《【长篇单元】《七十二小时速通大学各科》》防爆灯蔻

6、统计学

　　一、实验名称
　　实验7—参数估计
　　实验8—假设检验
　　实验10-方差分析
　　实验11-一元线性回归
　　考核成绩

　　二、实验角色
　　7.13人才测评机构自信心测试
　　8.4 糖厂自动打包机
　　8.10装配部件
　　10.3员工产品培训
　　11.4汽车生厂商

　　三、实验时间、地点
　　2020年12月16日星期三、财会金融实验室

　　四、实验目的及要求

　　实验目的：
　　7.13掌握运用Excel和SPSS进行参数的区间估计的方法
　　8.4 掌握运用Excel和SPSS进行假设检验的方法
　　8.10 掌握运用Excel和SPSS进行假设检验的方法
　　10.3掌握运用Excel和SPSS进行方差分析的方法
　　11.4掌握运用Excel和SPSS进行相关分析与回归分析的方法

　　实验要求：
　　7.13利用SPSS或者Excel对两种方法平均得分之差进行区间估计
　　8.4 利用SPSS或者Excel对包的重量进行假设检验
　　8,10 利用SPSS或者Excel对装配时间进行假设检验
　　10.3 利用SPSS或者Excel对不同培训方式进行方差分析
　　11.4 （1）利用SPSS或者Excel计算销售量与广告费用之间的相关系数，并说明两者的相关程度 （2）拟合销售量与广告费用的直线回归方程

　　实验内容及操作流程

　　7.13（1）一家人才测评机构对随机抽取的10名小企业的经理人用两种方法进行自信心测试，得到的自信心测试分数如下：
　　人员编号 方法1 方法2
　　1 78 71
　　2 63 44
　　3 72 61
　　4 89 84
　　5 91 74
　　6 49 51
　　7 68 55
　　8 76 60
　　9 85 77
　　10 55 39
　　求：构建两种方法平均自信心得分之差的95%的置信区间

　　7.13（2）实验具体操作流程
　　运用SPSS进行操作
　　抽取容量10的样本，在SPSS数据编辑窗口建立三个变量分别是“人员编码”，“方法1”、“方法2”，将第一个变量定义成字符串变量，后两个变量定义成数值型变量，并录入数据。
　　在工具栏中依次选择“分析”—“描述统计”—“探索”项。调出探索对话框3、将区间估计的数值，选择到“因变量列表“中，再点击“统计量”按钮，调出“探索：统计量”对话框。再勾选“描述性”项，设置置信区间（本例：95%）。

　　8.4.（1）糖厂用自动打包机打包，每包的标准重量是100千克.每天开工后需要检验一次打包机工作是否正常。某日开工后测得9包重量（单位：千克）如下：
　　99.3 98.7 100.5 101.2 98.3 99.7 99.5 102.1 100.5
　　已知每包的重量服从正态分布，试检验开工该日打包机工作是否正常（α=0.05）

　　8.4（2）具体操作步骤
　　在SPSS数据文件中建立一个变量“重量”，并录入数据
　　点击选择菜单中的【分析】，再点击【单样本t检验】
　　在单样本t检验对话框中，把分析变量weight选入test选项框中，点击【确定】

　　8.10（1）
　　装配一个部件时可以采用不同的方法，所关心的问题是哪一个方法的效率更高。劳动效率可以用平均装配时间反映。现从不同的装配方法中各抽取12件产品，记录下各自的装配时间(分钟）如下：
　　甲法:31 34 29 32 35 38 34 30 29 32 31 26
　　乙法:26 24 28 29 30 29 32 26 31 29 32 28
　　两总体为正态总体，且方差相同。问两种方法的装配时间有无显著差别(a=0.05)?

　　8.10（2）具体操作流程
　　首先左下角点击“变量视图”进入变量视图界面，输入变量“group”“甲方法”“乙方法”，定义它们类型，然后进行正态分布检验。其次，点击左下角，进入“数据视图”界面，输入相应的装配时间（分钟）。
　　点击菜单栏“分析”→“非参数检验”→“扫描数据”，将两组数据选入到右边检验字段框中。

　　点击“运行”即可得到相应的正态分布检验结果，结果表明两组均为正态分布。
　　然后进行两独立样本的t检验（此时重新进入变量视图，编辑变量）。
　　进入”数据视图“，输入相应的数据。
　　选择菜单栏“分析”→“比较均值”→“独立样本t检验“，将“方法”设为检验变量，将group设为分组变量。
　　”确定“图标是灰色的，不能进行下一步，需要点击”分组变量“下的内容，然后点击”定义组“，在组1后面输入1，组2后面输入2。
　　点击”继续“，此时“确定”图标也可以点击了，点击“确定”即可弹出检验结果，可以看到p值，即SIG下面对应的值大于0.05，表明方差是齐的；t检验结果p值大于0.05。这表明两种方法的装配时间不存在显著性差异。

