spss教程第十六課統(tǒng)計圖的繪制

1、<p>　　SPSS教程第十六課：統(tǒng)計圖的繪制</p><p>　　信息來源：本站原創(chuàng)　更新時間：2004-7-12 21:52:00 </p><p><b>　　第五節(jié) 高低區(qū)域圖</b></p><p>　　15.5.1 主要功能</p><p>　　調(diào)用Graphs菜單的High-Low過程，可繪制高低

2、區(qū)域圖。高低區(qū)域圖用于表現(xiàn)多種形式的數(shù)據(jù)區(qū)域，如一組測定值的范圍（最小值—最大值）、95%可信區(qū)間值（低限—高限）、±1.96·SD（低值—均值—高值）等，形象直觀。</p><p>　　15.5.2 實例操作</p><p>　　[例15-5]為了解水體污染情況，某市測定三種水源中放射性元素鍶（90Sr）的含量（10-2Bq·L-1），資料如下，試繪制高低區(qū)

3、域圖。</p><p>　　15.5.2.1 數(shù)據(jù)準備</p><p>　　激活數(shù)據(jù)管理窗口，定義變量名：數(shù)據(jù)的變量名為DATA，將范圍的低值與高值以及均值一并輸入；設一變量為CAT，用于定義低值、高值和均值，低值為1、高值為2、均值為3；水源點變量名為GROUP，依次輸入1、2、3。</p><p>　　15.5.2.2 操作步驟</p><

4、;p>　　選Graphs菜單的High-Low...過程，彈出High-Low Chart定義選項框，高低區(qū)域圖有5種，即：</p><p>　　Simple High-Low-Close：簡單線型高低區(qū)域圖；</p><p>　　Clustered High-Low-Close：復式線型高低區(qū)域圖；</p><p>　　Simple Range Bar：簡單

5、直條型高低區(qū)域圖；</p><p>　　Clustered Range Bar：復式直條型高低區(qū)域圖；</p><p>　　Difference Line：差異線區(qū)域圖。</p><p>　　本例選用簡單線型高低區(qū)域圖。然后點擊Define鈕，彈出Define Simple High-Low-Close:Summaries for Groups of Cases對話

6、框（圖15.6），在左側(cè)的變量列表中選data點擊鈕使之進入Bars Represent欄的Other snmmary function選項的Variable框，選cat點擊鈕使之進入Category Axis框, 選group點擊鈕使之進入Define High-Low-Close by框。點擊Titles...鈕，彈出Titles對話框，在Title欄內(nèi)輸入“某市測定不同水體放射性元素鍶的含量比較”，點擊Continue鈕返回Def

7、ine Simple High-Low-Close:Summaries for Groups of Cases對話框，再點擊OK鈕即完成。</p><p>　　圖15.6 高低區(qū)域圖繪制對話框</p><p>　　15.5.2.3 結(jié)果顯示</p><p>　　下圖顯示放射性元素鍶的含量在湖水中最高、在自來水中最低，但水庫水中其含量不僅高而且變化幅度最大。<

8、;/p><p>　　SPSS教程第十六課：統(tǒng)計圖的繪制</p><p>　　信息來源：本站原創(chuàng)　更新時間：2004-7-12 21:52:00 </p><p>　　第六節(jié) 直條構(gòu)成線圖</p><p>　　15.6.1 主要功能</p><p>　　調(diào)用Graphs菜單的Pareto過程，可繪制直條構(gòu)成線圖（又稱佩爾托圖

9、）。直條構(gòu)成線圖是直條圖與構(gòu)成圖的結(jié)合，它用直條的長短表現(xiàn)各組絕對數(shù)的多少，同時用線段的逐漸上升趨勢表現(xiàn)各組百分構(gòu)成比接近100.00%的過程。</p><p>　　15.6.2 實例操作</p><p>　　[例15-6]隨訪1000名20-25歲的男性一年，分季節(jié)考察其感冒發(fā)生情況，結(jié)果如下，試繪制直條構(gòu)成線圖。</p><p>　　15.6.2.1 數(shù)據(jù)準備

10、</p><p>　　激活數(shù)據(jù)管理窗口，定義變量名：各季節(jié)病例數(shù)的變量名為DATA，輸入具體數(shù)字；季節(jié)的變量名為SEASON，依次輸入1、2、3、4。百分構(gòu)成不必建立變量，也不必輸入數(shù)據(jù)，系統(tǒng)會自動生成。</p><p>　　15.6.2.2 操作步驟</p><p>　　選Graphs菜單的Pareto...過程，彈出Pareto Chart定義選項框，有2種直

