正交试验设计的spss分析

上机操作6：正交试验设计的spss分析习题：有一混合水平的正交试验，A因素为葡萄品种，A1、A2、A3、A4，B因素为施肥期，有B1、B2，C因素为施肥量，有C1、C2，重复三次，采用L8(4×24)正交表，试验结果如下表，试进行分析葡萄品种施肥时期及用量实验结果处理组合ABCⅠⅡⅢ11111716192122192020321226242142212522205312161519632114151474112425238422282826解：1.定义变量，输入数据：在变量视图中写入变量名称“产量”、“区组”、“施肥量”、“施肥期”、“品种”“处理”，宽度均为8，小数均为0。并在数据视图依次输入变量。2．分析过程：（1）正态分布检验：工具栏“图形”——“P-P图”，在“变量”中放入“产量”，“检验分布”为“正态”，“确定”。（2）方差齐性检验：a.工具栏“分析”——“比较均值”——“单因素ANOVA”。b.在“因变量”中放入“产量”，在“固定因子”中放入“品种”。c.点击“选项”，在“统计量”中点击“方差同质性检验”，“继续”。d.“确定”。工具栏“分析”——“比较均值”——“单因素ANOVA”。e.在“因变量”中放入“产量”，在“固定因子”中放入“施肥期”。f.点击“选项”，在“统计量”中点击“方差同质性检验”，“继续”。g.“确定”。在“因变量”中放入“产量”，在“固定因子”中放入“施肥量”。h.点击“选项”，在“统计量”中点击“方差同质性检验”，“继续”。i.“确定”。在“因变量”中放入“产量”，在“固定因子”中放入“处理”。点击“选项”，在“统计量”中点击“描述性”和“方差同质性检验”，“继续”。j.“确定”。（3）显著性差异检验：a.工具栏“分析”——“常规线性模型”——“单变量”。b.在“因变量”中放入“产量”，在“固定因子”中分别放入“施肥期”、“施肥量”、“品种”“区组”。c.点击“模型”，“定制”，将“施肥期”、“施肥量”、“品种”、“区组”放入“模型”下。在“建立项”中选择“主效应”，“继续”。d.点击“两两比较”，将“施肥期”、“施肥量”、“品种”放入“两两比较检验”中，点击“假定方差齐性”中的“Duncan”。e.“确定”，在“因变量”中放入“产量”，在“固定因子”中分别放入“处理”、“区组”。f.点击“模型”，“定制”，将“处理”、“区组”放入“模型”下。在“建立项”中选择“主效应”，“继续”。g.点击“两两比较”，将“处理”放入“两两比较检验”中，点击“假定方差齐性”中的“Duncan”。h.“确定”。3.生成图表，输出结果分析：（1）正态分布检验：0.00.20.40.60.81.0观测的累积概率0.00.20.40.60.81.0期望的累积概率产量的正态P-P图P-P图中数据点都分布在一条直线上，所以产量符合正态分布。（2）方差齐性检验：方差齐性检验产量.667320.582Levene统计量df1df2显著性表1-1由表1-1可知，P＞0.05，所以不同品种的产量方差之间不存在显著性差异，方差齐性。方差齐性检验产量.507122.484Levene统计量df1df2显著性表1-2由表1-2可知，P＞0.05，所以施肥期不同处理水平的产量方差不存在显著性差异，方差齐性。方差齐性检验产量.030122.863Levene统计量df1df2显著性表1-3由表1-3可知，P＞0.05，所以施肥量不同处理水平的产量方差不存在显著性差异，方差齐性。描述产量317.331.528.88213.5421.131619319.67.577.33318.2321.101920323.672.5171.45317.4229.922126322.332.5171.45316.0828.582025316.672.0821.20211.5021.841519314.33.577.33312.9015.771415324.001.000.57721.5226.482325327.331.155.66724.4630.2026282420.674.430.90418.8022.54142812345678总数N均值标准差标准误下限上限均值的95%置信区间极小值极大值表1-4方差齐性检验产量1.542716.223Levene统计量df1df2显著性表1-5由表1-3可知，处理组合1—12的均值和标准误分别为17.33±0.882、19.67±0.333、23.67±1.453、22.33±1.453、16.67±1.202、14.33±0.333、24.00±0.577、27.33±0.667，因此处理8（品种A4、施肥期B2、施肥量C2）的产量最高。由表1-5可知，P＞0.05，所以不同处理的产量方差不存在显著性差异，方差齐性。（3）显著性差异检验：主体间效应的检验因变量:产量408.250a758.32121.659.00010250.667110250.6673806.824.0003.08321.542.573.575371.0003123.66745.926.0001.50011.500.557.46632.667132.66712.132.00343.083162.69310702.00024451.33323源校正模型截距区组品种施肥期施肥量误差总计校正的总计III型平方和df均方FSig.R方=.905（调整R方=.863）a.表1-6由表1-6可知，区组的P＞0.05，所以不同区组的产量之间不存在显著性差异；品种的P＜0.01，所以不同品种的产量之间存在极显著性差异；施肥期的P＞0.05，所以不同施肥期水平的产量之间不存在显著性差异；施肥量的P＜0.05，所以不同施肥量水平的产量之间存在显著性差异。产量Duncana,b615.50618.50623.00625.671.0001.0001.0001.000品种3124Sig.N1234子集显示同类子集中组的均值。基于类型III平方和误差项为均方（误差）=2.693。使用调和均值样本大小=6.000。a.Alpha=.05。b.表1-7产量Duncana,b615.50618.50623.00625.671.0001.000.012品种3124Sig.N123子集显示同类子集中组的均值。基于类型III平方和误差项为均方（误差）=2.693。使用调和均值样本大小=6.000。a.Alpha=.01。b.表1-8由表1-7和表1-8可知，品种的多重比较分析表如下:品种差异性3aA1bB2cC4dC表1-9主体间效应的检验因变量:产量409.750a945.52815.328.00010250.667110250.6673451.126.000406.667758.09519.559.0003.08321.542.519.60641.583142.97010702.00024451.33323源校正模型截距处理区组误差总计校正的总计III型平方和df均方FSig.R方=.908（调整R方=.849）a.表1-10由表1-10可知，处理的P＜0.01，所以不同处理的产量之间存在极显著性差异。产量Duncana,b314.33316.6716.67317.3317.33319.6719.67322.33323.6723.67324.0024.00327.33.061.061.012.026处理65124378Sig.N1234子集显示同类子集中组的均值。基于类型III平方和误差项为均方（误差）=2.970。使用调和均值样本大小=3.000。a.Alpha=.01。b.表1-11产量Duncana,b314.33316.6716.67317.3317.33319.6719.67322.3322.33323.67324.00327.33.061.061.079.2801.000处理65124378Sig.N12345子集显示同类子集中组的均值。基于类型III平方和误差项为均方（误差）=2.970。使用调和均值样本大小=3.000。a.Alpha=.05。b.表1-12由表1-11和表1-12可知，处理的多重比较分析表如下:处理差异性6aA5abAB1abAB2bcBC4cdC3dCD7dCD8eD表1-13