试验（SPSSExcelSAS）.doc

试验设计与数据处理
上机实验指导

石河子大学机械电气工程学院
动力车辆教研室

  统计资料的整理
试验一：
试验名称: 用SPSS创建频数分布表
试验目的: 熟练使用SPSS创建频数分布表
[试验]
下表为10个人对两个不同的问题作出的回答（回答为“Yes”或“No”）后得到的数据，利用SPSS为该数据创建频数分布表。
sample1
sample2
gender
No     
Yes    
女     
Yes    
No     
女     
No     
Yes    
女     
No     
No     
女     
No     
No     
女     
Yes    
Yes    
男     
Yes    
Yes    
男     
Yes    
Yes    
男     
No     
Yes    
男     
No     
Yes    
男     

1、在数据输入 区域输入需要进行描述性统计分析的数据如下图所示

2、选择”analyze”下拉菜单
3、选择” Descriptive Statistics”选项
4、在子菜单中选择”Frequencies ”

5、在左侧选择需要分析的参数进入右侧的分析列表

6、在”Statistics ”选项中选择需要进行分析的参数

 SPSS输出的结果:

试验二：
试验名称: 用Excel作统计分析图形
试验目的: 熟练使用Excel进行统计图表制作
[试验]
一家市场调查公司为研究不同品牌饮料的市场占有率，对随机抽取的一家超市进行了调查。调查员在某天对50名顾客购买饮料的品牌进行了记录，下面的附表是记录的原始数据。
顾客购买饮料的品牌名称
旭日升冰茶
可口可乐
旭日升冰茶
汇源果汁
露露
露露
旭日升冰茶
可口可乐
露露
可口可乐
旭日升冰茶
可口可乐
可口可乐
百事可乐
旭日升冰茶
可口可乐
百事可乐
旭日升冰茶
可口可乐
百事可乐
百事可乐
露露
露露
百事可乐
露露
可口可乐
旭日升冰茶
旭日升冰茶
汇源果汁
汇源果汁
汇源果汁
旭日升冰茶
可口可乐
可口可乐
可口可乐
可口可乐
百事可乐
露露
汇源果汁
百事可乐
露露
可口可乐
百事可乐
可口可乐
露露
可口可乐
旭日升冰茶
百事可乐
汇源果汁
旭日升冰茶

下面给出使用Excel产生条形图的步骤。
第一步：选择“工具”下拉菜单
第二步：选择“数据分析”选项(需要从 Office 安装盘安装数据分析库)

第三步：在分析工具中选“直方图”
第四步：当出现对话框时在“输入区域”方框内键入B2:B51;在“接收区域”方框内键入C4:C8; 在“输出区域”方框内键入E3;选择“累积百分率”;选择“图表输出”;选择“确定”

Excel输出的结果:

统计资料的综合
3
试验名称: 用SPSS  计算描述统计量
试验目的: 熟练使用SPSS 计算描述统计量
试验内容:
[试验]
在本章中，我们介绍了测度数据集中趋势和离散程度的常用统计量，在本试验中，将展示如何用SPSS来计算这些统计量。为了说明方便，假定已将50个数据输入到SPSS工作表中。下面给SPSS计算这些数据描述统计量的具体步骤。
117
122
124
129
139
107
117
130
122
125
108
131
125
117
122
133
126
122
118
108
110
118
123
126
133
134
127
123
118
112
112
134
127
123
119
113
120
123
127
135
137
114
120
128
124
115
139
128
124
121
1、在数据输入区 域输入需要进行描述性统计分析的数据如下图所示

2、选择”analyze”下拉菜单
3、选择” Descriptive Statistics”选项
4、在子菜单中选择”Descriptive”

5、在左侧选择需要分析的参数进入右侧的分析列表

6、在”Option”选项中选择需要进行分析的参数
SPSS输出的结果:

N
Range
Minimum
Maximum
Sum
Mean
Std.
Deviation
Variance
Statistic
Std. Error
结果
50
32.00
107.00
139.00
6149.00
122.9800
1.1351
8.0267
64.428
输出结
果说明
变量数
极差
最小值
最大值
总和
均值
均值的
标准误差
标准差
方差

