单因素和协方差分析和spss演示.ppt

资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 协方差分析均值图 单因素方差分析均值图： 通过此图比较可得出图示法四的阅读效果较好。 4.单因素方差分析与协方差分析比较 （表1） （表2） ANOVA 阅读成绩 Sum of Squares df Mean Square F Sig. Between Groups 1514.025 3 504.675 24.733 .000 Within Groups 2366.967 116 20.405 Total 3880.992 119 Tests of Between-Subjects Effects Dependent Variable: 阅读成绩 Source Type III Sum of Squares df Mean Square F Sig. Corrected Model 1561.817a 4 390.454 19.361 .000 3510.288 1 3510.288 174.063 .000 智商 47.792 1 47.792 2.370 .126 图示 1559.221 3 519.740 25.772 .000 Error 2319.174 115 20.167 Total 845401.000 120 Corrected Total 3880.992 119 a. R Squared = .402 (Adjusted R Squared = .382) 1）表1中，“图示法”的概率值为0.000，小于0.05的显著性水平，该方差分析结果表明，“图示法”对“阅读成绩”产生了显著性影响；表2中的协方差分析结果表明，“图示法”也达到了显著性水平（0.000），即也对“阅读成绩”产生了显著影响。 2）表1中由组间差异解释的方差是1514.025；表2中而考虑了协方变量之后，模型解释的方差却增加到了1561.817。 3）表1表明，需要解释的总方差为3880.992，而“图示法”只解释了1514.025个单位，还有2366.967个单位的方差未得到解释；表2表明，需要解释的总方差仍然是3880.992，但“图示法”解释的方差却增加到了1559.221，除掉协变量解释的方差（47.792），未解释的方差有2319.174。 由上述3个方面可以看出，进行协方差分析能更准确地检验固定因子对因变量的作用。 第四节 练习数据 练习1： 现在想研究3组同学（分别接受了3种不同的教学方法）在数学成绩上是否有显著差异。已知这些同学的数学入学成绩，数据如下表所示。表中共有四列数据，其中学生的数学成绩也会受到入学成绩的影响，而入学成绩是连续数值型，我们一般假定入学成绩与教学法（这里体现为组别，是控制变量）不存在交互影响，则我们认为在这个问题中，应该数学成绩作为观察变量；组别作为控制变量；将入学成绩作为协变量进行处理较为合适。 姓名 数学成绩 入学成绩 组别 刘静 99 98 1 杨洋 88 89 1 何莉 99 80 1 陈华清 89 78 1 贾月月 94