spss方差分析

1、一、單因素方差分析1.正態(tài)性檢驗(yàn)采用單樣本K-S檢驗(yàn)（1）【Analyze】-【Nonparametric Tests】-【1-Sample K-S】出現(xiàn)如圖1所示窗口。選擇將待檢驗(yàn)的變量到【Test Variable List】框，選擇正態(tài)分布【Normal】,點(diǎn)擊OK圖一 數(shù)據(jù)總體的單樣本K-S檢驗(yàn)（2）輸出檢驗(yàn)結(jié)果上表表明，數(shù)據(jù)的均值為929.8889，標(biāo)準(zhǔn)差為44.80794，概率P值為0.799。如果顯著性水平為0.05，P值大于顯著性水平，因此不能拒絕原假設(shè)，則認(rèn)為該組數(shù)據(jù)服從正態(tài)分布。2、方差分析過程（1）【Analyze】-【Compare Means】-【One-Way AN

2、OVA】,出現(xiàn)如下圖所示窗口（2）將觀測變量“畝產(chǎn)量”選到Dependent List框中（3）選擇控制變量“施肥量”到Factor中。（4）方差齊次性檢驗(yàn)。點(diǎn)擊Options,出現(xiàn)如下窗口，選擇Homogeneity of variance test。（5）多重比較檢驗(yàn)。點(diǎn)擊Post Hoc，出現(xiàn)如下圖所示窗口（6）點(diǎn)擊ok，輸出檢驗(yàn)結(jié)果表一 數(shù)據(jù)總體的方差齊次性檢驗(yàn)表一表明，不同施肥量情況下的畝產(chǎn)量的方差齊次性檢驗(yàn)值為0.765，概率P值為0.515，取顯著性水平=0.05，P值大于，應(yīng)接受原假設(shè)，即認(rèn)為不同施肥量情況下的總體方差無顯著差異。表二 不同施肥量對畝產(chǎn)量的單因素方差分析結(jié)果表二

3、表明，觀測變量畝產(chǎn)量的總的離差平方和為34131.778，不同施肥量可解釋的變差為28254.778，抽樣誤差引起的變差為5877.000，它們的方差分別為14127.389和391.800，兩者除所得F統(tǒng)計(jì)量的觀測值為36.058，對應(yīng)的概率P值為0，如果顯著性水平為0.05，P值小于顯著性水平，應(yīng)該拒絕原假設(shè)，認(rèn)為不同的施肥量對畝產(chǎn)量產(chǎn)生了顯著性影響。表三 不同施肥量的多重比較檢驗(yàn)表四 不同畝產(chǎn)量多重比較檢驗(yàn)的相似性子集表三和表四表明如果從獲得畝產(chǎn)量高的角度選擇施肥量，不應(yīng)采用第一種施肥量形式。二、多因素方差分析（以兩因素為例）1正態(tài)性檢驗(yàn)（1）【Analyze】-【Descriptive

4、 Statistics】-【Explore】，出現(xiàn)如下窗口 （）（2）點(diǎn)擊plot，選中nomality plots with test，點(diǎn)擊continue(3)點(diǎn)擊paste,在bzfs和gtzl之間添加by，點(diǎn)擊run-all，即出來結(jié)果（4）檢驗(yàn)結(jié)果表五 兩因素的正態(tài)性檢驗(yàn)從上表可知，不同包裝方式和柜臺種類的檢驗(yàn)P值分別為0.510，0.878,0.463，如果取顯著性水平為0.05，p值大于顯著性水平，應(yīng)該接受原假設(shè)，即認(rèn)為兩因素均服從正態(tài)分布。2.等方差檢驗(yàn)（1）【Analyze】-【General liner model】-【Univarite】,出現(xiàn)如圖所示窗口（2）指定觀測變

5、量“銷售額”到Dependent variable框中（3）選擇控制變量“包裝方式和柜臺種類”到Fixed factors中，（4）點(diǎn)擊ok,輸出結(jié)果表六 銷售額多因素方差分析結(jié)果由表六可知，觀測變量的總變差為8.680，由包裝方式引起的變差為3.607，由柜臺種類引起的變差為0.042，由這兩者引起的變差為0.631，由隨機(jī)因素引起的變差為4.4。這些變差除以各自的自由度得到方差，各F檢驗(yàn)統(tǒng)計(jì)量的觀測值在一定自由度下的概率P值。F1，F(xiàn)2，F(xiàn)1·2的概率P值分別為0.005，0.918,0.613.如果顯著性水平為0.05，F(xiàn)1小于顯著性水平，則可認(rèn)為不同包裝方式下對銷售額總體均值存