经济数据分析与建模

1、经济数据分析与建模一、某企业自动打包机的标准打包重量为500克。为检验该打包机工作是否正常，他们抽取了15个样本。在显著水平0.05下，判断打包机是否处于正常工作状态。 495.9,501.3,500.2,498.7,495.7,502.1,505.2,503.2,492.6,493.5,502.4,495.3,499.7,500.4,496.2首先，进行正态性检验。1) H0假设：打包机的打包重量服从正态分布。2) SPSS命令：1-Sample K-S。这是一种非参数正态检验的方法。 3)在0.05显著性水平下，打包机的打包重量服从正态分布的概率分别为0.854，大于0.05，接受H0假设

2、。表1.1 单样本 Kolmogorov-Smirnov 检验VAR00001N15正态参数a,b均值498.8267标准差3.77311最极端差别绝对值.157正.157负-.125Kolmogorov-Smirnov Z.607渐近显著性(双侧).8544)得出对实际问题的分析结论。打包机的打包重量服从正态分布。 正态性检验的结果说明可以进行参数检验。1) H0假设：该自动打包机打包的平均重量与500克无显著差异，处于正常工作状态。2) SPSS命令：单样本T检验。这种方法是检验某变量的总体均值是否与某个“特定值”（常量）相等（存在或不存在差异）的假设检验，而这里是检验该打包机工作是否正常

3、，即检验自动打包机的标准打包重量是否为500克，通过单样本T检验能够达到这个目的。3) 15个样本的均值为498.8267克。在显著性水平为为0.05的条件下，H0发生的概率为0.248，大于0.05，接受H0。 表1.2 单个样本统计量N均值标准差均值的标准误VAR0000115498.82673.77311.97421表1.3 单个样本检验检验值 = 500tdfSig.(双侧)均值差值差分的 95% 置信区间下限上限VAR00001-1.20414.248-1.17333-3.2628.91614)得出对实际问题的分析结论。该自动打包机打包的平均重量与500克无显著差异，处于正常工作状态

4、。总体均值95%的置信区间为（496.7372, 500.9161）。二、公司员工数据表Employee Data.sav，主要数据含义如下：完成以下内容：id（Employee Code）职工编号Gender（性别）bdate（Date of Birth）出生日期educ（Educational Level (years)）受教育水平（年）jobcat（Employment Category）职业类别salary（Current Salary）当前工资salbegin（Beginning Salary）开始工资jobtime（Months since Hire）受雇月数prevexp（Pre

5、vious Experience (months)）工作阅历（月）minority（Minority Classification）民族假设分组数据近似服从正态分布，完成以下任务：o 检验不同性别的受教育水平、开始工资、当前工资的均值是否存在显著性差异？1) H0假设：假设一：不同民族的受教育水平、开始工资、当前工资的方差相等。假设二：不同性别的受教育水平、开始工资、当前工资的均值不存在显著性差异。2) SPSS命令：两独立样本T检验。这里要检验不同性别的受教育水平、开始工资、当前工资的均值是否存在显著性差异，而性别不同的两个总体之间是独立的，可以用两独立样本T检验。3) 在显著性水平0.05

6、下，两个样本方差相等（F检验）的概率均为0.000,小于0.05，拒绝H0的假设一，方差不等，应看方差不相等时的概率。在显著性水平0.05下，不同性别的受教育水平、开始工资、当前工资的均值不存在显著性差异的概率均为0.000，小于0.05，拒绝H0的假设二。表2.11 组统计量GenderN均值标准差均值的标准误Educational Level (years)Male25814.432.979.185Female21612.372.319.158表2.12 独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值差分的 95% 置信区间

7、下限上限Educational Level (years)假设方差相等17.884.0008.276472.0002.060.2491.5712.549假设方差不相等8.458469.595.0002.060.2441.5812.538 表2.13 组统计量GenderN均值标准差均值的标准误Beginning SalaryMale258$20,301.40$9,111.781$567.275Female216$13,091.97$2,935.599$199.742表2.14 独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值差分的

8、 95% 置信区间下限上限Beginning Salary假设方差相等105.969.00011.152472.000$7,209.428$646.447$5,939.158$8,479.698假设方差不相等11.987318.818.000$7,209.428$601.413$6,026.188$8,392.667表2.15 组统计量GenderN均值标准差均值的标准误Current SalaryMale258$41,441.78$19,499.214$1,213.968Female216$26,031.92$7,558.021$514.258表2.16 独立样本检验方差方程的 Levene

