SPSS统计检验模块与方差分析spss操作.ppt

四种饲料的箱图 四种饲料的均值图（轮廓图） 公式:总平方和 = 组间平方和 + 组内平方和 其中, SST 有自由度 n-1, SSB有自由度 p-1, SSE 有自由度 n-p,在正态分布的假设下, 如果各组增重均值相等(零假设), 则 有自由度为 p-1 和n-p 的F 分布. ANOVA WEIGHT 由SPSS可以得到方差分析表: ? Sum of Squares Df Mean Square F Sig. Between Groups 20538.698 3 6846.233 157.467 .000 Within Groups 652.159 15 43.477 ? ? Total 21190.858 18 ? ? ? 该表说明各饲料之间有显著不同. (比较一元总体的) ANOVA WEIGHT(重量) 方差分析表的说明: ? Sum of Squares(平方和) Df 自由度 Mean Square(均方) F Sig. Between Groups(处理) SSB P-1 MSB=SSB/(p-1) F= MSB/MSE P(F>Fa) Within Groups (误差) SSE n-p MSE=SSE/(n-p) ? ? Total(总和) SST n-1 ? ? ? 这里n 为观测值数目p 为水平数,Fa满足 P(F>Fa)=a.这是自由度为 p-1和n-p 的 F-分布的概率 Test of Homogeneity of Variances (A robust test) 这是SPSS输出之一,明白即可,不用记住 Levene Statistic df1 df2 Sig. .024 3 15 .995 F0.05(3,15) 面积=0.05 F (3,15)分布密度图 SPSS操作Compare Means→One Way ANOVA:fodder(饲料) → FactorWeight(重量) → Dependent ListOptions:  Descriptive  Homogeneity of Variance Mean Plot 销售数据(sale.sav) 研究这个数目的主要目的是看销售额（因变量）是否受到促销方式、售后服务和奖金这三个自变量的影响（头两个是定性变量，亦称为因子，分别有3个和2个水平；而定量变量奖金是协变量）以及怎样的影响。 二、两因子方差分析 (只考虑主效应,不考虑交互效应及协变量) 首先假定因变量受到的仅有主效应（main effect）而没有交互效应（interaction）和协变量的影响。 主效应就是每个自变量对因变量的单独影响，而交互效应是当两个或更多的自变量的某些水平同时出现时除了主效应之外的附加影响。 对销售例子来说， 当单独考虑时，假定主动促销比被动促销可以多产生8万元效益，而有售后服务比没有售后服务多产生9万元效益。那么在没有交互作用时，同时采取主动促销和售后服务会产生8＋9＝17万元的效益（称为可加的）。 但如果存在交互效应，那么同时采取主动促销和售后服务会产生一个附加的效应即交互效应（可能是正面的，也可能是负面的），这时的总效应就不是17万元了。 如只考虑主效应。用y表示销售额，ai表示促销（下标表示不同水平），bj表示售后服务；则相应的只有主效应的线性模型为： 这里的下标i代表促销的水平，下标j代表是否有售后服务，下标k代表每种ij组合中的第k个观测；最后一项eijk为随机误差。 公式:总离差平方和 = 组间平方和 + 组内平方和 其中, SSA 有自由度 p-1, SSB有自由度 q-1, SSE 有自由度 (p-1)(q-1),在正态分布的假设下, 如果各组增重均值相等(零假设), 则 分别有自由度为 p-1 和(p-1)(q-1) 及自由度为q-1 和(p-1)(q-1)的F 分布. 调用此过程可完成多因素方差分析。操作过程中涉及广义线性模型的内容，故在此从略。 多因素方差分析 用我们数据拟合这个模型，SPSS输出为 促销(promot)的F检验统计量(其自由度来自promot和Error的自由度:2,20)取值为13.880,sig(p)值为0.000(更精确些是0.0001658).而售后服务的F检验统计量为25.497，sig(p)值为0.000(更精确些是0. R2为0.981. 备注:Model=Total-Error 这里的估计只有相对意义。一定要放在模型中，或者考虑同一因子水平之间的差，比如a1-a3、a2-a3