均值分析和方差分析.pptVIP

均值分析与方差分析 电子工业出版社 提 纲 1.均值分析 2.方差分析概述 3.单因素方差分析 4.多因素方差分析 5.重复度量 提 纲 6.协方差分析 7. 本章小结 均值分析 均值分析过程的优势在于所有的描述性统计量均按因变量的取值分组计算，无需像其他程序那样必须先运行文件拆分过程。在输出结果中各组的描述指针被放在一起，也便于相互比较。如果需要，均值分析过程还可以直接输出方差分析结果，并计算相应的相关性指针而无需再次运行其他过程，显然要比先描述再比较要方便得多。 均值分析 SPSS的“均值比较”模块提供了均值分析的过程，下面介绍基本操作和各个对话框的功能。 均值分析 均值：选项 方差分析概述 方差分析是20世纪20年代发展起来的一种统计方法，被广泛应用于分析心理学、生物学、工程和医药的试验数据等领域。在形式上方差分析是比较多个总体的均值是否相等，本质上它是研究变量之间的关系，这与回归分析方法有许多相同之处，但又有本质区别。在研究一个（或多个）分类性自变量与一个数值型因变量之间的关系时，方差分析是主要方法之一。 方差分析概述 方差分析是研究分类性自变量对数值型因变量的影响，例如它们之间有无关系、关系强度如何等，方差分析方法首先检验总体的均值是否相等，进而判断分类型自变量对数值型因变量的显著性影响。 单因素方差分析 SPSS的“均值比较”模块提供了单因素方差分析的过程，下面介绍其基本操作和各个对话框的功能。 单因素方差分析 单因素ANOVA：对比 单因素方差分析 单因素ANOVA：两两比较 单因素方差分析 单因素ANOVA：选项 多因素方差分析 多因素方差分析用来研究两个及两个以上的控制变量是否对观察变量产生显著影响。由于讨论多个因素对个案的影响，因此这种方差分析过程被称为多因素方差分析。多因素方差分析不仅能够分析多个因素对观测变量的影响，而且能够分析多个控制因素的交互作用能否对观测变量的分布产生影响，进而最终找到利于观测变量的最优组合。 多因素方差分析 SPSS利用“一般线性模型”模块的“单变量”过程来完成多因素方差分析。“单变量”过程可以处理各种不同设计，如完全随机区组设计、析因设计、拉丁方设计、裂区试验设计、交叉设计和协方差分析。 多因素方差分析 单变量：模型 多因素方差分析 单变量：对比 多因素方差分析 单变量：轮廓图 多因素方差分析 单变量：保存 多因素方差分析 单变量：选项 重复度量 重复测量资料是指对同一受试对象的某项观测指标进行多次测量所得到的数据。如对病人治疗（后手术）后一天、三天、一周、两周等多个时间点进行连续观测；教育研究中观察不同学期学生的成绩变化情况；心理研究中观察不同时间段个体的心理调适能力；经济领域中研究市场的动态等。重复测量设计的数据分析若采用前述的普通方差分析方法，同样需要满足独立、正态、等方差的前提假设。可实际情况是：重复测量观测值来自同一受试对象的不同时间点，不能完全满足以上各项前提假设条件。 协方差分析 协方差分析是利用线性回归的方法消除混杂因素的影响后进行的方差分析，这是实际工作中经常要考虑的问题。 非饱和模型的SPSS操作 饱和模型的SPSS操作 本章小结 本章介绍了均值分析、方差分析的方法，其中方差分析由包括单因素方差分析、多因素方差分析、重复度量和协方差分析。均值分析和方差分析是专业统计分析中最重要的，同时也是最基础的统计分析方法，在多元统计中已经得到了广泛的应用，希望读者能认真学习和掌握。