9、 检验2.均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值差分的 95% 置信区间下限上限Current Salary假设方差相等119.669.00010.945472.000$15,409.862$1,407.906$12,643.322$18,176.401假设方差不相等11.688344.262.000$15,409.862$1,318.400$12,816.728$18,002.996 4)得出对实际问题的分析结论。不同性别的受教育水平、开始工资、当前工资的均值存在显著性差异，均值差异的95%的置信区间分别为（1.581, 2.528），（$6,026.188，

10、$8,392.667），（$12,816.728，$18,002.996）。从组统计量表格中也可以看出，男性受教育水平的均值为14.43，女性受教育水平的均值为12.37，差异较大；男性开始工资的均值为$20,301.40，女性开始工资的均值为$13,091.97，差异较大；男性当前工资的均值为$41,441.78，女性当前工资的均值为$26,031.92，差异较大。o 检验不同民族的受教育水平、开始工资、当前工资的均值是否存在显著性差异？1) H0假设：假设一：不同民族的受教育水平、开始工资、当前工资的方差相等。假设二：不同民族的受教育水平、开始工资、当前工资的均值不存在显著性差异。2) S

11、PSS命令：两独立样本T检验。这里要检验不同民族的受教育水平、开始工资、当前工资的均值是否存在显著性差异，而民族不同的两个总体之间是独立的，可以用两独立样本T检验。 3) 在显著性水平0.05下，两个样本方差相等（F检验）的概率分别为0.013, 0.000，0.000, 均小于0.05，拒绝H0的假设一，方差不等，应看方差不相等时的概率。在显著性水平0.05下，不同民族的受教育水平、开始工资、当前工资的均值不存在显著性差异的概率,分别为0.002，0.000，0.000，均小于0.05，拒绝H0的假设二。表2.21 组统计量Minority ClassificationN均值标准差均值的标准

12、误Educational Level (years)No37013.692.942.153Yes10412.772.555.251表2.22 独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值差分的 95% 置信区间下限上限Educational Level (years)假设方差相等6.201.0132.913472.004.925.318.3011.550假设方差不相等3.152186.843.002.925.294.3461.504表2.23 组统计量Minority ClassificationN均值标准差均值的标准误Beg

13、inning SalaryNo370$17,673.01$8,392.419$436.301Yes104$14,678.94$5,008.239$491.098表2.24 独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值差分的 95% 置信区间下限上限Beginning Salary假设方差相等20.488.0003.467472.001$2,994.071$863.535$1,297.223$4,690.919假设方差不相等4.558280.911.000$2,994.071$656.914$1,700.972$4,287.17

14、0表2.25 组统计量Minority ClassificationN均值标准差均值的标准误Current SalaryNo370$36,023.31$18,044.096$938.068Yes104$28,713.94$11,421.638$1,119.984表2.26 独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值差分的 95% 置信区间下限上限Current Salary假设方差相等28.487.0003.915472.000$7,309.369$1,867.111$3,640.491$10,978.246假设方差不相等5

15、.003262.188.000$7,309.369$1,460.936$4,432.707$10,186.0304)得出对实际问题的分析结论。不同民族的受教育水平、开始工资、当前工资的均值存在显著性差异，均值差异的95%的置信区间分别为（0.346，1.504），（$1,700.972，$4,287.170），（$4,432.707，$10,186.030）。从组统计量表格中也可以看出，不同民族受教育水平的均值分别为13.69和12.77，差异较大；不同民族开始工资的均值分别为$17,673.01和$14,678.94，不同民族当前工资的均值分别为$36,023.31和$28,713.94，差

16、异较大。o 检验受雇月数70与受雇月数70的开始工资、当前工资的均值是否存在显著性差异？1) H0假设：假设一：不同受雇月数的受教育水平、开始工资、当前工资的方差相等。假设二：不同受雇月数的受教育水平、开始工资、当前工资的均值不存在显著性差异。2) SPSS命令：两独立样本T检验。这里要检验不同受雇月数族的受教育水平、开始工资、当前工资的均值是否存在显著性差异，而受雇月数不同的两个总体之间是独立的，可以用两独立样本T检验。 3) 在显著性水平0.05下，两个样本方差相等（F检验）的概率分别为0.469，0.751, 均大于0.05，接受H0的假设一，方差相等，应看方差相等时的概率。在显著性水平

17、0.05下，不同受雇月数的开始工资、当前工资的均值不存在显著性差异的概率分别为0.298，0.845，均大于0.05，接受H0的假设二。表2.31 组统计量Months since HireN均值标准差均值的标准误Beginning Salary>= 70384$16,833.71$7,861.979$401.205< 7090$17,794.22$7,904.013$833.156表2.32 独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值差分的 95% 置信区间下限上限Beginning Salary假设方差相等.

