第六章 SPSS方差分析..pptVIP

本章内容 6.1 方差分析概述 6.2 单因素方差分析 6.3 多因素方差分析 6.4 协方差分析 a. R Squared = .768 (Adjusted R Squared = .539) 143 26169.306 Corrected Total （总变差） 144 669106.000 Total 84.375 72 6075.000 Error .286 1.153 97.312 51 4962.917 x1 * x2 .000 6.459 545.018 17 9265.306 x2 .000 23.175 1955.361 3 5866.083 x1 .000 7619.990 642936.694 1 642936.694 .000 3.354 283.018 71 20094.306a Corrected Model Sig. F Mean Square df Type III Sum of Squares Source Dependent Variable:销售额 Tests of Between-Subjects Effects（销售额多因素方差分析） 6.4 协方差分析 一、协方差分析的基本思想 通过上面的讨论可以看到，不论是单因素方差分析还是多因素方差分析，控制变量是可以控制的，其各个水平可以通过人为努力得到控制和确定。但是在实际问题中，有些控制变量很难人为控制，但他们的不同水平确实对观测变量产生较为显著的影响。在方差分析中，如果忽略这些因素的存在而单纯去分析其他因素对观测变量的影响，往往会夸大或缩小其他因素对观测变量的影响，使分析结论不准确。因此，为了更加准确的研究控制变量不同水平对观测变量的影响，应尽量排除其他因素对分析结论的影响。 协方差分析：是将那些很难人为控制的因素作为协变量，并在排除协变量对观测变量影响的条件下，分析控制变量对观测变量的影响，从而更加准确的对控制变量进行分析。 协方差分析中，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是：协变量对观测变量的线性影响是不显著的； 二、协方差分析的应用举例 案例：为研究三种不同饲料对生猪体重增加（wyh），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。由于生猪体重的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。文件名“生猪与饲料”。 分析： 为准确评价饲料的优劣，采用单因素协方差分析的方法进行分析。这里，猪体重的增加量为观测变量，饲料为控制变量，猪喂养前的体重为协变量。 为分析猪喂养前的体重是否能够作为协变量，可以首先绘制它与体重增加的散点图。 协方差分析中通常要求多个协变量之间无交互作用，且观测变量与协变量间有显著的线性关系。 SPSS协方差分析的基本操作步骤： （1）选择菜单： 【分析】-【一般线性模型】-【单变量】 （2）指定观测变量到【因变量】框中。 （3）指定固定效应的控制变量到【固定因子】框中，指定随机效应的控制变量到【随机因子】框中。 （4）指定作为协变量的变量到【协变量】框中。 a. R Squared = .911 (Adjusted R Squared = .898) 23 2555.958 Corrected Total 24 206613.000 Total 11.381 20 227.615 Error .000 31.071 353.609 2 707.219 sl .000 88.813 1010.760 1 1010.760 wyq .000 86.150 980.448 1 980.448 .000 68.196 776.115 3 2328.344a Corrected Model Sig. F Mean Square df Type III Sum of Squares Source Dependent Variable:喂养后体重增加 Tests of Between-Subjects Effects（生猪体重的协方差分析结果） a. R Squared = .515 (Adjusted R Squared = .469) 23 2555.958 Corrected Total 24 206613.000 Total 58.970 21 1238.375 Error .000 11.172 658.792 2 1317.583 sl .000 3460.339 204057.042 1 204057.0