食品实验设计与分析 实验报告.doc

《食品实验设计与分析 实验报告.doc》由会员分享，可在线阅读，更多相关《食品实验设计与分析 实验报告.doc（43页珍藏版）》请在三一办公上搜索。

1、食品实验设计与分析实验报告食品科学与工程教研室2012年3月试验一、SPSS数据文件管理一、实验目的与要求通过本试验项目，使学生理解并掌握SPSS 软件包有关数据文件创建和整理的基本操作，学习如何将收集到的数据输入计算机，建成一个正确的SPSS 数据文件，并掌握如何对原始数据文件进行整理，包括数据查询，数据修改、删除，数据的排序等等。二、试验原理SPSS 数据文件是一种结构性数据文件，由数据的结构和数据的内容两部分构成，也可以说由变量和观测两部分构成。一个典型的SPSS 数据文件如表1 所示。表1 SPSS 数据文件结构变量姓名性别年龄.张三145数据内容.李四223.观测.王五245.SPS

2、S 变量的属性SPSS 中的变量共有10 个属性，分别是变量名（Name）、变量类型（Type）、长度（Width）、小数点位置（Decimals）、变量名标签（Label）、变量名值标签（Value）、缺失值（Missing）、数据列的显示宽度（Columns）、对其方式（Align）和度量尺度（Measure）。定义一个变量至少要定义它的两个属性，即变量名和变量类型，其他属性可以暂时采用系统默认值，待以后分析过程中如果有需要再对其进行设置。在spss 数据编辑窗口中单击“变量视窗”标签，进入变量视窗界面（如图1 所示）即可对变量的各个属性进行设置。三、操作步聚：例1：某航空公司38 名职员

3、性别和工资情况的调查数据，如表2 所示，试在SPSS中进行如下操作：（1）将数据输入到SPSS 的数据编辑窗口中，将gender 定义为字符型变量，将salary定义为数值型变量，并保存数据文件，命名为“试验1-1.sav”。（2）插入一个变量income，定义为数值型变量。（3）将数据文件按性别分组：选择菜单【数据】 【排列个案】 打开对话框 选Gender(A) 按 键 在“排列依据”中：Gender(A) 在排列顺序中选“升序” 确定。 （4）查找工资大于40000 美元的职工：选择菜单【数据】 【选择个案】 打开对话框 选如果条件满足（C） 双击“如果” 打开“选择个案If” 选定”S

4、alary” 按 键 在右边Salary 出输入40000 继续 在“输出”选定“过滤掉未选定的个案（F）” 确定。 （5）当工资大于40000 美元时，职工的奖金是工资的20；当工资小于40000 美元时，职工的奖金是工资的10%，假设实际收入工资奖金，计算所有职工的实际收入，并添加到income 变量中。表2 某航空公司38 名职员情况的调查数据表IdGenderSalaryIdGenderSalary1M$ 5700020F$ 26250162M$ 4020021F$ 388503F$ 2145022M$ 217504F$ 2190023F$ 240005M$ 4500024F$ 169

5、506M$ 3210025F$ 211507M$ 3600026M$ 310508F$ 2190027M$ 603759F$ 2790028M$ 3255010F$ 2400029M$ 13500011F$ 3030030M$ 3120012M$ 2835031M$ 3615013M$ 2775032M$ 11062514F$ 3510033M$ 4200015M$ 2730034M$ 9200016M$ 4080035M$ 8125017M$ 4600036F$ 3135018M$10375037M$ 2910019M$ 4230038M$ 31350四、结果及分析SAVE OUTFILE=

6、C:UsersAdministratorDesktop实验1-1.sav /COMPRESSED.SORT CASES BY gender(A).USE ALL.COMPUTE filter_$=(salary = 40000).VARIABLE LABELS filter_$ salary = 40000 (FILTER).VALUE LABELS filter_$ 0 Not Selected 1 Selected.FORMATS filter_$ (f1.0).FILTER BY filter_$.EXECUTE.USE ALL.COMPUTE filter_$=(salary = 40