18、524.469-1.042472.298-$960.511$921.664-$2,771.584$850.561假设方差不相等-1.039133.395.301-$960.511$924.724-$2,789.530$868.507表2.33 组统计量Months since HireN均值标准差均值的标准误Current Salary>= 70384$34,345.39$17,039.468$869.542< 7090$34,736.06$17,321.746$1,825.872表2.34 独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双

19、侧)均值差值标准误差值差分的 95% 置信区间下限上限Current Salary假设方差相等.101.751-.195472.845-$390.665$2,001.806-$4,324.218$3,542.888假设方差不相等-.193132.366.847-$390.665$2,022.353-$4,390.977$3,609.6474)得出对实际问题的分析结论。不同受雇月数的开始工资、当前工资的均值不存在显著性差异，均值差异的95%的置信区间分别为（-$2,771.584，$850.561），（-$4,324.218，$3,542.888）。从组统计量表格中也可以看出，不同受雇月数开始工

20、资的均值分别为$16,833.71和$17,794.22，差异较小；不同受雇月数当前工资的均值分别为$34,345.39和$34,736.06，差异较小。三、分析不同时间的蔬菜价格是否有显著差异。o o 分析2015年6月*日与2015年11月*日北京新发地批发市场的蔬菜平均价格是否有显著差异。首先，进行正态性检验。1) H0假设：这两日北京新发地批发市场的蔬菜价格服从正态分布。2) SPSS命令：1-Sample K-S。这是一种非参数正态检验的方法。 3)在0.05显著性水平下，两日蔬菜价格服从正态分布的概率分别为0.057,0.012，前者接近0.05，无统计意义，后者小于0.05，拒绝

21、H0假设。表3.11 单样本 Kolmogorov-Smirnov 检验month11month06N5858正态参数a,b均值3.77863.4266标准差3.507793.08905最极端差别绝对值.175.210正.160.210负-.175-.184Kolmogorov-Smirnov Z1.3331.600渐近显著性(双侧).057.0124)得出对实际问题的分析结论。在0.05的显著性水平下，我们无法判断2015年6月11日的蔬菜价格是否服从正态分布，但可以判断2015年11月1日的蔬菜价格不服从正态分布。参数检验要求样本数据服从正态分布或者近似正态。正态检验的结果说明这两个样本不

22、适用参数检验，应该用非参数检验，但我们可以两种方法都用用，比较结果是否有不同。接下来，进行参数检验。1) H0假设：这两日北京新发地批发市场的蔬菜平均价格不存在显著性差异。2) SPSS命令：两配对样本T检验。这里要检验两日北京新发地批发市场的蔬菜平均价格是否存在显著性差异，而不同日期的样本之间是相关的，所以用两配对样本T检验。 3) 在显著性水平0.05下，2015年6月11日与2015年11月1日北京新发地批发市场的蔬菜平均价格不存在显著性差异的概率为0.158，大于0.05，接受H0假设，这两日的蔬菜平均价格不存在显著性差异。表3.12 成对样本统计量均值N标准差均值的标准误对 1mon

23、th113.7786583.50779.46060month063.4266583.08905.40561表3.13 成对样本检验成对差分tdfSig.(双侧)均值标准差均值的标准误差分的 95% 置信区间下限上限对 1month11 month06.352071.87223.24584-.14021.844351.43257.1584)得出对实际问题的分析结论。2015年6月11日与2015年11月1日北京新发地批发市场的蔬菜平均价格不存在显著性差异，平均价格差异的95%的置信区间为（-0.14021，0.84435）。从组统计量表格中也可以看出，2015年6月11日与2015年11月1日蔬