　　10.3（1）
　　一家产品制造公司的管理者想比较A,B,C三种培训方式对产品组装时间是否有影响，将20名新员工随机分配给这三种培训方式。培训结束后，参加培训的员工组装一件产品所花费的时间如下：
　　培训方式A：8.8 9.3 8.7 9.0 8.6 8.3 9.5 9.4 9.2
　　培训方式B；8.2 6.7 7.4 8.0 8.2 7.8 8.8 8.4 7.9
　　培训方式C：8.6 8.5 9.1 8.2 8.3 7.9 9.9 9.4
　　求：取显著性水平α=0.05，确定不同的培训方式对产品组装的时间是否有影响。

　　10.3（2）具体的操作流程
　　在SPSS数据文件中建立三个变量“培训方式A”、“培训方式B”、“培训方式C”，并分别录入数据。
　　首先，进行两独立样本方差齐性检验，点击【分析-描述统计-探索】，然后在因变量列表选择要进行方差齐性检验的变量，在因子列表中选择进行分为两组的变量。然后打开【统计量】子对话框，然后勾选【描述性】。打开【绘制】子对话框，然后勾选【带检验的正态图】，然后在伸展与级别LEVENE检验中选择【未转换】。
　　再打开【选项】子对话框，然后勾选【按列表排除个案】。点击确定即可看到方差齐性检验，然后根据不同数据不同情况来查看两独立样本方差是否齐。
　　其次，点击菜单栏“分析”→“比较均值”→“单因素ANOVA”，进行单因素方差分析。

　　11.4（1）
　　某汽车生厂商欲了解广告费用（x）对销售量（y）的影响，收集了过去12年的相关数据。通过计算得到下面的有关数据。

　　要求；
　　完成上面的方差分析表。
　　汽车销售量的变差中有多少是有广告费用的变动引起的？
　　销售量与广告费用之间的相关系数是多少？
　　写出估计的回归方程并解释回归系数的实际意义。
　　检验线性系数的显著性（α=0.05）

　　11.4（2）具体操作步骤（运用SPSS进行操作）
　　（1）略
　　（2）
　　r^2判定系数就是拟合优度判定系数，它体现了回归模型中自变量的变异在因变量的变异中所占的比例。进行拟合优度判定系数分析，首先在SPSS文件定义变量，并录入数据，再选择菜单栏“分析-回归-线性”。
　　将广告费用与销售量，分别导入因变量与自变量两栏，然后点击确定。
　　（3）
　　首先分布样本正态性，用k-s检验
　　正态性之后，点击分析-相关-双变量，之后选择Pearson，同时检验显著性相关要打勾。
　　之后将样本数据，移动到变量那里过去，之后在点击左下角的确定。
　　确定之后，出现分析结果，首先看显著性，显著性显示0.00，说明p<0.05,有线性关系。若是0.892，则大于0.8，是高度相关关系，如果是0.5-0.8是中度相关关系，0.3-0.5是低度相关性，小于0.3不相关。
　　略
　　（用EXCEL进行操作）
　　excel进行显著性检验的方法与步骤：
　　1、先找ADD-IN,添加数据分析工具data analysis tool。 Add-in的选项在File-> Option->Add Ins, 选择analysis tool pack。
　　2、会跳出来一个窗口，再选中analysis tookpack ,确定就好了。把得到的两组数据输入EXCEL里。
　　3、在DATA里面，选择data analysis,跳出来新窗口，选中correlation（相关性）。然后按照提示，选中要分析的数据。
　　4、EXCEL会自动运行回归分析，给出分析报告。分析报告里mutiple R 接近1，就说明两个的相关性比较大。拟合关系要看R2，显著性看signifnance F。

