第六章 方差分析.docxVIP

第六章方差分析 第一节 Simple Factorial 过程 6.1.1主要功能 6.1.2实例操作 第二节 General Factorial 过程 6.2.1主要功能 6.2.2实例操作 第三节Multivarite过程 6.3.1主要功能 6.3.2实例操作 方差分析是R.A.Fister发明的，用于两个及两个以上样本均数差 别的显著性检验。由于各种因素的影响，研究所得的数据呈现波动状， 造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中 施加的对结果形成影响的可控因素。方差分析的基本思想是：通过分 析研究中不同来源的变异对总变异的贡献大小，从而确定可控因素对 研究结果影响力的大小。 方差分析主要用于：1、均数差别的显著性检验，2、分离各有关 因素并估计其对总变异的作用，3、分析因素间的交互作用，4、方差 齐性检验。 第一节 Simple Factorial 过程 6.1.1主要功能 调用此过程可对资料进行方差分析或协方差分析。在方差分析中 可按用户需要作单因素方差分析（其结果将与第五章第四节相同）或 多因素方差分析（包括医学中常用的配伍组方差分析）；当观察因素 中存在有很难或无法人为控制的因素时，则可对之加以指定以便进行 协方差分析。 返回目录 返回全书目录 6.1.2实例操作 ［例6-1］下表为运动员与大学生的身高（cm）与肺活量（cm3）的 数据，考虑到身高与肺活量有关，而一般运动员的身高高于大学生， 为进一步分析肺活量的差异是否由于体育锻炼所致，试作控制身高变 量的协方差分析。 运动员 大学生 身高 肺活量 身高 肺活量 184.9 4300 168.7 3450 167.9 3850 170.8 4100 171.0 4100 165.0 3800 171.0 4300 169.7 3300  188.0 4800 171.5 3450 179.0 4000 166.5 3250 177.0 5400 165.0 3600 179.5 4000 165.0 3200 187.0 4800 173.0 3950 187.0 4800 169.0 4000 169.0 4500 173.8 4150 188.0 4780 174.0 3450 176.7 3700 170.5 3250 179.0 5250 176.0 4100 183.0 4250 169.5 3650 180.5 4800 176.3 3950 179.0 5000 163.0 3500 178.0 3700 172.5 3900 164.0 3600 177.0 3450 174.0 4050 173.0 3850 6.1.2.1数据准备 激活数据管理窗口，定义变量名：组变量为gro叩（运动员=1，大 学生=2）,身高为x,肺活量为y,按顺序输入相应数值，建立数据库， 结果见图6.1。 6.1.2.2统计分析 激活 Statistics 菜单选 ANOVA Models 中的 Simple Factorial...项， 弹出Simple Factorial ANOVA对话框(图6.2)。在变量列表中选变量 y，点击 钮使之进入Dependent框；选分组变量group，点击 钮 使之进入Factor(s)框中，并点击Define Range...钮在弹出的Simple Factorial ANOVA:Define Range框中确定分组变量group的起止值 (1,2)；选协变量x，点击 钮使之进入Covariate(s)框中。 图6.2协方差分析对话框 点击 Options...框，弹出 Simple Factorial ANOVA:Options 对话框。 系统在协方差分析的方法（Method）上有三种选项： 1、 Unique：同时评价所有的效应； 2、 Hierarchical：除主效应外，逐一评价各因素的效应； 3、 Experimental:评价因素干预之前的主效应。 本例选Unique方法，之后点击Continue钮返回Simple Factorial ANOVA对话框，再点击OK钮即可。 6.1.2.3结果解释 在结果输出窗口中可见如下统计数据： 先输出肺活量总均数和两组的肺活量均数，总均数为4033.25,运 用员组均数为4399.00，大学生组为3667.50。 接着协方差分析表明，混杂因素X （身高）两组间是有差异的 （F=10.679, P=0.002），控制其影响后，两组间肺活量的差别依然存 在(F=9.220, P=0.004),故可以认为两组间肺活量的均数在消除了 身高因素的影响之后仍有差别，运动员的肺活量大于大学生，即体育 锻炼会提高肺活量。 最后系统输出公共回归系数，=36.002,该值