11、條構(gòu)成線圖可選：Simple為單一直條構(gòu)成線圖，Stacked為堆積式直條構(gòu)成線圖，本例選用單一直條構(gòu)成線圖。然后點擊Define鈕，彈出Define Simple Pareto:Summaries for Groups of Cases對話框（圖15.7），在左側(cè)的變量列表中選data點擊鈕使之進入Sums of variable框，選season點擊鈕使之進入Category Axis框。點擊Titles...鈕，彈出Titles對

12、話框，在Title欄內(nèi)輸入“1000名20-25歲男性各季節(jié)感冒發(fā)生人數(shù)分析”，點擊Continue鈕返回Define Simple Pareto:Summaries for Groups of Cases對話框，再點擊OK鈕即完成。</p><p>　　圖15.7 直條構(gòu)成線圖繪制對話框</p><p>　　15.6.2.3 結(jié)果顯示</p><p>　　下圖

13、顯示，春秋季的感冒病例比其他季節(jié)多，僅春季的病例數(shù)已接近全年病例數(shù)的一半。夏季感冒病例最少，占全年病例數(shù)的比例不到10%。</p><p><b>　　第七節(jié) 質(zhì)量控制圖</b></p><p>　　15.7.1 主要功能</p><p>　　調(diào)用Graphs菜單的Control過程，可繪制質(zhì)量控制圖。質(zhì)量控制圖是進行質(zhì)量控制的常用工具，可提示

14、工作過程中所發(fā)生的變化及其趨勢，從而提醒人們的警覺與注意，以便分析原因、采取解決對策。</p><p>　　15.7.2 實例操作</p><p>　　[例15-7]對一種標準試液中某物質(zhì)含量測平行樣5次，結(jié)果如下，試繪制質(zhì)量控制圖以便對準確度與精確度進行評價。</p><p>　　15.7.2.1 數(shù)據(jù)準備</p><p>　　激活數(shù)據(jù)管

15、理窗口，定義變量名：平行樣數(shù)據(jù)的變量名為DATA，將測定數(shù)據(jù)一并輸入；設一變量為GROUP，用于定義測定次序，依次輸入1、2、3、4、5。均數(shù)和極差的數(shù)據(jù)不必輸入，系統(tǒng)會自動生成。</p><p>　　15.7.2.2 操作步驟</p><p>　　選Graphs菜單的Control...過程，彈出Control Chart定義選項框，有5種質(zhì)量控制圖可選：</p><

16、;p>　　圖15.8 質(zhì)量控制圖選項框</p><p>　　X-Bar, R, s：均數(shù)控制圖和極差（標準差）控制圖。均數(shù)控制圖又稱 圖，用于控制重復測定的準確度；極差控制圖又稱R圖，用于控制例數(shù)較少時重復測定的精確度；標準差控制圖又稱s圖，用于控制例數(shù)較多時重復測定的精確度。</p><p>　　Individuals, Moving Range：個值控制圖。根據(jù)容許區(qū)間的原理繪

17、制，適用于單個測定值的控制。</p><p>　　p, np：率的控制圖。根據(jù)率的二項分布原理繪制，適用于率的控制。</p><p>　　c, u：數(shù)量控制圖。根據(jù)組中非一致測定值繪制，各組例數(shù)相等時用u圖，不相等時用c圖，適用于屬性資料的質(zhì)量控制。</p><p>　　本例選用X-Bar, R, s。選項框的下方為數(shù)據(jù)類型選擇欄（Data Organization

18、），Cases are units表示數(shù)據(jù)文件中各觀察樣例只是一個值，其分組需要再定義；Cases are subgroups表示數(shù)據(jù)文件中各觀察樣例本身就是一個組。</p><p>　　點擊Define鈕，彈出X-Bar, R, s:Cases Are Units對話框（圖15.9），在左側(cè)的變量列表中選data點擊鈕使之進入Process Measurement框，選group點擊鈕使之進入Subgroups

19、 Defined by框。因本例樣品少，故在Charts欄中選X-Bar and range項，要求輸出均數(shù)控制圖和極差控制圖。點擊Titles...鈕，彈出Titles對話框，在Title欄內(nèi)輸入“樣品測定的質(zhì)量控制圖”，點擊Continue鈕返回X-Bar, R, s: Cases Are Units對話框，再點擊OK鈕即完成。</p><p>　　圖15.9 質(zhì)量控制圖定義對話框</p>&

