第七章SPSS的方差分析新重点.ppt

7.4.2 协方差分析的基本步骤 提出原假设：协变量对观测变量的线性影响是不显著的；在扣除协变量的影响条件下，控制变量各水平下观测变量的各总体均值无显著差异。 计算检验统计量和概率P值 给定显著性水平与p值做比较：如果p值小于显著性水平，则应该拒绝原假设，反之就不能拒绝原假设。 7.4.3 协方差分析的基本操作步骤 在利用SPSS进行协方差分析时，应首先将作为协变量的变量定义成一个SPSS变量。 1、选择菜单Analyze－General Linear Model－Univariate。 2、把观测变量指定到Dependent Variable框中。 3、把固定效应的控制变量指定到Fixed Factor(s)框中，把随机效应的变量指定到Random Factor(s)框中。 4、把作为协变量的变量指定到Covariate(s)框中。 可见，SPSS多因素方差分析和协方差分析的窗口是同一个，窗口中的其他功能按钮都可应用于协方差分析中。至此，SPSS将自动完成对各变差的分析，并计算各F检验统计量的观测值和对应的概率p值及其他计算结果，并将结果显示到输出窗口中。 * 操作Analyze－General Linear Model－Univariate 7.4.4 协方差分析的应用举例 为研究三种不同饲料对生猪体重增加（wyh）的影响，将生猪随机分成三组各喂养不同的饲料（sl），得到体重增加的数据。由于生猪体重的增加理论上会受到猪自身身体条件的影响，于是收集生猪喂养前体重（wyq）的数据，作为自身身体条件的测量指标。为准确评价饲料的优劣，采用单因素协方差分析的方法进行分析。这里，猪体重的增加量为观测变量，饲料为控制变量，猪喂养前体重为协变量。 * 例：生猪与饲料 研究三种饲料（SL）对生猪体重增加的影响 协变量：生猪喂养前体重（WYQ） * (一)前提条件预分析 分组散点图直观判断协变量与观测变量的关系。 交互作用模型：检验协变量与控制因素是否存在交互作用。 * 1. 操作Graph－Scatter－Simple * 2. 交互作用模型检验 * (二)比较修正均数 * * * * 思考题：以下问题分别可用什么分析进行？ 不同性别的收入是否不同？ 各个少数民族的收入是否不同？ 不同工种的收入是否不同？ 不同性别和工种的收入是否不同？ 不同少数民族和工种的收入是否不同？ 不同工种的收入是否不同（消除工作时间的影响）？ 思考题 不同性别的收入是否不同？（独立样本T检验或单因素方差分析） 各个少数民族的收入是否不同？（独立样本T检验或单因素方差分析） 不同工种的收入是否不同？ （单因素方差分析） 不同性别和工种的收入是否不同？(多因素方差分析） 不同少数民族和工种的收入是否不同？(多因素方差分析） 不同工种的收入是否不同（消除工作时间的影响）？ （协方差分析,变量必须是定距） Thank you * 0·95×0·95×0·95＝0·857 * 1、方差分析模型有无意义？各组方差是否齐？各组统计量？均数折线图 2、两两比较 3、先验对比检验、趋势检验、 * Box研究表明：对于均衡数据，或大体正态数据，只要最大/最小方差之比小于3，方差分析结果都是稳定的。 残差图可考察数据正态性 * * * 无交互作用时，A×B的作用归入误差项。 * 多因素方差分析模型常需多次拟和，首先是饱和模型，如交互作用不明显，则剔除交互项，再拟和不饱和模型。 例如大豆亩产量，在不施氮肥的情况下，施加磷肥4 斤，产量增加50 斤；而在用氮肥6 斤时，同样施加磷肥4 斤，亩产就增加l30 斤。这表明氮肥和磷肥对大豆亩产量有交互作用，或者说A 和B 两因素的综合效应不是二因素效应的简单相加。 * 药理上的协同、拮抗作用：A∧B≠ A＋B， * 区分较困难，都按固定因素处理。单元格无重复数据时，随机效应无法估计。 * 例如：班级因素对学生考试成绩的影响 * 实际上，混合效应模型有更复杂的方差分析模式 * 研究内容与前提条件 拟研究：两个及以上控制因素对观测变量的影响，包括各因素的独立作用和交互作用。是实验设计的常用分析方法，常用于寻找最佳的实验因素组合。 前提条件：同单因素方差分析，要求每一单元格的样本数据符合独立性、正态性及方差齐性。但对正态性和方差齐性的要求不严格。只要无极端值，前提条件稍有偏离是可以耐受的。 * 双因子方差分析的数据结构 * 分析步骤 确定观测变量和若干个控制变量 剖析观测变量的离差平方和SST 控制变量的独立作用SSA、SSB 控制变量的交互作用SSAB 随机因素的影响SSE SST=SSA+SSB+SSAB+SSE 分解自由度 比较各部分方差的大小 * 双因子方