SPSS
1.现有一个变量为学生们的成绩（百分制），变量名为“成绩”，如果给每个学生加五分，请写出操作过程。
A.点击主菜单‘转换’，选中‘计算机变量’，弹出计算新变量的对话框；
B.在目标变量框中输入“新成绩”，然后从下面的变量列表中选中‘成绩’，把它选入数字表达式的框中，然后输入“+5”；
C.单击“确定”，运行程序，然后SPSS将会生成一个新变量“新成绩”。
如果希望将其中的“不及格”，即60分以下设置为0，“及格”设置为1，从而对分数重新编码，如何操作？
A.单击主菜单“转换”，选中“重新编码为不同变量”，弹出对话框；
B.在此对话框中，选入变量“成绩”，在“输出变量”下面的“名称”处输入“成绩段”，单击更改；
C.单击“旧值和新值”进入子对话框，在左边“旧值面板”的范围项中输入“0~59”，右边“新值”面板中选入‘值’，输入“0”，单击“添加”；
D.同上，“旧值”面板的范围中输入“60~100”，“值”为“1”，单击“继续”，返回主菜单框，单击“确定”，运行程序。SPSS将在原有数据的最后一列生成新变量“成绩段”，包含0、1两个变量。
2.在上述例子中，如果希望了解变量“成绩”和新设立的变量的平均数，方差，全距，极大值和极小值，应该使用什么分析？列出至少两种方法，并写明操作过程。
A.频次分析：
a单击主菜单“分析”，选中“描述统计”，点击“频率”，打开对话框，把“成绩”和“新成绩”选入右边窗口中；
b单击“统计量”按钮，打开子对话框，选中“均值”‘方差’“范围”“最大值”“最小值”，单击“继续”，返回主对话框，单击“确定”，运行程序。
B.数据描述：
a单击主菜单“分析”，选中“描述统计”，点击“描述”，打开对话框，把“成绩”和“新成绩”选入右边窗口中；
b单击“选项”按钮，打开子对话框，选中“均值”‘方差’“范围”“最大值”“最小值”，单击“继续”，返回主对话框，单击“确定”，运行程序。
3.如果需要画出变量“成绩”的直方图，如何操作？
A.单击主菜单“分析”，选中“描述统计”，点击“频率”，打开对话框，把“成绩”选入右边窗口；
B.单击“图表”按钮，打开子对话框，选中“直方图”，单击“继续”，返回主对话框，单击“确定”，运行程序。
4.设想一种研究情境，其中需要进行单因素随机设计的方差分析。
单因素完全随机设计的方差分析，可检验单因素各个水平下的因变量均值是否存在显著差异，或者说检验各个水平的数据是否来自同一个总体。这种设计要求被试随机分组后，分别接受不同的实验处理。
如：一位医学院研究者，想确定维生素C在治疗感冒过程中的效果，他设计了一个为期两年实验，并从本科生中招募到30位志愿者参加实验。30位学生随机分为三组，第一组服用安慰剂，第二组服用低剂量Vc，第三组服用高剂量Vc。实验的第一年和第二年，30位学生患感冒的天数都有严格记录，但是第一年学生不能服用任何药物，第二年，三组学生 服用不同药物。
5.参照11.5的习题，回答其问题。
问:研究者的SPSS数据包含哪两个因素？因变量是什么？如果用m*n表示，该设计如何表示？
答第一个因素是记笔记的方法，有三个水平，第二个是学生性别，有两个水平；因变量是学生第一学期和第二学期的总成绩之差，整个设计属于3*2设计的方差分析。
6.举例说明什么情况下使用协方差分析。
协方差分析满足以下假设：
正态分布：在自变量的水平上，以及对应于协变量的任意值。因变量的值呈正态分布。
方差齐性：因变量在所有实验条件下的方差齐性。如果各组方差不齐且各单元内的样本量不等，则方差分析结果不可信。
独立性：样本必须从总体中随机抽取，因变量的值相互独立。如果因变量的值不独立，方差分析的结果不可信。
