母猪产籽前打了一针铁有影相吗？

母猪产前补右旋糖酐铁对产房仔猪的影响

张 宁，蓝常力，马青兰，赵放英，郭 旋

期刊名称养猪

年(卷),期2019(000)001

总页数2

基金项目：广西创新驱动发展专项（科技重大专项）（桂科AA1811 802-7）；南宁市科技型中小企业技术创新资金项目（20183106）；南宁市西乡塘区科学研究与技术开发项目（201810204）

微量元素铁对仔猪非常重要，机体含铁量会直接影响其生长性能、正常代谢和生理防御机能[1]。目前生产中通常会在1～3日龄给仔猪注射铁剂以防止仔猪出现铁缺乏症，效果显著。也有部分研究者通过在妊娠母猪饲粮中添加铁来满足初生仔猪对铁的需求[2]。随着养猪业的发展和铁剂研究的发展，研究者发现在母猪饲粮中添加氨基酸螯合铁或复合有机铁可以提高母猪体内的铁储，并通过胎盘和母乳向仔猪传递，可有效预防哺乳仔猪由缺铁导致的贫血，甚至达到肌注右旋糖酐铁的补铁效果[3-4]。而给妊娠母猪肌注补铁剂对母猪和哺乳仔猪的补铁效果鲜有报道，本试验通过给母猪产前肌注右旋糖酐铁，测定母猪和仔猪血红蛋白含量的变化和仔猪的断奶增重，评估不同补铁方法的效果，为在生产中制定合理的补铁方案提供参考。

1 材料与方法

11 检测试剂和补铁剂

血红蛋白测定仪、台秤、耳牌等。某商品化右旋糖酐铁注射液，规格为每100 mL含铁15 g。

12 试验时间与地点

试验于2018年3—4月在南宁某2 500头基础母猪规模母猪场进行。

13 试验动物与分组

选择某产房胎次相同或相近的、同一天分娩的24头母猪和所产下的新生仔猪，每窝选取4头健康均匀的仔猪，共96头，按窝随机区组分为4组，每组6头母猪和24头仔猪，A组、B组、C组在母猪分娩前7 d分别给每头母猪颈部肌肉注射右旋糖酐铁3 mL/头、4 mL/头和5 mL/头，D组不注射做空白对照。各试验母猪在分娩前7 d注射铁剂前以及分娩后3 d、7 d和21 d分别测定血红蛋白含量，各组试验仔猪分别打上对应耳牌，称初生个体重，耳缘静脉采血测定血红蛋白值。所有试验仔猪2日龄时颈部肌肉注射右旋糖酐铁1 mL/头。仔猪2日龄补铁前、仔猪14日龄、仔猪21日龄测定血红蛋白含量。并测定仔猪初生重、21日龄个体重和60日龄个体重。

14 统计分析

试验数据采用Excel 2007进行初步整理，用SPSS 170统计软件进行单因素方差分析，同时进行Duncan氏多重比较，试验结果以平均值±标准差表示。

2 结果与分析

21 母猪血红蛋白含量变化情况

由表1可知，母猪分娩前7 d注射铁剂前耳缘静脉取血测血红蛋白含量，各组母猪血红蛋白含量均高于90 mg/mL，且各组平均值在998～1108 mg/mL之间，差异不显著。给A组、B组和C组母猪分别颈部肌肉注射右旋糖酐铁3 mL/头、4 mL/头和5 mL/头，D组不注射。在分娩后3 d，各组母猪平均血红蛋白含量下降了13～9 mg/mL，其中B组下降最明显，C组下降最少，B、C两组差异显著（P＜005）。分娩后7 d，各组母猪平均血红蛋白含量均回升到补铁前水平，各组差异不显著。随着哺乳量的增加，母猪血红蛋白含量下降，分娩后21 d各组母猪平均血红蛋白含量与分娩后7 d相比下降25～10 mg/mL，差异均不显著。

