行因素（水温） H:???????0冷凉温热H1：?冷，?凉，?温，?热
水温对产量没有影响 水温对产量有影响
（2）操作：工具——>数据分析——>双因素方差分析。
（3）决策
从上表可以看出F=1.423077 因为F行=78.4>Fcrit=4.75706,所以拒绝原假设，表明水温对产量有显著影响。F列=0.25 实训（六） 相关与回归分析实训 一、实训目的 掌握Excel软件中回归分析及相关分析应用 二、实训内容 零售商要了解每周的广告费X及消费额Y之间的关系，记录如表所示。 表1 每周广告费X与消费额Y数据表 X 40 20 25 18 50 45 40 22 55 48 38 52 38Y 5 0 5 5 5 0 0 0 0 5 0 0 1）画出散点图； 2）计算相关系数，并进行相关系数的显著性检验（α=5%）； 3）求出线性回归方程，并评价其拟合程度； 4）请对回归系数作统计检验。（α=5%） 4039364744494256524851 三、实训步骤及结果 （一）散点图 图表——>图标类型——>XY散点图 （二）计算相关系数并检验 （1）工具——>数据分析——>相关系数 （2）函数CORREL （3）相关系数显著性检验 ①提出假设： 原假设：H0:??0 备择假设：H0:??0 ②计算统计量：t?rn?21?r2=4.592645 ③计算临界值t?(n?2)=t0.05(12?2)=2.228139（函数TINV） ④决策：t>t?(n?2),拒绝原假设，说明线性相关性显著。 （三）求线性回归方程并评价 （1）工具——>数据分析——>回归 （2）评价：根据R2判断。根据回归分析表知道R2=0.810392，回归效果较好。 （四）对回归系数进行统计检验（以?为例） （1）提出假设： 原假设：H0:??0 备择假设：H1:??0 （2）计算检验统计量：t??=6.20212247183085 Se(?)（3）计算临界值：t?/2(n?2)?t0.025(12?2)=2.633767（函数TINV）。 （4）决策：因为t>t?/2(n?2)，拒绝原假设。表明X是影响Y的一个重要因素。