斜率同质：在自变量的各个水平上，协变量和因变量是线性关系，且对于自变量的每个水平，协变量相对于因变量的斜率相同。如果此斜率不同，对协方差分析的结果解释可能会不正确。
7.什么是多元方差分析，其需要满足的假设条件有哪些？
多元方差分析是对一元方差分析的扩展，适用于因变量多于一个的时候，多元方差分析不仅检验自变量的各个水平上的因变量均值是否相等，而且检验各因变量均值是否相等。而且检验各因变量均值之间的各种线性组合是否也相等。 假设条件：
A.正态分布。在自变量的任何水平上，每一因变量的值都呈现正态分布，同时，每一因变量与其他因变量的任意线性组合也呈正态分布。
B.各因变量取自同一样本。在自变量的不同水平上，各因变量的指标取自同一样本。如果因变量的数值来自不同样本，多元方差分析的结果会变得不靠谱。
C.独立性。样本必须从总体中随机抽取，来自不同个体的因变量的值相互独立。如果因变量的值不独立，则不应进行多元方差分析。
8.什么是参数检验，什么是非参数检验？两者有何不同？
A.参数检验是指在方差分析中需要满足正态性、加性及各组方差齐性等基本假设的假设检验。
B.然而在实践中研究人员可能对所研究的总体并不熟悉，有时难以满足参数检验中的要求和假设，在这种情况下，参数检验就不适用了，此时可用另一种检验方法---非参数检验
C.二者的区别：若进行假设检验时总体的分布形势已知，要对总体的未知参数进行假设检验则为参数假设检验；
若对总体分布形式知之甚少，要对未知分布函数形式及其他特征进行假设检验，则为非参数检验。非参数检验对总体分布不做严格假定，特别适用于计量信息较弱的资料，在实验中得到了较为广泛的应用。
9.相关分析和偏相关分析有何异同？分别给出例子
异同：相关分析用于分析两个随机变量的关系，可以检验两个变量之间的相关度，或者多个变量两两之间的相关程度，也可以检验两组变量之间的相关程度。偏相关分析则是指在控制了其他变量的效应之后，对两个变量相关程度的分析。 同：二者的数值范围都是从-1到+1之间，正负号代表相关方向，即正相关和负
相关，绝对值越是趋向于1表明相关程度越高；二者都要求样本独立性
相关分析：为了考察儿童的语音意识、识字量与阅读能力发展之间的关系，研究者随机选择了30个小学生，分别采用语音意识检测和阅读水平测验，进行测验，并统计了每个学生的识字量。问儿童的语音意识、识字量、阅读能力之间是否存在显著相关。
偏相关分析：控制识字量之后，语音意识与阅读能力是否显著相关
10.以11－2的例子做销量（以log销量变量为因变量）对价格，马力，车型体积，载重量，耗油量五个变量的回归，从中选择偏回归系数显著的变量，写出回归方程。
从表中看出，偏回归系数显著的变量有价格和车型体积
回归方程：y = -2.844—0.061x1 +0.049x2
其中，x1指价格， x2指车型体积
SPSS
11.现有一个变量为学生们的成绩（百分制），变量名为“成绩”，如果给每个学生加五分，请写出操作过程。
D.点击主菜单‘转换’，选中‘计算机变量’，弹出计算新变量的对话框；
E.在目标变量框中输入“新成绩”，然后从下面的变量列表中选中‘成绩’，把它选入数字表达式的框中，然后输入“+5”；
F.单击“确定”，运行程序，然后SPSS将会生成一个新变量“新成绩”。
如果希望将其中的“不及格”，即60分以下设置为0，“及格”设置为1，从而对分数重新编码，如何操作？
E.单击主菜单“转换”，选中“重新编码为不同变量”，弹出对话框；
F.在此对话框中，选入变量“成绩”，在“输出变量”下面的“名称”处输入“成绩段”，单击更改；
G.单击“旧值和新值”进入子对话框，在左边“旧值面板”的范围项中输入“0~59”，右边“新值”面板中选入‘值’，输入“0”，单击“添加”；