22 仔猪血红蛋白含量变化情况

由表2可知，各组哺乳仔猪在2日龄注射补铁剂前测定血红蛋白平均值差异较大，A组、B组和C组均高于D组，其中C组和D组差异极显著（P＜001），A组和D组差异显著（P＜005），表明产前母猪注射补铁剂能提高新生仔猪血红蛋白水平。但2日龄给各组仔猪补铁后，14日龄和21日龄D组仔猪血红蛋白平均值均上升明显，与其他3组仔猪差异均不显著。

23 仔猪断奶增重情况

由表3可知，4组仔猪初生个体重、21日龄个体均重和60日龄个体均重差异都不显著。

3 讨论

31 哺乳母猪补铁的重要作用

铁对维持母猪妊娠和胚胎的正常发育非常重要，母体血浆是胎儿铁来源的唯一途径，母猪体内大量的铁会通过胎盘转运给胎儿，优先保证胎儿的补给需求。母猪在妊娠期由于体内激素的变化会使肠道对铁的吸收受限，当每天吸收的铁量不足以满足胎儿的需求时，就会动用体内的储存铁，因而母猪易患缺铁性贫血，进而会影响母猪断奶后的发情率和受孕率[5]。

32 母猪产前肌注右旋糖酐铁对哺乳期间血红蛋白含量的影响

母猪正常血红蛋白浓度为110 mg/mL，本研究的试验母猪饲粮中添加了硫酸亚铁和甘氨酸螯合铁，而母猪分娩前的血红蛋白含量在83～122 mg/mL之间，平均值为103 mg/mL，低于100 mg/mL的比例为375%（6/16），整体偏低且个体之间差异较大。试验拟通过产前7 d给母猪注射不同剂量右旋糖酐铁的方法来提高缺铁母猪的铁含量，发现在分娩后3 d各组母猪平均血红蛋白含量仍然下降了13～9 mg/mL。分娩后7 d各组母猪平均血红蛋白含量均回升到补铁前的水平，试验组和对照组差异不显著。随着哺乳量的增加，母猪的血红蛋白含量下降，分娩后21 d各组母猪平均血红蛋白含量与分娩后7 d相比下降了25～10 mg/mL，3个试验组和空白对照组差异同样不显著。因此母猪产前肌注右旋糖酐铁对哺乳期间血红蛋白含量无明显促进作用。李尚等[2]认为非肠道途径使用右旋糖酐铁，不能使铁从胎盘向胎儿的转移量增加，也不能有效提高乳铁含量。本试验结果也显示通过肌注右旋糖酐铁给产前母猪补铁并不能提高哺乳期间血红蛋白水平。目前，大多数研究表明给母猪补铁的方式比较有效的是在妊娠母猪饲粮中添加氨基酸螯合铁、复合有机铁等。

33 对哺乳仔猪补铁血红蛋白含量和增重的影响

尹显进等[6]发现，给产前30～40 d母猪注射右旋糖酐铁钴（6 mL/头）同时给哺乳仔猪肌注右旋糖酐铁钴或牲血素，仔猪的血红蛋白含量和日增重都明显高于对照组（母猪和仔猪均不注射铁剂），而且妊娠母猪和仔猪都肌注补铁剂效果最好。本试验小组于2017年1月底已开展了2日龄仔猪1次补铁、2次补铁和不补铁3种方式对仔猪血红蛋白含量和断奶重的影响[7]，结果显示，不补铁组仔猪3日龄血红蛋白平均值已下降到708 mg/mL，10日龄平均值下降到51 mg/mL，仔猪出现肤色偏白，不愿活动，生长缓慢的缺铁性贫血临床症状。不补铁组虽然在13日龄补注射了补铁剂，但20日龄时仔猪哺乳期增重分别比2次补铁组和1次补铁组减少了103 kg/头和051 kg/头，差异显著（P＜005）。因此，本次试验没有设母猪不补铁且仔猪不补铁的空白对照组。本试验中，仔猪2日龄补铁前，A组、B组和C组均高于D组，其中C组和D组差异极显著（P＜001），A组和D组差异显著（P＜005），但2日龄给各组仔猪补铁后，D组仔猪血红蛋白平均值均上升明显，14日龄和21日龄的血红蛋白含量与3组试验组仔猪差异均不显著，表明产前给母猪注射补铁剂，能提高新生仔猪的血红蛋白水平，但同时给仔猪补铁后，这种优势差异不明显。此外，4组仔猪初生个体重、21日龄个体重和60日龄个体重差异都不显著。因此，本研究认为，在哺乳母猪没有出现贫血情况且仔猪肌注补铁剂的前提下，产前肌注右旋糖酐铁对哺乳仔猪的血红蛋白含量和增重并没有明显的提升效果，不需要给母猪肌注补铁剂。如果母猪血红蛋白含量偏低，应通过在饲粮中添加氨基酸螯合铁、复合有机铁等方式进行补铁。

