3.多个多变量(指标)平均数的检验,SPSS应用：逐步回归、线性回归、聚类、因素.pptx

多个多变量（指标）平均数的检验、 SPSS应用（逐步回归、线性回归、聚类分析、因素分析）;1.多个多变量（指标）的平均数检验MANOVA;平均数的差异检验概述;多元方差分析WANOVA概述;基本假设（使用前提） 数据来自随机样本，观察值之间相互独立 各因变量的联合分布为多元正态分布（虽然每个变量是正态分布并不能保证它们的联合分布也是正态分布，但多元方差分析对于多元正态分布要求不严苛，可以弱化为每个反应变量服从正态分布即可） 每个样本的协方差矩阵均相同（方差齐性） 因变量之间存在相关：因变量之间存在线性相关；若为非线性关系，则应将非线性关系线性化 较大的总样本量，且每一处理有足够重复，并且不能出现大量缺失测量值（若数据缺失较多，不宜取得显著的结果），各组样本数不应差别太大;多元方差分析 多个正态总体均值向量的检验;一元方差分析回顾 检验统计量： 其中， ;多元方差分析 多个正态总体均值向量的检验;多元方差分析 多个正态总体均值向量的检验;多元方差分析 多个正态总体均值向量的检验;多元方差分析 多个正态总体均值向量的检验;多元方差分析 多个正态总体均值向量的检验;多元方差分析 多个正态总体均值向量的检验;多元方差分析 多个正态总体均值向量的检验;多元方差分析 多个正态总体均值向量的检验;2.One-way and Two-way Multivariant Analysis of Variance in SPSS;One-way Multivariant Analysis in SPSS;Nine Assumptions;Testing Students;Applying in SPSS;Next use the “Add” button to add School to the Plots. Then you can “Continue” and it will open the “Multivariate” tab. Here you can select the required assumption, for this we will apply the “Tukey” assumption. ;Results!;In the test between subjects we can see the difference between the English and Math scores.In the next table compares the three schools. The table shows a difference between School A and School B, and School A and School C but not a significant difference between School B and School C.;;Two-way MANOVA;Calculating Data;Descriptive table and Multivariate table;Multivariate Test;3.线性回归的SPSS操作;线性回归;回归分析的一般步骤;根据自变量的个数可分为 一元线性回归：只有一个自变量 多元线性回归：有两个或两个以上自变量;学号;有明显的线性趋势，可以进行线性回归分析;;;;;回归方程的拟合;回归模型有效性的方差分析;回归参数显著性检验;残差描述统计;从表中可以看出学生化残差值的点绝大部分都落在绝对值为2的区间内，结合残差的描述统计表，可以认为数据中没有异常值;残差直方图;残差正态P-P图;多元线性回归;向后剔除法。所有自变量进入模型，每次剔除一个最不符合的变量，知道方程中不再有不符合的变量;回归方程的拟合;回归模型有效性的方差分析;回归参数显著性检验;4.逐步回归的SPSS操作; 在计算多元回归模型时一般采用的这几种方法 （1）逐步回归法 （2）强迫进入法 （3）阶层回归分析法 ;在实际问题中，影响因变量Y的因素（自变量）可能很多。在回归方程中，如果漏掉了重要因素 最优的方程;向前回归：根据自变量对因变量的贡献率，首先选择一个贡献率最大的自变量进入，一次只加入一个进入模型。 向后回归：将自变量一次纳入回归，然后根据标准删除一个最不显著者，再做一次回归判断其余变量的取舍，直至保留者都达到要求。 逐步回归Stepwise：是向前回归法和向后回归法的结合。 ;开始;【例】逐步回归法：某养猪场老板，想要了解每一头猪身上能产多少瘦肉，从而随机选了25头肥猪。考虑到猪的各个部位的瘦肉量不太一样，所以收集了与瘦肉产量有关的三方面的数据资料，想通过这三方面的数据来对瘦肉产量进行预测，请用多元线性回归分析来解决这一问题。其中，数据文件如下所示。