多元方差分析-SPSS10.docxVIP

多元方差分析SPSS10.0 高级教程十：征服一般线性模型（2） 多元方差分析 2004-7-12 22:06:00 信息来源： 医学统计之星 SPSS 10.0 高级教程十：征服一般线性模型（2） 生 物 谷 网 站 §8.4 多元方差分析 所谓的多元方差分析，就是说存在着不止一个应变量，而是两个以上的应变量共同反映了自变量的影响程度。比如要研究某些因素对儿童生长的影响程度，则身高、体重等都可以作为生长程度的测量因子，即都应作为应变量。 分析步骤 为了方便起见，我们这里直接利用SPSS 自带的数据集 plastic.sav，假设 tear_res、gloss 和 o pacity 都使反应橡胶质量的指标（不要笑，是假设），现在要研究extrusn 和 additive 对橡胶的质量影响如何，则应采用多元方差分析。 选择 Analyze==General Linear Model==Multivariate，则弹出 Multivariate 对话框，请注意，除了没有random effect 外，它的所有元素都是和univariate 对话框相同的，里面的内容也相同，因此我们这里就不再重复了。 按照我们的分析要求，对话框操作步骤如下： 1.Analyze==General Lineal model==Multivariate 1. Analyze==General Lineal model==Multivariate 2. 3. Dependent Variable 框：选入 tear_res、gloss 和 opacity Fixed Factors 框：选入 extrusn 和 additive 4. 单击 OK 此处两个自变量均是二分类变量，故无需选择两两比较方法。 结果解释 按上面的选择，分析结果如下： General Linear Model 这是引入模型的自变量的取值情况列表。 上表是针对模型中的自变量间及其交互作用所做的检验，采用的是四种多元检验方法。一般他们的结果都是相同的，如果不同，一般以Hotellings Trace 方法的结果为准。可见在所用的模型中，extrusn 和 additive 对结果变量是有统计学意义的，但交互作用无统计学意义。 上表实际上是四个一元方差分析表的合并，即分别考虑四个应变量时的方差分析结果。上面的多元方差分析已经得知两自变量对应变量有影响，从现在的分析表就可以更清楚的知道是对哪些自变量影响较大。对照可知，extrusn 和 additive 对 tear resistance 和 gloss 都有较大影响，而他们的交互作用对 gloss 有影响，他们（及交互作用）对 Opacity 都没有影响。 §8.5 重复测量的方差分析 重复测量的方差分析指的是一个应变量被重复测量好几次，从而同一个个体的几次观察 结果间存在相关，这样就不满足普通分析的要求，需要用重复测量的方差分析模型来解决。 8.5.1 Repeated measures 对话框界面说明 实际上，如果对普通方差分析模型作出正确的设置，两者的分析结果是完全相同的，即都正确，那么，重复测量的方差分析过程有何优势呢？我们通过下面的例子来看看： 例 8.3 在数据集 anxity2.sav 中判断：anxiety 和 tension 对实验结果（即 trial1~trial4）有无影响；四次试验间有无差异；试验次数和两个变量有无交互作用。 anxity2.sav 和 anxity.sav 实际上是同一个数据，但根据不同的分析目的采用了不同的数据排列方式。如果采用 anxity.sav 进行分析，我们可以分析四次试验间有无差异的问题，但对另两个问题就无能为力了，因为用普通的方差分析模型，anxity 和 tension 的影响被合并到了 s ubject 中，根本就无法分解出来进行分析，这时，我们就只能求助于重复测量的方差分析模型。 在菜单中选择 Analyze==General Lineal model==Repeated measures，系统首先会弹出一个重复测量因子定义对话框如下： 因为是重复测量的模型，应变量被重复测量了几次，分别存放在几个变量中，所以我们这里要自行定义应变量。默认的名称为 factor1，我们将其改为 trail，下面的因素等级数填入 4(因 一共测量了四次)。单击 Add 钮，则该变量被加入，我们就完成了模型设置的第一步：应变量名称和测量次数定义。单击define，我们开始进行下一个步骤：具体重复测量变量定义及模型设置，对话框如下： 这个对话框和我们以前看到的方差分析对话框不太一样：它没有应变量框，而是改为了组内 效应框，实际上是一回事，上面我们定义了trial 有四次测量，此处就给出了四个空