一般得线性模型的SPSS应用.pptVIP

三、一般线性模型的SPSS应用 一般线性模型，简称GLM。 方差分析的分类 按照自变量的个数分类： 单因素ANOVA和多因素ANOVA。 按照因变量的个数分类： 一元方差分析和多元方差分析（元指因变量） 此外，还包括连续性自变量（协变量），这种方差分析称为协方差分析（ANCOVA）。 多元方差/协方差分析可用来解决多自变量（和多协变量）、多因变量的方差/协方差分析。 一般线性模型可视为是对多元回归的发展，其功能大体相当于多元方差/协方差分析。 在SPSS中，真正的多元方差/协方差分析是一个独立的过程，不过只能在Syntax模式下运行。 MANOVA和GLM的主要区别 多元方差/协方差分析和GLM过程中的多因变量的主要区别是： 二者对分类变量的参数估计方法不同。 前者是将各水平与总均值进行比较，采用的是偏差对比。 后者是设定某参照水平，将其他水平与之比较，即简单对比。 GLM所提供的功能和灵活性相比多元方差/协方差分析更胜一筹。 SPSS的GLM菜单中包括单因变量、多因变量、重复测量和方差成分四个过程。可以解决完全随即设计、随机区组设计、交叉设计、析因设计、拉丁方设计、正交设计、嵌套设计、重复测量设计、裂区设计和均匀设计等类型的方差/协方差分析问题。 这节课我们重点来学习Univariate（单因变量）和Repeated Measures（重复测量）两个过程的SPSS操作特点。 （一）Univariate过程 单因变量过程主要解决的是但因变量的方差分析问题，从功能上来讲相当于多因素方差/协方差分析，即可对连续性自变量进行统计控制。 在Univariate过程中，自变量包括三类： 固定因素，随机因素，协变量。 还需要为自变量设定权值系数。 固定因素：指的是某因素所有可能的水平都出现在样本中，这时考察的效应称为固定效应，即样本限定的具体处理间的差异。 随机因素：指的是某因素所有可能的取值并不都在样本中出现，这时考察的效应称为随机效应，即随机选取的若干处理间的差异。 协变量通常无法在实验中进行随机化控制，需要借助协方差模型考察其效应。 Model 设定模型（第一个） Plots 画均值图（第三个） Save 保存（第五个） Contrast 对比（第二个） Post Hoc 方差分析的事后检验（第四个） Options 其他选项（最后一个） （二）Repeated Measures过程 在GLM中，重复测量过程可以用于被试内设计数据的方差分析。 被试内实验设计中每个被试接受多个甚至全部处理。 某因素的所有水平均实施了重复观测，则称该因素为被试内因素，如测量的时间点。 而在重复测量中对于被试个体保持恒定的因素称被试间因素，如性别。 （三）GLM中的其他过程 Multivariate GLM中的其他过程 Variance Components * * Model Save Plots Contrast Post Hoc Options 在这里输入 变量水平数 最后点击这里 在这里输入 变量名 然后点击添加 *