spss的应的用.pptVIP

SPSS方差分析在林业统计分析中的应用实例 1、单向分组资料的方差分析 单向分组资料的方差分析又称一维方差分析，当试验中只涉及到一个因素时，需要用这种统计分析方法。根据组内观察值个数的不同，可分为组内观测次数相等的方差分析、组内观测次数不相等的方差分析，这里以观测次数相等的试验为例。 例如，有8个毛白杨无性系品种进行田间试验，以鉴定品种间的差异。造林5年后调查树高生长量，每个品种随机抽取4个小区，每小区20株，每小区的平均树高生长量按品系列于表1中。除品种不同外，其它条件均相同，树高的分布近似正态、等方差，试问:不同品种之间的树高生长量是否有显著差异? 数据录入:启动SPSS进入数据编辑器，单击工作表左下方的“变量视图”进入定义变量窗口，可以对变量进行定义。本例命名变量1为“品种”，命名变量2为“生长量”，其中将变量1小数设置为”0”，变量2小数设置为”1 ，其它为默认设置。完成相关设置后，单击窗口左下角“数据视图”，返回数据填充区，在工作表中输入表1中的数据。 分析过程:选择“分析”菜单中“比较均值”项的 “单因素ANOVA. . .”命令，弹出“单因素方差分析”对话框，将品种选入“因变量列表”中，将生长量设定为“因子”;单击“确定”，得到如表2所示的结果。该表显示F = 21. 825 } Sig. = 0，小于显著性水平0. O1，可认为8个品种树高生长量存在极显著差异。 2、两向分组的方差分析 两向分组试验也称双因素交叉分组试验，通过进行方差分析可以一次确定2个因素对试验指标有无显著影响，并能对2个因素的联合影响是否显著作出判断。 例如，在不同的温度与不同的相对湿度下对粘虫卵发育历期进行试验，得表3中的资料。试问:不同的温度、不同的湿度及它们的交互作用对粘虫卵发育是否有显著影响? 数据录入:在定义变量的窗口中命名“温度”、 “湿度”2个变量，小数定义为0，用1,2,3,4代表温度的4个水平，1,2,3代表湿度的3个水平;命名另一变量“发育历期”，小数定义为1;在数据窗口输入表3的实验数据。 分析过程:选择“分析”菜单中“一般线性模型” 的“单变量”选项，弹出“单变量”对话框，将发育历期移入“因变量”框，将温度、湿度依次移入“固定因子”框，单击“确定”，得到如表4所示的结果。 方差分析结果表明，模型、温度和湿度的F检验都是极显著的，说明模型是有意义的，不同温度和不同湿度对粘虫卵发育有极显著影响，但交互作用温度X湿度的F检验不显著，说明温度与湿度的联合对粘虫卵发育没有显著影响。 3、系统分组资料的方差分析 系统分组试验设计是采用一个因素套另一个因素的阶梯设计方案分组，每个因素各水平所对应的另一因素的各水平不相一致。在系统分组的双因素试验设计中，A,B两因素不处于平等地位，有主次之分，在某些情况下因素的位置不能互换。 例如，研究施肥量不同对3种不同马尾松品种(A1,A2,A3)苗高的影响，根据每一品种生物学特性，拟订3种施肥量，组成系统分组试验，试验结果数据如表5，试问:不同品种不同施肥量对苗高的影 响是否显著? 数据录入:首先在定义变量的窗口中命名“品 不扩、‘施肥量”个变量，用1,2,3代表不同的3个品种，1,2,3...9代表施肥量的9个水平;命名另一变量“苗高”，小数均定义为0;再在数据窗口输入表5的实验数据。 分析过程:选择“分析”菜单中“一般线性模型”的“单变量”选项，弹出“单变量”对话框，将苗高移入“因变量”框，将品种、施肥量依次移入“固定因子”框;单击“模型”按钮，弹出“单变量:模型”对话框，选中“设定”，在“构建项”下拉菜单中选中“主效应”，再将品种和施肥量置入“模型”框内，在“平方和”菜单中选中“类型I，单击“继续”返回;单击“确定”，得到如表6所示的结果。 从分析结果来看，品种和施肥量的F值分别为20. 283和22. 875Sig.均小于0. O1，检验结果达极显著程度，这说明不同品种不同施肥量对苗高的影响较大。 4、多元方差分析 多因素方差分析是对一个独立变量是否受一个或多个因素或变量影响而进行的方差分析。它不仅能够分析多个因素对观测变量的独立影响，更能够分析多个因素的交互作用能否对观测变量产生显著影响。 例如:在某项试验中，可能影响试验结果的有3个因素A,B,C，每一处理重复3次试验。A因素有2个水平，B因素有2个水平，C因素有3个水平。试验结果如表7。 数据录入:首先在定义变量的窗口中命名”A”、 “B”、”C”3个变量，分别用1,2代表变量A,B的2个水平，1,2,3代表变量C的3个水平;命名另一变量“试验结果”，小数均定义为0;再在数据窗口输入上表的实验数据。 分析过程:选择“分析”菜