24、菜平均价格分别为3.7786，4.4266，几乎没有差异。最后，进行非参数检验。1) H0假设：这两日北京新发地批发市场的蔬菜平均价格不存在显著性差异。2) SPSS命令：两个相关样本的非参数检验。这两日的蔬菜价格不服从正态分布，而不同日期的样本之间是相关的，所以用两个相关样本的非参数检验。 3)在0.05显著性水平下，这两日蔬菜平均价格不存在显著性差异的概率为0.352，大于0.05，接受H0假设。表3.14 检验统计量amonth06 - month11Z-.930b渐近显著性(双侧).3524)得出对实际问题的分析结论。这两日蔬菜平均价格不存在显著性差异。综上，参数检验和非参数检验的结果

25、是一样的，都认为2015年6月11日与2015年11月1日北京新发地批发市场的蔬菜平均价格不存在显著性差异，但这和现实情况不符，实际中，冬天的蔬菜价格应该比夏天的蔬菜价格要贵。统计分析结果与实际是不符可能是样本选择造成的，可以采取更换样本或者扩大样本容量的方法进行修正。o 分析2014年11月*日与2015年11月*日北京新发地批发市场的蔬菜平均价格是否有显著差异。首先，进行正态性检验。1) H0假设：这两日北京新发地批发市场的蔬菜价格服从正态分布。2) SPSS命令：1-Sample K-S。这是一种非参数正态检验的方法。 3)在0.05显著性水平下，两日蔬菜价格服从正态分布的概率分别为0.

26、053,0.008，前者接近0.05，无统计意义，后者小于0.05，拒绝H0假设。表3.21 单样本 Kolmogorov-Smirnov 检验yesr15year14N6060正态参数a,b均值3.75103.8713标准差3.461594.06949最极端差别绝对值.174.214正.164.196负-.174-.214Kolmogorov-Smirnov Z1.3461.660渐近显著性(双侧).053.0084)得出对实际问题的分析结论。在0.05的显著性水平下，我们无法判断2015年11月1日的蔬菜价格是否服从正态分布，但可以判断2014年11月2日的蔬菜价格不服从正态分布。参数检验

27、要求样本数据服从正态分布或者近似正态。正态检验的结果说明这两个样本不适用参数检验，应该用非参数检验，但我们可以两种方法都用用，比较结果是否有不同。接下来，进行参数检验。1) H0假设：这两日北京新发地批发市场的蔬菜平均价格不存在显著性差异。2) SPSS命令：两配对样本T检验。这里要检验两日北京新发地批发市场的蔬菜平均价格是否存在显著性差异，而不同日期的样本之间是相关的，所以用两配对样本T检验。 3) 在显著性水平0.05下，2015年11月1日与2014年11月2日北京新发地批发市场的蔬菜平均价格不存在显著性差异的概率为0.544，大于0.05，接受H0假设，这两日的蔬菜平均价格不存在显著性

28、差异。表3.22 成对样本统计量均值N标准差均值的标准误对 1yesr153.7510603.46159.44689year143.8713604.06949.52537表3.23 成对样本检验成对差分tdfSig.(双侧)均值标准差均值的标准误差分的 95% 置信区间下限上限对 1yesr15 year14-.120331.52795.19726-.51505.27438-.61059.5444)得出对实际问题的分析结论。2015年11月1日与2014年11月2日北京新发地批发市场的蔬菜平均价格不存在显著性差异，平均价格差异的95%的置信区间为（-.19726，0.27438）。从组统计量表

29、格中也可以看出，2015年6月11日与2015年11月1日蔬菜平均价格分别为3.7510，3.8713，几乎没有差异。最后，进行非参数检验。1) H0假设：这两日北京新发地批发市场的蔬菜平均价格不存在显著性差异。2) SPSS命令：两个相关样本的非参数检验。这两日的蔬菜价格不服从正态分布，而不同日期的样本之间是相关的，所以用两个相关样本的非参数检验。 3)在0.05显著性水平下，这两日蔬菜平均价格不存在显著性差异的概率为0.823，大于0.05，接受H0假设。表3.24 检验统计量ayear14 - yesr15Z-.224b渐近显著性(双侧).8234)得出对实际问题的分析结论。这两日蔬菜平

30、均价格不存在显著性差异。综上，参数检验和非参数检验的结果是一样的，都认为2015年11月1日与2014年11月2日北京新发地批发市场的蔬菜平均价格不存在显著性差异，这比较符合现实情况，因为这两日都是冬天的蔬菜价格，尽管相隔一年，但价格并不会显著变化。四、通过分析下面数据文件，你能从中发现或挖掘出什么信息？国家统计局（2012-2015各季度建筑竣工面积）.xlsx（一）均值比较表4.1 时间分组报告time均值N标准差中值合计均值的标准误极小值极大值方差总和的 %112564.3233181119.21687174.110010157.82263.801953.324435.451252646