7、000).VARIABLE LABELS filter_$ salary = 40000 (FILTER).VALUE LABELS filter_$ 0 Not Selected 1 Selected.FORMATS filter_$ (f1.0).FILTER BY filter_$.EXECUTE.SAVE OUTFILE=C:UsersAdministratorDesktop实验1-1.sav /COMPRESSED. GET FILE=H:实验二实验二.sav.DATASET NAME 数据集2 WINDOW=FRONT. DATASET ACTIVATE 数据集2.DATASET

8、CLOSE 数据集1.试验二、 在线分析处理过程（OLAP）一、实验要求1、 掌握SPSS软件的窗口界面和基本操作。2、 掌握数据文件、输出文件的建立、保存、打开操作。3、 掌握常用的数据预处理操作。二、实验原理OLAP(Online Analytical Processing)过程对于按一个或多个分组变量所分的组计算所考察的连续变量的总体值、均值以及其它基本统计量，称为对该变量作摘要分析，结果以分层的方式输出，表中每一层是依据一个分组变量的结果输出。在建立或打开一个数据文件后，就可进行在线分析处理了。Summary Variable 框，要求进入该框中的变量是数值变量，程序将对该框中得变量作

9、摘要分析。Grouping Variable框，从左侧的源变量框中，选择取值有限的数字型或字符型变量作为分层变量进入该框，程序将按照每个分组变量的每一类别进行摘要分析。需要说明的是，这里的分层变量在实际的运算过程中并不起到分组变量的作用，而仅仅是确定进入统计过程的观测量的范围。例如，选择数学成绩作为摘要分析变量，而性别变量作为分层变量。要计算数学平均成绩，那么在输出结果中显示的并不是男生的数学平均成绩和女生的数学平均成绩，而是所有的属于男女生的观察量的数学成绩的总平均值。Statistics对话框，在主对话框中单击Statistics按钮，打开Statistics对话框，在该框中可以选择要输出

10、的统计量。可供选择的统计量有：Sum(总和)、Number of cases（观察量数目）、Mean(均值)、Median(中位数)、Grouped median(分组中位数)，Standard error of the mean (均值标准误差)、Minimum(最小值)、Maximum(最大值)，Range(范围)、Standard deviation（标准差）、Variance（方差）、Kurtosis（峰度）、Standard error of kurtosis（峰度的标准误差）、Skewness（偏度）、Standard error of skewness（偏度的标准误差）、Firs

11、t（首值）、Last（尾值）、Percentage of total sum（占总和的百分比）、Percentage of total N（占观察量总数的百分比）、Geometric mean（几何均数）、Harmonic mean（调和均数）Title对话框，在主对话框中单击Title 按钮，即可打开Title 对话框，在该框中可以为数出加上标题。在Title 框中可以设定标题。注意，该标题并不是整个输出的标题，而只是统计量输出栏的标题。在Caption 中输入注解，这些注解将显示在统计量输出栏的下面。三、操作步聚：例-01 某地区30名10岁少儿的身高（cm）进行测量，数据如下。现要求对其

12、进行在线分析处理。表1 少儿身高数据编号性别年级身高（cm）编号性别年级身高（cm）1男5131.516女5132.72男5137.417女5133.03男5128.218女5139.74男6136.019女6125.45男4140.420女5138.66男4135.521女6137.57男4121.422女4141.48男6129.223女5138.89男4134.124女4120.910男4135.825女6137.511男6132.226女5124.012男5129.027女4140.313男5132.628女5130.114男6140.929女4133.415男5129.330女613

13、6.71、 按Analyze-Reports-OLAP Cubes的顺序单击，即可打开OLAP Cubes 对话框2、 将身高height 变量选入Summary Variable 框（进入该框中的变量要求是数值变量）中，将sex变量作为分组变量选入Grouping Variable 中。3、 单击Statistics按扭，打开Statistics对话框，选择Sum,Mean,Median项作为要输出的统计量。4、 单击Title按扭，打开Title对话框，在Title框中输入“少儿身高分层报告”单击Continue键返回。5、 单击OK键完成。四、结果及分析OLAP CUBES 身高 BY