4
试验名称: 用Excel计算描述统计量
试验目的: 熟练使用Excel进行常用统计量的计算
[试验]
在本章中，我们介绍了测度数据集中趋势和离散程度的常用统计量，在本试验中，将展示如何用Excel来计算这些统计量。为了说明方便，假定已将50个数据输入到Excel工作表的A1:A50单元格中。下面给出用Excel计算这些数据描述统计量的具体步骤。
117
122
124
129
139
107
117
130
122
125
108
131
125
117
122
133
126
122
118
108
110
118
123
126
133
134
127
123
118
112
112
134
127
123
119
113
120
123
127
135
137
114
120
128
124
115
139
128
124
121
第1步：选择“工具”下拉菜单
第2步：选择“数据分析”选项(需要从 Office 安装盘安装数据分析库)

第3步：在分析工具中选择“描述统计“

第4步：当出现对话框时，在“输入区域”方框内键入A1:A50；在“输 出选项”中选择输出区域（在此选择“新工作表”）；然后选择“汇总统计”（该选项给出全部描述统计量）;最后 选择“确定”

下面的附表是Excel输出的描述统计量计算结果。用黑体显示的是本章中所介绍的描述统计量。
Excel2002 输出名称
Excel2002 输出结果 
说明
平均
122.98

标准误差
1.135149006

中值
123
中位数
模式
122
众数
标准偏差
8.026715596

样本方差
64.42816327

峰值
-0.408713596

偏斜度
9.94468E-05
偏移度
区域
32
极差
最小值
107

最大值
139

求和
6149

计数
50

最大(1)
139

最小(1)
107

置信度(95.0%)
2.281165949

统计抽样与抽样分布
5
试验名称: 用Excel计算分布的概率
试验目的: 熟练使用Excel进行常用概率分布概率值的计算
[试验]
利用Excel中的函数工具，可以计算二项分布、超几何分布、泊松分布、正态分布等概率分布的概率。在本试验中，我们将介绍二项分布概率的计算 。泊松分布、超几何分布、正态分布的概率计算与二项分布类似。
利用Excel的BINOMDIST函数可以计算出二项分布的概率分布以及累积概率。该函数有四个参数：Number-s(实验成功的次数)、Trials(实验的总次数)、Probability-s(每次实验成功的概率)、Cumulative(该参数是一个逻辑值，如果为True，设实验成功的次数为m，则计算出累积分布函数的概率，即P(X≤m);如果为False，设实验成功的次数为m，则计算出概率密度函数的概率，即P(X=m)).下面我们结合一个例子说明计算二项分布概率的具体步骤。
[例] 已知一批产品的次品率为5%，现从中任抽取一个，有放回的抽取3次。求：
（1）在所抽取的3个产品中恰好有2个次品的概率；
（2）次品数为2个及2个以下的累积概率；
第1步：选择“插入”下拉菜单
第2步：选择数据“函数”选项

第3步：当出现对话框时

第4步 ：当BINOMDIST对话框出现时在Number-s 窗口输入2（成功的次数X）； 在Trials窗口输入
3（实验的总次数n）；在Probability-s窗口输入0.05（每次实验成功的概率p）；在Cumulative窗口输入False；选择“完成”
此时，在指定的单元格出现恰好有2个次品的概率0.007125
在计算次 品数为2个及2个以下的累积概率时，步骤相同，只需在上述第四步的Cumulative窗口中输入True即可。此时在指定的单元格出现的概率为0.999 875。如果我们计算磁次品数为1个及1个以下的累积概率，只需在上述的第4步的Number_s窗口输入1，在Cumulative窗口中输入True即可，此时在指定的窗口出现的概率为0.99275。
计算泊松分布、超几何分布、正态分布概率的步骤与上述过程类似，在第3步选择POISSON\HYPGEMDIST或NORMDIST函数名，根据第4步对话框的指导输入相应的值即可。

参数估计
6
试验名称: 用SPSS求置信区间
试验目的：熟练使用SPSS求置信区间
[试验]
[例] 某零件加工企业生产一种螺丝钉，对某天加工的零件每隔一定时间抽出一个，共抽取12个，测得其长度（单位：mm）数据如下表所示。假定零件长度服从正态分布，试以95%的置信水平估计该企业的生产的螺丝钉平均长度的置信区间。  
10.94
11.91
10.91
10.94
11.03
10.97
11.09
11.00
11.16
10.94
11.03
10.97
试验步骤如下：
1、在数据输入区域输入需要进行描述性统计分析的数据如下图所示 