H.同上，“旧值”面板的范围中输入“60~100”，“值”为“1”，单击“继续”，返回主菜单框，单击“确定”，运行程序。SPSS将在原有数据的最后一列生成新变量“成绩段”，包含0、1两个变量。
12.在上述例子中，如果希望了解变量“成绩”和新设立的变量的平均数，方差，全距，极大值和极小值，应该使用什么分析？列出至少两种方法，并写明操作过程。
C.频次分析：
a单击主菜单“分析”，选中“描述统计”，点击“频率”，打开对话框，把“成绩”和“新成绩”选入右边窗口中；
b单击“统计量”按钮，打开子对话框，选中“均值”‘方差’“范围”“最大值”“最小值”，单击“继续”，返回主对话框，单击“确定”，运行程序。
D.数据描述：
a单击主菜单“分析”，选中“描述统计”，点击“描述”，打开对话框，把“成绩”和“新成绩”选入右边窗口中；
b单击“选项”按钮，打开子对话框，选中“均值”‘方差’“范围”“最大值”“最小值”，单击“继续”，返回主对话框，单击“确定”，运行程序。
13.如果需要画出变量“成绩”的直方图，如何操作？
C.单击主菜单“分析”，选中“描述统计”，点击“频率”，打开对话框，把“成绩”选入右边窗口；
D.单击“图表”按钮，打开子对话框，选中“直方图”，单击“继续”，返回主对话框，单击“确定”，运行程序。
14.设想一种研究情境，其中需要进行单因素随机设计的方差分析。
单因素完全随机设计的方差分析，可检验单因素各个水平下的因变量均值是否存在显著差异，或者说检验各个水平的数据是否来自同一个总体。这种设计要求被试随机分组后，分别接受不同的实验处理。
如：一位医学院研究者，想确定维生素C在治疗感冒过程中的效果，他设计了一个为期两年实验，并从本科生中招募到30位志愿者参加实验。30位学生随机分为三组，第一组服用安慰剂，第二组服用低剂量Vc，第三组服用高剂量Vc。实验的第一年和第二年，30位学生患感冒的天数都有严格记录，但是第一年学生不能服用任何药物，第二年，三组学生 服用不同药物。
15.参照11.5的习题，回答其问题。
问:研究者的SPSS数据包含哪两个因素？因变量是什么？如果用m*n表示，该设计如何表示？
答第一个因素是记笔记的方法，有三个水平，第二个是学生性别，有两个水平；因变量是学生第一学期和第二学期的总成绩之差，整个设计属于3*2设计的方差分析。
16.举例说明什么情况下使用协方差分析。
协方差分析满足以下假设：
正态分布：在自变量的水平上，以及对应于协变量的任意值。因变量的值呈正态分布。
方差齐性：因变量在所有实验条件下的方差齐性。如果各组方差不齐且各单元内的样本量不等，则方差分析结果不可信。
独立性：样本必须从总体中随机抽取，因变量的值相互独立。如果因变量的值不独立，方差分析的结果不可信。
斜率同质：在自变量的各个水平上，协变量和因变量是线性关系，且对于自变量的每个水平，协变量相对于因变量的斜率相同。如果此斜率不同，对协方差分析的结果解释可能会不正确。
17.什么是多元方差分析，其需要满足的假设条件有哪些？
多元方差分析是对一元方差分析的扩展，适用于因变量多于一个的时候，多元方差分析不仅检验自变量的各个水平上的因变量均值是否相等，而且检验各因变量均值是否相等。而且检验各因变量均值之间的各种线性组合是否也相等。 假设条件：
D.正态分布。在自变量的任何水平上，每一因变量的值都呈现正态分布，同时，每一因变量与其他因变量的任意线性组合也呈正态分布。
E.各因变量取自同一样本。在自变量的不同水平上，各因变量的指标取自同一样本。如果因变量的数值来自不同样本，多元方差分析的结果会变得不靠谱。
F.独立性。样本必须从总体中随机抽取，来自不同个体的因变量的值相互独立。如果因变量的值不独立，则不应进行多元方差分析。
