第讲方差分析ppt.pptVIP

三、 多因素方差分析 结果2：非智力因素的三个水平（高等、中等和低等）之间比较 非智力因素 1－高等程度 2－中等程度 3－低等程度 三、 多因素方差分析 分析2： 从检验表中可知，中等程度的非智力因素2与高等程度的非智力因素1的均值差异Mean Difference=8.13，sig=0.000=0.05；表明两者对学习成绩有显著影响。 中等程度的非智力因素2与低等程度的非智力因素3的均值差异Mean Difference=6.67，sig=0.000=0.05；表明两者对学习成绩也有显著影响。 高等程度的非智力因素1与低等程度的非智力因素3的均值差异Mean Difference=－1.47，sig=0.5030.05；表明两者对学习成绩的影响不显著。 结论：中等程度非智力因素与高等、低等程序非智力因素之间存在显著性差异，这说明中等非智力因素对学习成绩的影响大于其他级别的非智力因素对学习成绩的影响。 三、 多因素方差分析 结果3：相似性子集 非智力因素 1－高等程度 2－中等程度 3－低等程度 二、 多因素方差分析 结果4：折线图 三、 多因素方差分析 5.操作步骤 数据文件：6-univariate.sav Analyze→General Linear Model→Univariate… 保存文件 协方差分析 协方差分析引入 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受控因素。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。 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，分析控制变量对观察变量的影响，从而更加准确地对控制变量进行评价。 四、 协方差分析 结果Y 控制因素 随机因素 (协变量X） 影响 结果Y 控制因素 影响 协方差分析 四、 协方差分析 协方差分析 是把方差分析与回归分析结合起来的一种统计分析方法。 它用于比较一个变量Y 在一个或几个因素不同水平上的差异，但Y在受这些因素影响的同时，还受到另一个变量X 的影响，而且X 变量的取值难以人为控制，不能作为方差分析中的一个因素处理。此时如果X 与Y 之间可以建立回归关系，则可用协方差分析的方法排除X 对Y 的影响，然后用方差分析的方法对各因素水平的影响作出统计推断。在协方差分析中，我们称Y 为因变量，X为协变量。 四、 协方差分析 应用 案例一：研究某种减肥药效果。如果仅仅分析药物本身的作用，而不考虑不同的身体条件（初始体重的不同），那么很可能得不到正确的结论。 案例二：研究三种不同的教学方法的教学效果的好坏。检查教学效果是通过学生考试成绩来反映的，而学生现在考试成绩是受到他们自身基础知识的影响，在考虑的时候必须排除这种影响。 四、 协方差分析 SPSS操作及案例分析 例三：研究3个专业的学生在《统计学》课程的成绩上是否存在差异，由于这3个专业的学生入学数学成绩不同，即学习《统计学》的数学基础不同，因此分析《统计学》成绩是否存在差异必须要考虑学生的入学数学成绩。 方差分析结果： 四、 方差分析结果（假象） 结论：专业对成绩影响不显著 5.结果： 四、 协方差分析 ① ② ③ 四、 协方差分析 6.分析 ①方差分析的模型检验为：F=7.943，Sig=0.0040.05，拒绝H0，两因素对学生成绩的影响是显著的 ； ②表中的入学数学成绩sx的离差平方和=33.546，F=0.260，sig=0.620（sig.0.05，接受H0假设），可见协变量“入学数学成绩”sx对因变量统计学成绩tj不存在显著性影响； ③在删除入学数学成绩sx的影响后，自变量专业zy的F=10.534，sig=0.003（sig.0.05，拒绝H0假设），可见自变量“专业”对因变量统计学成绩tj存在显著性影响； 结论：综上所述，在去除入学数学成绩sx的影响后，不同专业学习统计学课程的成绩之间存在显著性影响。 7.操作步骤 数据文件6-covar.sav Analyze→General Linear Mode→univariate… 保存文件：6-covar.spo 四、 协方差分析 自变量：专业 因变量：统计成绩 协变量：入学数学成绩 练习题 掌握本节所有概念和SPSS操作步骤 完成PPT中操作并编写实验报告二 相关分析 下节展望 谢 结束 谢 F检验 　　F检验又叫方差齐性检验。在两样本t检验中要用