SPSS高级第部分PPT课件.pptVIP

********-*k**-*k******可重复双因素分析

(平方和的计算)总平方和：行变量平方和：列变量平方和：交互作用平方和：误差项平方和：SST=SSR+SSC+SSRC+SSE可重复双因素方差分析表

(基本结构)误差来源平方和(SS)自由度(df)均方(MS)F值P值F临界值行因素SSRk-1MSRFR列因素SSCr-1MSCFC交互作用SSRC(k-1)(r-1)MSRCFRC误差SSEKr(m-1)MSE总和SSTn-1m为样本的行数假设检验是基于变异分解的原理进行的，都是F检验。根据变异分解式，可以将总的样本离均差平方和分解成各个部分，随后各个离均差平方和除以自由度可得到均方，进而将各效应的均方和误差均方相比较，就得到了F统计量*模型表达式如果只研究职业的影响如果只研究性别的影响同时考虑职业和性别对收入的影响*方差分析模型的检验层次对总模型进行检验对模型中各交互效应、主效应进行检验交互项有统计学意义：分解为各种水平的组合情况进行检验交互项无统计学意义：进行主效应各水平的两两比较*方差分析模型的适用条件从模型表达式出发得到的提示各样本的独立性：只有各样本为相互独立的随机样本，才能保证变异的可加性（可分解性）正态性：即个单元格内的所有观察值系从正态总体中抽样得出方差齐：各个单元格中的数据离散程度均相同，即各单元格方差齐*方差分析模型的适用条件实际运用在多因素方差分析中，由于个因素水平组合下来每个单元格内的样本量可能非常少，这样直接进行正态性、方差齐检验的话检验效能很低，实际上没什么用因此真正常见的做法是进行建模后的残差分析*案例：超市规模、货架位置与销量的关系现希望现希望考察对超市中销售的某种商品而言，是否其销售额会受到货架上摆放位置的影响，除此以外，超市的规模是否也会有所作用？甚或两者间还会存在交互作用？Berenson和Levine（1992）着手研究了此问题，他们按照超市的大小（三水平）、摆放位置（四水平）各随机选取了两个点，记录其同一周内该货物的销量。*案例：超市规模、货架位置与销量的关系方差齐性检验问题边际均数和轮廓图残差分布图*边际均值：基于现有模型，当控制其他因素的作用时，根据样本情况计算出的用于比较的各水平的均值估计值。轮廓图：一种特殊的线图，图中每一个点就表示某个因素水平下的边际均值，第二个因素的不同水平用来区分不同的线。案例：广告宣传效果的比较现希望研究四种广告的宣传效果有无差异，具体的广告类型为：店内展示、发放传单、推销员展示、广播广告。在本地区共有几百个销售网点可供选择，出于经费方面的考虑，在其中随机选择了18个网点进入研究，各网点均在规定长度的时间段内使用某种广告宣传方式，并记录该时间段内的具体销售额。为减小误差，每种广告方式在每个网点均重复测量两次。数据见ranavona.sav。*案例：酸奶饮料新产品口味测试研究案例为了争夺奶制品市场，某企业研制了两种新口味的酸奶饮料，希望能够扩大自身的市场份额。为了验证新产品是否比市场上现有产品受消费者欢迎，特委托某市场研究公司在全国范围内选取4个城市，在每个城市采用街坊的方式对消费者进行调查，随机品尝10种样品中的一种，并给出口味的评价（9分制），具体研究概况如下。数据见文件（citybrand.sav）。访谈城市：上海、北京、广州和成都样品品牌：世*、伊*、子*、卡*、三*、中*、海*、香*、试制品1、试制品2。分析目的：在这10种样品中更受消费者欢迎的是哪几种？消费者的口味倾向在这4个城市之间有无差异？********9构造检验的统计量

(计算组内平方和SSE)每个水平或组的各样本数据与其组平均值的离差平方和反映每个样本各观察值的离散状况该平方和反映的是随机误差的大小计算公式为前例的计算结果SSE=2708构造检验的统计量

(三个平方和的关系)?总离差平方和(SST)、误差项离差平方和(SSE)、水平项离差平方和(SSA)之间的关系SST=SSA+SSE前例的计算结果4164.608696=1456.608696+2708构造检验的统计量

(计算均方MS)各误差平方和的大小与观察值的多少有关，为消除观察值多少对误差平方和大小的影响，需要将其平均，这就是均方，也称为方差由误差平方和除以相应的自由度求得三个平方和对应的自由度分别是SST