4 结论

母猪产前注射不同剂量的右旋糖酐铁哺乳母猪对产后7 d和21 d的血红蛋白含量差异不显著。母猪补铁组的新生仔猪平均血红蛋白含量高于不补铁组且差异显著，但是在2日龄仔猪补铁后这种差异消失。母猪不补铁组的仔猪21日龄和60日龄平均个体重与3组补铁组相比差异均不显著。产前肌注右旋糖酐铁对哺乳母猪、哺乳仔猪的血红蛋白含量和仔猪增重并没有明显的提升效果，不需要给母猪肌注补铁剂。如果母猪血红蛋白含量偏低，应考虑通过在饲粮中添加氨基酸螯合铁、复合有机铁等方式进行补铁。

参考文献

[1]谭辉，朱中平仔猪补铁研究进展[J]中国猪业，2016（1）：47-51

[2]李尚，曹洪战，芦春莲妊娠母猪日粮添加铁对仔猪的影响[J]猪业科学，2018，35（1）：137-139

[3]石文艳氨基酸螯合铁预防仔猪贫血的效果研究[D]石河子：石河子大学，2005

[4]周建群，蒋荣成，覃国喜，等新一代补铁剂—妈蜜铁完全替代仔猪肌注补铁制剂的对比试验[J]养猪，2009（5）：14-16

[5]谢小雨缺铁性贫血对母猪的影响及补铁方案建议[J]猪业科学，2017，34（9）：123

[6]尹显进，严梓贤，尹邦才，等两种补铁剂对仔猪增重效果试验比较研究[J]中国猪业，2017（2）：66-68

[7]蓝常力，马青兰，梁强，等补铁剂对产房仔猪血红蛋白含量和断奶重的影响[J]养猪，2018（2）：45-47

spss显著性分析的确定

1运用显著性差异字母标记法，将全部平均数从大到小依次排列。

2在最大的平均数上标上字母a并将该平均数与其他各平均数相比，凡相差不显著的，都标上字母a，直至某一个与之相差显著的平均数则标以字母b。

3再以该标有b的平均数为标准，与各个比其大的平均数比较，凡不显著的也一律标以字母b，以标有b的最大平均数为标推，与各未标记的平均数比，凡不显著的继续标以字母b，直至某一个与之相差显著的平均数则标以字母c。”如此重复，直至最小的一个平均数有了标记字母为止。

4各平均数间，凡有一个相同标记字母的即为差异不显著，凡是具不同标记字母的即为差异显著。

spss数据管理

在10版以后，SPSS的每个新增版本都会对数据管理功能作一些改进，以使用户的使用更为方便。13版中的改进可能主要有以下几个方面：

1）超长变量名：在12版中，变量名已经最多可以为64个字符长度，13版中可能还要大大放宽这一限制，以达到对当今各种复杂数据仓库更好的兼容性。

2）改进的Autorecode过程：该过程将可以使用自动编码模版，从而用户可以按自定义的顺序，而不是默认的ASCII码顺序进行变量值的重编码。另外，Autorecode过程将可以同时对多个变量进行重编码，以提高分析效率。

3）改进的日期/时间函数：本次的改进将集中在使得两个日期/时间差值的计算，以及对日期变量值的增减更为容易上。

-spss

SPSS非参数检验：独立样本

一、概念：

独立样本的非参数检验是在对总体分布不甚了解的情况下，通过对两组或多组独立样本的分析来推断样本来自的总体的分布等是否存在显著差异的方法。独立样本是指在一个总体中随机抽样对在另一个总体中随机抽样没有影响的情况下所获得的样本。

