SPSS统计分析差异分析.ppt

方差分析的目的主要有以下： 1、通过数据分析找出对该事物有显著影响的因素； 2、研究各因素之间的交互作用是否对该事物造成影响。　 ◆注意：方差分析的适用条件 1、样本来自的总体服从正态分布。 2、样本方差必须是齐次的。 3、各样本之间相互独立。 方差分析的类型 单因素方差分析 单因素方差分析是指只单独考虑一个因素A对指标X的影响。此时其他因素都不变或者控制在一定的范围之内。考虑因素A有k个水平，在每次水平下做ni次试验。 在方差分析中，代表变异大小，并用来进行变异分解的指标是离均差平方和。总的变异平方和记为SST，被分解为两项：第一项是各组的离均差平方和之和，代表组内变异（即随机变量引起的变异），称为组内平方和SSW（Within Groups）；第二项是按样本含量大小加权的各组均数与总均数的差值平方之和，代表组间变异（由控制变量引起的变异），称为组间平方和或者处理平方和SSB（Between Groups）。 总变异 = 组内变异 + 组间变异 总变异 = 随机变异 + 处理因素导致的变异 这样，我们可采用一定的方法来比较组内变异和组间变异的大小，如果后者远远大于前者，则说明处理因素的影响确实存在，如果两者相差无几，则说明影响不存在，这就是方差分析的基本思想。 其中，k为水平数；ni为第i个水平下的样本容量。可见，组间样本离差平方和是各水平组均值和总体均值离差的平方和，反映了控制变量的影响。 组内离差平方和是每个数据与本水平组平均值离差的平方和，反映了数据抽样误差的大小程度。 SST=SSW+SSB 计算公式 F统计量是平均组间平方和与平均组内平方和的比（组间变异与误差变异的比值）。 从F值计算公式可以看出，如果控制变量的不同水平对观察变量有显著影响，那么观察变量的组间离差平方和必然大，F值也就比较大；相反，如果控制变量的不同水平没有对观察变量造成显著影响，那么，组内离差平方和影响就会比较大，F值就比较小。 SPSS中实现过程 分析——比较均值——单因素ANOVA SPSS中实现过程 ? 研究问题 三组学生的数学成绩 人 名 数 学 组 别 hxh 99.00 0 yaju 88.00 0 yu 99.00 0 shizg 89.00 0 hah 94.00 0 s 90.00 0 watet 79.00 2 jess 56.00 2 wish 89.00 2 2_new1 99.00 2 2_new2 70.00 2 2_new3 89.00 2 2_new4 55.00 1 2_new5 50.00 1 2_new6 67.00 1 2_new7 67.00 1 2_new8 56.00 1 2_new9 56.00 1 ? 实现步骤 在菜单中选择“One-Way ANOVA”命令 “One-Way ANOVA”对话框 “One-Way ANOVA：Options”对话框 “One-Way ANOVA：Contrasts”对话框 “One-Way ANOVA：Post Hoc Multiple Comparisons”对话框 结果和讨论 （1）首先是单因素方差分析的前提检验结果，也就是Homogeneity of variance test——方差齐次性检验 （2）输出的结果文件中第2个表格如下所示。 （3）输出的结果文件中第3个表格如下所示。 （4）输出的结果文件中第4个表格如下所示。 （5）输出结果的最后部分是各组观察变量均值的折线图，如图5-6所示。 事后比较方法的选择 LSD法实际上是t检验的变形，只是在变异和自由度的计算上利用了整个样本信息，而不仅仅是所比较两组的信息。因此它敏感度是最高，在比较时仍然存在放大α水准（一类错误）问题，但换言之就是总的二类错误非常的小，要是LSD都没有检验出差别，那恐怕真的没有差别。 SNK法运用的最广泛的，它采用Student Range分布进行所有各组均值间的配对比较。该方法保证在H0真正成立时总的α水准等于实际设定值，即控制了一类错误。 张文彤 P268 多因素方差分析 统计学上的定义和计算公式 多因素方差分析用来研究两个或两个以上控制变量是否对观测变量产生显著影响。 多因素方差分析不仅能够分析多个因素对观测变量的独立影响，更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显著影响，进而最终找到利于观测变量的最优组合。 多因素方差分析不仅需要分析多个控制变量独立作用对观察变量的影响，还要分析多个控制变量交互作用对观察变量的影响，及其他随机变量对结果的影响。因此，它需要将观察变量总的离差平方和分解为3个部分： ? 多个控制变