6.3-6.4多因素方差分析.ppt

多因素方差分析 SST=SSA+SSB+SSAB+SSE (main effects) (N-way 交互) (Residual) (explained) 其中：SAB表示两个控制变量交互影响带来的变差 多因素方差分析 (四)基本操作步骤 A.菜单选项:analyze-General Linear model-Univariate B.选择观察变量到dependent框 C.选择固定效应因素fix factor框 D.选择随机效应因素random factor框 E.模型的定义Model选项(饱和模型和非饱和模型) 前面单因素方差分析和多因素方差分析中的控制变量都是一些定性变量。而协方差分析中则即包含了定性变量（控制变量），又包含了定量变量（协变量）。 * 6.3 多因素方差分析 6.3.1 统计学上的定义和计算公式 定义：多因素方差分析中的控制变量在两个或两个以上，它的研究目的是要分析多个控制变量的作用、多个控制变量的交互作用以及其他随机变量是否对结果产生了显著影响。例如，在获得教学效果的时候，不仅单纯考虑教学方法，还要考虑不同风格教材的影响，因此这是两个控制变量交互作用的效果检验。 多因素方差分析不仅需要分析多个控制变量独立作用对观察变量的影响，还要分析多个控制变量交互作用对观察变量的影响，及其他随机变量对结果的影响。因此，它需要将观察变量总的离差平方和分解为3个部分： ? 多个控制变量单独作用引起的平方和； ? 多个控制变量交互作用引起的离差平方和； ? 其他随机因素引起的离差平方和。 多因素方差分析 (二)基本思路 检验方法统计量（F检验） 固定效应模型： 多因素方差分析 (二)基本思路 SST=SSA+SSB+SSAB+SSE A有p个水平，B有q个水平，每组有r个样本 以上F统计量服从F分布。SPSS将自动计算F值，并根据F分布表给出相应的相伴概率值。 多因素方差分析 (三)说明 多因素方差分析中因素的划分 固定效应因素：人为能够准确控制其各个不同的水平值；如：施肥量、品种、温度。 ----固定效应模型 随机效应因素：人为无法对其水平值进行准确控制，只是能够直观观测到。如：城市规模、教育水平等。 ---随机效应模型 ---混合效应模型 固定效应和随机效应通常较难区分 多因素方差分析 (三)说明 交互作用，即:两个或多个控制变量各水平之间搭配时对观察变量的影响. 交互作用的理解举例：饮食习惯、适量运动对减肥的作用；排球对的二传手和主攻手对赢球的作用 交互作用的图形观察： A1 A2 A1 A2 B1 2 5 B1 2 5 B2 7 10 B2 7 3 当A从A1变化到A2时， A对观测变量值的影响与B取什么 观测变量值均增加且幅度相同， 水平有关 与B1或B2无关；同理B 多因素方差分析 (五)应用举例 不同广告形式和地区对销售的影响分析 注意数据的组织方式 注意对结果的解释 对交互作用的图形观察 Plots选项 预测值的保存及残差分析 Save和options选项(线性模型的体现) total以0为均值的离差平方和 多因素方差分析 (五)应用举例 进一步分析：不同广告形式的均值对比分析 Contrast:单样本均值检验，检验值为： deviation:观测变量的均值 Simple:第一（最后）个水平的观测变量均值 Difference:前一水平的观测变量的均值 Helmert：后一水平的观测变量的均值 6.3.2 SPSS中实现过程 ? 研究问题 表6-2 三组不同性别学生的数学成绩 male 1 56.00 2_new9 female 1 56.00 2_new8 male 1 67.00 2_new7 female 1 67.00 2_new6 male 1 50.00 2_new5 female 1 55.00 2_new4 male 2 89.00 2_new3 female 2 70.00 2_new2 male 2 99.00 2_new1 male 2 89.00 wish female 2 56.00 jess male