SPSS第六章..pptVIP

第6章 SPSS的方差分析 主要内容： 方差分析概述介绍为什么要进行方差分析，如何进行方差分析的思路； 单因素方差分析是看单个控制变量的不同水平是否对观测变量产生显著影响； 多因素方差分析是用来研究两个或两个以上控制变量是否会对观测变量产生显著影响； 协方差分析通过将难以认为控制的变量设为协变量，在排除协变量对观测变量的影响条件下，分析控制变量对观测变量的作用。 6.1 方差分析概述 方差分析也是统计推断的方法之一，现在在各行各业都有着广泛的应用： 农业中寻找影响农作物产量的重要和关键因素可以用方差分析的办法； 制定宣传策略时，研究那些影响广告效果的因素中，哪些时主要的，时怎么影响的 这种从数据差异入手的分析方法，有助于从另一个角度发现事物内在的规律性。 6.1 方差分析的基本思想 方差分析的相关概念： 上述农作物产量、广告效果等最终效果的变量被称为观测因素，或称为观测变量； 影响观测变量的因素称为控制因素，或者控制变量； 控制变量的不同类别，称为控制变量的不同水平。 6.1 方差分析的思想 方差分析就是从观测变量的方差入手，研究诸多控制变量中哪些是对观测变量有显著影响的，其不同水平及各水平的搭配是如何影响观测变量的； 方差分析认为，影响观测变量值变化的有两类： 一类是控制变量的不同水平带来的影响； 一类是随机因素的影响，主要指抽样误差； 6.1 方差分析的基本思想（续） 方差分析认为：如果观测变量在控制变量各个水平上波动大，则控制变量对观测变量有重大影响，波动不大则是随机因素造成的； 衡量是否产生明显波动是通过检验观测变量在控制变量各水平上的分布是否出现了显著差异来实现的，如果有差异就有波动，反之没有； 6.1 方差分析的思想（续） 在下述条件下，可以将分布的差异变成均值的差异： 观测变量总体服从正态分布； 观测变量各总体方差应该相同； 总之，方差分析从观测变量的方差入手，检验均值是否显著差异，分析控制变量是否给观测变量显著影响，进而对控制变量各水平对观测变量影响程度进行分析； 方差分析可分为单因素、多因素方差和协方差分析 6.2 单因素方差分析 单因素方差分析用来研究一个控制变量的各个水平是否对观测变量产生显著影响； 例子： 不同施肥量是否对农作物产量带来显著影响； 考察地区差异是否影响妇女生育率； 都可以通过单因素方差分析得到结论； 6.2.1 单因素方差分析注意的问题 明确观测变量与控制变量； 剖析观测变量方差，方差分为组内和组间平方和； 观察总的离差平方和以及各部分的关系； 如果相比组内平方和，组间平方和显著大于组内平方和，则差异显著，否则差异不显著； 6.2.2 单因素方差分析的数学模型 6.2.3 单因素方差分析的基本步骤 步骤和假设检验相同 提出零假设：控制变量各水平下观测变量都没有显著差异，即各水平下均值相等； 选择检验统计量： F＝MSA/MSE，分子分母分别为平均组内和组间平方和； 计算检验统计量的观测值和概率p值； 给出显著性水平，作出决策； 6.2.4 单因素方差分析的基本操作 5.2.3 基本操作（续） 6.2.4 单因素方差分析的基本操作 2. 将观测变量选入Dependent lists框中； 将控制变量选入Factor 框中，控制变量有几个不同取值表示有几个水平； 点击OK，SPSS会自动计算组间方差，组内方差和F以及对应的概率P的值，计算结果显示在输出窗口中。 6.2.5 单因素方差分析举例 广告形式对销售额是否有显著影响的方差分析； 零假设是各种形式下销售额没有显著差异 分析结果如下所示 结果 结果分析 根据结果，销售额的离差平方和为26169.306，不同广告形式可解释的离差为5866.083，抽样误差引起的变差为20303.222，除以自由度。得到它们的方差分别为1955.361和146.023，F值为13.483，p值近似为零，结论为显著影响 根据结果，销售额的离差平方和为26169.306，不同地区可解释的离差为9266.306，抽样误差引起的变差为16904，除以自由度。得到它们的方差分别为545.018和134.159，F值为4.062，p值近似为零，结论为显著影响 6.2.5 单因素方差分析的进一步分析 完成上述操作以后，得到控制变量对观测变量影响是否显著的结论，接下来还应该做几个分析： 方差齐性检验：对控制变量不同水平下各观测变量总体方差是否相等进行分析，如果方差不相等，那么前提就不满足了，所以有必要进行检验，方法同两独立样本t检验中的方差检验；这个分析主要检验是否满足假设； 6.2.5 单因素方差分析的进一步分析 多重比较检验：判断了控制变量对观测变量有显著影响以后，还应该进一步确定：控制变量的不同水平对观测变量的影响程度如