20、lt;p>　　15.7.2.3 結(jié)果顯示</p><p>　　系統(tǒng)輸出兩張圖，第一張為均數(shù)控制圖，平均中心線的值為五組均數(shù)的平均值，其極差均值為五組極差的平均值，并由此計算得到上、下控制限；該圖將用于日后測定的準確度檢查，測定值在上、下控制限之內(nèi)的屬隨機波動，超出上、下控制限的為測定失控。第二張為極差控制圖，將用于日后測定的精確度檢查；測定值的極差在上、下控制限之內(nèi)的屬隨機波動，超出上、下控制限的為測定失

21、控。</p><p>　　SPSS教程第十六課：統(tǒng)計圖的繪制</p><p>　　信息來源：本站原創(chuàng)　更新時間：2004-7-12 21:52:00 </p><p><b>　　第八節(jié) 箱圖</b></p><p>　　15.8.1 主要功能</p><p>　　調(diào)用Graphs菜單的Boxpl

22、ot過程，可繪制箱圖。箱圖可用于表現(xiàn)觀測數(shù)據(jù)的中位數(shù)、四分位數(shù)和兩頭極端值。</p><p>　　15.8.2 實例操作</p><p>　　[例15-8]研究甲基汞對肝臟脂質(zhì)過氧化的毒性作用，選用25只大白鼠，隨機分成五組，按不同劑量染毒一段時期后測定肝臟LPO含量（n mol/L），資料如下表，試繪制箱圖。</p><p>　　15.8.2.1 數(shù)據(jù)準備<

23、;/p><p>　　激活數(shù)據(jù)管理窗口，定義變量名：所測定肝臟LPO含量數(shù)據(jù)的變量名為DATA，輸入原始數(shù)據(jù)；再設一變量為GROUP，用于定義不同染毒劑量組，依次輸入1、2、3、4、5。</p><p>　　15.8.2.2 操作步驟</p><p>　　選Graphs菜單的Boxplot...過程，彈出Boxplot Chart定義選項框，有2種箱圖可選：Simple

24、為簡單箱圖，Clustered為復式箱圖，本例選用簡單箱圖。然后點擊Define鈕，彈出Define Simple Boxplot:Summaries for Groups of Cases對話框（圖15.10），在左側(cè)的變量列表中選data點擊鈕使之進入Variable框，選group點擊鈕使之進入Category Axis框。點擊OK鈕即完成。</p><p>　　圖15.10 箱圖定義對話框</p&

25、gt;<p>　　15.8.2.3 結(jié)果顯示</p><p>　　下圖即為箱圖，圖形的含義是：中間的粗線為中位數(shù)，灰色的箱體為四分位（箱體下端為第二十五百分位數(shù)、上端為第七十五百分位數(shù)），兩頭伸出的線條表現(xiàn)極端值（下邊為最小值、上邊為最大值）。從圖中可見：隨染毒劑量的增加，大白鼠肝臟過氧脂質(zhì)化的程度更嚴重，且LPO含量的變動范圍也隨之加大。</p><p>　　第九節(jié) 均值

26、相關(guān)區(qū)間圖</p><p>　　15.9.1 主要功能</p><p>　　調(diào)用Graphs菜單的Error Bar過程，可繪制均值相關(guān)區(qū)間圖。正態(tài)分布資料的描述性指標：如均值、標準差、標準誤，并由此求得的參照值范圍、總體均值的可信區(qū)間等，都可用均值相關(guān)區(qū)間圖來表現(xiàn)。</p><p>　　15.9.2 實例操作</p><p>　　[例15-

27、9]食品中微量砷（As）主要采用兩種方法測定，一是新銀鹽法，另一是DDC-Ag法。今比較兩種方法測定不同濃度As標準液（μg/5ml）的光密度值可信區(qū)間，試繪制均值相關(guān)區(qū)間圖。</p><p>　　15.9.2.1 數(shù)據(jù)準備</p><p>　　激活數(shù)據(jù)管理窗口，定義變量名：數(shù)據(jù)的變量名為DATA，將新銀鹽法和DDC-Ag法的測定所得光密度值一并輸入；然后設一變量為GROUP，用于定義不