31、.3971.4%113630.0156181332.62571152.135011340.28314.102894.675087.431775891.2911.6%114691.2961181517.23763136.240012443.33357.616347.625627.312302010.0151.7%115794.5628181700.09291168.305014302.13400.7157422.696437.392890315.9142.0%2121549.7261183172.26692405.840027895.07747.7104815.1712363.041006327

32、7.4173.9%2131818.4350183919.09404401.820032731.83923.7393215.9014800.9115359298.1174.6%2142118.9311184655.20691444.440038140.761097.2427936.7417310.7421670951.3865.3%2152178.5550184703.09266453.375039213.991108.5295755.1217744.8722119080.5275.5%3122746.5589185791.17299738.420049438.061364.9925630.94

33、22171.3033537684.6246.9%3133184.4461186878.31737747.225057320.031621.2349548.8425876.1947311249.8548.0%3143604.2156187805.54286817.460064875.881839.7840956.5229344.6560926499.2689.1%4125806.46111812314.548461469.0750104516.302902.5669197.314710172814.6%4136958.43781814896.892881597.7550

34、125251.883511.23133120.3556422.86221917417.56117.5%4147163.80171815631.396531610.0600128948.433684.35549127.3958532.74244340557.43918.0%总计2843.55472527845.49632476.7200716575.79494.219813.3258532.7461551812.474100.0%第一列的数字表示时间，时间后两位代表年份，第一位代表季度，如112表示2012年第一季度。表4.2 类别分组报告kind均值N标准差中值均值的标准误合计极小值极大值方差

35、总和的 %1.0023089.71861418587.8751217527.80504967.81859323256.064435.4558532.74345509101.40745.1%2.0015036.96211412228.7272111747.20503268.26482210517.472488.3539267.76149541769.28329.4%3.001928.4779141505.508751540.7300402.3641426998.69383.295017.122266556.6103.8%4.00910.606414747.03461668.1250199.653

36、4012748.49144.932663.58558060.7031.8%5.00231.920014190.15248162.410050.820393246.8830.62587.0436157.9640.5%6.0046.94361441.3443237.030011.04973657.213.32127.391709.3530.1%7.00181.772114138.98007132.720037.143992544.815.63491.6919315.4600.4%8.00557.233614439.17458421.2750117.374347801.27104.961511.69

37、192874.3081.1%9.001493.9593141221.622741048.6100326.4924120915.43260.833656.801492362.1262.9%10.001147.800714923.57331707.2450246.8353516069.21253.802941.95852987.6662.2%11.00194.348614157.30183148.825042.040682720.8841.26620.4924743.8660.4%12.00636.493614526.95420392.7150140.834438910.91126.751624.

38、05277680.7291.2%13.00316.960714251.94444203.565067.334984437.4566.39792.3163476.0000.6%14.00248.029314207.39342192.680055.428223472.4141.29632.5843012.0310.5%15.002392.7821141881.623391725.6750502.8850033498.95562.905773.873540506.5664.7%16.001928.2657141500.194021377.0600400.9437226995.72466.054652

39、.242250582.0973.8%17.00154.137914118.50685119.375031.672292157.9322.69369.4214043.8750.3%18.00687.572914568.29931476.5400151.884389626.02120.031708.43322964.1031.3%总计2843.55472527845.49632476.7200494.21981716575.793.3258532.7461551812.474100.0%首先，按时间分组分析。从图4.1可以看出，从第一季度到第四季度，竣工面积累计值的极大值、总和、占总和的百分比、中

40、值、平均值、均值的标准误、标准差和方差是逐渐增加的；从2012年到2015年，每季度竣工面积累计值的极大值、总和、占总和的百分比、中值、平均值、均值的标准误、标准差和方差也是逐渐增加的（第一季度的中值除外）。从2012年到2015年，每季度竣工面积累计值的极小值是不断增加的；每年的从第一季度到第四季度，竣工面积累计值的极小值也是不断增加的。但是笼统来看，从第一季度到第四季度，竣工面积累计值的极小值是波动的。其次，按类别分组分析。从图4,2可以看出，不同类别竣工面积累计值的均值、标准差、中值、均值的标准误、合计、极小值、极大值、方差、总和的 %差异都比较大。（二）参数检验首先，进行正态性检验。1

