190708708
第九章第六题
SUMMARY OUTPUT
回归统计
Multiple R 0.983497051 R Square 0.96729 Adjusted R Square 0.963174755 标准误差 4.657523407 观测值 10
方差分析
回归分析 残差 总计
Intercept X Variable 1
df
SS MS F Significance F
1 5128.059806 5128.059806 236.3976 3.18125E-07 8 173.5401943 21.69252429 9 5301.6
Coefficients 标准误差 t Stat P-value
170.4227215 3.821827702 44.59194261 7.06E-11 -0.697847124 0.045387765 -15.37522552 3.18E-07
Intercept X Variable 1
上限 95.0%
161.609571 179.235872 161.609571 179.2359 -0.802511498 -0.59318275 -0.802511498 -0.59318 Lower 95%
Upper 95%
下限 95.0%
RESIDUAL OUTPUT
观测值
1 2 3 4 5 6 7 8 9 10 预测 Y 142.5088366 141.1131423 136.9260596 132.0411297 125.0626585 115.2927987 109.0121746 100.6380091 86.68106666 72.72412418 残差 7.491163427 -1.11314233 1.073940418 2.958870286 -5.06265847 -5.29279874 -4.01217462 -2.63800914 1.3133343 5.275875823 标准残差 1.7059653 -0.2534967 0.2445697 0.673825034 -1.152921786 -1.205331746 -0.913694565 -0.600755161 0.30036136 1.201477882
统计实验课上，按照老师的要求我们用Excel软件和spss软件做了课后章节的习题，这种理论加实践型的教学不仅使我加深了对统计学相关知识点的理解，也增长了我的数据分析、整理、计算的能力。统计学是一门复杂的学科，理论知识的掌握对解决实际问题来说至关重要，相关分析、回归分析、方差分析等这些与实际问题联系紧密的知识我们都应该了解与掌握。本次实验中出现的某些差错就是由于统计知识，实验方法造成的。另外刘老师 理论课上讲解的非常细致到位，感觉上课都能听得懂，实验课上老师也尽心尽力的指导，我觉得实验课上掌握的统计分析知识、能力今后在我的工作生活中会产生很大的用处。本次实验也有不少的遗憾：1.平时课下对不明白的统计知识未能深入探究，理论知识掌握薄弱，导致统计实验中出错，实验进展困难。 2统计理论课与实验课分开来上，个人感觉不如在统计实验课上由老师指导学生（人手一台电脑）直接演示操作相关数据，效果会更好。 总之这次实验时间虽短暂，但却使我受益匪浅。最后衷心感谢老师的传道授业与解惑。 学生（签名）： 2015年10月25日 学生实验 心得 指导 教师 评语 成绩评定： 指导教师（签名）： 年 月 日