28、同標準液濃度組，依次輸入1、2、3、4、5；再設一變量為CATE，用于定義不同方法組，依次輸入1、2。</p><p>　　15.9.2.2 操作步驟</p><p>　　選Graphs菜單的Error Bar...過程，彈出Error Bar定義選項框，均值相關(guān)區(qū)間圖有2種，Simple為簡單均值相關(guān)區(qū)間圖，Clustered為復式均值相關(guān)區(qū)間圖，本例選用復式均值相關(guān)區(qū)間圖。然后點擊D

29、efine鈕，彈出Define Clustered Error Bar:Summaries for Groups of Cases對話框（圖15.11），在左側(cè)的變量列表中選data點擊鈕使之進入Variable框，選group點擊鈕使之進入Category Axis框, 選cate點擊鈕使之進入Define Clusters by框。</p><p>　　圖15.11 均值相關(guān)區(qū)間圖定義對話框</p&g

30、t;<p>　　在Bar Represent欄中有一下拉菜單，系統(tǒng)提供3種圖形表現(xiàn)方式讓用戶選擇：</p><p>　　Confidence interval for mean：繪出總體均值的可信區(qū)間，要求輸入?yún)^(qū)間的百分數(shù)；</p><p>　　Standard error of mean：繪出均值+/-兩倍標準誤的區(qū)間；</p><p>　　Stan

31、dard deviation：繪出均值+/-兩倍標準差的區(qū)間。</p><p>　　本例選用Confidence interval for mean。之后點擊Titles...鈕，彈出Titles對話框，在Title欄內(nèi)輸入“兩種方法測定微量砷的光密度95%可信區(qū)間比較”，點擊Continue鈕返回Define Clustered Error Bar:Summaries for Groups of Cases對話

32、框，再點擊OK鈕即完成。</p><p>　　15.9.2.3 結(jié)果顯示</p><p>　　下圖可見，用DDC-Ag法測定的光密度精確度高于新銀鹽法，但其對濃度的區(qū)分度低于新銀鹽法。</p><p>　　SPSS教程第十六課：統(tǒng)計圖的繪制</p><p>　　信息來源：本站原創(chuàng)　更新時間：2004-7-12 21:52:00 </p

33、><p><b>　　第十節(jié) 散點圖</b></p><p>　　15.10.1 主要功能</p><p>　　調(diào)用Graphs菜單的Scatter過程，可繪制散點圖。散點圖用于表現(xiàn)測量數(shù)據(jù)的原始分布狀況，讀者可從點的位置判斷測量值的高低、大小、變動趨勢或變化范圍。</p><p>　　15.10.2 實例操作</p&

34、gt;<p>　　[例15-10]研究飲茶對人體血清微量元素（μmol/L）的影響作用，結(jié)果如下，試繪制散點圖。</p><p>　　15.10.2.1 數(shù)據(jù)準備</p><p>　　激活數(shù)據(jù)管理窗口，定義變量名：數(shù)據(jù)的變量名為DATA，將各組各微量元素的測定值一并輸入；設一變量為CATE1，用于定義喝茶狀況組，多喝茶組為1、少喝茶組為2、不喝茶組為3；再設一變量為CATE

35、2，用于定義微量元素種類，Zn為1、Fe為2、Mn為3。</p><p>　　15.10.2.2 操作步驟</p><p>　　選Graphs菜單的Scatter...過程，彈出Scatterplot定義選項框（圖15.12），散點圖有4種，Simple為單層散點圖，Overlay為多層散點圖，Matrix為矩陣散點圖，3-D為立體散點圖，本例選用單層散點圖。然后點擊Define鈕，彈出

36、Simple Scatterplot對話框（圖15.13），在左側(cè)的變量列表中選data點擊鈕使之進入Y Axis框，選cate1點擊鈕使之進入X Axis框（指定飲茶狀況為橫軸標目）, 選cate2點擊鈕使之進入Set Markers by框（指定微量元素種類為散點標志）。點擊Titles...鈕，彈出Titles對話框，在Title欄內(nèi)輸入“飲茶與人體血清微量元素的關(guān)系”，點擊Continue鈕返回Simple Scatterplo

37、t對話框，再點擊OK鈕即完成。</p><p>　　圖15.12 散點圖選項框</p><p>　　圖15.13 散點圖繪制對話框</p><p>　　15.10.2.3 結(jié)果顯示</p><p>　　下圖橫軸標目中1.0為多喝茶組、2.0為少喝茶組、3.0為不喝茶組。圖中可見，飲茶對提高人體血清鐵（Fe）和鋅（Zn）的含量有明顯的作用