二、选择检验（分析-非参数检验-独立样本-设置-选择检验）

1、根据数据自动选择检验。该设置将对具有两个组的数据应用Mann-Whitney U检验，或对具有k个组的数据应用Kruskal-Wallis单因素ANOVA检验。

2、自定义检验。这些设置允许您选择要执行的特定检验。

21、比较不同组间的分布。这些将生成独立样本检验，即样本是否来自同一总体。◎Mann-Whitney U（二样本）使用每个个案的秩来检验组是否抽取自同一总体。分组字段中按升序排列的第一个值定义第一个组，第二个值定义第二个组。如果分组字段有两个以上的值，则不生成此检验。◎Kolmogorov-Smirnov（二样本）对两个分布间中位数、离散、偏度等的任何差异很敏感。如果分组字段有两个以上的值，则不生成此检验。◎检验随机序列（二样本Wald-Wolfowitz）生成一个以组成员关系为准则的游程检验。如果分组字段有两个以上的值，则不生成此检验。◎Kruskal-Wallis单因素ANOVA（k样本）是Mann-Whitney U检验的扩展，它也是单因素方差分析的非参数模拟。您可以根据需要请求对k样本的多重比较，即所有成对多重比较或逐步降低比较。◎有序选项检验（k样本Jonckheere-Terpstra）可作为比Kruskal-Wallis功能更强大的选项，但前提是k样本需具有自然顺序。例如，k个总体可能代表k个上升的温度。“不同的温度产生相同的响应分布”这一假设是针对“温度升高，则响应的幅度增加”这一选择进行检验的。此处备选假设已排序，因此，Jonckheere-Terpstra是最适用的检验。指定其他假设的顺序；从最小到最大规定其他假设：第一组的位置参数不等于第二组，第二组又不等于第三组，依此类推；从最大到最小规定其他假设：最后一组的位置参数不等于倒数第二组，倒数第二组又不等于倒数第三组，依此类推。您可以根据需要请求对k样本的多重比较，即所有成对多重比较或逐步降低比较。

22、比较不同组间的范围。这可以生成一个独立样本检验，即样本是否具有相同范围。◎Moses极端反应（二样本）检验控制组与比较组。分组字段中按升序排列的第一个值定义控制组，第二个值定义比较组。如果分组字段有两个以上的值，则不生成此检验。

23、比较不同组间的中位数。这可以生成一个独立样本检验，即样本是否具有相同中位数。◎中位数检验（k样本）可以使用汇聚样本中位数（从数据集所有记录中计算）或自定义值作为假设中位数。您可以根据需要请求对k样本的多重比较，即所有成对多重比较或逐步降低比较。

24、估计不同组间的置信区间。Hodges-Lehman估计（二样本）可以为两个组的中位数差异生成一个独立样本估计和置信区间。如果分组字段有两个以上的值，则不生成此检验。

三、方法：

1、曼-惠特尼U检验：两独立样本的曼-惠特尼U检验可用于对两总体分布的比例判断。其原假设：两组独立样本来自的两总体分布无显著差异。曼-惠特尼U检验通过对两组样本平均秩的研究来实现判断。秩简单说就是变量值排序的名次，可以将数据按升序排列，每个变量值都会有一个在整个变量值序列中的位置或名次，这个位置或名次就是变量值的秩。

2、K-S检验：K-S检验不仅能够检验单个总体是否服从某一理论分布，还能够检验两总体分布是否存在显著差异。其原假设是：两组独立样本来自的两总体的分布无显著差异。这里是以变量值的秩作为分析对象，而非变量值本身。

3、游程检验：单样本游程检验是用来检验变量值的出现是否随机，而两独立变量的游程检验则是用来检验两独立样本来自的两总体的分布是否存在显著差异。其原假设是：两组独立样本来自的两总体的分布无显著差异。两独立样本的游程检验与单样本游程检验的思想基本相同，不同的是计算游程数的方法。两独立样本的游程检验中，游程数依赖于变量的秩。

