生物统计实验报告

本科学生实验报告

学号 ********* 姓名

学院 生命科学学院 专业、班级12级生物科学A班 实验课程名称 生物统计学实验 指导教师及职称 孟丽华 开课时间 2012 至 2013 学年 下 学期 填报时间 2013 年 5 月 29 日

云南师范大学教务处编印

实验名称：多因素方差分析（从3种不同实验时间：原料和3种不同发酵温度中选出某物质较为2013-5-24 适宜的条件） 小组合作： 否 一、实验预习 1、能够熟练的使用SPSS进行二因素方差分析； 2、通过本次试验理解二因素方差分析的概念和思想，理解多个因素存在交互效应的统计学含义和实际含义； 3、了解方差分析分解的理论基础和计算原理，能够熟练应用单因素方差分析对具体的实际问题进行有效的分析，通过测量数据研究各个因素对总体的影响效果，判定因素在总变异中的重要程度； 2、实验设备及材料 教材、电脑、SPSS软件 3、实验原理及实验流程或装置示意图： 实验原理： 1、两因素方差分析主要用来检测两个自变量之间的是否有显著的影响，检测不同组合之间哪种最显著； 2、两因素方差分析有两种类型：一个是无交互作用的双因素方差分析，它假定因素A和因素B的效应之间是相互独立的，不存在相互关系；另一个是有交互作用的双因素方差分析，它假定因素A和因素B的结合会

产生出一种新的效应； 3、双因素方差分析的前提假定：采样地随机性，样本的独立性，分布的正态性，残差方差的一致性； 4、比较观测变量总离差平方和各部分的比例，在观测变量总离差平方和中，如果组间离差平方和所占比例较大，则说明观测变量的变动主要是由于控制变量引起的，可以主要由控制变量来解释，即控制变量给观测变量带来了显著影响； 5、两因素方差分析：（一）、交叉分组资料的方差分析：设试验考察A、B两个因素，A因素分个水平，B因素分b个水平。所谓交叉分组是指A因素每个水平与B因素的每个水平都要碰到，两者交叉搭配形成b个水平组合即处理，试验因素A、B在试验中处于平等地位，试验单位分成b个组，每组随机接受一种处理，因而试验数据也按两因素两方向分组。这种试验以各处理是单独观测值还是有重复观测值又分为两种类型：1）、两因素单独观测值试验资料的方差分析对于A、B两个试验因素的全部b个水平组合，每个水平组合只有一个观测值，全试验共有b个观测值；2）、两因素有重复观测值试验的方差分析对两因素和多因素有重复观测值试验结果的分析，能研究因素的简单效应、主效应和因素间的交互作用(互作)效应； 4、实验方法步骤及注意事项： 内容：生物统计学（第五版）131页第六章习题 6.7 实验方法步骤 （1）启动SPSS，点击Variable View进入定义变量工作表，用Name1命令定义变量“温度”，Type1为数值型，Width1为8，小数位数（Decimals）

定义为0， Values中赋值1：30℃，2：35℃，3：40℃。用Name2命令定义变量“原料”，Type2为数值型，Width2为8，小数位数（Decimals）定义为0，Values中赋值1：A1，2：A2，3：A3。用Name3命令定义变量“发酵量”，Type1为数值型，Width1为8，小数位数（Decimals）定义为0。 （2）点击工作表下方Data View命令，进入“数据视图”工作表，将温度和原料对应的赋值分别输入到对应变量名的各个单元格内，并对应的观察计得其发酵量对应的单元格内输入数据。进行检验，操作如下： 单击主菜单Analyze（分析）→General Linear Model→Univariate→Plots…→把“原料”放入Horizontal Axis，把“温度”放入Separate Lines→Add→Continue→Post Hoc…→把“原料和温度”放入Post Hoc Tests for→在Equal Variances Assumed中选LSD→Continue→在Options…中把“原料、温度和原料*温度”都放入Display Means for，并在下面选人所需分析的选项→Continue→OK 二、实验内容 1、实验现象及数据（生物统计学（第五版）131页第六章习题 6.7） 为了从3种不同原料和3种不同发酵温度中选出某物质较为适宜的条件，设计了一个二因素试验，并得到结果如下表所示。试对该资料进行方差分析。 原料 B1 (30℃) B2 (35℃) B3(40℃) A1 41 49 23 25 11 13 25 24 6 22 26 18 A2 47 59 50 40 43 38 33 36 8 22 18 14 A3 43 35 53 50 55 38 47 44 30 33 26 19

实验结果 表一 Univariate Analysis of Variance 原料 1 2 3 温度℃ 1 2 3 Value Label A1 A2 A3 30℃ 35℃ 40℃ N 12 12 12 12 12 12 Between-Subjects Factors 表二 Dependent Variable: 物质数值 原料 A1 温度℃ 30℃ 35℃ 40℃ Total A2 30℃ 35℃ 40℃ Total A3 30℃ 35℃ 40℃ Total Total 30℃ 35℃ 40℃ Total Levene's Test of Equality of Error Variances(a) Mean 34.50 18.25 18.00 23.58 49.00 37.50 15.50 34.00 45.25 46.00 27.00 39.42 42.92 33.92 20.17 32.33 Std. Deviation 12.583 7.274 8.641 11.958 7.874 4.203 5.972 15.562 8.016 7.071 6.055 11.196 10.900 13.413 8.167 14.313 N 4 4 4 12 4 4 4 12 4 4 4 12 12 12 12 36 Descriptive Statistics