38、，且飲茶量越大，效果越明顯；但對錳（Mn）的作用較小，飲茶量與效果的關(guān)系不明顯。</p><p><b>　　第十一節(jié) 直方圖</b></p><p>　　15.11.1 主要功能</p><p>　　調(diào)用Graphs菜單的Histogram過程，可繪制直方圖。直方圖是用直條的長短來表示連續(xù)性的絕對數(shù)（或稱頻數(shù)）資料的多少，其意義與本章第三節(jié)介

39、紹的區(qū)域圖相似，但區(qū)域圖能進行多組資料的比較（如堆積式區(qū)域圖），而直方圖不能。</p><p>　　15.11.2 實例操作</p><p>　　[例15-11]現(xiàn)有某地某年流行性乙型腦炎患者的年齡分布資料如下表，試繪制直方圖。</p><p>　　15.11.2.1 數(shù)據(jù)準備</p><p>　　激活數(shù)據(jù)管理窗口，定義變量名：頻數(shù)資料的變

40、量名為NUMBER，將每歲患者人數(shù)資料輸入；設一變量為GROUP，用于定義年齡組，將各年齡分組的下限值輸入。為使頻數(shù)資料在作圖中生效，應選Data菜單的Weight Cases...命令項，在彈出的Weight Cases對話框中取Weight cases by項，并選變量NUMBER點擊鈕使之進入Frequency Variable框，點擊OK鈕即可。</p><p>　　15.11.2.2 操作步驟<

41、/p><p>　　選Graphs菜單的Histogram...過程，因直方圖只有一種類型，故直接彈出Histogram對話框（圖15.14），在左側(cè)的變量列表中選group點擊鈕使之進入Variable框；點擊Titles...鈕，彈出Titles對話框，在Title欄內(nèi)輸入“某地某年流行性乙型腦炎患者年齡分布”，點擊Continue鈕返回Histogram對話框，再點擊OK鈕即完成。</p><

42、p>　　圖15.14 直方圖繪制對話框</p><p>　　系統(tǒng)在Chart Carousel窗口輸出直方圖。由于本例資料的分組情形比較細（即每歲一組），而系統(tǒng)只按默認的每5歲一組方式輸出圖形，所以需要安用戶的要求對統(tǒng)計圖進行編輯。點擊Chart Carousel窗口上端工具欄中的Edit鈕，彈出!Chart1窗口，將鼠標箭頭指向圖的橫軸并雙擊鼠標左鍵，彈出Interval Axis對話框（圖15.15）

43、，在Axis Title處將“GROUP”改為中文“年齡分組”；在Intervals欄選擇Custom項，點擊Define...鈕，彈出Interval Axis:Define Custom Interval對話框（圖15.16），在Definition欄的Interval width處輸入1，要求按每歲一組的方式作圖；在Range欄的Minimum處輸入0，在Maximum處輸入65，要求橫軸從0歲開始至65歲止。點擊Continue

44、鈕返回Interval Axis對話框，再點擊OK鈕即可。</p><p>　　圖15.15 橫軸修改對話框</p><p>　　圖15.16 用戶定義橫軸選項框</p><p>　　15.11.2.3 結(jié)果顯示</p><p>　　下圖即為經(jīng)用戶編輯后的直方圖。由圖中可見：該地流行性乙型腦炎患者主要集中在10歲之前，10歲之后患者數(shù)驟

45、減，尤其是35歲之后患者數(shù)幾乎為0。</p><p>　　SPSS教程第十六課：統(tǒng)計圖的繪制</p><p>　　信息來源：本站原創(chuàng)　更新時間：2004-7-12 21:52:00 </p><p>　　第十二節(jié) 正態(tài)概率分布圖</p><p>　　15.12.1 主要功能</p><p>　　調(diào)用Graphs菜單的N

46、ormal P-P過程，可繪制正態(tài)概率分布圖。如果變量值是正態(tài)分布的，則所繪制的正態(tài)概率分布圖將呈現(xiàn)一條從縱軸零點指定右上角的直線。</p><p>　　15.12.2 實例操作</p><p>　　[例15-12]某醫(yī)師測得30名健康女大學生血清總蛋白含量（g/L）資料如下，試繪制正態(tài)概率分布圖。</p><p>　　15.12.2.1 數(shù)據(jù)準備</p&g