4、极端反应检验：极端反应检验从另一个角度检验两独立样本所来自的两总体分布是否存在显著差异。其原假设是：两独立样本来自的两总体的分布无显著差异。

基本思想是：将一组样本作为控制样本，另一组样本作为实验样本。以控制样本作为对照，检验实验样本相对于控制样本是否出现了极端反应。如果实验样本没有出现极端反应，则认为两总体分布无显著差异，相反则认为存在显著差异。

5、中位数检验：中位数检验通过对多组独立样本的分析，检验它们来自的总体的中位数是否存在显著差异。其原假设是：多个独立样本来自的多个总体的中位数无显著差异。

基本思想是：如果多个总体的中位数无显著差异，或者说多个总体有共同的中位数，那么这个共同的中位数应在各样本组中均处在中间位置上。于是，每组样本中大于该中位数或小于该中位数的样本数目应大致相同。

6、Kruskal-Wallis检验：Kruskal-Wallis检验实质是两独立样本的曼-惠特尼U检验在多个样本下的推广，也用于检验多个总体的分布是否存在显著差异。其原假设是：多个独立样本来自的多个总体的分布无显著差异。

基本思想是：首先，将多组样本数据混合并按升序排序，求出各变量值的秩；然后，考察各组秩的均值是否存在显著差异。容易理解：如果各组秩的均值不存在显著差异，则是多组数据充分混合，数值相差不大的结果，可以认为多个总体的分布无显著差异；反之，如果各组秩的均值存在显著差异，则是多组数据无法混合，某些组的数值普遍偏大，另一些组的数值普遍偏小的结果，可以认为多个总体的分布有显著差异。

7、Jonckheere-Terpstra检验：Jonckheere-Terpstra检验也是用于检验多个独立样本来自的多个总体的分布是否存在显著差异的非参数检验方法，其原假设是：多个独立样本来自的多个总体的分布无显著差异。

基本思想与两独立样本的曼-惠特尼U检验类似，也是计算一组样本的观察值小于其他组样本的观察值的个数。

1、首先将数据导入到SPSS工具中，并打开相关的数据，保证导入的数据类型为Excel类型。

2、导入数据后，查看一下数据视图和变量视图，尤其是变量视图要保证都是数值型的数据为好。

3、然后，选择“分析中的相关分析下的双变量”栏目。

4、将要分析的变量放在“变量”中就可以点击确认了，其他的不要改动。

5、最后在输出中就可以看到具体的数值了。图中的相关性为0994，代表在0994上是相关的。相关性的范围为0-1。

前一段时间给大家整体的分享了关于如何使用SPSS来进行描述性统计分析，当时一共是分了三节内容，不知道大家有没有在空闲的时间好好的练习掌握一下。

在给大家分享完关于描述性统计分析的章节以后，我们接下来会用一段时间来给大家分享一下关于如何用SPSS来进行均值比较。关于均值比较在SPSS中是一个比较常见的分析方法，在这里面最常见的方法就是T检验，分别有单样本T检验、独立样本T检验和配对样本T检验。在学习这些检验方法之前，我们首选需要了解假设检验这个概念，因为不仅仅是在均值比较中，在后面的其他分析中我们也是随时会用到假设检验的思想。

假设检验的理论及原理

假设某个企业生产一种电子元件，在进行抽检的时候，企业的质检员说该企业的产品故障率只有千分之一。但是我们在检验的时候发现，从1000个电子元件中随机拿出来了5个，调试以后发现其中有2个发生了故障。这说明什么呢？

其实，如果企业的质检员说的确实是正确的，那照理来说1000个电子原件中应该只有1个会发生故障，这个我们称之为原假设。在这个情况下，我们是不可能出现检验到2个甚至2个以上的电子原件会发生故障，也就是说这种情况发生的概率应该是0。在统计学中，概率极小的事件我们称之为小概率事件。所以说，我们从1000个电子元件中随机拿出来5个进行检验，然后其中有2个发生了故障，也就是说小概率事件发生了。所以这个时候我们的结论是质检员说的话是不正确的，检验的结果没有支持他的判断。

