5方差教程详解.pptVIP

操作步骤 Step01：打开对话框 【分析】 →【一般线性模型】→【单变量】。 “wage”变量表示每月薪金； “job”变量表示职业的类型； “sex”变量表示性别。 提示：在使用前，请注意数据是否符合方差分析的前提条件。 Step02：选择观测变量、因素变量 选择“每周薪金wage”变量作为因变量，添至 【因变量】 选择“职业job”和“性别sex”变量作为因素变量，添至【固定因子】 Step03：单击【两两比较】按钮，在【因子】列表框中选择“职业job”变量至【两两比较检验】列表框，并勾选【LSD】选项。这里表示要进行职业变量的两两多重比较。再单击【继续】按钮，返回主对话框。 Step04：其他选项选择 单击【选项】按钮， 勾选【描述性统计量】， 表示输出描述性统计量； 勾选【方差同质性检验】， 表示输出方差齐性检验表。 再单击【继续】按钮， 最后单击【确定】按钮。 1）描述性统计分析表 下表列出了各种水平下的样本个数。 实例结果及分析 下表列出了不同职业、性别每周薪金的样本均值和标准差。从数值大小比较看，不少职业和性别之间每周薪金差异较大，说明有进一步采用方差分析的必要。 2）方差齐性检验 由于概率P值0.856明显大于显著性水平，故认为样本数据的方差是相同的，满足方差分析的前提条件。 3）双因素方差分析检验表 3）双因素方差分析检验表分析 第一行的校正模型是对所用方差分析模型的检验，其原假设为模型中所有的影响因素均无作用，即职业、性别及两者的交互作用等对每周薪金都无显著影响。该检验的P值远小于0.05，因此所用模型有统计学意义，以上所提到的因素中至少有一个是有显著差异的，但具体是哪些则需要阅读后面的分析结果。 第二行是对模型中常数项是否等于0进行的检验，虽然根据概率P值判断它显著不等于零，但它在分析中没有实际意义，忽略即可。 第三、四行分别是对职业、性别的影响效应进行的检验，其零假设分别是：职业或性别对薪金没有显著性差异。但这两行对应的相伴概率P都接近0，显然小于显著性水平0.05。可见，两者分别对薪金有显著性影响。 第五行是对职业和性别的交叉作用进行检验，可见P为0.011，小于显著性水平，表示交互作用对观测变量每周薪金有显著性影响作用。 从上面方差分析结果看到，职业、性别及其两者的交互项都直接影响了每周薪金的高低，存在统计学意义下的显著差异。 4）多重比较检验结果 下表显示了不同职业之间每周薪金均值比较结果。表中的星号表示在显著性水平0.05的条件下，相应的两组均值存在显著性差异。可以通过比较表中概率P值大小来判断职业之间的薪金水平是否有显著差异。从结果来看，3药剂师和其他两个职业的每周薪金存在显著性差异。该职业的平均薪金要明显高于财务管理和计算机程序员职业。 3、SPSS在协方差分析中的应用 协方差分析的基本原理 （1）方法概述 无论是单因素方差分析还是多因素方差分析，它们都有一些人为可以控制的因变量。但在实际问题中，有些随机因素是很难人为控制的，但它们又会对结果产生显著的影响。如果忽略这些因素的影响，则有可能得到不正确的结论。 利用协方差分析就可以完成这样的功能。协方差分析是将那些很难控制的因素作为协变量。在排除协变量影响的条件下，分析因素变量对观察变量的影响，从而更加准确地对因素变量进行评价。这种方法要求协变量应是连续数值型变量，多个协变量间互相独立，且与因素变量之间也没有交互影响。 （2）基本原理 在协方差分析中，将观察变量总的离差平方和分解为由因变量引起的、由因变量的交互作用引起的、由协变量引起的和由其他随机因素引起的。以双因素协方差分析为例，观察变量总的离差平方和可以分解为： Q总 = Q协 + Q控1 + Q控2 + Q控1控2 + Q随 也可以理解为：Q总 - Q协 = Q控1 + Q控2 + Q控1控2 + Q随 即在扣除了协变量对观察变量的影响后，分析因变量对观察变量的影响。 实例4：人体的血清胆固醇 5-4.sav 某医生欲了解成年人体重正常者与超重者的血清胆固醇是否不同。而胆固醇含量可能与年龄有关系，具体资料数据见表5-17所示。请建立模型分析体重对人体胆固醇含量的影响，同时也要兼顾年龄的因素。 分析 案例中需要分析体重对人体的血清胆固醇有无直接影响，同时体重这个因素分为正常组和超重组两个水平，因此可以考虑单因素方差分析模型。但如果仅分析体重的影响作用，而不考虑实验对象年龄的差异，那么得出的结论可能是不准确的。这是因为年龄的大小在一定程度上会影响人体的血清胆固醇含量的高低。因此，为了更准确描述体重对人体的血清胆固醇的影响，就应该尽量排除年龄因素对分析结果的影响。所以将年龄作为协