spss统计分析及应用教程-第5章方差分析.ppt

可得，多因素方差分析的总变差分解公式为： SST=SSA+SSB+SSAB+SSE 式中，SST为观测变量的总方差，SSA、SSB分别为控制变量A、B独立作用引起的变差，SSAB为控制变量A、B交互作用引起的变差，SSE为随机因素引起的变差。通常，称SSA+SSB为主效应，SSAB为多项交互效应，SSE为剩余部分。 同理，当控制变量为3个时，观测变量的总变差可分解为： SST=SSA+SSB+SSC+SSAB+SSAC+SSBC+SSABC+SSE 可见，在观测变量总离差平方和中，如果SSA所占比例较大，则说明控制变量A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地由控制变量A来解释：反之，如果SSA所占比例较小，则说明控制变量A不是引起观测变量变动的主要因素，观测变量的变动无法由控制变量A来解释。对于SSB和SSAB也相同。 多因素方差分析基本步骤 1 提出原假设 单因素方差分析的原假设H0：各控制变量不同水平下观测变量各总体的均值无显著性差异，控制变量各效应和交互效应同时为零。 多因素方差分析基本步骤 多因素方差分析采用的检验统计量仍然是F统计量，数学定义为： 以上三个F统计量服从F分布。 2 选择检验统计量。 多因素方差分析基本步骤 1 提出原假设 SPSS自动计算出F统计量的观测值，并根据F分布表给出相应的伴随概率p值。 3 计算检验统计量的观测值和伴随概率p值 多因素方差分析基本步骤 4 给出显著性水平，并做出判断 对给定的显著性水平，依次与各个检验统计量相时应的p值进行比较。如果FA的伴随概率p小于或等于显著性水平，则应拒绝原假设，认为控制变量A不同水平下观测变量各总体的均值存在显著差异，即第一个控制变量A的不同水平对观测变量产生了显著影响； 如果的伴随概率p小于或等于显著性水平，则应拒绝原假设，认为控制变量B不同水平下观测变量各总体的均值存在显著差异，即第二个控制变量B的不同水平对观测变量产生了显著影响； 如果FAB的伴随概率p小于或等于显著性水平，则应拒绝原假设，第一个控制变量A和第二个控制变量B各个水平的相互作用对观测变量均值产生了显著影响；相反，则认为不同水平对结果没有显著影响。 实验二 多因素方差分析 实验内容 某车间3台机器（用A、B、C表示）生产同一种产品，表5-2-1给出了4名个人操作机器A、B、C生产的产品的产量（数据文件5-3.sav），问机器之间、工人之间在产量上是否存在显著差异。 不同机器不同工人的产量数据 实验二 两独立样本t检验 实验步骤 （1）准备工作。在SPSSl7.0中打开数据文件5-3.sav，通过选择“文件—打开”命令将数据调入SPSSl7.0的工作文件窗口 。 （2）选择“分析—般线性模型—单变量”命令，打开“一般线性模型：单变量”对话框 。 （3）在如图所示多变量对话框中，相关内容介绍如下： 因变量列表：用于选择观测变量。 固定因子栏:用于指定固定效应的控制变量。 随机因素栏：指定随机效应的控制变量。 协变量栏：指定作为协变量的变量。 WLS权重栏：放入加权变量作最小二乘法(WLS)分析。 本例在单变量对话框左端的变量列表将要检验的变量“产量”添加到右边的因变量中，将变量“机器”和“工人”移入固定因子栏。 (4)单击“模型”按钮，如图所示对话框，该对话框可以选择建立多因素方差模型的种类。相关选项介绍如下： 指定模型。 1.全因子模型：SPSS默认选项，包括所有因素主效应、协变量效应以及因素间的交互效应。 2.设定模型：即建立非饱和模型。点击激活因子与协变量和模型项。 因子与协变量栏：列出源因素，显示固定因素(F)和协变量(C)，R表示随机因素指定模型。 模型列表：放入自定义模型各因素的构成，模型的选择取决于数据的性质。 构建项：由下拉菜单可以进行选择。 交互效应：SPSS默认选项，建立所有被选变量最高水平的交互效应。 主效应：建立每个被选变量的主效应。 所有二阶交互作用：建立被选变量所有可能的两方向交互效应。 所有三阶交互作用：建立被选变量所有可能的三方向交互效应。 所有四阶交互作用：建立被选变量所有可能的四方向交互效应。 所有五阶交互作用：建立被选变量所有可能的五方向交互效应。 平方和选项：由下拉列表可以选择下列任一类平方和。 1.类型Ⅰ：常用于平衡数据方差分析模型，任何一级交互效应之前的主效应，二级交互效应之前的一级交互效应等；多项式回归模型，任何高次项之前的低次项；完全嵌套模型，第二指定效应嵌套