2、选择”analyze”下拉菜
3、选择” Descriptive Statistics”选项
4、在子菜单中选择”Explore ”选项

5、在左侧选择需要进行区间估计的Var00001参数进入右侧的”Dependent List”

6、在”Statistics ”选项中设定置信水平为95％

SPSS输出的结果 及结果说明:

Statistic
Std. Error
结果说明
Mean

11.0742
7.873E-02
均值、标准差
95% Confidence Interval for Mean
Lower Bound
10.9009

置信区间下限

Upper Bound
11.2475

置信区间上限
5%Trimmed Mean

11.0369

5％截尾均值
Median

10.9850

中位数
Variance

7.439E-02

方差
Std. Deviation

.2727

标准离差
Minimum

10.91

最小值
Maximum

11.91

最大值
Range

1.00

极差
Interquartile Range

0.1350


Skewness

3.065
.637
偏度
Kurtosis

9.922
1.232
峰度
所以我们有95%把握认为该企业生产的螺丝钉的平均长度在10.9009mm-11.2475mm之间。

7
试验名称: 用Excel求置信区间
试验目的: 熟练使用Excel进行参数的区间估计
[试验]
用Excel的函数工具以及使用者自己输入公式等组合方式，可以构造出专门用于区间估计的Excel工作表格。下面结合一个例子说明具体的操作步骤。
正态总体未知，总体均值的区间估计
我们通过一个例子说明用Excel构造置信区间的过程。
[例] 某零件加工企业生产一种螺丝钉，对某天加工的零件每隔一定时间抽出一个，共抽取12个，测得其长度（单位：mm）数据如附表中的A2:A13。假定零件长度服从正态分布，试以95%的置信水平估计该企业的生产的螺丝钉平均长度的置信区间。

A
B
C
D
1
样本数据
计算指标
计算公式
计算结果
2
10.94
样本数据个数
＝COUNT(A2:A13)
12
3
11.91
样本均值
=AVERAGE(A2:A13)
11.074167
4
10.91
样本标准差
=STDEV(A2:A13)
0.272746
5
10.94
样本平均值的标准差
=C4/SQRT(C2)
0.078735
6
11.03
置信水平
=0.95
0.95
7
10.97
自由度
=C2-1
11
8
11.09
t 值
=TINV(1-C6,C7)
2.200986
9
11.00
误差范围
=C8*C5
0.173294
10
11.16
置信下限
=C3-C9
10.900872
11
10.94
置信上限
=C3+C9
11.2474610
12
11.03

13
10.97

为构造区间估计的工作表，我们应在工作表中输入下列内容：A列输入样本数据，B列输入变量名称，  C列输入计算公式。
（1）本表D列为C列的计算结果，当输入完公式后，即显示D列结果。
（2）对于不同的样本数据，只要输入新的样本数据，再对C列公式中的样本数据区域加修改，置信区间就会自动给出。如果需要不同的置信水平，填入相应的数值即可。
我们有95%把握认为该企业生产的螺丝钉的平均长度在10.900872mm-11.247461mm之间。

正态总体，已知，总体均值的区间估计
已知时采用正态分布统计量构造置信区间，此时不用计算样本标准差，直接使用总体标准差；B8单元格改为Z值；C8单元格改为“=NORMSINV( (1-C6) /2)”即可。

假设检验
8
试验名称: 用SPSS进行假设检验
试验目的: 熟练使用SPSS进行假设检验
[试验]
[例] 某克山病区测得11例克山病患者与13名健康人的血磷值mmol/L如下,问该地急性克山病患者与健康人的血磷值是否不同。
患者
0.84
1.05
1.20
1.20
1.39
1.53
1.67
1.80
1.87
2.07
2.11

健康人
0.54
0.64
0.64
0.75
0.76
0.81
1.16
1.20
1.34
1.35
1.48
1.56
1.87
2、 录入数据。将组别设为g， 可将患者组设为1 ，健康人设为2，血磷值设为x ，如患者组中第一个测量到的血磷值为0.84，则g为1，x为0.84，其它数据均仿此录入如下图所示

2、统计分析。依次选择Analyze、 Compare means、 Independent Samples T Test

3、弹出对话框如下图所示， 将x选入Test Variables、g选入Grouping Variable，并单击下方的Define Groups按钮，弹出定义组对话框，默认选项为Use Specified Value，在Group1和Group2框中分别填入1和2，即要对组别变量值为1和2的两个组做t检验，另外Options对话框中可选择 置信度和处理缺失值的方法。

