第十八章 方差分析.docVIP

第十八章 方差分析 第一节 单因素方差分析 一、原理与功能分析 T检验方法适用于样本平均数与总体平均数及两样本平均数间的差异显著性检验，但在实际上经常会遇到多个处理优劣的比较问题，即需进行多个平均数间的差异显著性检验。这时，再运用T检验的方法就难以胜任。 方差分析方法是将由k个处理的观察值作为一个整体看待，把观察值总变异的平方和及自由度分解为相对于不同变异来源的平方和及自由度，继而获得不同变异来源总体方差估计值；通过计算总体方差估计值的比值，就能检验各样本所属总体平均数是否相等，方差分析实质上是关于观察值变异原因的数量分析。 方差分析的基本原理就是根据资料的设计类型，即变异的不同来源将全部观察值总的离均差平方和和自由度分解为两个或多个部分，除随机误差外，其余每个部分的变异可由某个因素的作用（或某几个因素的交互作用）加以解释。通过各变异来源的均方与误差均方比值的大小，借助F分布作出统计推断，判断各因素对各组均数有无影响。在方差分析中主要就是要分析3种变异以及它们之间的关系。 方差分析检验的问题是当因素选择不同的水平时，对结果有无显著的影响。为了在有随机误差的情况下进行比较，各水平都应有一定数量的重复。 二、实例问题 【例1】某教师在教学中采用启发式教学方法，旨在提高学生体质水平，为检验这一方法对体质的影响，分别从4个学校高三男生中抽样，进行统一体质测试，体质成绩如下表。试分析各学校高三男生的体质测试成绩是否有差别。 表18-1 4个学校高三男生体质测试成绩 学校 A B C D 教法因素（成绩） 9，12，7，5 20，14，18，12 12，7，6，10 23，13，16，21 三、SPSS求解过程 1、数据输入整理。在建立数据文件时需要定义3个变量，如图18-1 所示，它们分别为测量编号、体质成绩和学校。由于要求因素变量为数值型，因此学校 变量取值范围1~4，分别代表A、B、C、D等4个学校。 图18-1 原始数据的输入整理 2、打开相关数据文件，选择菜单“Anlyxe-Compare Means-One Way ANOVA”，如图18-2所示，弹出“单因素方差分析（One Way ANOVA）”对话框，如图18-3所示。 图18-2 选择菜单进入单因素方差分析对话框 图18-3 单因素方差分析对话框 3、选择需要进行One Way ANOVA分析的变量，可选入多个结果变量（因变量）。从对话框左侧的变量列表中选择变量“体质得分”，使之进入右框“Dependent List”列表框。 4、选入需要比较的分组因素。且只能选入一个。从对话框左侧的变量列表中选择变量“学校”，使之进入“Factor”框。 5、对组间平方和进行线性分解并检验。单击“Contrasts”按钮，打开如图18-4“One Way ANOVA：Contrasts”对话框。本例忽略此项设置。 图18-4 对组间平方和进行线性分解并检验 6、选择进行各组两两比较的方法。单击“Post Hoc”按钮，弹出如图18-5所示的对话框。 图18-5 选择各组间方差两两比较方法 （1）“Equar Variaqnces Assumed”复选框组：当各组方差齐性时可用的两两比较方法，共有14种，最常用的是LSD（即最小显著差异T检验）和S-N-K-q法（即q检验）。本例选取LSD。 （2）“Equar Variaqnces Not Assumed”复选框组：一组当各组方差不齐性时可用的两两比较，共有4种，常用的有Dunnetts/s法。 （3）“Significance Level”编辑框：定义两两比较时的显著性水平，默认值为0.05。 （4）完成设置后，单击“Continue”按钮，返回“One Way ANOVA：Contrasts”对话框。 7、定义相关统计选项以及缺失值处理方法。单击“Options”按钮，弹出如图18-6所示对话框。 图18-6 相关统计选项与缺失值处理方法 （1）选择附加统计分析项目“Statistics”复选框组：本例选择描述性统计（Descriptive）方差齐性检验（Homogeneity-of-variance）。 （2）“Means plot”复选框：用各组均数制图，本例选择该项。 （3）定义缺失值的处理方法“Missing Values”单选框组：默认上框“只要相关变量有缺失值，则在所有分析中均将该记录去除。 （4）完成设置后，单击“Contrasts”按钮，返回“One Way ANOVA：Contrasts”对话框。 8、所有设置确认无误后，单击“OK”按钮，执行单因素方差分析，等待输出结果。 四、结果解释 输出结果包括5个部分，分别是描述性统计表、方差齐性检验、方差分析表、多