实验六方差分析..docVIP

实验六 方差分析 方差分析（analysis of variance，缩写为ANOVA）是检验多个总体均值是否相等的一种统计方法。 分为单因素方差分析和多因素方差分析。 单因素方差分析：分析Analyze==均值比较Compare Means ==单样本方差分析One-Way ANOVA 多因素方差分析：分析Analyze==广义线性模型General Linear Model ==单响应变量Univariate; 预备知识： 方差分析的前提条件： 1、被检验的样本应服从正态分布 各个总体的标准（方）差相等，并且样本的选择是独立的。即所谓的“方差齐性” 各观测值是独立的。 方差分析原理： 方差分析是通过对数据误差来源的分析来判断不同总体的均值是否相等，进而分析自变量对因变量是否有影响。 衡量因素的同一水平（同一个总体）下样本数据的误差，我们称为组内误差（within groups）。 衡量因素的不同水平（不同总体）下各样本之间的误差，称为组间误差（between groups）。 组内误差只包含随机误差，而组间误差既包含随机误差，也包括系统误差。 如果组间（不同水平间）误差中只包含随机误差，而没有系统误差，这时，组间误差与组内误差经过平均后的数值就应该很接近，它们的比值就会接近1； 反之，如果在组间误差中除了包含随机误差外，还包含系统误差，这时组间误差平均后的数值就会大于组内误差平均后的数值，它们之间的比值就会大于1。 当这个比值大到某种程度时，我们就可以说因素的不同水平之间存在着显著差异。 在方差分析中通常用两个方差来衡量，一个是基于样本均值之间差异的因素水平间方差（组间误差），另一个是基于样本内部差异的因素水平内方差（组内误差） 如果这两个方差的比值近似为1，方差分析的结果可以得到总体均值相同。 如果这两个方差的比值偏离1，方差分析的结果可以得到总体均值不相同。 方差分析的假设检验： 方差分析的零假设： 方差分析的判断： 拒绝零假设，即各样本均值有显著性差异； 没有理由拒绝零假设，即各样本均值无显著性差异； 单因素方差分析（One-Way ANOVA） 分析Analyze==均值比较Compare Means ==单样本方差分析One-Way ANOVA 1、基本功能 单因素方差分析是只针对一个因素进行； 旨在分析该因素对样本的观察值是否产生影响； 各因素水平的样本容量大小可以一致，也可以不一致。 2、原理 总误差=组间误差+组内误差 方差来源 平方和SS 自由度df 均方MS F 值 组间(因素影响) 组内(误差) 总和 SSA SSE SST k-1 n-k n-1 MSA MSE F SPSS会自动计算F统计量和p值。当方差分析检验的结果拒绝原假设时，只能得到各水平间的样本均值不完全相同的结论。如果要想明确是哪一个因素水平的均值或哪几个同其他均值不相等，就需要进行多重比较。 3、单因素方差分析步骤 准备工作：与EXCEL不同，需两个变量分别存放观测变量值和控制变量的水平值。（即所有的样本数据通通放在一个变量中，通过控制变量来识别各个数据来自于哪一个样本） 1、选择分析Analyze==均值比较Compare Means ==单样本方差分析One-Way ANOVA; 2、将观测变量选择到Dependent List 框； 3、将控制变量（变量）选择到Factor框，控制变量有几个不同的取值表示控制变量有几个水平。 至此，SPSS便自动分解观测变量的变差，计算组间方差、组内方差、F统计量以及对应的概率p值，完成单因素方差分析的相关计算，并将计算显示到输出窗口中。我们所要做的工作就是通过输出窗口查看p值，并作出判断。 4、重要结果解释 ? Sum of Squares df Mean Square F Sig 因素水平间方差 因素水平内方差 总差异 8.6161×1011 4.69689×1012 5.5585×1012 3 56 59 2.872×1011 8.3873×1010 3.42 .000 可以看到，上表的离差平方总和为5.5585×1012，如果仅考虑单个因素的影响，则总变差中，不同水平可解释的变差为8.6161×1011 ，抽样误差引起的随机变差为4.69689×1012 ，它们均方差分别为2.872×1011 和8.3873×1010，相除所得的F统计量的观测值为3.42，对应的概率p值近似为0，如果显著性水平α为0.05，由于概率p值小于显著性水平α，则应拒绝零假设。 5、单因素方差分析的进一步分析 方差齐性检验 是对控制变