《医药统计基础》课程实验报告.doc

实验序号： 3 实验日期： 2011/6/13 成绩： ????????? 药检 ???? 专业???? 5 ?? 班级??? 同组（姓名、学号）： 实验项目内容 一、实验目的 通过本实验的学习，使学生=0.05） （二）实验步骤 1.启动EXCEL 2. 在表中输入相应数据，如下图所示 大白鼠进食（X）和体重增加量（Y） 编号 进食量（X） 体重增加量（Y） 1 800 185 2 780 158 3 720 130 4 867 180 5 690 134 6 787 167 7 934 186 8 750 133 3.点击 “工具”→“加载宏”，在“加载对话框中勾选”分析工具库“，再点击 “确定”。 一.EXCEL制作散点图 1.在excel中输入案例 的数据，如图 所示，选择“插入→图表 ”子菜单，进入图表向导的“图表类型”对话框,，选择图表类型为“XY散点图”，再单击“下一步”，如下图所示 2.进入图表“源数据”对话框，确定用于制作图表的数据区，在“数据区域”中选定数据位置“C2：D10”，选定“系列产生在”为“列”，单击“下一步”，如下图所示 3.在进入“图表选项”对话框中，就对图表中的标题，网络线，图例等作出选择，单击“完成”即可得到如下图所示的散点图结果 二．用EXCEL计算相关系数 1．在菜单选项中选取“工具→数据分析→相关系数 ” 点击“确定” 当出现“相关系数”对话框后，选定参数，如下图 2.点击“确定”即可得到如下图所示的相关系数矩阵结果 　 进食量（X） 体重增加量（Y） 进食量（X） 1 体重增加量（Y） 0.8538668 1 结果分析：由图中给出的结果可知，X与Y的样本相关系数为0.8538668 三．用EXCEL进行一元线性回归分析 1. 选项“工具→数据分析→回归”，点击“确定”当出现“回归”对话框后，选定参数，如下图 点击“确定”，即可得到如下图所示的回归分析的输出结果 SUMMARY OUTPUT 回归统计 Multiple R 0.853866823 R Square 0.729088552 Adjusted R Square 0.683936644 标准误差 13 观测值 8 方差分析 df SS MS F Significance F 回归分析 1 2954.905 2954.905 16.14746 0.006971581 残差 6 1097.97 182.995 总计 7 4052.875 Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 95.0% 上限 95.0% Intercept -47.3528859 51.60534 -0.9176 0.394219 -173.6266107 78-173.6266107 78.9208389 进食量（X） 00.06496 4.01839 0.006972 0.102082977 0.419985002 0.102082977 0.419985 回归统计量：列出用于反映回归模型的拟合优劣程度的“回归统计”指标： 相关系数r的绝对值：r=0.853866823 决定系数：R=0.729088552 校正决定系数R是调整后的决定系数：AdjR=0.683936644 剩余标准差：S=13样本容量：n=8 上述r,R,AdjR系数越大，越接近于1，回归模型越好；S越小，回归模型估计的精度越高。 方差分析表：用于对整个回归方程进行显著性检验。 在方差分析表中，df是自由度；SS是离差平方和；MS是均方：F统计量F的值；SignificanceF给出了P(F16.14746)的概率P值。 因为P=0.0069715810.05 所以在显著水平=0.05下，认为Y与X之间的线性关系显著，即回归方程是显著的。 回归系数分析表：给出回归方程的系数以及检验结果。 a=-47.3529 b=0.2610 由此可的回归方程：=-47.3529+0.2610x 表中同时给出了对回归系