第6章--SPSS方差分析.pptVIP

2.指定观测变量到[因变量] 3.指定固定效应的控制变量到[固定因子]，指定随机效应的控制变量到[随机因子] SSA：5866.083 SSB：9265.306 SSAB：4926.917 SSE：6075.000 SST：26169.306 MSA：1955.361 MSB：545.018 MSAB：97.312 MSE：84.375 FA： 23.175 FB：6.459 FAB：1.153 第4节 协方差分析 6.4.1协方差分析基本思路 协方差分析是将那些人为很难控制的控制因素作为协变量，并在排除协变量对观测变量影响的条件下，分析（可控的）控制变量对观测变量的作用，从而更加准确地对控制因素进行评价。 协方差分析仍然沿承方差分析的基本思想，并在分析观测变差时，考虑了协变量的影响，认为观测变量的变动受四个方面的影响，即控制变量的独立作用、控制变量的交互作用、协变量的作用和随机因素的作用，并在扣除协变量的影响后，再分析控制变量对观测变量的影响。 方差分析中的原假设：协变量对观测变量的线性影响是不显著的；在协变量影响扣除的条件下，控制变量各水平下观测变量的总体均值无显著差异，控制变量各水平对观测变量的效应同时为零。检验统计量采用F统计量，它们是各方差与随机因素引起的方差之比。 如果相对于随机因素引起的变差，协变量带来的变差比例越大，即F值较大，则说明协变量是引起观测变量变动的主要因素之一，观测变量的变动可以部分由协变量线性解释；反之，如果相对于随机因素引起的变差，协变量带来的变差较小，则F值会较小，说明协变量没有给观测变量带来显著的影响。在排除了协变量的线性影响后，控制变量对观测变量的影响分析和前面的方差分析一样。 协方差分析的要求： 协变量一般是定距型变量； 协变量与观测变量之间有显著的线性关系； 多个协变量之间无交互作用。（相互独立） 6.4.2协方差分析的应用举例 在进行协方差分析时，应首先将协变量定义成一个SPSS变量。 案例6-5 为研究三种不同饲料对生猪体重增加(wyh)的影响，将生猪随机分成三组各喂养不同的饲料(sl)，得到体重增加的数据。由于生猪体重增加理论上会受到猪自身身体条件的影响，于是收集生猪喂养前体重(wyq)的数据，作为自身身体条件的测量指标。数据文件名：生猪与饲料.sav 采用单因素协方差分析：猪体重的增加量为观测变量；饲料为控制变量；猪喂养前体重为协变量。 首先要分析喂养前体重能否作为协变量，即喂养前体重是否与体重增加线性相关。 绘制喂养前体重与喂养后体重增加量的散点图。选择菜单[图形G]－[旧对话框]－[散点/点状S]，再选择[简单分布]，定义Y轴，X轴，分组变量，标题等。 SPSS协方差分析的步骤： (1) 选择菜单：[分析A]-[一般线性模型]-[单变量U] (2)指定观测变量到[因变量D]框中； (3)指定固定效应的控制变量到[固定因子F]框中； (4)指定作为协变量的变量到[协变量C]框中。 如果残差随协变量值的变化呈规律性变化，则认为存在异方差情况，可采用加权最小平方法进行模型的参数估计，权数变量选到[WLS权重]框中。 本章小结 1.方差分析的基本思想 2.单因素方差分析的步骤和具体操作 3.单因素方差分析的进一步分析 4.多因素方差分析的步骤和具体操作 5.协方差分析的步骤和具体操作 作业（P203） 1.对住房状况调查.SAV，分析文化程度是否对现住面积有显著影响？该分析是否满足方差分析的前提要求？为什么？ 2.入户推销有五种方法，某大公司想比较这五种方法有无显著的效果差异，设计了一项实验。从应聘人员中尚无推销经验的人员中随机挑选了一部分人，并随机将他们分为五个组，每组用一种推销方法培训，一段时间后得到他们在一个月内的推销额，如下表所示： 第一组 20.0 16.8 17.9 21.2 23.9 26.8 22.4 第二组 24.9 21.3 22.6 30.2 29.9 22.5 20.7 第三组 16.0 20.1 17.3 20.9 22.0 26.8 20.8 第四组 17.5 18.2 20.2 17.7 19.1 18.4 16.5 第五组 25.2 26.2 26.9 29.3 30.4 29.7 28.2 要求： (1).利用单因素方差分析方法分析这五种推销方式是否存在显著差异 (2).绘制各组的均值对比图，并利用LSD方法进行多重比较检验。 3.为研究某商品在不同地区和不同日期的销售差异性，调查收集了以下日平均销售量数据 销售量 日期 周一至周三 周四至周五 周末 地区一 5000 6000 4000 600