18.什么是参数检验，什么是非参数检验？两者有何不同？
A.参数检验是指在方差分析中需要满足正态性、加性及各组方差齐性等基本假设的假设检验。
B.然而在实践中研究人员可能对所研究的总体并不熟悉，有时难以满足参数检验中的要求和假设，在这种情况下，参数检验就不适用了，此时可用另一种检验方法---非参数检验
C.二者的区别：若进行假设检验时总体的分布形势已知，要对总体的未知参数进行假设检验则为参数假设检验；
若对总体分布形式知之甚少，要对未知分布函数形式及其他特征进行假设检验，则为非参数检验。非参数检验对总体分布不做严格假定，特别适用于计量信息较弱的资料，在实验中得到了较为广泛的应用。
19.相关分析和偏相关分析有何异同？分别给出例子
异同：相关分析用于分析两个随机变量的关系，可以检验两个变量之间的相关度，或者多个变量两两之间的相关程度，也可以检验两组变量之间的相关程度。偏相关分析则是指在控制了其他变量的效应之后，对两个变量相关程度的分析。 同：二者的数值范围都是从-1到+1之间，正负号代表相关方向，即正相关和负
相关，绝对值越是趋向于1表明相关程度越高；二者都要求样本独立性
相关分析：为了考察儿童的语音意识、识字量与阅读能力发展之间的关系，研究者随机选择了30个小学生，分别采用语音意识检测和阅读水平测验，进行测验，并统计了每个学生的识字量。问儿童的语音意识、识字量、阅读能力之间是否存在显著相关。
偏相关分析：控制识字量之后，语音意识与阅读能力是否显著相关
20.以11－2的例子做销量（以log销量变量为因变量）对价格，马力，车型体积，载重量，耗油量五个变量的回归，从中选择偏回归系数显著的变量，写出回归方程。
从表中看出，偏回归系数显著的变量有价格和车型体积
回归方程：y = -2.844—0.061x1 +0.049x2
其中，x1指价格， x2指车型体积
SPSS
1.现有一个变量为学生们的成绩（百分制），变量名为“成绩”，如果给每个学生加五分，请写出操作过程。
A.点击主菜单‘转换’，选中‘计算机变量’，弹出计算新变量的对话框；
B.在目标变量框中输入“新成绩”，然后从下面的变量列表中选中‘成绩’，把它选入数字表达式的框中，然后输入“+5”；
C.单击“确定”，运行程序，然后SPSS将会生成一个新变量“新成绩”。
如果希望将其中的“不及格”，即60分以下设置为0，“及格”设置为1，从而对分数重新编码，如何操作？
A.单击主菜单“转换”，选中“重新编码为不同变量”，弹出对话框；
B.在此对话框中，选入变量“成绩”，在“输出变量”下面的“名称”处输入“成绩段”，单击更改；
C.单击“旧值和新值”进入子对话框，在左边“旧值面板”的范围项中输入“0~59”，右边“新值”面板中选入‘值’，输入“0”，单击“添加”；
D.同上，“旧值”面板的范围中输入“60~100”，“值”为“1”，单击“继续”，返回主菜单框，单击“确定”，运行程序。SPSS将在原有数据的最后一列生成新变量“成绩段”，包含0、1两个变量。
2.在上述例子中，如果希望了解变量“成绩”和新设立的变量的平均数，方差，全距，极大值和极小值，应该使用什么分析？列出至少两种方法，并写明操作过程。
A.频次分析：
a单击主菜单“分析”，选中“描述统计”，点击“频率”，打开对话框，把“成绩”和“新成绩”选入右边窗口中；
b单击“统计量”按钮，打开子对话框，选中“均值”‘方差’“范围”“最大值”“最小值”，单击“继续”，返回主对话框，单击“确定”，运行程序。
B.数据描述：
a单击主菜单“分析”，选中“描述统计”，点击“描述”，打开对话框，把“成绩”和“新成绩”选入右边窗口中；
b单击“选项”按钮，打开子对话框，选中“均值”‘方差’“范围”“最大值”“最小值”，单击“继续”，返回主对话框，单击“确定”，运行程序。