14、性别 /CELLS=SUM MEAN MEDIAN /TITLE=OLAP 立方体.OLAP 立方体附注创建的输出21-5月-2013 12时49分24秒注释 输入活动的数据集数据集0过滤器权重拆分文件工作数据文件中的 N 行30缺失值的处理缺失的定义就表中的每个因变量而言，将该因变量及所有分组变量的用户定义缺失值视为缺失。使用的案例对于各表，所使用的案例均无自变量缺失值，且并非所有因变量均含有缺失值。语法OLAP CUBES 身高 BY 性别 /CELLS=SUM MEAN MEDIAN /TITLE=OLAP 立方体.资源处理器时间00 00:00:00.203已用时间00 00:00:0

15、0.280数据集0 案例处理摘要案例已包含已排除总计N百分比N百分比N百分比身高 * 性别30100.0%0.0%30100.0%OLAP 立方体性别:总计合计均值中值身高4001.6133.387133.850试验三 观察值摘要分析过程一、实验要求掌握SPSS软件的基本统计分析方法。对观察值分别进行分组统计分析，掌握功能框的选择。二、原理Cases Summary 过程主要是计算指定变量的分组统计量，分组变量可以是一个，也可以有多个。如果是多个的话，将在所有水平进行交叉组合。每个组中，变量值可以显示出来或不显示。对大数据集，可以仅列出前面的观察值。在建立或打开一个数据文件后，就可进行观察值摘

16、要分析了。按Analyze-Reports-Case Summaries的顺序单击，就打开了Summarize Cases主对话框。该框中各项功能如下：1、 Variables框可以选择一个或多个变量进入该框，观察值摘要分析过程一次可以分析多个变量。2、 Grouping Variables框分组变量可以是数值型或是短字符型变量，变量值仅表示分类，取值应尽可能少。3、 Display cases框选中该框，下面三个复选框同时被激活，表示可供选择。（1） Limit cases to first复选框选中该框，并在随后的参数框中输入数值，该数值表示分析过程只对前几个观测值进行。（2） Show

17、only valid cases复选框选中该框，带有缺失值的观测值将不被显示。（3） Show case numbers复选框选中该框，将在列出现观察值的同时，显示观察值的序号。4、 Statistics对话框该框中可以选择要输出的统计量。5、 Options对话框单击Options按钮，即可打开Options对话框，在该对话框中，可以确定输出结果的标题、脚注、分组统计量的标题等。（1） Title框（2） Caption框（3） Subheadings for total 复选框选中该框，将在输出结果中显示各分组统计量的标题。（4） Exclude cases with missing va

18、lues listwize 复选框选中该框，在分析过程中剔除带有缺失值的观测量。（5） Missing statistics appear as 框在框中健入一个字符以便在输出结果中标记缺失值。四、操作步骤1、 输入数据集，用sex表示性别，grade表示年级，height表示身高。2、 按analyze reportscase summaries的顺序单击，就打开了summarize Case主对话框。3、 将变量height选入Variable框中作为摘要分析的变量，将sex、grade选入Grouping框中作为分组变量。4、 清除Display case复选框5、 单击Statisti

19、cs按扭，在对话框中选中作为要输出的统计量，单击continue键返回主对话框。6、 单击OK键四、结果及分析SUMMARIZE /TABLES=height BY sex BY grade /FORMAT=NOLIST TOTAL /TITLE=个案汇总 /MISSING=VARIABLE /CELLS=MEAN MEDIAN SUM VAR.摘要待添加的隐藏文字内容3附注创建的输出21-5月-2013 13时02分19秒注释 输入活动的数据集数据集0过滤器权重拆分文件工作数据文件中的 N 行20缺失值的处理缺失的定义就表中的每个因变量而言，将该因变量及所有分组变量的用户定义缺失值视为缺失。

20、使用的案例对于各表，所使用的案例均无自变量缺失值，且并非所有因变量均含有缺失值。语法SUMMARIZE /TABLES=height BY sex BY grade /FORMAT=NOLIST TOTAL /TITLE=个案汇总 /MISSING=VARIABLE /CELLS=MEAN MEDIAN SUM VAR.资源处理器时间00 00:00:00.203已用时间00 00:00:00.312数据集0 案例处理摘要案例已包含已排除总计N百分比N百分比N百分比height * sex * grade20100.0%0.0%20100.0%个案汇总heightsexgrade均值中值合计方

