第1讲 描述统计假设检验方差分析SPSS软件使用之一.pptVIP

六、方差分析 方差分析是用来检验“多个总体的均值是否相等”的方法。 它研究分类型自变量对数值型因变量的影响。 主要有单因素方差分析和双因素方差分析。 单因素方差分析：涉及一个分类自变量。 双因素方差分析：涉及两个分类自变量 检验某一个控制因素的改变是否会给观察变量带来显著影响. 菜单： Analyse→Compare Means → One-Way ANOVA 操作：将观察变量移入变量框；控制因素移入因素框 结果：组间、组内、总的平方和、自由度、均方，F统计量、 P值 分析：Pα,则拒绝原假设，即控制因素的改变给观察变量带来显著影响 1. 单因素方差分析 总体有差异，并不能说明任何两组之间均有差异，如果要进一步研究两组之间有显著差异，则点击“Post Hoc”按钮（多重比较检验），之后在假设方差相等情况下选择一种方法（一般选LSD方法-最小显著性差异）。 消费者对四个行业的投诉次数 行业 观测值 零售业 旅游业 航空公司 家电制造业 1 2 3 4 5 6 7 57 66 49 40 34 53 44 68 39 29 45 56 51 31 49 21 34 40 44 51 65 77 58 【 例4 】为了对几个行业的服务质量进行评价，消费者协会在四个行业分别抽取了不同的企业作为样本。最近一年中消费者对总共23家企业投诉的次数如下表,检验行业因素对被投诉次数有无显著影响： 单因素方差分析举例 该例属于单因素方差分析。只有行业一个因素，共取4个值：零售业、旅游业、航空公司、家电制造业，将其数量化为1、2、3、4。建立数据文件（文件名fcfx-1），定义两个变量number和factor1（均为数值型，宽度分别为4和1， number的标签(Label)为投诉次数），分别表示观察值和因素。 方法一: Analyse→Compare Means → One-Way ANOVA 将观察变量number移入变量框；控制因素factor1移入因素框→点击“Post Hoc” →在Significance Level输入0.05 →点击“OK” 结论：由于p=0.0390.05，所以拒绝行业因素对被投诉次数无显著影响的假设，即行业因素对被投诉次数有显著影响。 显示结果 若要进一步检验哪两个行业之间对被投诉次数有显著差异，则再点击“Post Hoc”按钮（多重比较检验），之后在假设方差相等情况下选择一种方法（一般选LSD方法-最小显著性差异）。 以上结果说明，总的来说，四个行业对被投诉次数有显著差异，但不能说明任何两个行业之间都对被投诉次数有显著差异，如果要分析那两个行业之间对被投诉次数有显著差异，需要在 “Post Hoc” 选中某一种方法，如：LSD（Least Significant Difference），用t检验完成各组间均值的配对比较。 例如：对于例4，若选中“Post Hoc” 中LSD，则显示结果为： Post Hoc Tests 从3和4（即航空公司和家电制造业）之间均值比较的结果 可以看出，P=0.0050.05,所以航空公司和家电制造业之间 对被投诉次数有显著差异 测试若干个控制因素的改变是否造成观察变量的显著变动（主要介绍双因素）。 无重复实验 菜单： Analyse→General Linear Model → Univariate 操作：将观察变量移入变量框；控制因素移入固定因素框 点击“Model” →选择“Custom” →将控制因素放入“Model框→在下拉式列表框中选”Mian effects” 结果：各因素及总的平方和、自由度、均方，F统计量、P值等 分析：Pα,则拒绝原假设，即控制因素的改变给观察变量带来显著影响 注:单因素方差分析也可用该菜单操作 2. 多因素方差分析 双因素方差分析无重复实验举例 不同品牌的彩电在各地区的销售量数据 （无交互作用） 品牌因素 （行因素） 地区因素（列因素） 地区1 地区2 地区3 地区4 地区5 品牌1 品牌2 品牌3 品牌4 365 345 358 288 350 368 323 280 343 363 353 298 340 330 343 260 323 333 308 298 【例5】有4个品牌的彩电在5个地区销售，为分析彩电的品牌(品牌因素)和销售地区(地区因素)对销售量是否有影响，对每种品牌在各地区的销售量取得以下数据。试分析品牌和销售地区对彩电的销售量是否有显著影响？(?=0.05) 该例中有品牌和地区两个为因素，分别取4个值和5个值。建立数据文件（文件名fcfx-2），定义3个变量number、factor1和factor2 （均为数值型，宽度分别为4、1和1， 它们的标签(Labe