41、) H0假设：每个季度竣工面积累计值服从正态分布。2) SPSS命令：探索分析。这种方法可以检验样本数据是否服从正态分布。3)在显著性水平0.05下，每个季度竣工面积累计值服从正态分布的概率都为0，小于0.05，拒绝H0。表4.3 正态性检验timeKolmogorov-SmirnovaShapiro-Wilk统计量dfSig.统计量dfSig.area112.38918.000.51718.000113.40518.000.49218.000114.40418.000.48218.000115.41518.000.48518.000212.39318.000.50518.000213.415

42、18.000.48618.000214.42218.000.47918.000215.42818.000.48118.000312.40918.000.49318.000313.43018.000.48118.000314.43018.000.48218.000412.40018.000.49218.000413.42618.000.48618.000414.42418.000.48118.0004)得出对实际问题的分析结论。在显著性水平0.05下，每个季度的竣工面积累计值不服从正态分布。 虽然正态性检验的结果说明每个季度竣工面积累计值不适合进行参数检验，但第三题的检验结果说明定距型数据的参数

43、检验和非参数检验的结果差异可能并不大，所以仍用参数检验。1) H0假设：不同年份同一季度的竣工面积累计值的均值不存在显著性差异。2) SPSS命令：两配对样本T检验。这里要检验的是不同年份同一季度的竣工面积累计值的均值是否存在显著性差异，而不同年份同一季度的两个样本之间是相关的，所以用两配对样本T检验。3)在显著性水平0.05下，同一季度竣工面积累计值的均值不存在显著性差异的概率几乎都大于0.05，接受 H0；2015年第一季度和2014年第一季度竣工面积累计值的均值不存在显著性差异的概率为0.039，小于0.05，拒绝H0。不同年份竣工面积累计值的均值不存在显著性差异的概率都大于0.05，接

44、受H0。 表4.4 成对样本统计量均值N标准差均值的标准误对 1time2152178.5550184703.092661108.52957time2142118.9311184655.206911097.24279表4.5 成对样本检验成对差分tdfSig.(双侧)均值标准差均值的标准误差分的 95% 置信区间下限上限对 1time215 time21459.62389152.9092536.04106-16.41609135.663871.65417.116表4.6 成对样本统计量均值N标准差均值的标准误对 2time2152178.5550184703.092661108.52957ti

45、me2131818.4350183919.09404923.73932表4.7 成对样本检验成对差分tdfSig.(双侧)均值标准差均值的标准误差分的 95% 置信区间下限上限对 2time215 time213360.12000788.69645185.89754-32.08952752.329521.93717.070表4.8 成对样本统计量均值N标准差均值的标准误对 3time2142118.9311184655.206911097.24279time2131818.4350183919.09404923.73932表4.9 成对样本检验成对差分tdfSig.(双侧)均值标准差均值的标准

46、误差分的 95% 置信区间下限上限对 3time214 time213300.49611745.09296175.62009-70.02990671.022121.71117.105表4.10 成对样本统计量均值N标准差均值的标准误对 4time2152178.5550184703.092661108.52957time2121549.7261183172.26692747.71048表4.11 成对样本检验成对差分tdfSig.(双侧)均值标准差均值的标准误差分的 95% 置信区间下限上限对 4time215 time212628.828891552.00228365.81045-142.9

47、63691400.621461.71917.104表4.12 成对样本统计量均值N标准差均值的标准误对 5time2142118.9311184655.206911097.24279time2121549.7261183172.26692747.71048表4.13 成对样本检验成对差分tdfSig.(双侧)均值标准差均值的标准误差分的 95% 置信区间下限上限对 5time214 time212569.205001515.20197357.13653-184.287211322.697211.59417.129表4.14 成对样本统计量均值N标准差均值的标准误对 6time2131818.4

48、350183919.09404923.73932time2121549.7261183172.26692747.71048表4.15 成对样本检验成对差分tdfSig.(双侧)均值标准差均值的标准误差分的 95% 置信区间下限上限对 6time213 time212268.70889774.15675182.47050-116.27021653.687981.47317.159表4.16 成对样本统计量均值N标准差均值的标准误对 7time115794.5628181700.09291400.71574time114691.2961181517.23763357.61634表4.17 成对样本