第七章 SPSS方差分析2精品.pptVIP

在进行方差分析时，首先要弄懂什么是固定模型效应、随机模型效应和混合模型效应。　　在试验中可人为控制的试验因素称为固定因素，其水平可以严格地人为控制，处理固定因素所用的数学模型称为固定效应模型。方差分析得到的结论适用于选定的水平。固定因素指该因素在样本中所有的可能的水平都出现了，该因素的所有可能水平仅此几种 。　　在试验中不能人为控制的试验因素称为随机因素。随机因素，指的是该因素所有可能的取值在样本中没有都出现，或不可能都出现。随机因素的水平无法人为控制，处理随机因素所用的数学模型称为随机效应模型。方差分析结果适用于选定因素的所有水平上。　　对于两个及以试验因素，一个因素是固定因素，一个因素是随机因素，则称为混合模型效应。　　对于单因素方差分析，不同模型方差分析计算相同，但下结论侧重点不同；双因素以上方差分析，不同模型方差分析计算不同，分析侧重点不同。 3、趋势检验 通过上面的分析，可以清楚地掌握不同地区的销售情况。这里，如果假定不同地区的差异表现在人口密度方面（地区编号小的人口密度高，地区编号大的人口密度低），那么进一步可分析不同地区销售额总体上是否会随着地区人口密度的减少而呈现出某种趋势性的变化规律，进而为市场细分提供依据。 4、先验对比检验 通过对不同广告形式的多重比较分析可知，在四种广告形式中，宣传品广告的效果是最差的，而其余三种略有差异。这里，可采用先验对比检验方法，进一步对报纸广告的效果与广播和体验的整体效果进行对比分析。 练习： 利用储蓄调查数据进行如下分析： 不同性别的储蓄是否不同？（独立样本T检验或单因素方差分析） 不同工种的储蓄是否不同？ （单因素方差分析） 7.3 多因素方差分析 7.3.1多因素方差分析的基本思想 1、定义：多因素方差分析用来研究两个及两个以上控制变量的不同水平是否对观测变量产生了显著影响。多因素方差分析不仅能够分析多个因素对观测变量的独立影响，还能够分析多个控制变量的交互作用能否对观测变量产生显著影响。例如：分析不同品种、不同施肥量是否给农作物的产量产生显著影响，并进一步研究哪种品种和哪种施肥量是提高农作物产量的最优组合。 2、观测变量方差的分解 将观测变量总的离差平方和分解为： 其中，SST为观测变量的总离差平方和；SSA、SSB分别为控制变量A、B独立作用引起的变差；SSAB为控制变量A、B两两交互作用引起的变差；SSE为随机因素引起的变差。 其中： 多因素方差分析离差平方和的分解-例题 性别 职称 基本工资 1 1 1014 1 1 1014 1 1 1044 1 2 889 1 2 984 2 2 859 1 2 989 1 3 848 1 3 827 1 3 866 1 3 938 1 3 887 1 3 887 2 4 824 2 4 824 2 4 824 交互作用的理解 A1 A2 B1 2 5 B2 7 10 A1 A2 B1 2 5 B2 7 3 3、比较观测变量总离差平方和各部分的比例 在观测变量总离差平方和中，如果SSA所占比例较大，则说明控制变量A是引起观测变量的变动主要因素之一，观测变量的变动可以部分的由控制变量A来解释，即控制变量A给观测变量带来了显著影响。对SSB、SSAB同理。 7.3.2 多因素方差分析的基本步骤 提出原假设：各控制变量不同水平下观测变量各总体的均值无显著差异，控制变量交互作用对观测变量无显著影响。 计算检验统计量和概率P值 给定显著性水平与p值做比较：如果p值小于显著性水平，则应该拒绝原假设，反之就不能拒绝原假设。 7.3.3 多因素方差分析的基本操作步骤 在利用SPSS进行多因素方差分析时，应首先将各个控制变量以及观测变量分别定义成多个SPSS变量，并组织好数据再进行分析。 1、选择菜单Analyze－General Linear Model－Univariate，出现主窗口。 2、把观测变量指定到Dependent Variable框中。 3、把固定效应的控制变量指定到Fixed Factor(s)框中，把随机效应的控制变量指定到Random Factor(s)框中。 至此，SPSS将自动建立多因素方差分析的饱和模型，并计算各检验统计量的观测值和对应的概率p值，并将结果显示到输出窗口中。 7.3.4 多因素方差分析应用举例 利用某企业不同广告形式在不同地区的广告效果（销售额）进行评估的数据，通过多因素方差分析方法对广告形式、地区、广告形式和地区的交互作用给销售额的影响进行分析，进而为制订广告和地区的最优宣传组合方案提供依据。 这里，以广告形式和地区为控制变量，销售