Spss实用统计分析报告.pptVIP

5.4 配对样本的T检验 执行Analyze Compare Means Paired Sample T Test命令，打开如下对话框： 从源变量清单中选择一对或几对成对数值变量，移入Paired Variables（配对变量）栏，栏内显示出“甲变量－乙变量”，表示这一对变量将作为比较的变量。 例如注射疫苗，在注射前进行一次抽样，在注射后再进行一次抽样，检验二者是否有显著差异． 第六章 方差分析过程 方差分析过程包括： 1.单因素方差分析过程 2.单变量多因素方差分析过程 6.1 单因素方差分析 1.建立适合于单因素方差分析的数据文件， 2. 执行Analyze Compare Means One-Way ANOVA，打 开如下对话框： 从源变量清单中选择变量移入Dependent List（因变量列表）栏；选择因素变量移入Factor（因素）栏。 单击Contrasts（比较或对照）按钮，打开Contrasts对话框： 选择Polynomial（多项式），在Degree(次数或阶数)框中，展开下拉式列表选择需要的次数。可供选择的多项式有Linear（线性）、Quadratic（二次）、Cubic（三次）、4nd（四次）、5nd（五次）。 2. 在Coefficients（系数）框里输入比较多项式的系数 在主对话框里单击Post Hoc按钮，打开Post Hoc multiple comparisons （ Post Hoc 多项式比较）对话框： 1. Equal Variances Assured栏，提供等方差假设下多重比较检验法。 2. Equal Variances Not Assured栏，提供方差不等的假设下的多重比较检验法。 3. Significance level栏，确定多重比较检验的显著性水平，系统默认值a＝0.05。 在主对话框中单击Options按钮，打开Options对话框： 均值图 缺省值 统计特征 Descriptive:输出每一个分组中因变量的有关描述统计量值 Fixed and random effects:不变效应和随机效应模型的标准差、标准误与95％置信区间 Homogeneity of variance test：计算Levene统计量值检验各组的方差齐性 Brown-Forsythe:计算检验组均值相等的Brown-Forsythe统计量 Welch:计算检验组均值相等假设的Welch统计量 6.2 单变量多因素方差分析过程 线性模型（Linear Model）是研究一个因变量与一个或多个独立自变量或因素之间的关系，而且他们之间的关系通过线性形式的数学结构表现出来。线性模型的理论包括回归分析和方差分析等。 Univariate（单变量多因素方差分析过程）：用于进行一个因变量受一个或多个自变量影响的多元方差分析，可以检验有关一个因变量的各种分组下受其他变量影响的零假设，研究因素之间的交互作用，协变量的影响以及协变量和因素之间的交互作用等。 Univariate过程要求因变量和协变量必须是数值性变量，因素变量可以是数值型或者字符型的类型变量。 执行Analyze General Linear Model Univariate命令，打开如下对话框： 在主对话框中单击Model按钮，打开Model对话框： 确定模型 Build Term(s)栏的下拉式菜单中列置了交互效应类型选择项： Interaction：交互效应，分析变量主效应、变量之间的交互效应。 Main effect：主效应，进行各变量的主效应分析。 All2~All5-way：进行所有变量的所有2维～5维交互效应分析。 在主对话框中单击Contrasts按钮，打开Contrasts（对照）对话框： 比较对照对话框选项用于对因素变量水平之间差异进行比较，输出结果包括对每一个比较对的F统计量值和t分布得出的比较差异的置信区间。 Factors框列出主对话框里指定的因素变量，变量名之后括号里指示当前的打开方式。在下面的下拉式菜单中选择打开方式。 在主对话框中单击Plots按钮，打开Profile Plots（轮廓图）对话框： 一个因素变量的轮廓图可以直观的显示因变量在因素变量各水平估计边际均值增减交叉变动的情况，对有两因素或多因素的情况，如果轮廓图中的线平行，则说明各因素之间没有交互效应；反之，轮廓图中的线不平行，则说明各因素之间存在