3.如果需要画出变量“成绩”的直方图，如何操作？
A.单击主菜单“分析”，选中“描述统计”，点击“频率”，打开对话框，把“成绩”选入右边窗口；
B.单击“图表”按钮，打开子对话框，选中“直方图”，单击“继续”，返回主对话框，单击“确定”，运行程序。
4.设想一种研究情境，其中需要进行单因素随机设计的方差分析。
单因素完全随机设计的方差分析，可检验单因素各个水平下的因变量均值是否存在显著差异，或者说检验各个水平的数据是否来自同一个总体。这种设计要求被试随机分组后，分别接受不同的实验处理。
如：一位医学院研究者，想确定维生素C在治疗感冒过程中的效果，他设计了一个为期两年实验，并从本科生中招募到30位志愿者参加实验。30位学生随机分为三组，第一组服用安慰剂，第二组服用低剂量Vc，第三组服用高剂量Vc。实验的第一年和第二年，30位学生患感冒的天数都有严格记录，但是第一年学生不能服用任何药物，第二年，三组学生 服用不同药物。
5.参照11.5的习题，回答其问题。
问:研究者的SPSS数据包含哪两个因素？因变量是什么？如果用m*n表示，该设计如何表示？
答第一个因素是记笔记的方法，有三个水平，第二个是学生性别，有两个水平；因变量是学生第一学期和第二学期的总成绩之差，整个设计属于3*2设计的方差分析。
6.举例说明什么情况下使用协方差分析。
协方差分析满足以下假设：
正态分布：在自变量的水平上，以及对应于协变量的任意值。因变量的值呈正态分布。
方差齐性：因变量在所有实验条件下的方差齐性。如果各组方差不齐且各单元内的样本量不等，则方差分析结果不可信。
独立性：样本必须从总体中随机抽取，因变量的值相互独立。如果因变量的值不独立，方差分析的结果不可信。
斜率同质：在自变量的各个水平上，协变量和因变量是线性关系，且对于自变量的每个水平，协变量相对于因变量的斜率相同。如果此斜率不同，对协方差分析的结果解释可能会不正确。
7.什么是多元方差分析，其需要满足的假设条件有哪些？
多元方差分析是对一元方差分析的扩展，适用于因变量多于一个的时候，多元方差分析不仅检验自变量的各个水平上的因变量均值是否相等，而且检验各因变量均值是否相等。而且检验各因变量均值之间的各种线性组合是否也相等。 假设条件：
A.正态分布。在自变量的任何水平上，每一因变量的值都呈现正态分布，同时，每一因变量与其他因变量的任意线性组合也呈正态分布。
B.各因变量取自同一样本。在自变量的不同水平上，各因变量的指标取自同一样本。如果因变量的数值来自不同样本，多元方差分析的结果会变得不靠谱。
C.独立性。样本必须从总体中随机抽取，来自不同个体的因变量的值相互独立。如果因变量的值不独立，则不应进行多元方差分析。
8.什么是参数检验，什么是非参数检验？两者有何不同？
A.参数检验是指在方差分析中需要满足正态性、加性及各组方差齐性等基本假设的假设检验。
B.然而在实践中研究人员可能对所研究的总体并不熟悉，有时难以满足参数检验中的要求和假设，在这种情况下，参数检验就不适用了，此时可用另一种检验方法---非参数检验
C.二者的区别：若进行假设检验时总体的分布形势已知，要对总体的未知参数进行假设检验则为参数假设检验；
若对总体分布形式知之甚少，要对未知分布函数形式及其他特征进行假设检验，则为非参数检验。非参数检验对总体分布不做严格假定，特别适用于计量信息较弱的资料，在实验中得到了较为广泛的应用。
9.相关分析和偏相关分析有何异同？分别给出例子
异同：相关分析用于分析两个随机变量的关系，可以检验两个变量之间的相关度，或者多个变量两两之间的相关程度，也可以检验两组变量之间的相关程度。偏相关分析则是指在控制了其他变量的效应之后，对两个变量相关程度的分析。 同：二者的数值范围都是从-1到+1之间，正负号代表相关方向，即正相关和负
