SPSS数据简单分析.ppt

1、第二，简单的数据分析。假设检验2。差异分析3。回归分析，1。假设检验。例1一家汽车制造商声称每升汽油的里程数至少为15公里。如果你怀疑这个广告的真实性，随机抽取10辆车，记录每辆车每公升汽油的公里数。假设观察到的数据是：请检查广告是否不真实。作为总体均值的估计，拒绝域被称为显著性水平，当给出显著性水平时，其被记录为p值，并且当原始假设被认为是真时，可以通过使用样本数据来计算测试统计的观察值出现的概率值(当H0为真时，测试统计在某个极端区域取值的概率)。假设检验的实现，H=ztest(x，)在显著性水平上为0.05，检验方差是否已知，其平均值是否为规定值。h，sig，ci=ztest (x，mu

2、，sigma，alpha，tail)，h=ttest (x，mu)测试方差是否未知Ci=ttest2(x，y)以检查两个样本的平均值是否相等，tail=-1，0，1。例2:在与饮料厂的合同中，制造商要求生产的270毫升饮料的体积误差不得超过10毫升，如果抽查发现的差异远远大于10毫升，将被退回；目前，随机抽取15罐饮料，分为：分析问题：方差是否大于10，检验统计为：当为真时，剔除域为，chitest=(长度(x)-1)* var(x)/10 ljz 1=chi2 inv(1-0.05，长度(x)-1)否则h=1；最后，卡方检验=1.8293e001ljz1=2.3685e001h=0，如果：例

3、3某旅行社酒店经理研究了90天内取消客房的数据，研究人员观察到的结果如下：首先，估计卡方检验是利用随机样本的观察值与理论值的接近程度，根据卡方分布的正确检验来判断是否接受。 满足条件：各类数据的预期频率大于等于5，泊松拟合优度检验，使用函数，齐检验(实际_范围，预期_范围)，家庭收入对女孩男友的回答，1。 单向方差分析，2。方差分析，模型：通过假设共同方差比较两个点的估计值获得。2。计算样本均值和样本方差、总方差、组内误差和组间误差，通过数学证明得到33，360。构造统计，x=6.6610 6.6610 6.6670 6.6670 6.6640 6.6830 6.6810 6.6760 6.6

4、780 6.6790 6.6720 6.6780 6.6710 6.6750 6.6720 6.6740组=1 1 1 1 2 2 2 2 2 3 3 3 3 3 3；P=anova1(x，组)，2。多元方差分析，即研究两个或多个控制变量对观测值的显著影响(因变量)。型号：广告区域和销售。sav3、统计回归模型，牙膏销量，问题，建立牙膏销量与价格、广告投入之间的模型，并预测不同价格和广告费用下的牙膏销量。收集了我公司30个销售周期内牙膏的销量、价格和广告费用，以及同期其他厂家同类牙膏的平均售价。为了更好地拓展产品市场，有效地管理库存，一家大型牙膏企业需要了解我公司生产的牙膏和牙膏的销售量与销售

5、价格和广告投入之间的关系。基本模型，Y公司的牙膏销量，x1其他厂家与我公司的价格差异，x2公司的广告费用，X1和X2的解释变量(回归变量和自变量)，Y的解释变量(因变量)，0，1，2和3的回归系数，随机误差(正态分布随机变量，均值为零)，多元线性回归，一般称为高斯马尔可夫线性模型(K元线性回归)主要问题如下：1 .用测试值(样本值)对未知参数进行点估计和假设检验，以建立、和之间的定量关系；y和，2，预测和控制y的值，即y的区间估计，估计模型参数，估计，求和，求解估计值，1，检验线性模型和回归系数，检验和预测多元线性回归，假设，当，为真，那么，残差平方和和和回归平方和检验，假设统计的置信区间和置

6、信水平为，2。预测：经过一系列的检验，认为该模型具有一定的意义，即可以用于预测，置信水平的置信区间为，其中，1。确定回归系数的估计值，b=回归(y，x)，用软件求解；2.找到回归系数Rint的点，统计=回归(y，x，)，3。绘制残差图，MATLAB统计工具箱，求解模型，b，bint，r，rint，stats=回归(y，x，)，输入，x=n4数据矩阵，第一列是所有1个向量，(置信水平)bintb的置信区间，r残差向量y-xb的置信区间，rintr，stats检验R2统计量，F，p，yn维数据向量，输出，由数据y，x1，x2估计，结果分析，90.54%的y可以由模型确定，F远远超过临界p远小于=0

7、.05，并且置信区间2包含零点(右端点)X2对因变量y没有显著影响，但是x22项是显著的，所以x2可以保留在模型中。 这个模型总的来说是成立的。销售预测，价差x1=其他厂商价格x3-我公司价格x4，预估x3，调整x4，控制价差x1=0.2元，投资广告费X2=650万元，销售预测区间7.8230，8.7636(置信度95%)，上限作为库存管理的目标值，下限用于掌握公司的现金流量。如果x3=3.9被估计并且x4=3.7被设置，可以95%确定地知道销售量在7.83203.7以上29(百万元)，(百万件)，xx=x (:1) x (:2) b，bint，r，rint，stats=回归(y，xx)x0=

8、1 0.2 6.5 6.52；y0=x0 * b=sqrt(var(r)* 29/26)；mx0=x0-平均值(xx)；deta=sigma * sqrt(1 1/30 mx0 * inv(xx * xx)* mx0)* tinv(0.975，26)；Yint=y0-deta，y0 deta，区间估计，%第二次计算是deta=sigma * sqrt(1x 0 * inv(xx * xx)* x0)* tinv(0.975，26)；Yint=y0-deta，y0-deta，模型改进，x1和x2对Y的影响是独立的，并将两个模型的销售预测进行比较，(百万件)，区间7.8230，8.7636，区间7.8953，8.7592，