21、差男4133.4400135.5000667.2050.9135132.3667131.5000397.1021.7236132.6000132.6000265.2023.120总计132.9500134.80001329.5030.298女4131.1500131.1500262.30210.1255136.5600138.6000682.8011.6536133.4667137.5000400.4048.803总计134.5500137.50001345.5044.576总计4132.7857135.5000929.5070.2115134.9875135.20001079.9017.57

22、66133.1200136.0000665.6030.407总计133.7500135.65002675.0036.141试验四、 单因素方差分析一、 实验要求掌握单因素方差分析的方法，包括有重复实验结果的和没有重复实验结果的分析方法，了解各功能框的选取，并对输出结果能进行解析。二、 原理1、 主对话框按Analyze-Compared Means-One Way Anova的顺序单击，就可打开“单因素方差分析”主对话框。2、 因变量框在主对话框中可以看到因变量框（Dependent List），该框中列出要分析的所有因变量。要从左边源变量框中选取变量进入该框，只需选中所要选取的变量，然后按向

23、右的箭头即可。可以有多个因变量。3、 因素框在主对话框中可以看到因素框（Factor），该框中列出了因素。要从左边源变量框中选取变量进入该框，只需选中所要选取的变量，然后按向右的箭头即可。因素同样也是分组变量，必须满足只取有限个水平的条件。4、 Contrast对话框在主对话框中单击（Contrast）健，即可打开“Contrast”对话框。在该框中指定一种要用t检验来检验的priori对比，可以进行均值的多项式比较。该框中各项意义如下：（1） Polynomial 复选框选中该框，将进行均值的多项式比较。均值的多项式比较是指包括两个或更多个均值的比较。选中该框，并在其后的参数框中选定阶数，L

24、inear是一阶，即是线性模型，Quadratic是二阶，Cubic是三阶，最高可到五阶。（2） Coefficients参数框在该框中输入多项式各组均值的系数，方法是在Coefficients中输入一个系数，单击Add按钮，Coefficients框中的系数就进入下面的方框中。依次输入各组均值的系数，在方形框中形成一列数值，因素变量分为几组，就输入几个系数。例如，如果多项式中只包括第一组与第四组的均值的系数，必须把第二个、第三个系数输入为0。考虑另一种情况，如果只包括第一组与第二组的均值，侧只需要输入两个系数，第三个、第四个可以不输入。（3） Coefficient Total栏该栏显示每组

25、系数的总和，例如，输入第一个系数1，该栏显示1，输入第二个系数2，该栏显示3，输入第三个系数4，该栏显示7。5、 Post Hoc对话框在主对话框中，单击Post Hoc按钮，即可进入Post Hoc Multiple Comparisons对话框。在该对话框中可以选择进行多重比较的方法。（1） 方差相等时（Equal variance assumed）（2） 方差不相等时（Equal variance not assumed）6、 Options对话框在主对话框中单击Options按钮，展开“Options”对话框。在该对话框中规定输出的统计量，并规定缺失值的处理方式。（1） Statist

26、ics栏该栏中规定要输出的统计量。*Descriptive复选框选中该框，要求输出描述统计量，包括观察量数目，均值，最小值，最大值，标准差，标准误差，各组中每个因变量的95%的置信区间。*Homogeneity of variance 复选框选中该框，要求用Levene检验进行方差一致性检验（2） Means plot 复选框选中该框，输出均数分布图，即根据各组均数描绘出因变量的分布情况。（3） Missing Values栏在该框中选择缺失值的处置方式，有两个选项*Exclude cases analysis by analysis选中该框，在检验变量中含有缺失值的观察将不被计算。Exclu

