实验二均值比较与方差分析
1、 Means过程
Means 过程是计算指定变量的综合描述统计量。它与Descriptive的区别？
当观测量按一个分类变量分组时，means过程可以进行分组计算，对数据进行描述统计。用于形成分组的变量，其值数量应该少且能明确表明其特征。可以是名义变量也可以是序号变量。（分组变量可以有多个，交叉组合分组计算均值）
注：means必须要用到分类变量。这是与descriptive过程不同之处。 使用数据集：data09-01.sav 操作步骤：分析（Analyze）--，主窗口如下：
层的概念：若有两个分类变量a,b，a有m个水平，b有n个水平。若将两个变量同时放在第一层上，程序运行结果分别给出两个变量各水平的因变量的统计量。即按照a分m组给出因变量的描述统计量，按b给出n组因变量的描述统计量。
若将两个变量放在不同层上，第一层放置a变量，第二层放置b变量，则程序会在a变量分组的前提下按照b分组再计算因变量的统计量。这时的组合数为m*n，程序将输出m*n组因变量的描述统计量。
点击选项，可以设置单元格统计量如均值、个案数、标准差等
Anova表和eta：显示单因素方差分析表，并为第一层中的每个自变量计算eta和eta平方（相关度量）
Eta：eta统计量表明因变量和自变量之间联系的强度。Eta方是因变量中不同组中差异所解释的方差比，是组间平方和与总平方和之比。
线性相关检验 ：计算与线性和非线性成分相关联的平方和、自由度和均方以及F，R和R平方。如果自变量为字符串，则不计算线性。 结果如下：
报告
weight fodder
均值 133.3600 152.0400 189.7200 220.7750 171.5105 N
5 5 5 4 19 标准差 6.80794 6.95723 6.35035 6.10594 34.31137 A B C D 总计
A、B、C、D四个组的均值、个数、标准差 1
ANOVA 表 weight * 草料 组间 组内 总计 （组合） 平方和 20538.698 652.160 21190.858 df 3 15 18 均方 6846.233 43.477 F 157.467 显著性 .000
显著性<0.05，拒绝原假设。四个组的均值不相等。
相关性度量
weight * 草料
Eta .984 Eta 方
.969 Eta：eta统计量表明因变量和自变量之间联系的强度。Eta方是因变量中不同组中差
异所解释的方差比，是组间平方和与总平方和之比。本例中eta为0.984，说明因变量与自变量之间联系紧密。Eta方为（20538.698/21190.858）。eta是0-1之间的数，越接近1，就表明因变量与控制变量关系密切。 2、T test过程
（1）单一样本T检验
检验单个变量的均值与指定的常数之间是否存在差异
单一样本T检验对每个检验变量给出的统计量有：均值，标准差和均值的标准误等。操作数据是data09-01.sav
操作步骤：分析（analyze）- 主窗口如下：
-
检验weight变量的均值是否为125.3
单击选项，设置置信区间大小和对缺失值处理
结果如下：
单个样本统计量 weight N 19 均值 171.5105 标准差 34.31137 均值的标准误 7.87157 单个样本检验 检验值 = 125.3 t weight 5.871 df 18 Sig.(双侧) .000 均值差值 46.21053 差分的 95% 置信区间 下限 29.6730 上限 62.7481 因为Sig.<0.05，所以拒绝原假设。Weight均值不是125.3.
（2）两个独立样本的T检验
用于检验两个不相关的样本是否来自具有相同均值的总体。 数据集：data09-02-不同菌株对三叶草含氮量的影响 操作步骤：分析（analyze）- 主窗口如下：
-
