spss中的单因素方差分析one-wayanova.doc

SPSS统计分析软件应用 一、SPSS中的单因素方差分析(One-Way Anova) （一）基本原理 单因素方差分析也即一维方差分析，是检验由单一因素影响的多组样本某因变量的均值是否有显著差异的问题，如各组之间有显著差异，说明这个因素（分类变量）对因变量是有显著影响的，因素的不同水平会影响到因变量的取值。 （二）实验工具 SPSS for Windows （三）试验方法 例：某灯泡厂用四种不同配料方案制成的灯丝（filament），生产了四批灯泡。在每批灯泡中随机地抽取若干个灯泡测其使用寿命（单位：小时hours），数据列于下表，现在想知道，对于这四种灯丝生产的灯泡，其使用寿命有无显著差异。 灯泡 灯丝 1 2 3 4 5 6 7 8 甲 1600 1610 1650 1680 1700 1700 1780 乙 1500 1640 1400 1700 1750 丙 1640 1550 1600 1620 1640 1600 1740 1800 丁 1510 1520 1530 1570 1640 1680 （四）不使用选择项操作步骤 （1）在数据窗建立数据文件，定义两个变量并输入数据，这两个变量是： filament变量，数值型，取值1、2、3、4分别代表甲、乙、丙、丁，格式为F1.0，标签为“灯丝”。 Hours变量，数值型，其值为灯泡的使用寿命，单位是小时，格式为F4.0，标签为“灯泡使用寿命”。 （2）按Analyze，然后Compared Means，然后One-Way Anova的顺序单击，打开“单因素方差分析”主对话框。 （3）从左边源变量框中选取变量hours，然后按向右箭头，所选去的变量hours即进入Dependent List框中。 （4）从左边源变量框中选取变量filament，然后按向右箭头，所选取的变量folament即进入Factor框中。 （5）在主对话框中，单击“OK”提交进行。 （五）输出结果及分析 灯泡使用寿命的单因素方差分析结果 ANQVA Sun of Squares df Mean Square F Sig Between Groups 39776.46 3 13258.819 1.638 .209 Within Groups 178088.9 22 8094.951 Total 217865.4 25 该表各部分说明如下： 第一列：方差来源，Between Groups是组间变差，Within Groups是组内变差，Total是总变差。 第二列：离差平方和，组间离差平方和为39776.46，组内离差平方和为178088.9，总离差平方和为217865.4，是组间离差平方和与组内离差平方和相加而得。 第三列：自由度，组间自由度为3，组内自由度为22，总自由度为25，是组间自由度和组内自由度之和。 第四列：均方，即平方和除以自由度，组间均方是13258.819，组内均方是8094.951. 第五列：F值，这是F统计量的值，其计算公式为模型均方除以误差均方，用来检验模型的显著性，如果不显著说明模型对指标的变化没有解释能力，F值为1.683. 第六列：显著值，是F统计量的p值，这里为0.209. 由于显著值0.209大于0.05，所以在置信水平0.95下不能否定零假设，也就是说四种灯丝生产的灯泡，其平均使用寿命美誉显著差异。 （六）使用选择项操作步骤 （七）输出结果及分析 描述性统计量表 方差一致性检验 Sig大于0.05，说明各组的方差在0.05的显著水平上没有显著性差异，即方差具有一致性。 单因素方差分析结果 未加权Unweighted线性项、加权weighted线性项、加权项与组间偏差平方和。自由度、均方、F值、显著值。 LSD法和TAmhane’sT2发进行均值多重比较的结果 Duncan法进行均值多重比较结果 均值分布图  二、SPSS中的单因变量多因素方差分析（Univariate） （一）基本原理 在多因素的试验中，使用方差分析而不用t检验的一个重要原因在于前者效率更高，本实验所讲的单因变量多因素方差分析是对于一个独立变量是否受一个或多个因素或变量影响而进行的回归分析和方差分析。这个过程可以检验不同组之间均数由于受不同因素影响是否有差异的问题，即可以分析每一个因素的作用，也可以分析各因素之间的交互作用，还可以分析协方差和协方差交互作用。 （二）实验工具 SPSS for Windows （三）试验方法 例：某生产队在12块面积相同的大豆试验田上，用不同方式施肥，大豆亩产（斤）的数据如下表 编号 氮肥（斤） 磷肥（斤） 亩产（斤） 1 0 0 400 2 0 0 390 3 0 0 420 4 0 4 450