但是如果我们换一种情况，在我们检验这1000个电子元件之前，质检员跟我们说这批电子元件的故障率是1%，我们依然从随机选择的5个电子元件中发现有2个是出现故障了，那这个时候又说明了什么呢？其实这个时候就应该有两个结论：

①：这批商品的故障率远高于1%，质量不可靠；

②：这批商品的故障率确实是1%，只是我们碰巧拿到了有故障的元件而已。

这个时候我们就应该来进行计算，按1%的故障率来说，1000个元件就应该有10个元件是会出现故障的，我们在5个里面发现2个产生了故障，这个情况的概率应该是0088%（大家可以自己计算一下）。这样一对比，我们就会发现其实这是一个小概率事件而已。

在我们的原假设成立的条件下，如果我们分析计算出来的对应事件概率比较大，那就不能拒绝原假设。如果结果相反，那就说明小概率事件发生了。正常来说，小概率事件在一次实验中是几乎不可能会发生的，但是正常不可能发生的事件确实发生了。那么我们只能说我们的结果不能够支持我们的假设，也就是说质检员1%故障率的说法也是错误的。

上面的例子其实就是我们假设检验的原理：反证法以及小概率原理。反证法的意思就是说，我们在检验之前，先假定原假设是正确的，然后我们根据这个来得到我们的分析结论，如果我们得到的分析结论与原假设中的结论是矛盾的（根据小概率原理），我们就可以说原假设其实是不能成立的，或者一般在分析中我们叫拒绝原假设。虽然我们在做假设检验的时候依据是“小概率事件在一次实验中是几乎不可能会发生的”这个原理，但是小概率时间并不代表没有概率，也就是说它依旧是可能发生的，只是发生的概率很小而已。所以我们在做假设检验的时候会遇到两类问题：

1原假设是正确的，但是我们根据结果错误的拒绝了原假设，在这个时候这个事件出现的概率也就是我们出现问题的概率。在前面的例子中，如果第二次检验电子元件的合格率确实是1%，但是我们认为这批元件的合格率大于1%，那我们就出现了第一种问题，同时出现这个问题的概率是0088%。

2原假设是错误的，但是我们根据结果并没有拒绝原假设，那这个事件发生的概率也就是这类问题出现的概率。

当我们在进行假设检验时，我们无法避免出现这两个问题，或者说降低出现这两类问题的概率。因为如果我们降低了其中一类问题的概率，那另外一类问题的概率就会随之增加。在一开始的举例中，企业是希望我们不要把无故障的元件误判为有故障，也就是说要降低企业的风险。其实在我们实际分析中，我们在第一类问题上面会受到更多的重视，我们会想把这个情况控制在一定的水平。而这个水平我们就将它称为显著性水平，在分析中用α表示。一般我们以005或者001等数字来表示它（根据实际情况来进行选择）。

正常的数据分析中，假设检验一般是先针对总体样本的均值、比例或者分布来做出假设，也就是我们说的原假设。然后我们会计算在该假设成立的前提下出现这种情况的概率，我们将它叫做P值。如果在实验的过程中小概率时间发生了，也就是说P<α，那就说明结果不支持原假设，我们应该拒绝原假设。在使用SPSS的时候，将这种概率称为显著性的值。反之如果P>α，那我们就接受原假设。在这个里面的α是我们用来把控第一类问题出现的概率，也就是出现这一类问题的概率最大为α。

最后我们来整理一下假设检验的分析步骤：

1确定分析对应的原假设和与之对应的备用假设。

2选择我们用来进行假设检验的对应统计量。

3对选择出来的统计量进行计算并检验，得到P值。

4确定显著性水平α。如果p<α，拒绝原假设。反之，接受原假设。

在我们的实际分析中，许多时候我们进行假设检验都是用来比较两个总体的均值。并且均值的比较在许多研究中都特别常见，应用也特别广泛。今天我们先整理了解假设检验的理论和原理，可能看起来会有一点绕，大家一定要多思考，这样的话我们对接下来的均值分析以及T检验的分析大家在理解的时候就不会有太大的问题了。

