2012下.第6章.SPSS的方差分析.pptVIP

统计软件及其应用;;SPSS的方差分析;6.1.1 方差分析的作用 6.1.2 相关概念 6.1.3 方差分析的原理;6.1.1方差分析的作用; ;方差分析的一个例子; 进一步，在掌握关键影响因素，如品种、施肥量因素等之后，我们还要对不同的品种、不同的施肥量条件下的产量进行对比分析，研究究竟哪个品种的产量高，施肥量究竟多少最合适，哪种品种与哪种施肥量搭配最优，等等。在这些分析研究的基础上，我们就可以计算出各个组合方案的成本和收益，并选择最合理的种植方案，主动的在农作物种植过程中对各种影响因素加以准确控制，进而获得最理想的效果。 ;方差分析的另一个例子;例子的进一步分析;1、控制因素和随机因素 在所有的影响因素中可以分为两类： 一类是人为可以控制的因素，称为控制因素或控制变量，如种子品种的选定，施肥量的多少； 另一类因素是认为很难控制的因素，称为随机因素或随机变量，如气候和地域等影响因素。在多数情况下随机因素指的是实验过程中的抽样误差。;方差分析的几个基本概念;方差分析中的基本假定; 方差分析认为，如果控制变量的不同水平 对观测变量产生了显著影响，那么它和随机 变量共同作用必然使得观测变量值显著变动 ；反之，如果控制变量的不同水平没有对观 测变量产生显著影响，那么观测变量值的变 动就不明显，其变动可以归结为随机变量影 响造成的。 ; 根据控制变量的个数可将方差分析分为单 因素方差分析、多因素方差分析；根据观测 变量的个数可将方差分析分为一元方差分析 （单因变量方差分析）和多元方差分析（多 因变量方差分析）。 ;6.2 单因素方差分析;6.2.1 基本思想;2、观测变量方差的分解;其中：;各离差平方和的计算-例题; 在观测变量总离差平方和中，如果组间离差平方和所占比例较大，则说明观测变量的变动主要是由于控制变量引起的，可以主要由控制变量来解释，即控制变量给观测变量带来了显著影响。 ;这里我们用F统计量来表示这种比例关系，如果控制变量的不同水平对观测变量造成了显著影响，那么观测变量总变差中控制变量所占的比例较大，则F值就比较大??反之，如果控制变量的不同水平对观测变量没有造成显著影响，那么观测变量总变差中控制变量所占的比例较小，则F值就比较小。;单因素方差分析表(基本结构);F分布与拒绝域;提出原假设：控制变量不同水平下观测变量各总体的均值无显著差异 计算检验统计量和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。 ;在利用SPSS进行单因素方差分析时，应注意数据的组 织形式。SPSS要求定义两个变量分别存放观测变量值 和控制变量的水平值。基本操作步骤如下： 1、选择菜单Analyze?Compare means?One-Way ANOVA，出现窗口;2、将观测变量选择到因变量列表Dependent List框。 3、将控制变量选择到因子Factor框。控制变量有几个不同的取值表示其有几个水平。 至此，SPSS便自动分解观测变量的方差 ，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，并将结果显示到输出窗口中。; 某企业在制订某商品的广告策略时，对不 同广告形式在不同地区的广告效果（销售 额）进行了评估。这里以商品销售额为观 测变量，广告形式和地区为控制变量，通 过单因素方差分析方法分别对广告形式、 地区对销售额的影响进行方差分析。;操作;输出结果;1、方差齐性检验 由于方差分析的前提是各水平下的总体服从正态分布并且方差相等，因此有必要对方差齐性进行检验，即对控制变量不同水平下各观测变量不同总体方差是否相等进行分析。 SPSS单因素方差分析中，方差齐性检验采用了方差同质性（Homogeneity of Variance）的检验方法，其零假设是各水平下观测变量总体方差无显著性差异，实现思路同SPSS两独立样本t检验中的方差齐性检验。 ;2、多重比较检验 如果控制变量确实对观测变量产生了显著影响，还应进一步确定，控制变量的不同水平对观测变量的影响程度如何，其中哪个水平的作用明显大于其它水平，哪些水平的作用是不显著的。 多重比较检验就是分别对每个水平下的观测变量均值进行逐对比较，判断两均值之间是否存在显著差异。其零假设是相应组的均值之间无显著差异。 ;SPSS提供的多重比较检验的方法比较多，有些方法适用在各总体方差相等的条件下，有些适用在方差不相等的条件下。 其中LSD方法适用于各总体方差相等的情况，特点是比较灵敏；Tukey方法和S-N-K方法适用于各水平下观测变量个数相等的情况；Scheffe方法比Tukey方法不灵