SPSS-方差试题.ppt

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。 如果F控制变量的相伴概率小于或等于显著性水平，则控制变量的不同水平对观察变量产生显著的影响；如果F协变量的相伴概率小于或等于显著性水平，则协变量的不同水平对观察变量产生显著的影响。 5.4.2 SPSS中实现过程 ? 研究问题 表5-3 三组学生的数学成绩 人 名 数 学 入 学 成 绩 组 别 hxh 99.00 98.00 0 yaju 88.00 89.00 0 yu 99.00 80.00 0 shizg 89.00 78.00 0 hah 94.00 78.00 0 s 90.00 89.00 0 watet 79.00 87.00 2 jess 56.00 76.00 2 wish 89.00 56.00 2 2_new1 99.00 76.00 2 2_new2 70.00 89.00 2 2_new3 89.00 89.00 2 2_new4 55.00 99.00 1 2_new5 50.00 89.00 1 2_new6 67.00 88.00 1 2_new7 67.00 98.00 1 2_new8 56.00 78.00 1 2_new9 56.00 89.00 1 ? 实现步骤 图5-15 在菜单中选择“Univariate”命令 图5-16 “Univariate”对话框（二） 5.4.3 结果和讨论 小 结 方差分析用于两个及两个以上样本均值差异的显著性检验。方差分析的基本思想是：通过分析研究中不同变量的变异对总变异的贡献大小，确定控制变量对研究变量影响力的大小。通过方差分析，分析不同水平的控制变量是否对结果产生了显著影响。如果控制变量的不同水平能够对结果产生显著影响，那么它和随机变量共同作用，必将使结果有显著变化。 小 结 单因素方差分析所解决的是一个因素下的多个不同水平之间的相关问题；多因素方差分析的控制变量在两个或两个以上，其主要用于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；协方差分析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，分析控制变量对观察变量的影响，从而更准确地对控制因素进行评价。 小 结 单因素方差分析主要用“Analysis”的“Compare Means”菜单下的“One—Way ANOVA”子菜单实现；多因素方差分析和协方差分析都是在“Analysis”下“General Linear Model”菜单下的“Univariate”子菜单实现的。 （3）输出的结果文件中第3个表格如下所示。 （4）输出的结果文件中第4个表格如下所示。 （5）输出结果的最后部分是各组观察变量均值的折线图，如图5-6所示。 5.3 多因素方差分析 5.3.1 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，在本章开始讲述的例子，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。 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。 5.3.2 SPSS中实现过程 ? 研究问题 表5-2 三组不同性别学生的数学成绩 人 名 数 学 组 别 性 别 hxh 99.00 0 male yaju 88.00 0 female yu 99.00 0 male shizg 89.00 0 male hah 94.00 0 female s 90.00 0 male watet 79.00 2 male jess 56.00 2 female wish 89.00 2 male 2_new1 99.00 2 male 2_new2 70.00 2 female 2_new3 89.00 2 male 2_new4 55.00 1 female 2_new5 50.00 1 male 2_new6 67.00 1 female 2_new7 67.00