　　实验结果及结论

　　7.13具体图表如下：

　　7.13 结果：根据上述图表，我们可以看出两种方法平均自信心得分之差的95%的置信区间（6.327，15.673）

　　8.4 具体图表如下：

　　结论: t统计量落入接受域，在α=0.05的显著性水平上接受原假设。因此，这天的打包机工作正常。

　　8.10具体图表如下：

　　从图中可知，在a= 0.05的水平上接受H。。结论:两种方法的装配时间无显著不同。

　　10.3（1）具体图表如下：

　　10.3根据以上图表，我们可以得到以下结论：
　　结论（1）： p值=0.413>0.05，即各组方差在o=0.05水平上没有显著性差异。故可以对样本进行方差分析。
　　结论(2）：根据输出的P值=0.002<0.05，所以拒绝原假设,认为在显著水平等于0.05时,不同培训方式对产品组装的时间有显著影响。
　　结论（3）：
　　关系强度测量:由上表数据计算可得
　　R的平方等于组间平方和比上总平方和，即5.349除以12.783，结果等于0.4184。而R=0.6468。可以确定培训方式的不同对产品组装有中等偏上的联系，与方差分析的结果有所矛盾，因此“不同培训方式对产品组装时间有显著影响”的结论可靠性受质疑。

　　11.4具体图表如下：

　　11.4
　　结论（1）；由图表，我们可以得知
　　SSR=SST-SSE=1642866.67-40158.07=1602708.6
　　MSR=SSR/1=1602708.6
　　MSE=SSE/10=4015.807
　　F=MSR/MSE=399.1000065
　　结论（2）：
　　R的平方等于SSR除以SST，即1602708.6/1642866.67=0.9756
　　汽车销售量的变差中有97.56%是由于广告费用的变动引起的。
　　结论（3）：
　　r等于R的平方次开根号，求得r=0.9877
　　结论（4）：
　　y=363.6891+1.420211*x
　　回归系数的意义：广告费用每增加一个单位，汽车销售量就增加1.42个单位
　　结论（5）；
　　由图表我们可知
　　P=2.17E-09<α
　　可以看出线性关系是显著性的。

　　实验心得

　　实验心得:
　　通过本学期的实验课程，我不但掌握了运用EXCEL与SPSS进行参数区间估计、假设检验、和回归分析的方法，而且加深了对统计学相关数据的认知与体会。
　　首先，统计学是关于认识客观现象总体数量特征和数量关系的科学。
　　它是通过搜集、整理、分析统计资料，认识客观现象数量规律性的方法论科学。
　　因为统计学的定量研究具有客观、准确和可检验的特点，所以统计方法就成为实证研究的最重要的方法，广泛适用于自然、社会、经济、科学技术各个领域的分析研究。
　　相关分析统计学是指导我们在日常工作生活中如何进行数据资料的收集、整理和分析的一门方法论科学。对统计数据进行处理一般需要借助一定的统计分析工具来完成。因此，统计学试验是运用Excel与SPSS的统计分析功能,进行数据的搜集整理和显示.并进行统计数据的录入、分组、汇总及各种常用统计图表的绘制。
　　其次，在实验过程中，最让人印象深刻的是开展实验，离不开教材的知识点。
　　进行实验时，我发现实验不仅仅是要求录入数据，并且运行出结果这么简单。
　　接触统计学实验，让我知晓这门学科除了冰冷的数据之外，还要求严谨的实验精神。
　　实验的过程不仅仅是统计分析与处理的过程，更是教材知识与实践检验的结合。在实验过程中，经过一次次反复试验，我们不断发现自身的薄弱点并且实现自我的全面提升，这就是我所了解到统计学的魅力。
　　虽然统计学实验时间短暂，但是没有减少对统计学知识的掌握，与此相反的是，通过实验，深入了解统计学知识并提高了自身的分析能力与处理能力。
　　以上便是我此次实验的心得体会。

　　实验报告填写规范要求

　　一、封面内容填写规范要求如下：
　　学年学期：例如：“2020-2021学年第1学期”，写明当前学年、学期信息。
　　二级学院：例如：“x学院”。
　　系别专业：例如：“财经系 审计学”，系名与专业名字间隔两个字符
　　实验课程：例如：“会计学原理实训”。
　　指导老师，学生姓名，学号如实填写。
　　年级班级：例如：“19级审计学1班”
　　封面字体统一采用“宋体” 字号“三号”加粗，居中对对齐。

　　二、实验报告正文部分填写规范要求如下：

　　1、实验名称，根据课程实验教学计划的要求填写。
　　2、实验角色，如果实验项目按角色或者岗位进行，填写相关岗位或角色名称。
　　3、实验地点，填写当前实验室的名称。“财会金融实验室”
　　4、考核成绩, 由指导老师评阅后填写（用红色笔）。内容为百分制成绩或等级。
　　5、实验的目的与要求、实验内容与操作流程、实验结果或结论，根据实验教学大纲以及实际实验情况填写。
　　6、正文字体统一采用“宋体” 字号“五号”。