相关，绝对值越是趋向于1表明相关程度越高；二者都要求样本独立性
相关分析：为了考察儿童的语音意识、识字量与阅读能力发展之间的关系，研究者随机选择了30个小学生，分别采用语音意识检测和阅读水平测验，进行测验，并统计了每个学生的识字量。问儿童的语音意识、识字量、阅读能力之间是否存在显著相关。
偏相关分析：控制识字量之后，语音意识与阅读能力是否显著相关
10.以11－2的例子做销量（以log销量变量为因变量）对价格，马力，车型体积，载重量，耗油量五个变量的回归，从中选择偏回归系数显著的变量，写出回归方程。
从表中看出，偏回归系数显著的变量有价格和车型体积
回归方程：y = -2.844—0.061x1 +0.049x2
其中，x1指价格， x2指车型体积
SPSS
11.现有一个变量为学生们的成绩（百分制），变量名为“成绩”，如果给每个学生加五分，请写出操作过程。
D.点击主菜单‘转换’，选中‘计算机变量’，弹出计算新变量的对话框；
E.在目标变量框中输入“新成绩”，然后从下面的变量列表中选中‘成绩’，把它选入数字表达式的框中，然后输入“+5”；
F.单击“确定”，运行程序，然后SPSS将会生成一个新变量“新成绩”。
如果希望将其中的“不及格”，即60分以下设置为0，“及格”设置为1，从而对分数重新编码，如何操作？
E.单击主菜单“转换”，选中“重新编码为不同变量”，弹出对话框；
F.在此对话框中，选入变量“成绩”，在“输出变量”下面的“名称”处输入“成绩段”，单击更改；
G.单击“旧值和新值”进入子对话框，在左边“旧值面板”的范围项中输入“0~59”，右边“新值”面板中选入‘值’，输入“0”，单击“添加”；
H.同上，“旧值”面板的范围中输入“60~100”，“值”为“1”，单击“继续”，返回主菜单框，单击“确定”，运行程序。SPSS将在原有数据的最后一列生成新变量“成绩段”，包含0、1两个变量。
12.在上述例子中，如果希望了解变量“成绩”和新设立的变量的平均数，方差，全距，极大值和极小值，应该使用什么分析？列出至少两种方法，并写明操作过程。
C.频次分析：
a单击主菜单“分析”，选中“描述统计”，点击“频率”，打开对话框，把“成绩”和“新成绩”选入右边窗口中；
b单击“统计量”按钮，打开子对话框，选中“均值”‘方差’“范围”“最大值”“最小值”，单击“继续”，返回主对话框，单击“确定”，运行程序。
D.数据描述：
a单击主菜单“分析”，选中“描述统计”，点击“描述”，打开对话框，把“成绩”和“新成绩”选入右边窗口中；
b单击“选项”按钮，打开子对话框，选中“均值”‘方差’“范围”“最大值”“最小值”，单击“继续”，返回主对话框，单击“确定”，运行程序。
13.如果需要画出变量“成绩”的直方图，如何操作？
C.单击主菜单“分析”，选中“描述统计”，点击“频率”，打开对话框，把“成绩”选入右边窗口；
D.单击“图表”按钮，打开子对话框，选中“直方图”，单击“继续”，返回主对话框，单击“确定”，运行程序。
14.设想一种研究情境，其中需要进行单因素随机设计的方差分析。
单因素完全随机设计的方差分析，可检验单因素各个水平下的因变量均值是否存在显著差异，或者说检验各个水平的数据是否来自同一个总体。这种设计要求被试随机分组后，分别接受不同的实验处理。
如：一位医学院研究者，想确定维生素C在治疗感冒过程中的效果，他设计了一个为期两年实验，并从本科生中招募到30位志愿者参加实验。30位学生随机分为三组，第一组服用安慰剂，第二组服用低剂量Vc，第三组服用高剂量Vc。实验的第一年和第二年，30位学生患感冒的天数都有严格记录，但是第一年学生不能服用任何药物，第二年，三组学生 服用不同药物。