SPSS输出的结果和结果说明:

G
N
Mean
Std. Deviation
Std. Error Mean
VAR00001
1
11
1.5209
.4218
.1272

2
13
1.0846
.4221
.1171

F
Sig.
t
df
Sig. (2-tailed)
Mean Difference

Std. Error Difference
95% Confidence Interval of the Difference
Lower
Upper
Equal variances assumed
.032
.860
2.524
22
.019
.4363
.1729
7.777E-02
.7948
Equal variances not assumed

2.524
21.353
.020
.4363
.1729
7.716E-02
.7954

第一个表格是统计描述,给出了两个组的样本数N、均值Mean、标准偏差Std.Deviation、标准误差Std. Error Mean。
第二个表格分两部分
        1、方差齐次检验（Levene 检验）。F＝0.032、 P（ Sig）＝ 0.860
2、 t 检验。因方差齐次与不齐方法不同，（Equal variances assumed 方差齐次和Equal variances not assumed 方差不齐），结果分两行给出。由使用者根据方差齐次检验结果来判断。本例尚不能认为方差不齐，故取方差齐次的结果t＝ 2.524,df 自由度22, 双侧t 检验概率=0.019 即可认为两组间血磷值有差别。结果中还给出了两组间差值的均值标准误差和95%置信区间。
9
试验名称: 用EXCEL进行假设检验
试验目的: 熟练使用Excel 2002进行参数的假设检验
[试验]
本章介绍的假设检验包括一个正态总体的参数检验和两个正态总体的参数检验。对于一个正态总体参数的检验,可利用函数工具和自己输入公式的方法计算统计量,并进行检验，本试验主要介绍 如何使用Excel进行两个正态分布的均值方差的检验。
两个总体均值之差的检验：（已知,大样本 ）
下面我们结合一个例子说明检验的操作步骤。
[例] 为了评价两个学校的教学质量,分别在两个学校抽取样本,在A学校抽取30名学生,在B学校抽取40名学生,对两个学校的学生同时进行一次英语标准化考试,成绩如下表所示，假设学校A考试成绩的方差为64,学校B考试成绩的方差为100.检验两个学校的教学质量是否有显著差异.
学校A
学校B
70       97   85   87   64   73
86       90   82   83   92   74
72   94   76   89   73   88
91   79   84   76   87   88
85   78   83   84   91   74
76   91   57   62   89   82   93   64
80   78   99   59   79   82   70   85
83   87   78   84   84   70   79   72
91   93   75   85   65   74   79   64
84   66   66   85   78   83   75   74
假定我们将上表中学校A的数据输入到工作表中的A1:A30,学校B的数据输入到工作表的B1:B40.检验的步骤如下：
第一步: 选择”工具”下拉菜单
第二步: 选择”数据分析”选项(需要从 Office 安装盘安装数据分析库)

第三步: 在分析工具中选择”Z－检验:二样本平均差检验”

第四步: 当出现对话框后，在“变量1的区域”方框内键入A1:A30；在“变量2的区域”方框内键入B1:B40；在“假设平均差”方框内键入0；在“变量的方差”方框内键入64；在“变量2的方差”方框内键入100；在“”方框内键入0.05；在“输出选项”中选择输出区域(在此选择“新工作表”)；输出结果如附表。

z-检验: 双样本均值分析

变量 1
变量 2
平均
82.5
78
已知协方差
64
100
观测值
30
40
假设平均差
0

z
2.090574944

P(Z<=z) 单尾
0.018283028

z 单尾临界
1.644853476

P(Z<=z) 双尾
0.036566055

z 双尾临界
1.959962787

由于，所以拒绝，即两个学校的教学质量有显著差异.
方差分析

10
试验名称：用SPSS进行单因素方差分析
试验目的：熟练使用SPSS进行单因素方差分析
[试验]
[例]  五个地区每天发生交通事故的次数如下：
东部
北部
中部
南部
西部
15
12
10
14
13
17
10
14
9
12
14
13
13
7
9
11
17
15
10
14
—
14
12
8
10
—
—
—
7
9
由于是随机抽样，有一些地区的样本容量较多（如南部和西部），而有些地区样本容量较少（如东部）。试以α=0.01的显著水平检验各地区平均每天交通事故次数是否相等。
1、数据录入。以变量x 表示交通事故数据；g 表示组别，可设1 为东部，2 为北部，3为中部，4为南部，5为西部，比如东部数据1可以录入为x=15,g=1。具体格式见下图