27、de cases list-wise 选中该框，在任何一个变量中含有缺失值的观测都将不被计算。三、 操作步骤例 某灯泡厂用四种不同配料方案制成的灯丝，生产了四批灯泡。在每批灯泡中随即地抽取若干个灯泡测其使用寿命（单位：小时），数据列于下表。现在想知道，对于这四种灯丝生产的灯泡，其使用寿命有无显著差异。灯泡使用寿命灯泡灯丝12345678甲1600161016501680170017001780乙15001640140017001750丙16401550160016201640160017401800丁151015201530157016401680在该例中，可设灯泡的使用寿命为因变量，灯泡的配

28、料为因子，四种配料方案为四水平，这是单因素四水平的试验。如果这四种配料方案制成的灯丝，其灯泡的使用寿命没有显著差异，侧可以从中挑选一种既经济又方便的配料方案；如果这四种配料方案制成的灯丝，其灯泡的使用寿命存在显著差异，侧希望从中挑选一种较优的配料方案，以对提高灯泡的使用寿命更为有利。1、 在数据窗建立数据文件，定义两个变量并输入数据，如图所示，这两个变量是1） filament变量，数值型，取值1、2、3、4分别代表、甲乙丙丁，格式为F1.0，标签为“灯丝”2） hours变量，数值型，其值为灯泡使用寿命，单位是小时，格式为F4.0，标签为“灯泡使用寿命”2、 按analyze compare

29、d means one-way anova的顺序单击，打开“单因数方差分析”主对话框。3、 从左边源变量框中选取变量hours，然后按向右的箭头，所选取的变量hours即进入框中Dependent List框中。4、 从左边源变量框中选取变量filament，然后按向右的箭头，所选取的变量filament即进入Factor框中5、 在主对话框中，单击OK提交运行。四、结果及分析GET FILE=H:实验二实验二.sav.DATASET NAME 数据集1 WINDOW=FRONT.NEW FILE.DATASET NAME 数据集2 WINDOW=FRONT.DATASET ACTIVATE

30、数据集1.NEW FILE.DATASET NAME 数据集3 WINDOW=FRONT.DATASET ACTIVATE 数据集2.ONEWAY hours BY fialment /MISSING ANALYSIS.单向附注创建的输出27-5月-2013 16时03分52秒注释 输入活动的数据集数据集2过滤器权重拆分文件工作数据文件中的 N 行32缺失值处理缺失定义用户定义的缺失值以缺失对待。使用的案例每个分析的统计量都基于对于该分析中的任意变量都没有缺失数据的案例。语法ONEWAY hours BY fialment /MISSING ANALYSIS.资源处理器时间00 00:00:0

31、0.094已用时间00 00:00:00.733数据集2 ANOVA灯泡的使用寿命平方和df均方F显著性组间36421.694312140.5651.639.209组内162993.690227408.804总数199415.38525ONEWAY hours BY fialment /MISSING ANALYSIS.单向附注创建的输出27-5月-2013 16时04分41秒注释 输入活动的数据集数据集2过滤器权重拆分文件工作数据文件中的 N 行32缺失值处理缺失定义用户定义的缺失值以缺失对待。使用的案例每个分析的统计量都基于对于该分析中的任意变量都没有缺失数据的案例。语法ONEWAY ho

32、urs BY fialment /MISSING ANALYSIS.资源处理器时间00 00:00:00.000已用时间00 00:00:00.016数据集2 ANOVA灯泡的使用寿命平方和df均方F显著性组间36421.694312140.5651.639.209组内162993.690227408.804总数199415.38525试验五 多因素方差分析一、实验要求 掌握用SPSS进行多因素分析方差分析的方法，能灵活运用二、原理 同单因素方差分析三、操作步骤例 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。表1 大豆实验亩产数据编号氮肥（斤）磷肥（斤）

33、亩产（斤）100400200390300420404450504460604455760430860420960440106446011645701264570氮肥用N表示，磷肥用P表示，两个因子各取二水平，output 表示亩产（斤）。为了探明究竟氮肥的作用大，还是磷肥的作用大，我们进行方差分析。 (1)输入数据集，因素变量有两个，即N(氮肥)和P(磷肥)，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“General Linear Models”子菜单，从中选择“Univariate”命令，打开“多因素方差分

