因此回归方程是可靠有效的。
Excel中的成对数据测验(t-检测)
一、基本原理
农业试验各处理结果之间总会出现一定的差异,这差异的来源需要进行判断,才
能获得可靠结论,这判断称为显著性测验。
二、实验工具
MicrosoftExcel
三、试验方法
成对数据测验时农业统计中较常见的一种,下面就这一类型的Excel统计介绍如
下。
1•例:
如下表数据,现计算短枝型与普通型枝皮率有无明显差异。
元帅苹果短枝型与普通型枝皮率(%)
地点序号
短枝型
普通型
1
54.35
37.5
2
43.62
31.78
3
40.79
20.83
4
32.35
20.83
5
39.58
:
32.35
6
41.34
35.34
7
37.53
27.67
8
38.46
P34.82
9
35.55
23.83
2作步马骤:
在单元格中输入原始数据和文字;单击菜单栏的“工具”,再单击“数据分析”,选择“t-检验:
平均值的成对二样本分析”,单击“确定”。
在变量1的区域选择短枝型的数据,在变量2的区域选择普通型的数据,单击确定,即可得出结果。
t-检验:
成对双样本均值分析
短枝型
普通型
平均
40.39667
29.43889
方差
38.37555
40.69136
观测值
9
9
泊松相关系
数
0.667238
假设平均差
0
df
8
tStat
6.406089
P(T<=t)单
尾
0.000104
t单尾临界
1.859548
P(T<=t)双
尾0.000208
t双尾临界2.306004
3.结果简介:
我们确定的显著水平为0.05,可得tStat=6.41>t双尾临界=2.31,因此两均值差异显著。
同理,可以设置显著水平为0.01时,进行测验。
SPSS中的多因素方差分析
一、基本原理
在多因素的试验中,使用方差分析而不用t检验的一个重要原因在于前者效率更高,本实验所讲的单因变量多因素方差分析是对于一个独立变量是否受一个或多个因素或变量影响而进行的回归分析和方差分析。
这个过程可以检验不同组
之间均数由于受不同因素影响是否有差异的问题,即可以分析每一个因素的作用,也可以分析各因素之间的交互作用,还可以分析协方差和协方差交互作用。
二、实验工具
SPSSforWindows
三、试验方法
多因素方差分析.pdf
四、作业:
某生产队在12块面积相同的大豆试验田上,用不同方式施肥,大豆亩产(斤)的数据如下表
编号
氮肥(斤)
磷肥(斤)
亩产(斤)
1
0
0
400
2
0
0
390
3
0
0
420
4
P0
4
450
5
0
4
460
6
0
4
455
7
6
0
430
8
6
0
420
9
6
0
440
10
6
4
560
11
6
4
570
12
6
4
575
氮肥用N表示,磷肥用P表示,两个因子各取两水平。
为了探明氮肥作用大,还是磷肥作用大,进行方差分析,写出主要结果。
1.操作步骤
(1)输入数据集,因素变量有两个,即N和P,均有两水平,0表示不用该肥料,1表示用该肥料;因变量:
output(大豆亩产),单位为斤。
(2)在“Analyze”菜单中打开“GeneralLinearModels”子菜单,从中选择
“Univariae”命令,打开“多因素方差分析”主窗口。
(3)指令分析变量。
选择因变量output进入Dependent框。
选择因素变量N和P进入FixedFactors框。
(4)在主对话框中单击“Cintrasts”按钮,打开对比方法对话框,在该对话框下如下操作:
在Factor框中选择N。
在ChangeContrast栏内,单击Contrast参数框内向下箭头,打开比较方法表,选择Simple项,再选择First项作为比较参考类,然后单击“changd',在factors框中显示N。
用相同方法指定P。
单击“continue”按钮回到主对话框。
(5)在主对话框中单击“option”按钮,打开选项对话框,作如下操作:
在Factors框中选择因素变量N、P、NxP,单击向右箭头将因素变量送入Display
MeansFor框中。
在display栏内选中Spreadvs.levelplot和residualplot复选框单击OK按钮回到主对话框。
SPSS中的多因变量方差分析(Multivariate)
比较5个品种大麦产量,连续二年观测的单产量作为指标,用三个不同地区的产量作为三次重复。
品种
第一年产量
第二年产量
1
81
81
1
147
100
1
120
99
2
105
82
2
142
116
2
121
62
3
120
80
3
151
112
3
124
96
4
110
87
4
192
148
4
141
126
5
98
84
5
146
108
5
125
76
SPSS中正交设计的方差分析
一、实验工具
SPSSforWindows
二、试验方法
操作步骤
(1)输入数据集,五个因素分别用A、B、C、D、E表示,每因素均有两水平,试验结果用result表示。
(2)在“Analyze”菜单中打开“generallinearmodelS'子菜单,从中选择“univariate”命令,打开“多因素方差分析”主窗口。
(3)指定分析变量:
选择因变量results进入dependen框。
选择因变量A、B、C、D、E进入fixedfactors框。
(4)在主对话框中单击“model”按钮,打开模型对话框,在对话框中如下操作:
选中custom单选项。
指定要求分析的五个主效应。
单击“continue”按钮,返回主对话框。
(5)在主对话框中单击“options”按钮,打开选项对话框,在该对话框中如下操作:
在factorsandfactor框中选择因素变量A、B、C、D、E,单击向右箭头将因素变量送入displayMeansfor框。
单击“continue”按钮,返回主对话框。
(6)单击“OK”按钮完成。
表4-九种不同培养基对鬼怒甘叶片愈伤组织诱导效果
Tab.4—theeffectofdifferentculturemediaonthecallusinductionfromleafofKunouwase
试验
编号
BA(mg/L)
2,4-D(mg/L)
IBA(mg/L)
接种
数(个)
死亡
数(个)
愈伤组织
(个)
愈伤率
(%)
Y-
3.0
(1)
0.2
(1)
0.5
(1)
18
2
16
100.00
Y-
3.0
(1)
0.1
(2)
0.3
(2)
18
2
13
81.25
Y-
3.0
(1)
0.0(3)
0.0(3)
18
0
11
61.11
Y-
2.0
(2)
0.2
(1)
0.0(3)
18
2
15
93.75
Y-
2.0
(2)
0.1
(2)
0.5
(1)
20
3
10
58.82
Y-
2.0
(2)
0.0(3)
0.3
(2)
19
2
9
52.94
Y-
1.0(3)
0.2
(1)
0.3
(2)
20
1
19
100.00
Y-
1.0(3)
0.1
(2)
0.0(3)
18
3
10
66.67
Y-
1.0(3)
0.0(3)
0.5
(1)
18
2
8
50.00
表4七方差分析表
Tab.4—listofvarianceanalysis
DependentVariable:
愈伤率
Corrected
Model
3257.996(b)
6
542.999
178.228
.006
.998
1069.365
1.000
Intercept
49068.525
1
49068.525
16105.659
.000
1.000
16105.659
1.000
BA
238.025
2
119.013
39.063
.025
.975
78.127
.865
2,4—D
2912.718
2
1456.359
478.018
.002
.998
956.035
1.000
IBA
107.253
2
53.627
17.602
.054
.946
35.203
.606
Error
6.093
2
3.047
Total
52332.614
9
Corrected
Total
3264.089
8
aComputedusingalpha=.05,bRSqua