2、统计分析。 依次选取Analyze、 Compare Means、 One way

ANOVA 弹出对话框如下图所示，将x 选入Dependent list（因变量框），g 选入Factor （研究因素框），对话框下方还有三个按钮：Contrast、Post Hoc 和Options 。下面简单介绍其子对话框：
Post Hoc：指定一种多重比较检验方法和水准；
Options：指定要输出的统计量（方差齐性检验和统计描述结果）和处理缺失值的方法

本例要选用一种两两比较的方法，单击Post Hoc 弹出对话框如下图所示，对话框中列出了常用的两两比较方法，其中SNK 即q 检验，LSD least significant difference 即最小显著差法，本例选用SNK 法，并设置下面的置信度significance level为0.01，单击Options， 展开其对话框指定输出方差齐性检验结果。按Continue 返回主对话框，单击OK 提交执行。

输出结果及结果说明：
Test of Homogeneity of Variances X
Levene Statistic
df1
df2
Sig.
.096
4
21
.983
ANOVA X

Sum of Squares
df
Mean Square
F
Sig.
Between Groups
82.637
4
20.659
3.676
.020
Within Groups
118.017
21
5.620

Total
200.654
25

第一个表格显示了方差齐性检验结果P＝0.983，所以认为方差齐次；第二个表格给出了方差分析的内容，Sum of Squares 为平方和，Mean Square 为均方和 ,df 为自由度，Between Groups为组间，Within Groups 为组内，F＝3.676 ，所以接受原假设，即各地区每天发生的交通事故次数相等。

11
试验名称： 用SPSS进行双因素方差分析
试验目的： 熟练使用SPSS进行双因素方差分析
[试验]
[例] 某厂医务室测定了10 名氟作业工人工前、工中及工后4 个小时的尿氟浓度（ μ mol/L）, 结果如下表，问氟作业工人在这三个不同时间的尿氟浓度有无差别。
编号
工前
工中
工后
1
90.53
142.12
87.38
2
88.43
163.17
65.27
3
47.37
63.16
68.43
4
175.80
166.33
210.54
5
100.01
144.75
194.75
6
46.32
126.33
65.27
7
73.69
138.96
200.02
8
105.27
126.33
100.01
9
86.32
121.06
105.27
10
60.01
73.69
58.95
1. 数据录入。
以变量x 表示尿氟浓度，变量g 表示时间（工前、工中或工后），可设1 为工前，2 为工中，3 为工后。变量id表示工人（以编号代表不同工人），如编号为1 的工人工前尿氟浓度为90.53，则录入数据时x为90.53,g 为1,id 为1， 数据录入格式如下图

2. 统计分析
依次选取Analyze、General Linear Model、Univariate

展开对话框如下图，将x 选入Dependent Variable（因变量框），g、 id 选入Fixed Factors （固定因素框）

对话框右边有一排按钮Mode、 Contrasts 、Plots、 Post Hoc、 Save 和Options,下面分别对其子对话框选项作一简单介绍：
Model：指定不同的模型，除方差分析外General Linear Model可作其它统计分析；
Contrasts：指定一种要用t 检验来检验的priori 对比；
Plots：指定作某种图；
Post Hoc：指定两两比较的方法；
Save：指定将产生的一些指标保存为新的变量；
Options：指定要输出的一些选项如数据的描述方差齐性检等
单击Model 展开其子对话框如下图，最上方Specify Model 定义模型，有两个选项：Full factorial（全因子）和Custom， 选取Custom（自定义），Build Terms （选取模型中各项）下方有一选项，单击下拉箭头将其展开，选择Main Effects（主效应因）（本例不考虑交互作用），再将Factors 框中的g、 id 选入Model:框，按Continue返回主对话框，单击Post Hoc 按钮展开其子对话框，将g 选入Post Hoc Test for， 即要做两两比较的因素框，选取SNK 即q检验，返回主对话框，单击OK 键提交执行。

3、输出结果及结果分析。

N
G
1
10

2
10

3
10
ID
1
3

2
3

3
3

4
3

5
3

6
3

7
3

8
3

9
3

10
3

Source
Type III Sum of Squares
df
Mean Square
F
Sig.
Corrected Model
47895.877
11
4354.171
4.513
.002
Intercept
362019.463
1
362019.463
375.246
.000
G
8182.893
2
4091.447
4.241
.031
ID
39712.984
9
4412.554
4.574
.003
Error
17365.561
18
964.753

