第六章 方差分析精选.pdf

第六章 方差分析 第一节 Simple Factorial 过程 6.1.1 主要功能 6.1.2 实例操作 第二节 General Factorial 过程 6.2.1 主要功能 6.2.2 实例操作 第三节 Multivarite 过程 6.3.1 主要功能 6.3.2 实例操作 方差分析是R.A.Fister 发明的，用于两个及两个以上样本均数差别的显著性检验。由于 各种因素的影响，研究所得的数据呈现波动状，造成波动的原因可分成两类，一是不可控的 随机因素，另一是研究中施加的对结果形成影响的可控因素。方差分析的基本思想是：通过 分析研究中不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大 小。 1 2 方差分析主要用于： 、均数差别的显著性检验， 、分离各有关因素并估计其对总变异 3 4 的作用， 、分析因素间的交互作用， 、方差齐性检验。 第一节 Simple Factorial 过程 6.1.1 主要功能 调用此过程可对资料进行方差分析或协方差分析。在方差分析中可按用户需要作单因素 方差分析（其结果将与第五章第四节相同）或多因素方差分析（包括医学中常用的配伍组方 差分析）；当观察因素中存在有很难或无法人为控制的因素时，则可对之加以指定以便进行 协方差分析。 返回目录 返回全书目录 6.1.2 实例操作 3 [ 6-1] cm cm 例 下表为运动员与大学生的身高（ ）与肺活量（ ）的数据，考虑到身高与 肺活量有关，而一般运动员的身高高于大学生，为进一步分析肺活量的差异是否由于体育锻 炼所致，试作控制身高变量的协方差分析。 运 动 员 大 学 生 身高 肺活量 身高 肺活量 184.9 4300 168.7 3450 167.9 3850 170.8 4100 171.0 4100 165.0 3800 171.0 4300 169.7 3300 188.0 4800 171.5 3450 179.0 4000 166.5 3250 177.0 5400 165.0 3600 179.5 4000 165.0 3200 187.0 4800 173.0 3950 187.0 4800 169.0 4000 169.0 4500 173.8 4150 188.0 4780 174.0 3450 176.7 3700 170.5 3250 179.0 5250