第6章 方差分析(含SPSS)概要.pptVIP

4.给定显著性水平 ，并做出决策 在固定效应模式中，如果 的相伴概率值小于或等于给定的显著性水平,则应拒绝原假设；相反，如果 的相伴概率值大于给定的显著性水平,则不应拒绝原假设。对控制变量 和 、 交互作用的推断同理。在随机模型中，应首先对 、 的交互作用是否显著进行推断，然后再分别依次对 、 的效应进行检验。 二、多因素方差分析在SPSS中的实现 (一)多因素方差分析主对话框 1、建立或打开数据文件后，进入Analyze-General Linear Model- Univariate ，出现多因素方差分析过程主对话框，如图6-7所示。 图6-7 多因素方差分析主对话框 2、指定观测变量到Dependent Variable 框中。 3、指定固定效应的控制变量到Fixed Factor 框中，指定随机效应的控制变量到Rrandom Factor框中。 至此，SPSS将主动建立多因素方差分析的饱和模式，计算各检验统计量的观测值和对应的概率值，并将结果显示在SPSS输出窗口中。 (二)多因素方差分析的非饱和模型 如果研究发现，控制变量的某阶交互作用没有给观测变量产生显著影响，那么可以尝试建立非饱和模型。区别在于将饱和模型中某些部分合并到SSE中，例如两因素非饱和模型为： 对于非饱和模型，其参数估计的方法，采用的检验统计量与饱和模型类似。 基本操作步骤为：在“多因素方差分析过程主对话框”中按Model按钮，出现图6-8对话框： 图6-8 分析模型对话框 单击Custom选项，此时便可定义非饱和模型中的数据项。 1、选择模型中的主效应：选择一个单个的因素变量名，单击Build Term(s)栏中下面的箭头，该变量出现在Model框中，一个变量名占一行称为主效应项。 2、选择交互效应类型：单击Build Term(s)右面的向下箭头可以展开小菜单。可以看到有如下几项：(1)Main effects选项，指定主效应。(2)Interaction选项，选中此项可以指定任意的交互效应。(3)All 2-way、All 3-way、All 4-way、All 5-way选项，指定所有二维交互效应、所有三维交互效应、所有四维交互效应、所有五维交互效应。 3、选择分解平方和的方法。在对话框的下部有Sum of squares选项框，可以进行四项选择来确定平方和的分解方法，包括Type Ⅰ、Type Ⅱ、Type Ⅲ和Type Ⅳ四种。 4、选中Include intercept in model复选项，系统默认截距包括在回归模型中。如果能假设数据通过原点，可以不包括截距，即不选择此项。 (三)多因素方差分析的均值比较分析 在SPSS中，利用多因素方差分析功能还能够对各个控制变量不同水平下的均值是否存在显著差异进行比较，实现方式有两种：多重比较检验(Post Hoc)和对比检验(Contrast)。 多因素方差分析中的多重比较检验方法与单因素方差分析中的多重比较检验方法类似，即在主对话框中，单击“Post Hoc”按钮，展开Post Hoc Multiple Comparisons 多重比较对话框，选择合适的多重比较检验方法。 多因素方差分析中的对比检验实际采用的是单样本检验的方法，它将控制变量不同水平下的观测变量值看做来自不同总体的样本，并依次检验这些总体的均值是否与某个指定的检验值存在显著差异。其操作过程为：在多因素方差分析主对话框中，单击Contrasts按钮，展开Univariate：Contrasts对话框，如图6-9所示。 图6-9 选择对照方法对话框 1、可供选择的对照方法包括： (1)None选项，表示不进行均数比较。 (2)Deviation选项，表示以观测变量的总体均值为标准，比较各水平上观测变量的均值是否有显著差异； (3)Simple选项，表示以第一个水平或最后一个水平上的观测变量的均值为标准，比较各水平上的观测变量均值是否有显著差异； (4)Difference选项，表示将各水平上观测变量均值与其前一个水平上的观测变量均值做比较； (5)Helmert选项，表示将各水平上观测变量均值与其后一个水平上的观测变量均值做比较。 (6)Repeated选项，对相邻的水平进行比较。 (7)Polynomial选项，多项式比较。 2、