SPSS在单因素方差分.ppt

5.2 SPSS在单因素方差分析中的应用 单因素方差分析也叫一维方差分析，它用来研究一个因素的不同水平是否对观测变量产生了显著影响，即检验由单一因素影响的一个（或几个相互独立的）因变量由因素各水平分组的均值之间的差异是否具有统计意义。 1.使用条件 应用方差分析时，数据应当满足以下几个条件： 在各个水平之下观察对象是独立随机抽样，即独立性； 各个水平的因变量服从正态分布，即正态性； 各个水平下的总体具有相同的方差，即方差齐； 2.基本原理 方差分析认为： SST（总的离差平方和）=SSA（组间离差平方和）+SSE（组内离差平方和） 如果在总的离差平方和中，组间离差平方和所占比例较大，说明观测变量的变动主要是由因素的不同水平引起的，可以主要由因素的变动来解释，系统性差异给观测变量带来了显著影响；反之，如果组间离差平方和所占比例很小，说明观测变量的变动主要由随机变量因素引起的。 SPSS将自动计算检验统计量和相伴概率P值，若P值小于等于显著性水平α，则拒绝原假设，认为因素的不同水平对观测变量产生显著影响；反之，接受零假设，认为因素的不同水平没有对观测变量产生显著影响。 3.多重比较检验问题 多重比较是通过对总体均值之间的配对比较来进一步检验到底哪些均值之间存在差异。 4.各组均值的精细比较 多重比较检验只能分析两两均值之间的差异性，但是有些时候需要比较多个均值之间的差异性。具体操作是将其转化为研究这两组总的均值是否存在显著差异，即与是否有显著差异。这种比较是对各均值的某一线性组合结构进行判断，即上述检验可以等价改写为对进行统计推断。这种事先指定均值的线性组合，再对该线性组合进行检验的分析方法就是各组均值的精细比较。显然，可以根据实际问题，提出若干种检验问题。 5.2.2 单因素方差分析的SPSS操作详解 Step01：打开主操作窗口 选择菜单栏中的【Analyze（分析）】 →【Compare Means(比较均值)】→【One-Way ANOVA(单因素ANOVA)】命令，弹出【One-Way ANOVA(单因素ANOVA)】对话框，这是单因素方差分析的主操作窗口。 Step02：选择因变量 在【One-Way ANOVA(单因素ANOVA)】对话框的候选变量列表框中选择一个或几个变量，将其添加至【Dependent List(因变量列表)】列表框中，选择的变量就是要进行方差分析的观测变量（因变量）。 Step03：选择因素变量 在【One-Way ANOVA(单因素ANOVA)】对话框的候选变量列表框中选择一个变量，将其添加至【Factor(因子)】列表框中，选择的变量就是要进行方差分析的因素变量。 Step04：均值精细比较 单击【Contrasts】按钮，弹出如右图所示的【Contrasts(对比)】对话框。 Step05：均值多重比较 单击【Post Hoc】按钮，弹出如下图所示的【Post Hoc Multiple Comparisons(两两比较)】对话框，该对话框用于设置均值的多重比较检验。 （1）方差齐性（Equal Variances Assumed）时，有如下方法供选择。 LSD（Least-significant difference）：最小显著差数法，用t检验完成各组均值间的配对比较。 Bonferroni（LSDMOD）：用t检验完成各组间均值的配对比较，但通过设置每个检验的误差率来控制整个误差率。 Sidak：计算t统计量进行多重配对比较。可以调整显著性水平，比Bofferroni方法的界限要小。 Scheffe：用F分布对所有可能的组合进行同时进入的配对比较。此法可用于检查组均值的所有线性组合，但不是公正的配对比较。 R-E-G-W F：基于F检验的Ryan-Einot-Gabriel-Welsch多重比较检验。 R-E-G-W Q：基于Student Range分布的Ryan-Einot-Gabriel-Welsch range test多重配对比较。 S-N-K：用Student Range分布进行所有各组均值间的配对比较。 Tukey：用Student-Range统计量进行所有组间均值的配对比较，用所有配对比较误差率作为实验误差率。 Tukeys-b： 用stndent Range分布进行组间均值的配对比较，其精确值为前两种检验相应值的平均值。 Duncan：指定一系列的Range值，逐步进行计算比较得出结论。 Hochberg‘s GT2：用正态最大系数进行多重比较。 Gabriel：用正态标准系数进行配对比较，在单元数较大时，这种方法较自由。 Waller-Dunca：用t统计量进行多重比较检验，使用贝叶斯逼近的多重比较检