第八讲一般线性模式.ppt

第八章 一般線性模式 第一節 GLM分析的原理 第二節 SPSS的GLM單變量分析 第三節 SPSS的GLM多變量分析 第四節 SPSS的GLM重複量數分析 第五節 GLM一般範例 第六節 GLM綜合範例－3G行動通訊 學習目標 認識SPSS的GLM有哪些功能與基本原理。 瞭解二因子變異數分析的原理與交互效果的重要性。 了解交互效果圖的製作與交互效果的解釋。 探討多變量GLM的原理與檢定方法。 瞭解重複衡量與共變數分析的原理。 認識單變量GLM的操作、輸出、報表製作與解釋。 認識多變量GLM的操作、輸出、報表製作與解釋。 認識共變量GLM的操作、輸出、報表製作與解釋。 認識重複衡量GLM的操作、輸出、報表製作與解釋。 認識各種GLM檢定的應用實例。 第一節 GLM分析的原理 一、ＧＬＭ原理 二、二因子變異數分析（Two-Way ANOVA） 三、多變量變異數分析（MANOVA） 四、共變數分析 五、重複衡量 GLM分析的原理 一般線性模式（General Linear Model，GLM）具有強大的統計分析功能。 一般線性模式包括了所有的變異數分析（ANOVA）功能、各種實驗設計（Experimental Design）的統計分析技術。 也包括了單因子與多因子、單變量與多變量、共變數分析、重複衡量等技術。 圖8-1 一般線性模式（GLM）的選單功能 一般線性模式之功能與有關程序 1. 變異數分析（ANOVA），特別是針對不平衡資料。 2. 多變量變異數分析（MANOVA）。 3.重複量數的變異數分析（Repeated ANOVA）。 4.共變數分析（Analysis of Covariance）。 5.線性簡單迴歸或複（多元）迴歸（Linear Regression）。 6.反應面模式（response-surface models）。 7.加權迴歸（Weighted Regression）。 8.多項式迴歸（Polynomial Regression）。 9.偏相關（Partial Correlation）。 表8-1 GLM的模式種類 實驗設計 實驗單位（experimential unit）：實驗設計中所衡量的基本對象。 因子（factor）：在不同條件下衡量實驗單位的觀測值。 水準（level）：各因子的不同表現程度。 處理方式（treatment）：不同因子的某種特定水準組合。 GLM可處理平衡資料與不平衡資料，平衡資料乃指每個分類變數的每一種組合其觀測值的個數皆相同。 在企業管理領域中，較難操縱實驗變數，故通常很少進行實驗設計；以問卷所調查的資料，大多為非平衡資料。 四種類型之誤差平方和 GLM將平方和（Sum of Squares，SS）與模式中的各種效果相結合，分別稱為型Ⅰ、型Ⅱ、型Ⅲ、型Ⅳ等四種平方和。 以型Ⅲ平方和最常使用，也是預設值。 型Ⅲ平方和（Type Ⅲ SS）：這個方法是用來計算某個效應的平方和。 型Ⅲ平方和方法通常用於：(1)型I和型II所列出的任何模式；(2)任何沒有空儲存格的平衡或不平衡模型。 固定效果與隨機效果模式 固定效果模式（Fixed Effect Model）乃是當一個研究的自變數的水準個數（k組），包括了該變數所有可能的水準數（K組），也就是樣本的水準數等於母體的水準數（K=k）。 隨機效果模式（Random Effect Model）乃指研究取用的自變數，只包含某部分的一些水準，而並非包括所有可能的類別，即樣本所取的水準數小於母體的總水準數（Kk）。 二因子變異數分析（Two-Way ANOVA） 二因子變異數除探討二個個別因子的影響，即A因子的變異（SSA）與B因子的變異（SSB），稱為主效果（main effect），還應考慮交互效果（interaction effect）。 在研究架構中，可對A因子進行所謂的「干擾變數」檢定，若干擾變數為分類變數，即可進行二因子ANOVA分析。 當干擾變數為計量變數時，即必須進行共變數分析。 表8-2 二因子變異數分析的效果分析表 表8-3 20家企業的環境、組織與績效的資本資料表 表8-4 環境變動與組織型態的二因子變異數分析表 圖8-2 環境變動與組織型態的交互效果圖 沒有交互效果的GLM分析 區集（Block）實驗設計，欲探討教學方法對學習成績的影響，如隨機抽樣後還是某班的原始成績較好，則不論是採用何種教學方法其成績皆較好。 為了降低由隨機抽樣所造成的可能誤差，故可透過區集實驗設計使各班學生的原始成績能力盡量相近。 拉丁（Latin）方格設計，若每一個因子的水準數皆一樣，且這些因子間無交互效果時，將成為一種三因子ANOVA設計。 假設某一連鎖超市想測定三個店內推廣計劃，對其可樂