47、t;<p>　　激活數(shù)據(jù)管理窗口，數(shù)據(jù)的變量名為DATA，將原始測定值輸入。</p><p>　　15.12.2.2 操作步驟</p><p>　　選Graphs菜單的Normal P-P...過程，彈出Normal P-P Plot對話框（圖15.17），在左側(cè)的變量列表中選data點擊鈕使之進入Variable框。在Transform欄中，系統(tǒng)有4種數(shù)據(jù)轉(zhuǎn)換形式供用戶選

48、擇：</p><p>　　圖15.17 正態(tài)概率分布圖定義對話框</p><p>　　Natural Log transform：作自然對數(shù)的轉(zhuǎn)換；</p><p>　　Standardize values：作標準化值（即Z值）的轉(zhuǎn)換；</p><p>　　Difference：使用系列值與n個相近觀察值的差別值替代原始值；</p&g

49、t;<p>　　Seasonally difference：使用系列值與n個時期值的差別值替代原始值。</p><p>　　本例不作數(shù)據(jù)轉(zhuǎn)換。點擊Expected...鈕彈出Normal P-P Plot:Expected對話框，系統(tǒng)詢問用戶采用什么方法計算預期正態(tài)概率值，共4種方法：</p><p>　　Blom：使用公式 推算；</p><p>　

50、　Tukey：使用公式 推算；</p><p>　　Rankit：使用公式 推算；</p><p>　　Van der Waerden：使用公式 推算。</p><p>　　上列各式中，n為觀察單位數(shù)， r為1～ n的秩次。本例選Blom方法。點擊Continue鈕返回Normal P-P Plot對話框，再點擊OK鈕完成操作。</p><p&g

51、t;　　15.12.2.3 結(jié)果顯示</p><p>　　下圖顯示觀察值緊貼正態(tài)概率線分布，由此可知其服從正態(tài)分布。</p><p>　　第十三節(jié) 正態(tài)概率單位分布圖</p><p>　　15.13.1 主要功能</p><p>　　調(diào)用Graphs菜單的Normal Q-Q過程，可繪制正態(tài)概率單位分布圖。繪制正態(tài)概率單位分布圖的意義與本章

52、第十二節(jié)介紹的正態(tài)概率分布圖一樣，只是其縱軸采用概率單位而不是采用概率。</p><p>　　15.13.2 實例操作</p><p>　　[例15-13]某醫(yī)師研究不同布氏菌苗免疫后布氏菌素皮膚反應情況，資料如下，試繪制正態(tài)概率單位分布圖。</p><p>　　15.13.2.1 數(shù)據(jù)準備</p><p>　　激活數(shù)據(jù)管理窗口，A組菌苗皮

53、膚浸潤直徑的數(shù)據(jù)變量名為X1，將原始測定值輸入；B組菌苗皮膚浸潤直徑的數(shù)據(jù)變量名為X2，也將原始測定值輸入。</p><p>　　15.13.2.2 操作步驟</p><p>　　選Graphs菜單的Normal Q-Q...過程，彈出Normal Q-Q Plot對話框（圖15.18），在左側(cè)的變量列表中選data點擊鈕使之進入Variable框；不作數(shù)據(jù)轉(zhuǎn)換；選擇Blom方法推算預期

54、正態(tài)概率單位值；點擊OK鈕完成操作。</p><p>　　圖15.18 正態(tài)概率單位分布圖定義對話框</p><p>　　15.13.2.3 結(jié)果顯示</p><p>　　由于是對兩個變量作正態(tài)概率單位分布圖，故系統(tǒng)輸出兩張圖。比較變量X1與X2的正態(tài)概率單位分布圖，可看到變量X1的分布形式偏離正態(tài)，因其值大多落在0概率單位之下，故呈現(xiàn)一定程度的正偏態(tài)；而變量X

55、2的分布形式接近正態(tài)，其值較均勻地緊貼正態(tài)概率單位線。</p><p>　　第十四節(jié) 普通序列圖</p><p>　　15.14.1 主要功能</p><p>　　調(diào)用Graphs菜單的Sequence過程，可繪制普通序列圖。普通序列圖用于表現(xiàn)一組或幾組觀察值隨另一序列性變量變化的趨勢。</p><p>　　15.14.2 實例操作</

56、p><p>　　[例15-14]研究氣相色譜儀采用硅膠采樣管測定苯胺的穩(wěn)定性，資料如下，試繪制普通序列圖。</p><p>　　15.14.2.1 數(shù)據(jù)準備</p><p>　　激活數(shù)據(jù)管理窗口，定義變量名：加入值數(shù)據(jù)的變量名為X1，測定值數(shù)據(jù)的變量名為X2，分析時間的變量名為TIME。將原始數(shù)據(jù)一一輸入即可。</p><p>　　15.14.

