食品实验设计与分析实验报告

食品实验设计与分析实验报告内容摘要：

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。 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 4 分别代表、甲乙丙丁，格式为 ，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 ，标签为“灯泡使用寿命” 按 analyze→ pared means→ oneway anova 的顺序单击，打开“单因数方差分析”主对话框。 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。 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 在主对话框中，单击 OK 提交运行。 四、结果及分析 GET FILE=39。 H:\实验 \二 \实验二 .sav39。 . DATASET NAME 数据集 1 WINDOW=FRONT. NEW FILE. DATASET NAME 数据集 2 WINDOW=FRONT. DATASET ACTIVATE 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 15 附注 创建的输出 275 月 2020 16 时 03 分 52 秒 注释 输入 活动的数据集 数据集 2 过滤器 none 权重 none 拆分文件 none 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: 已用时间 00 00:00: [数据集 2] ANOVA 灯泡的使用寿命 平方和 df 均方 F 显著性 组间 3 .209 组内 22 总数 25 16 ONEWAY hours BY fialment /MISSING ANALYSIS. 单向 附注 创建的输出 275 月 2020 16 时 04 分 41 秒 注释 输入 活动的数据集 数据集 2 过滤器 none 权重 none 拆分文件 none 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: 已用时间 00 00:00: [数据集 2] 17 ANOVA 灯泡的使用寿命 平方和 df 均方 F 显著性 组间 3 .209 组内 22 总数 25 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 18 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） 亩产（斤） 1 0 0 400 2 0 0 390 3 0 0 420 4 0 4 450 5 0 4 460 6 0 4 455 7 6 0 430 8 6 0 420 9 6 0 440 10 6 4 460 11 6 4 570 12 6 4 570 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)在主对话框中单击 (Options)按钮，打开选项对话框，做如下操作： 19 ●在 Factors 框中选择因素变量 N、 P、 N P，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 vs． 1evel 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=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 . 方差的单变量分析 附注 创建的输出 215 月 2020 18 时 49 分 15 秒 注释 输入 活动的数据集 数据集 0 过滤器 none 权重 none 拆分文件 none 20 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 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: 已用时间 00 00:00: [数据集 0] 主体间因子 N 氮肥 0 6 6 6 磷肥 0 6 4 6 21 误差方差等同性的 Levene 检验 a 因变量 :亩产 F df1 df2 Sig. 3 8 .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 F Sig. 校正模型 3 .005 截距 1 .000 氮肥 1 .020 磷肥 1 .003 氮肥 * 磷肥 1 .143 误差 8 总计 12 校正的总计 11 a. R 方 = .786（调整 R 方 = .706） 定制假设检验指数 22 1 对比系数 (L39。 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 (L39。 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 假设值 0 差分（估计 假设） 标准 误差 Sig. .020 差分的 95% 置信区间 下限 上限 a. 参考类别 = 1 23 检验结果 因变量 :亩产 源 平方和 df 均方 F Sig. 对比 1 .020 误差 8 定制假设检验 2 对比结果（ K 矩阵） 磷肥 简单对比 a 因变量 亩产 级别 2 和级别 1 对比估算值 假设值 0 差分（估计 假设） 标准 误差 Sig. .003 差分的 95% 置信区间 下限 上限 a. 参考类别 = 1 检验结果 因变量 :亩产 源 平方和 df 均方 F Sig. 24 对比 1 .003 误差 8 估算边际均值 1. 氮肥 因变量。