⑴.excel 的工作表中输入如表7.1所示的的样本数据，点击“工具—数据分析—方差分析：单因素方差分析”，在弹出对话框的“输入区域”，拖动鼠标选择样本值A2:D5；“分组方式”选择列；显著性水平a 设置为0.1，输出区域为A7,如图7.1 所示。

图 7.1 应用excel“数据分析”功能求单因素方差分析的有关参数 (2)点击确定，输出参数的窗口如图7.2所示。

图7.2 应用excel“数据分析”功能求单因素方差分析的有关参数

2、 双因素方差分析

⑴.excel 的工作表中输入如表7.2所示的的样本数据，点击“工具—数据分析—方差分析：双因素方差分析”，在弹出对话框的“输入区域”，拖动鼠标选择样本值A1:D9；每一样本的行数，输入2；

25

显著性水平a 设置为0.05，“输出区域”为A11，如图7.3 所示

图7.3 应用excel“数据分析”功能求双因素等重复方差分析的有关参数 (2)．点击确定，输出参数的窗口如图7.4所示。

图 7.4 应用excel“数据分析”功能求双因素等重复方差分析的有关参数 四、结果分析

1、单因素方差分析结果

（1）SUMMARY 给出的是该因子各水平（不同产地）的扼要分析结果，包括各样本的容量、数据、

样本均值和样本方差。

（2）在输出的“方差分析表”中，组间即“产地因子”；组内即指“误差”；SS 为平方和；df 是

自由度；P-value 为P 值，即所达到的临界显著水平；F crit 是Fα（t-1，N-t）的值。由于P值为

26

0.231767>0.1，所以萘的产地对萘酚熔点无显著影响。

2、 双因素方差分析结果

（1）图 7.4 中仅列示了输出结果中的方差分析表。“样本”即燃料因子，“列”即推进器

因子，“交互”为燃料和推进器因子的交互作用，SS 为平方和；df 是自由度；P-value 为P值，即所达到的临界显著水平；F crit 是Fα（t-1，N-t）的值。

（2）由方差分析表可知，因子A （燃料）的作用是一般显著的（P-value的值为0.025969<0.05）;

因子B（推进器）的作用是高度显著的（P-value的值为0.003506<0.01）；而交互作用是极其显著的（P-value 的值为6.15E-05<<0.01）,这说明燃料的作用于与推进器之间有着密切的关系，也即每种推进器都有各自最合自得最佳燃料。

27

实验四 一元线性性回归模型

一、实验目的

1．掌握用excel一次性算出回归模型参数的方法和步骤； 2．正确分析输出结果并得出正确的回归模型。 二、实验内容：

某地区1994年到2002年的人均收入和商品零售总额的数据如下：

表4.1地区1994年到2002年的人均收入和商品零售总额

年份 1994 1995 1996 1997 1998 1999 2000 2001 2002 人均收入X（元） 450 550 680 730 810 930 1050 1160 1250 商品零售总额(Y亿元) 26 32 44 62 70 89 103 115 128

试配合适当的回归模型并进行显著性检验；若2003年该地区人均收入为1300元，当显著性水平a ＝0.05 时，试估计2003 年商品零售总额为多少？

三、操作步骤

1．在excel 的工作表中输入如表4.1 所示的人均收入X和商品零售总额Y的样本数据。

2．点击主菜单中的“插入”菜单，在弹出的子菜单中点击“图表”选项，在标准类型选项下选择“XY

散点图”，点击下一步，在弹出对话框的输入区域，拖动鼠标选择人均收入X和商品零售总额Y的样本值；系列产生在，选择列；得到散点图如图4.1 所示。

28

由图 4.1 可以看出人均收入X和商品零售总额Y之间存在很明显的线性关系，可以建立一元线性回归模型。

3．点击主菜单中的“工具”菜单，在弹出的子菜单中点击“数据分析”(若弹出的子菜 单无“数据分析”选项，可通过“工具”菜单中的“加载宏”选项进行补充安装)，在 出现的数据分析对话框中选择回归，如图4.2 所示。

图 4.2 应用excel软件求回归分析相关参数

4．点击图4.2 所示对话框中的确定，弹出“回归”对话框，在Y 值输入区域，拖动鼠标选择Y样本值C2:C10，在X 值输入区域，拖动鼠标选择X 样本值B2:B10,“置信度”输入95%，“输出区域”为A12，如图4.3 所示。

图 4.3 应用excel软件求回归分析相关参数

29