57、2.2 操作步驟</p><p>　　選Graphs菜單的Sequence...過程，彈出Sequence Chart對話框（圖15.19），在左側(cè)的變量列表中選x1、x2點擊鈕使之進入Variable框，選time點擊鈕使之進入Time Axis Labels框，點擊OK鈕即完成。</p><p>　　圖15.19 普通序列圖定義對話框</p><p>　　1

58、5.14.2.3 結(jié)果顯示</p><p>　　下圖為氣相色譜儀采用硅膠采樣管測定苯胺的穩(wěn)定性研究圖。該圖顯示：測定值圍繞加入值作小幅度（<6%）的波動。測定前期，測定值高于實際加入值；測定后期，測定值低于實際加入值。最佳測定時間為樣品加入后3～5分鐘內(nèi)。</p><p>　　第十五節(jié) 時間序列圖</p><p>　　15.15.1 主要功能</p&g

59、t;<p>　　調(diào)用Graphs菜單的Time Series過程，可繪制時間序列圖。時間序列是指按時間順序排列的隨機變量的一組實測值。分析時間序列圖，可以從運動的角度認識事物的本質(zhì)，如幾個時間序列之間的差別、一個較長時間序列的周期性，或?qū)ξ磥淼那闆r進行預測。</p><p>　　15.15.2 實例操作</p><p>　　[例15-15]連續(xù)4周（每周5個工作日）測定某無菌

60、操作室空氣中的細菌含量（×103/M3），資料如下，試繪制時間序列圖，看是否存在周期性變動趨勢。</p><p>　　15.15.2.1 數(shù)據(jù)準備</p><p>　　激活數(shù)據(jù)管理窗口，定義變量名為DATA，然后按時間順序從第一周第1天起將觀察數(shù)據(jù)依次輸入。</p><p>　　15.15.2.2 操作步驟</p><p>　　

61、在Graphs菜單的Time Series項中，含兩個過程：</p><p>　　Autocorrelations：自相關(guān)時間序列圖，自相關(guān)指相關(guān)值來自一組時間序列中前一時間序列與其后序列的對應各觀測值的相關(guān)；</p><p>　　Cross-correlations：交叉相關(guān)時間序列圖，交互相關(guān)指相關(guān)值來自某一時間序列變量與相鄰另一個或一些時間序列變量的對應各觀測值的相關(guān)。</p&

62、gt;<p>　　本例只有一個隨機變量，故選用Autocorrelations過程。在彈出的Autocorrelations對話框（圖15.20）中，選左側(cè)變量列表中的data點擊鈕使之進入Variable框。在Display欄選 Autocorrelations項，要求僅繪制自動相關(guān)的時間序列圖。點擊Options...鈕，彈出 Autocorrelations:Options對話框，在Maximum Number of

63、 Lags處輸入5，表示時間序列階段為每5天一個周期，點擊Continue鈕返回Autocorrelations對話框，再點擊OK鈕即完成。</p><p>　　圖15.20 時間序列圖定義對話框</p><p>　　15.15.2.3 結(jié)果顯示</p><p>　　在時間序列圖中，用戶可根據(jù)相關(guān)系數(shù)的大小來判斷序列模型的變動趨勢。一般地說，相關(guān)系數(shù)為0或為&l

64、t;0，則前后序列或相鄰序列的變動趨勢保持原狀；當最大的正相關(guān)系數(shù)出現(xiàn)在最后一個時點之前的任一時點時，表明趨勢變動，完整地說是后面的或相鄰變量的序列較前面的或相鄰前面變量的序列延遲，前面的或相鄰前面變量的序列超前的時點即在最大正相關(guān)系數(shù)所在的時點。</p><p>　　如本例，系統(tǒng)按用戶指向，一個時間序列為5個時點段，下圖顯示最大正相關(guān)系數(shù)位于最后一個時點，故表明前后時間序列穩(wěn)定，即具有周期性。</p>