表三 Dependent Variable: 物质数值 F 1.367 df1 8 df2 27 Sig. .255 Tests the null hypothesis that the error variance of the dependent variable is equal across groups. a Design: Intercept+原料+温度℃+原料 * 温度℃ 表四 Dependent Variable: 物质数值 Type III Sum of Source Corrected Model Intercept 原料 温度℃ 原料 * 温度℃ Error Total Corrected Total Squares 5513.500(a) 37636.000 1554.167 3150.500 808.833 1656.500 44806.000 7170.000 df 8 1 2 2 4 27 36 35 Mean Square 689.188 37636.000 777.083 1575.250 202.208 61.352 F 11.233 613.445 12.666 25.676 3.296 Sig. .000 .000 .000 .000 .025 Partial Eta Squared .769 .958 .484 .655 .328 Tests of Between-Subjects Effects a R Squared = .769 (Adjusted R Squared = .701) 表五 Estimated Marginal Means Dependent Variable: 物质数值 95% Confidence Interval 原料 A1 A2 A3 Mean 23.583 34.000 39.417 Std. Error 2.261 2.261 2.261 Lower Bound 18.944 29.361 34.777 Upper Bound 28.223 38.639 44.056 1. 原料

表六 2. 温度℃ Dependent Variable: 物质数值 95% Confidence Interval 温度℃ 30℃ 35℃ 40℃ 3. 原料 * 温度℃ Mean 42.917 33.917 20.167 Std. Error 2.261 2.261 2.261 Lower Bound 38.277 29.277 15.527 Upper Bound 47.556 38.556 24.806 表七 Dependent Variable: 物质数值 95% Confidence Interval 原料 A1 温度℃ 30℃ 35℃ 40℃ A2 30℃ 35℃ 40℃ A3 30℃ 35℃ 40℃ Mean 34.500 18.250 18.000 49.000 37.500 15.500 45.250 46.000 27.000 Std. Error 3.916 3.916 3.916 3.916 3.916 3.916 3.916 3.916 3.916 Lower Bound 26.464 10.214 9.964 40.964 29.464 7.464 37.214 37.964 18.964 Upper Bound 42.536 26.286 26.036 57.036 45.536 23.536 53.286 54.036 35.036 Post Hoc Tests 原料 Homogeneous Subsets 物质数值 表八 Student-Newman-Keuls Subset 原料 A1 A2 A3 Sig. N 12 12 12 1 23.58 1.000 2 34.00 39.42 .102 Means for groups in homogeneous subsets are displayed. Based on Type III Sum of Squares The error term is Mean

Square(Error) = 61.352. a Uses Harmonic Mean Sample Size = 12.000. b Alpha = .05. 温度℃ Homogeneous Subsets 表九 Student-Newman-Keuls Subset 温度℃ 40℃ 35℃ 30℃ Sig. Square(Error) = 61.352. a Uses Harmonic Mean Sample Size = 12.000. b Alpha = .05. N 12 12 12 1 20.17 1.000 2 33.92 1.000 3 42.92 1.000 物质数值 Means for groups in homogeneous subsets are displayed. Based on Type III Sum of Squares The error term is Mean Spread-versus-Level Plots Spread vs. Level Plot of 物质数值1412108641020304050Level (Mean)Groups: 原料 * 温度℃ 图一

Spread vs. Level Plot of 物质数值1601401201008060402001020304050Level (Mean)Groups: 原料 * 温度℃ 图二 Estimated Marginal Means of 实验物质60504030温度B1(30℃)20B2(35℃)10A1A2A3B3(40℃)原料 图三

2、对实验现象、数据及观察结果的分析与讨论 从表三可以看出：在方差齐次性检验时，P=0.255>0.05，说明方差为齐次； 从表四可以看出： 原料效应的P=0.000<0.05，说明该效应个体水平作用差异显著； 温度效应的P=0.000<0.05，说明该效应个体水平作用差异显著； 温度和原料的互作效应的P=0.025<0.05，说明该水平作用差异显著； 从表八可以看出：原料对某物质数量影响差异不显著； 从表九可以看出：数据不在一列，温度对某物质数量影响差异显著； 从图一看出： 效应平均数和标准差的图形，不成比例说明具有可加性和方差齐次性； 效应平均数和方差的图形，不成比例说明具有可加性和方差齐次性； 从图二看出：响应变量图为交叉线，则交互作用显著。 3、结论： 通过以上可以得出，原料效应个体水平作用差异显著；温度效应个体水平作用差异显著；温度和原料的交互作用显著。。 4、实验总结 通过本次实验让我学会了利用SPSS软件进行双因素方差分析，两因素有重复观测值试验的方差分析对两因素和多因素有重复观测值试验结果的分析，能研究因素的简单效应、主效应和因素间的交互作用(互作)效应。 在本次试验中，我学会了双因素方差分析。两因素方差分析主要用来检

测两个自变量之间的是否有显著的影响，检测不同组合之间哪种最显著；了解方差分析分解的理论基础和计算原理，能够熟练应用单因素方差分析对具体的实际问题进行有效的分析，通过测量数据研究各个因素对总体的影响效果，判定因素在总变异中的重要程度； 在本次实验中我对SPSS的应用已经比之前熟练了很多，但是在分析问题上还不是特别熟悉，还需要老师的进一步指导，只有好好学习，熟练掌握这门课程才能为以后的学习和毕业论文的结果分析大下了一定的基础。 指导老师评语及得分： 签名： 年 月 日