SPSS方差深入分析.pptVIP

其基本思想是把所有观察值之间的变异分解为几个部分。即把描写观察值之间的变异的离均差平方和分解为某些因素的离均差平方和及随机抽样误差的离均差平方和，进而计算其相应的均方差，构成F统计量。 分类： 单因素方差分析 两因素及多因素方差分析 数据输入 本例共有5组（5个品种），每组样本含量不同，共有25个观察值。 1）启动SPSS，进入定义变量工作表，用name命名变量品种和增重，小数位分别为0和1，用1、2、3、4、5代表5个品种。 2）进入数据视图工作表输入数据，格式见图。 统计分析简明步骤： Analyze---compare means---one way ANOVA Dependent list:增重 要分析的结果变量为增重 Factor:品种 分组变量为品种 Option 选择Descriptive 计算基本统计量 Continue Post hot: √ LSD， √ S-N-K 两两比较方法采用LSD、S-N-K法 Continue OK 分析过程说明 1）单击主菜单（Analyze）分析----Compare Means（比较均数）----One-Way ANOVA（单因素方差分析）；弹出对话框，将变量“增重”置入Dependent list框，将变量“品种”置入Factor（处理因素）框内。 2）按Options--，在弹出对话框中，选中Statistics栏下的Descriptive命令，可输出统计描述指标，如均数，标准差等。Continue返回单因素方差分析对话框 单因素方差分析选项中的其他统计分析： Fixed and random effects：按固定效应模型输出标准差、标准误差和95%可信区间，同时按随机效应模型输出标准误差、95%可信区间和成分间方差。 Homogeneity of variance test: 进行方差齐性检验 Brown-Forsythe: 采用Brown-Forsythe统计量检验各组均数是否相等，当方差不齐时，该方法比方差分析更为稳健 Welch: 采用Welch统计量检验各组均数是否相等，当方差不齐时，该方法比方差分析更为稳健 Means plot（由均数绘图）: 若选中则会在输出视窗中输出一条用不同品种增重绘制的线图 Exclude cases analysis by analysis：剔除在被检验的数据中含有缺失值的观测量（系统默认） Exclude cases listwise： 对有缺失值的观测量，从所有分析中剔除 3）多重比较，即比较不同品种之间增重均数有无显著性差别。用方差分析对多组均数做显著性检验，如果差异有显著意义，只说明总起来各组均数之间有显著性差异，并不意味着任意两两均数之间均有差异，所以需要进一步的作样本均数之间的两两比较。 点击Post Hoc---，弹出下图对话框 表中的显著性水平（Significance level）一般选择0.05或0.01，组间均数两两比较常用方法有LSD、S-N-K、Duncan三种。本例选择前两种。 LSD:用t检验完成各组之间的比较，比较适用于一对平均数之间的比较，或多个平均数都与对照组平均数进行比较。检验的敏感度最高，与其他方法相比，最易检验出显著性差别。 S-N-K：即Student Newman Keuls Test法，是运用较为广泛的一种两两比较方法，采用Student Range分布进行所有各组均值间的配对比较。 Duncan：指定一系列的Range值，逐步进行计算比较得出结论 Equal variance Not Assumed:为方差不齐时F检验 结果说明 描述表是该资料的一般性描述指标，分别为个品种猪的均数（mean）、标准差（Std. Deviation）、标准误差（Std. Error）、最大值、最小值。95%Confidence Interval for Mean为总体均数95%的置信区间。 ANOVA表是本例的方差分析的统计结果。可知F=5.986，P=0.0020.01，可认为5个品种猪增重存在显著性差异，需要进行多重比较。 多重比较表是选用LSD法作均数间多重两两比较的结果。 品种1与品种2的P（Sig.）=0.0010.01，差异极显著 品种1与品种3的P（Sig.）=0.0390.05，差异显著 品种1与品种4的P（Sig.）=0.5540.05，差异显著 品种1与品种5的P（Sig.）=0.0010.01，差异不显著 . . . 增重表是选用S-N-K法作均数多重