Total
427280.901
30

Corrected Total
65261.438
29

a R Squared = .734 (Adjusted R Squared = .571)
     student-Newman-Keuls

N
Subset

G

1
2
1
10
87.3750

3
10
115.5890
115.5890
2
10

126.5900
Sig.

.057
.439

第一个表格中是两个因素的取值及观测数汇总结果
第二个表格是方差分析的结果，G 和ID 即是对应的统计量，由结果可知，不同时间尿氟量有差别，不同工人的尿氟浓度有差别；
第三个表格是两两比较的结果。G 代表不同时间，N为观测数，表中最后一行是属于同一子集的组组间比较的P 值。

12
试验名称：用EXCEL进行单因素方差分析
试验目的：熟练使用Excel 2002进行单因素方差分析
[试验]
五个地区每天发生交通事故的次数如下：
东部
北部
中部
南部
西部
15
12
10
14
13
17
10
14
9
12
14
13
13
7
9
11
17
15
10
14
—
  14
   12
   8
   10
—
—
—
7
9
由于是随机抽样，有一些地区的样本容量较多（如南部和西部），而有些地区样本容量较少（如东部）。试以α=0.01显著水平检验各地区平均每天交通事故的次数是否相等。
假设我们已将数据输入到工作表中的A3：E8单元。然后按下列步骤进行试验：

A
B
C
D
E
1
五个地区每天发生的交通事故次数
2
东部
北部
中部
南部
西部
3
15
12
10
14
13
4
17
10
14
9
12
5
14
13
13
7
9
6
11
17
15
10
14
7

14
12
8
10
8

7
9
第一步：选择“工具”下拉菜单
第二步：选择“数据分析”选项

第三步：在分析工具中选择“单因素方差分析”

第四步：当出现对话框后；在“数据区域”方框内键入A3：E8；在α方框内输入0.01；在“输出选项”中选择输出区域为G2;选择“确定”

输出结果如下：
方差分析：单因素方差分析
SUMMARY

组
计数
求和
平均
方差
列 1
4
57
14.25
6.25
列 2
5
66
13.2
6.7
列 3
5
64
12.8
3.7
列 4
6
55
9.166667
6.966667
列 5
6
67
11.16667
4.566667

方差分析

差异源
SS
df
MS
F
P-value
F crit
组间
82.63718
4
20.65929
3.676135
0.020229
4.368815
组内
118.0167
21
5.619841

总计
200.6538
25

由于F=3.6761<Fα=4.3688,接受原假设，即各地区每天发生的交通事故次数相等。

一元线性回归

13
试验名称: 用SPSS进行回归分析
试验目的: 熟练使用SPSS进行回归分析
[试验]
[例] 某地一年级12名女大学生的体重与肺活量数据如下表所示：试求肺活量L( Y) 对体重Kg( X) 的 回归方程。
学生编号
体重X（Kg）
肺活量Y（L）
1
42
2.55
2
42
2.20
3
46
2.75
4
46
2.40
5
46
2.80
6
50
2.81
7
50
3.41
8
50
3.10
9
52
3.46
10
52
2.85
11
58
3.50
12
58
3.00
1、数据录入。将将肺活量L作为因变量y, 体重Kg作为自变量x分别输入数据区域,格式如下图。

2、 统计分析。逐一选取Analyze、Regression、Linear 展开对话框如下图所示。将X 选入independent（自变量框），将Y选入dependent（因变量框）

然后点击Statistics 按钮，出现一个设置各种统计选项的对话框。点击Plot 按钮可绘制残差分布图、直方图、极端值图或正态概率图。Options 按钮可改变进行逐步回归时的内部数值的设定以及对缺失值的处理方式。单击OK 键进行统计分析。
表一 Variables Entered/Removed
Model
Variables Entered
Variables Removed
Method
1
X
.
Enter
表二 Model Summary 
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
.749
.562
.518
.28775

表三 ANOVA
Model

Sum of Squares
df
Mean Square
F
Sig.

Regression
1.061
1
1.061
12.817
.005

Residual
.828
10
.083

Total
1.889
11

a Predictors: (Constant), X
b Dependent Variable