spssau三因素方差分析操作.docxVIP

三因素方差 当X为定类数据，Y为定量数据时，通常使用的是方差分析进行差异研究。X的个数为一个时，我们称之为单因素方差；X为2个时则为双因素方差；X为3个时则称作三因素方差，依次下去。当X超过1个时，统称为多因素方差。 在实验研究中，比如研究者测试某新药对于胆固醇水平是否有疗效；研究者共招募72名被试，男女分别为36名，以及男女分别再细分使用新药和普通药物；同时高血压患者对于新药可能有干扰，因而研究者将被试是否患高血压也纳入考虑范畴中。因而最终，X共分为三个，分别是药物(旧药和新药)、性别，是否患高血压；Y为胆固醇水平。因而需要进行三因素方差分析即多因素方差分析。 特别提示： 对于双因素方差，三因素方差分析；SPSSAU单独提供研究方法，并且提供更多指标输出比如交互效应或图形等； 如果是实验研究，建议使用双因素，或者三因素方差分析等； 针对X超过3个时，只能直接使用多因素方差分析； X均为定类数据，Y为定量数据。 SPSSAU分析结果表格示例如下： 多因素方差分析结果 平方和 df F P 截距 511.325 1 4397.621 0.000** 性别 0.340 1 2.925 0.092 是否高血压 7.825 1 67.300 0.000** 药物 0.824 1 7.091 0.010** 残差 7.907 68 null null R2=0.547  三因素方差案例 Contents TOC \o 1-3 \h \z \u 1 背景 2 2 理论 2 3 操作 2 4 SPSSAU输出结果 3 5文字分析 5 6 剖析 5 1 背景 某研究者测试新药对于胆固醇水平是否有疗效；研究者共招募72名被试，男女分别为36名，并且男性或女性中是否高血压患者各为18名，并且当前被试的胆固醇水平基本均保持在6.5左右。最终X共分为三个，分别是药物(旧药和新药)、性别，是否患高血压；Y为胆固醇水平。 同时，明显的可以想到，实验前的胆固醇水平基数，很可能会影响到最终的胆固醇水平，因此“实验前胆固醇水平”是一个干扰因素，因此将其作为协变量纳入模型中。 2 理论 三因素方差分析，通常用于实验研究，如果某个X呈现出显著性，此时可接着使用单因素方差分析或者事后检验，继续对比具体差异情况。 特别提示： 三因素方差时，有可能涉及到交互作用研究（比如二阶效应或三阶效应），SPSSAU默认不会进行输出，需要主动进行设置； 3因素方差时，共有3个X，因此二阶效应共涉及两两组合，一共为3个二阶交互项； 3因素方差时，共有3个X， 3个X只会有一个组合，因而会1个三阶交互项； 针对X超过3个时，只能直接使用多因素方差分析； X均为定类数据，Y为定量数据。 3 操作 本例子中研究3个X对于Y的差异；X分别性别，是否高血压和药物，Y为‘胆固醇水平’，同时将“实验前胆固醇水平”作为协变量纳入模型中，以及暂时不考虑交互效应，因此二阶效应和三阶效应处均不选中，SPSSAU放置如下： 4 SPSSAU输出结果 三因素方差分析结果 差异源 平方和 df 均方 F P Intercept 2.105 1 2.105 18.048 0.000** 性别 0.314 1 0.314 2.690 0.106 是否高血压 7.895 1 7.895 67.699 0.000** 药物 0.905 1 0.905 7.758 0.007** 胆固醇水平实验前 0.094 1 0.094 0.802 0.374 Residual 7.813 67 0.117 null null R2: 0.552 *?p0.05 **?p0.01 上表中，R平方值为0.552，意味着性别, 是否高血压, 药物，以及实验前胆固醇水平情况共四项解释胆固醇水平的55.2%变异。另外从上表可知，实验前胆固醇水平这项并没有呈现出显著性（F=0.802，P=0.3740.05），说明实验前胆固醇水平并没有带来影响关系，因而也可以考虑将此项移出模型中。 研究重点在于药物对于胆固醇水平的帮助，在这里药物呈现出0.05水平的显著性（F=7.758，P=0.0070.05），意味着旧药和新药在胆固醇水平上有着显著性差异。具体显著性差异情况，可继续使用单因素方差分析进行探究，以了解新药对于胆固醇水平是否有帮助 。 除此之外，性别并没有呈现出显著性(F=2.690,P=0.1060.05)，是否高血压这项呈现出显著性（F=67.699,P=0.0000.05），具体也可以使用单因素方差深入探究是否高血压被试在胆固醇水平上的差异性。 另外，如果需要分析交互作用，如果需要分析交互作用，一般只会考虑二阶效应，三阶效应过于复杂通常不会考虑。通常情况下，交互作用分析的前提有两点且两点同时满