15.参照11.5的习题，回答其问题。
问:研究者的SPSS数据包含哪两个因素？因变量是什么？如果用m*n表示，该设计如何表示？
答第一个因素是记笔记的方法，有三个水平，第二个是学生性别，有两个水平；因变量是学生第一学期和第二学期的总成绩之差，整个设计属于3*2设计的方差分析。
16.举例说明什么情况下使用协方差分析。
协方差分析满足以下假设：
正态分布：在自变量的水平上，以及对应于协变量的任意值。因变量的值呈正态分布。
方差齐性：因变量在所有实验条件下的方差齐性。如果各组方差不齐且各单元内的样本量不等，则方差分析结果不可信。
独立性：样本必须从总体中随机抽取，因变量的值相互独立。如果因变量的值不独立，方差分析的结果不可信。
斜率同质：在自变量的各个水平上，协变量和因变量是线性关系，且对于自变量的每个水平，协变量相对于因变量的斜率相同。如果此斜率不同，对协方差分析的结果解释可能会不正确。
17.什么是多元方差分析，其需要满足的假设条件有哪些？
多元方差分析是对一元方差分析的扩展，适用于因变量多于一个的时候，多元方差分析不仅检验自变量的各个水平上的因变量均值是否相等，而且检验各因变量均值是否相等。而且检验各因变量均值之间的各种线性组合是否也相等。 假设条件：
D.正态分布。在自变量的任何水平上，每一因变量的值都呈现正态分布，同时，每一因变量与其他因变量的任意线性组合也呈正态分布。
E.各因变量取自同一样本。在自变量的不同水平上，各因变量的指标取自同一样本。如果因变量的数值来自不同样本，多元方差分析的结果会变得不靠谱。
F.独立性。样本必须从总体中随机抽取，来自不同个体的因变量的值相互独立。如果因变量的值不独立，则不应进行多元方差分析。
18.什么是参数检验，什么是非参数检验？两者有何不同？
A.参数检验是指在方差分析中需要满足正态性、加性及各组方差齐性等基本假设的假设检验。
B.然而在实践中研究人员可能对所研究的总体并不熟悉，有时难以满足参数检验中的要求和假设，在这种情况下，参数检验就不适用了，此时可用另一种检验方法---非参数检验
C.二者的区别：若进行假设检验时总体的分布形势已知，要对总体的未知参数进行假设检验则为参数假设检验；
若对总体分布形式知之甚少，要对未知分布函数形式及其他特征进行假设检验，则为非参数检验。非参数检验对总体分布不做严格假定，特别适用于计量信息较弱的资料，在实验中得到了较为广泛的应用。
19.相关分析和偏相关分析有何异同？分别给出例子
异同：相关分析用于分析两个随机变量的关系，可以检验两个变量之间的相关度，或者多个变量两两之间的相关程度，也可以检验两组变量之间的相关程度。偏相关分析则是指在控制了其他变量的效应之后，对两个变量相关程度的分析。 同：二者的数值范围都是从-1到+1之间，正负号代表相关方向，即正相关和负
相关，绝对值越是趋向于1表明相关程度越高；二者都要求样本独立性
相关分析：为了考察儿童的语音意识、识字量与阅读能力发展之间的关系，研究者随机选择了30个小学生，分别采用语音意识检测和阅读水平测验，进行测验，并统计了每个学生的识字量。问儿童的语音意识、识字量、阅读能力之间是否存在显著相关。
偏相关分析：控制识字量之后，语音意识与阅读能力是否显著相关
20.以11－2的例子做销量（以log销量变量为因变量）对价格，马力，车型体积，载重量，耗油量五个变量的回归，从中选择偏回归系数显著的变量，写出回归方程。
从表中看出，偏回归系数显著的变量有价格和车型体积
回归方程：y = -2.844—0.061x1 +0.049x2
其中，x1指价格， x2指车型体积