高级统计方差分析介绍详解演示文稿.pptVIP

第一页，共25页。优选高级统计方差分析介绍第二页，共25页。计划比较

PlannedComparisons适用条件：预先有特定的假设设定contrast的规则为某一因素设定计划比较时，必须为这一因素的所有水平设定系数至少两个系数不能是0所有系数的代数和必须为0。所有系数可同时乘以一个常数，所得contrast是同样的第三页，共25页。事后检验

PostHocTestsEqualVariancesAssumed敏感：HSD保守：ScheffeEqualVariancesNotAssumedDunnett’sT3第四页，共25页。选择适宜的事后检验成对比较(pairwise)：所有可能的两两组合全距检验(rangetests)：将所有组分成若干个subsets；subsets间的均值有显著差异，subsets内的均值无显著差异。均值图（meanplot）第五页，共25页。HSDpairwisetest第六页，共25页。HSDrangetest第七页，共25页。Oneway不能提供的信息Oneway不能用于处理重复指标的设计（repeatedmeasuresdesigns）.Oneway不包含每个单元格是否符合正态前提的检验因此必须用explore来验证正态前提.如果不符合正态前提，Oneway不能提供其他的解决方法处理数据第八页，共25页。方差分析（2）

GeneralLinearModel(GLM):多元（N-way）:有两个或以上自变量，也叫因素设计组间设计(between-subjectsdesigns)组内设计（within-subjectsdesigns)混合设计（mixeddesigns)第九页，共25页。GLM的优势简单因素方差分析的局限不能有效地处理非均衡样本不能处理重复测量设计(repeatedmeasuredesign)一般线性模型(GLM)的优势可处理单变量和多变量设计ANOVA:一个因变量MANOVA:多个因变量有效地处理非均衡样本和空单位格第十页，共25页。最基本的GLM结果输出表1：组间变量及其各水平表列表2：方差分析表sumsofsquares（和方）Fvalues（F值）significancelevels（显著性水平）Effectsizeobservedpower（实际效力）Intercept（截距）：总均值是否与0有显著差异第十一页，共25页。EffectSize；效应大小partialEtasquared(h2)可归因于某个因素的总方差的部分对于单变量F检验和t检验h2=(ssh)/(ssh+sse)ssh是假设的和方；sse是误差的和方如交互作用的效应：h2=(144.00)/(144.00+330.00)

=144.00/474.00

?????=.30430%的总方差可归结为交互作用的方差第十二页，共25页。功效（ObservedPower）实际功效（ObservedPower）： 是正确否定虚无假设的概率。如：交互作用的power是.630.如何增加功效？增加样本量减少研究中的误差来源在例中可增加奖赏葡萄的最多数目第十三页，共25页。解释显著的效应解释顺序：先交互作用，后主效应解释交互作用的方法简单主效应交互作用剖面图第十四页，共25页。交互作用表和图/PLOT=PROFILE(reward*drive)/EMMEANS=TABLES(reward*drive)第十五页，共25页。交互作用剖面图比较哪个变量当作横轴能更好地解释结果“对交互作用剖面图的考察表明：对于高驱力水平的动物，奖赏的数目对操作水平没有影响。而对于低驱力水平的动物，奖赏的数目越多，动物操作水平越高。”第十六页，共25页。交互作用的解释：简单主效应显著交互作用的存在说明一个因素（A）的效应取决与另一个因素（B）的水平即另一个因素（B）诸水平中自变量与因变量变化的模式不同将二因素实验拆分成一系列单因素实验来检验，称为简单主效应N个简单主效应的总和方应当等于该因素（A）的和方加上交互作用的和方第十七页，共25页。处理不平衡设计的原则GLM提供最有效处理不平衡设计的方法采用TypeIII类型sumsofsquares（默认类型）报告未加权的边缘均值.EstimatedM