34、析”主窗口。 (3)指定分析变量。选择因变量output进入Dependent框。选择因素变量N和P进入Fixed Factors框。 (4)在主对话框中单击(Contrasts)按钮，打开对比方法对话框，在该对话框中作如下操作： 在Factor框中选择N。 在Chang Contrast栏内，单击Contrasts参数框内向下箭头，打开比较方法表，选择Simple项，再选择First项为比较参考类，然后单击(Change)按钮，在Factors框中显示N（simple（First）。 用相同方法指定P（simple（First）。单击(Continue)按钮回到主对话框。 (5)在主对话框中

35、单击(Options)按钮，打开选项对话框，做如下操作： 在Factors框中选择因素变量N、P、NP，单击向右箭头将因素变量送入Display Means for框中 在Display栏内选中Spread vs1evel plot和Residual plot复选框 单击(Continue)按钮回到主对话框 (6)单击(OK)按钮回到主对话框。四、结果及分析 UNIANOVA 亩产 BY 氮肥 磷肥 /CONTRAST(氮肥)=Simple(1) /CONTRAST(磷肥)=Simple(1) /METHOD=SSTYPE(3) /INTERCEPT=INCLUDE /EMMEANS=TABL

36、ES(氮肥) /EMMEANS=TABLES(磷肥) /EMMEANS=TABLES(氮肥*磷肥) /PRINT=HOMOGENEITY /PLOT=SPREADLEVEL RESIDUALS /CRITERIA=ALPHA(.05) /DESIGN=氮肥 磷肥 氮肥*磷肥.方差的单变量分析附注创建的输出21-5月-2013 18时49分15秒注释 输入活动的数据集数据集0过滤器权重拆分文件工作数据文件中的 N 行12缺失值处理对缺失的定义用户定义的缺失值作为缺失数据对待。使用的案例统计量的计算将基于带有有效数据的所有案例，而这些有效数据适用于模型中的所有变量。语法UNIANOVA 亩产 BY

37、 氮肥 磷肥 /CONTRAST(氮肥)=Simple(1) /CONTRAST(磷肥)=Simple(1) /METHOD=SSTYPE(3) /INTERCEPT=INCLUDE /EMMEANS=TABLES(氮肥) /EMMEANS=TABLES(磷肥) /EMMEANS=TABLES(氮肥*磷肥) /PRINT=HOMOGENEITY /PLOT=SPREADLEVEL RESIDUALS /CRITERIA=ALPHA(.05) /DESIGN=氮肥 磷肥 氮肥*磷肥.资源处理器时间00 00:00:03.479已用时间00 00:00:08.068数据集0 主体间因子N氮肥066

38、6磷肥0646误差方差等同性的 Levene 检验a因变量:亩产Fdf1df2Sig.9.86938.005检验零假设，即在所有组中因变量的误差方差均相等。a. 设计 : 截距 + 氮肥 + 磷肥 + 氮肥 * 磷肥主体间效应的检验因变量:亩产源III 型平方和df均方FSig.校正模型33475.000a311158.3339.810.005截距2511675.00012511675.0002208.066.000氮肥9633.33319633.3338.469.020磷肥20833.333120833.33318.315.003氮肥 * 磷肥3008.33313008.3332.645.1

39、43误差9100.00081137.500总计2554250.00012校正的总计42575.00011a. R 方 = .786（调整 R 方 = .706）定制假设检验指数1对比系数 (L 矩阵)氮肥 的简单对比（参考类别 = 1）转换系数（M 矩阵）单位矩阵对比结果（K 矩阵）零矩阵2对比系数 (L 矩阵)磷肥 的简单对比（参考类别 = 1）转换系数（M 矩阵）单位矩阵对比结果（K 矩阵）零矩阵定制假设检验 #1对比结果（K 矩阵）氮肥 简单对比a因变量亩产级别 2 和级别 1对比估算值56.667假设值0差分（估计 - 假设）56.667标准 误差19.472Sig.020差分的 95% 置信区间下限11.764上限101.570a. 参考类别 = 1检验结果因变量:亩产源平方和df均方FSig.对比9633.333196