欢迎大家进行补充，大家可以在我们的QQ交流群（514581193）或者微信群中（关注小白数据营公众号后台留言进入）参与讨论和交流。

1、建立数据文件。对新手而言此步最关键。

打开软件，“新数据集”， 假如是一个两列三行的数据，在Excel中原始表可以是两列并立，共3行数字，而此时在SPSS中新数据集建成后则一般为单列6行数字。

在变量视图中设置变量为第一步，假如在Excel中是一个两列三行的数据，在Excel中两列题头分别为“不突出子宫”“突出子宫”，在Excel中三行分别为“粘连型”“植入型”“穿透型”，则在SPSS中需设置3个变量，第一变量名称填为“位置”，类型选“字符串”，测量选“名义”； 第二变量名称填为“类型”，类型选“字符串”，测量选“名义”； 第三变量名称填为“数值”，类型选“数值”，测量选“度量”；

（图1）

在数据视图中开始输入数据，在第一列位置下第1、2行分别输入“不突出”“突出”，第3、4行；5、6行同1、2行；在第二列类型下第1、2行输入“粘连型”，3、4行输入“ 植入型”，5、6行输入“ 穿透型”；在第三列数值下输入各类数据的具体值。

至此，数据集建立完毕。

2、单击主菜单“数据"-”加权个案“，打开加权个案对话框。从左边源变量选择“数值”作为权变量，将其选入“频率变量：”框中，单击”确定“按钮，执行加权命令。

加权后此行数值作为个数出现，如35表示有35例；而不加权则此行数值作为单一数值，如35cm之类。

3、单击主菜单中的“分析”-“描述统计”-“交叉表”，打开对话框。

将左边源对话框中的“位置”作为行变量调入“行：”下的矩形框；“类型”作为列变量调入“列：”下矩形框。

4、单击“交叉表”对话框中的“统计量”选项，选中“卡方”，单击“继续”，返回到“交叉表”对话框。

5、单击"单元格"选项，在计数下激活“期望值”，在百分比下激活“行”，单击“继续”，返回到“交叉表”对话框。

6、在“交叉表”对话框中，单击"确定"按钮，即可得输出结果。

7、卡方检验结果：主要看pearson卡方检验行，pearson卡方数值即为卡方值（如下的12705），渐近显著性（sig）值即为P值（如下的0002），小于005时认为不同位置对不同类型的胎盘判断有显著的差别。

扩展资料：

SPSS（Statistical Product and Service Solutions），“统计产品与服务解决方案”软件。最初软件全称为“社会科学统计软件包”（SolutionsStatistical Package for the Social Sciences），但是随着SPSS产品服务领域的扩大和服务深度的增加，SPSS公司已于2000年正式将英文全称更改为“统计产品与服务解决方案”，这标志着SPSS的战略方向正在做出重大调整。

SPSS为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，有Windows和Mac OS X等版本。

1984年SPSS总部首先推出了世界上第一个统计分析软件微机版本SPSS/PC+，开创了SPSS微机系列产品的开发方向，极大地扩充了它的应用范围，并使其能很快地应用于自然科学、技术科学、社会科学的各个领域。世界上许多有影响的报刊杂志纷纷就SPSS的自动统计绘图、数据的深入分析、使用方便、功能齐全等方面给予了高度的评价。

参考资料：

负荷量是指人体所能承受的重量。共同性，就是每个变量在每个负荷量的平方总和。

根据公开资料显示负荷量就是每个成分对于总成分的贡献度，共同性，就是每个变量在每个共同因素之负荷量的平方总和。

SPSS，统计产品与服务解决方案软件。最初软件全称为社会科学统计软件包，但是随着SPSS产品服务领域的扩大和服务深度的增加，SPSS公司已于2000年正式将英文全称更改为统计产品与服务解决方案，这标志着SPSS的战略方向正在做出重大调整。