SPSS统计检验模块与方差分析spss操作概述.pptVIP

一、方差分析 Analysis of Variance，简称ANOVA 复习几个知识点 说明变量与响应变量 说明变量：即实验要考察的处理因素，independent variable 响应变量：即被说明变量、被解释变量等，dependent variable 多因素与多变量方差分析 多因素方差分析，又称多因子方差分析，是分析多个自变量与一个因变量的关系 多变量方差分析是分析一个或多个自变量与多个因变量的关系 有些单因素设计的方差分析使用的是多因素方差分析的方法，如完全区组设计的方差分析 交互作用 就是一个因素的各水平对试验结果的影响随另一个因素水平的改变而改变。　　 方差分析涉及的概念 (1)观察因素与处理: (2) 水平与水平数 控制因素(控制变量)：将控制因素的不同情况称为控制因子的不同水平. (3)重复与重复数： (4)因子的主效应和因子间的交互效应 单因素方差分析 (一)目的 检验某一个控制因素的改变是否会给观察变量带来显著影响. (二)基本思路 (1)入手点: 检验控制变量的不同水平下，各总体的分布是否存在显著差异，进而判断控制变量是否对观测变量产生了显著影响. (2)前提: 不同水平下各总体服从方差相等的正态分布. (3) 假设检验：(原假设=无效假设) H0:不同水平下,各总体均值无显著差异.即:不同水平下控制因子的影响不显著. 单因素方差分析 (二)基本思路 (4) 构造检验统计量F 由:总变差=组内差异+组间差异 可证明:SST= SSB+SSE(设:p个水平) 考察平均的组间差异与平均的组内差异的比值,于是 单因素方差分析 (二)基本思路 (5)结论: F值较大,F值的相伴概率小于或等于用户给定的显著性水平a,则拒绝H0,认为不同水平下各总体均值有显著差异; F值较小,F值的相伴概率大于用户给定的显著性水平a,则不能拒绝H0,可以认为不同水平下各总体均值无显著差异. 单因素方差分析 (三)应用举例 不同的实验控制量是否对产量造成了显著影响，观察方差分析表 不同推销方式是否对推销额有显著影响，观察方差分析表 备注：观测变量的数据安排：控制变量可以定义成定类或定序变量 单因素方差分析 (四)进一步的分析 前提的检验：各水平下方差齐性检验 实现方法：SPSS—analyze —Descriptive Statistics-Explore option中的statistics：Homogeneity-of-variance,检验各水平下各总体方差是否齐性. H0:各水平下各总体方差无显著差异. 单因素方差分析中的多重比较 (四)应用举例 有两组施肥量对亩产量产生了显著影响 *表示在a=0.05的显著性水平下i和j水平之间的均值存在显著差异. 施肥量的决策 那两种推销方式对推销额产生了显著影响 Spss中方差分析的操作 主要用到以下两个模块： One-Way ANOVA ：单因素方差分析模型 GLM ：general linear model，一般线性模型，可进行多因素方差分析，协方差分析，重复测量的方差分析等 饲料比较数据, n=19头猪, 用p=4种饲料喂养一段时间后的重量增加问题: 四种饲料是否不同? 饲料(fodder)为自变量(单因子),重量增加(weight) 为因变量(一个数量变量) (SPSS计算机数据形式有所不同) 对数据的描述性输出（SPSS） (ANOVA-CONTRASTS/POST HOC-LSD,T2/OPTION-DES.,HOMO./MEAN PLOT) Descriptives WEIGHT SPSS操作Compare Means→One Way ANOVA:fodder(饲料) → FactorWeight(重量) → Dependent ListOptions:  Descriptive  Homogeneity of Variance Mean Plot 销售数据(sale.sav) 研究这个数目的主要目的是看销售额（因变量）是否受到促销方式、售后服务和奖金这三个自变量的影响（头两个是定性变量，亦称为因子，分别有3个和2个水平；而定量变量奖金是协变量）以及怎样的影响。 二、两因子方差分析 (只考虑主效应,不考虑交互效应及协变量) 首先假定因变量受到的仅有主效应（main effect）而没有交互效应（interaction）和协变量的影响。 主效应就是每个自变量对因变量的单独影响，而交互效应是当两个或更多的自变量的某些水平同时出现时除了主效应之外的附