spss-第 5 章 方差分析

1、1、單因素方差分析 1)準(zhǔn)備分析數(shù)據(jù) 2)啟動分析過程 3)設(shè)置分析變量 4)設(shè)置多項(xiàng)式比較 5)多重比較 6)提交執(zhí)行 7)結(jié)果與分析2、多因素方差分析 1)準(zhǔn)備分析數(shù)據(jù) 2)調(diào)用分析過程 3)設(shè)置分析變量 4)選擇分析模型 5)選擇比較方法 6)選擇均值圖 7)選擇多重比較 8)保存運(yùn)算值 9)選擇輸出項(xiàng) 10)提交執(zhí)行 11)結(jié)果分析單因素方差分析單因素方差分析也稱作一維方差分析。它檢驗(yàn)由單一因素影響的一個(gè)(或

2、幾個(gè)相互獨(dú)立的)因變量由因素各水平分組的均值之間的差異是否具有統(tǒng)計(jì)意義。還可以對該因素的若干水平分組中哪一組與其他各組均值間具有顯著性差異進(jìn)行分析，即進(jìn)行均值的多重比較。One-Way ANOVA過程要求因變量屬于正態(tài)分布總體。如果因變量的分布明顯的是非正態(tài)，不能使用該過程，而應(yīng)該使用非參數(shù)分析過程。如果幾個(gè)因變量之間彼此不獨(dú)立，應(yīng)該用Repeated Measure過程。例子調(diào)查不同水稻品種百叢中稻縱卷葉螟幼蟲的數(shù)量，數(shù)據(jù)如表5-1所示。表5-1 不同水稻品種百叢中稻縱卷葉螟幼蟲數(shù)從復(fù)水 稻 品 種12345141333837312393735393434035353834數(shù)據(jù)保存在“DAT

3、A5-1.SAV”文件中，變量格式如圖5-1。圖5-1分析水稻品種對稻縱卷葉螟幼蟲抗蟲性是否存在顯著性差異。 1）準(zhǔn)備分析數(shù)據(jù)在數(shù)據(jù)編輯窗口中輸入數(shù)據(jù)。建立因變量“幼蟲”和因素水平變量“品種”，然后輸入對應(yīng)的數(shù)值，如圖5-1所示。或者打開已存在的數(shù)據(jù)文件“DATA5-1.SAV”。 2）啟動分析過程點(diǎn)擊主菜單“Analyze”項(xiàng)，在下拉菜單中點(diǎn)擊“Compare Means”項(xiàng)，在右拉式菜單中點(diǎn)擊“0ne-Way ANOVA”項(xiàng)，系統(tǒng) 打開單因素方差分析設(shè)置窗口如圖5-2。圖5-2 單因素方差分析窗口 3）設(shè)置分析變量因變量: 選擇一個(gè)或多個(gè)因

4、子變量進(jìn)入“Dependent List”框中。本例選擇“幼蟲”。因素變量: 選擇一個(gè)因素變量進(jìn)入“Factor”框中。本例選擇“品種”。 4）設(shè)置多項(xiàng)式比較單擊“Contrasts”按鈕，將打開如圖5-3所示的對話框。該對話框用于設(shè)置均值的多項(xiàng)式比較。圖5-3 “Contrasts”對話框定義多項(xiàng)式的步驟為：均值的多項(xiàng)式比較是包括兩個(gè)或更多個(gè)均值的比較。例如圖5-3中顯示的是要求計(jì)算“1.1×mean1-1×mean2”的值，檢驗(yàn)的假設(shè)H0：第一組均值的1.1倍與第二組的均值相等。單因素方差分析的“0ne-Way ANOVA”過程允許進(jìn)行高達(dá)5次的均值

5、多項(xiàng)式比較。多項(xiàng)式的系數(shù)需要由讀者自己根據(jù)研究的需要輸入。具體的操作步驟如下： 選中“Polynomial”復(fù)選項(xiàng)，該操作激活其右面的“Degree”參數(shù)框。 單擊Degree參數(shù)框右面的向下箭頭展開階次菜單，可以選擇“Linear”線性、“Quadratic”二次、“Cubic”三次、“4th”四次、“5th”五次多項(xiàng)式。 為多項(xiàng)式指定各組均值的系數(shù)。方法是在“Coefficients”框中輸入一個(gè)系數(shù)，單擊Add按鈕，“Coefficients”框中的系數(shù)進(jìn)入下面的方框中。依次輸入各組均值的系數(shù)，在方形顯示框中形成列數(shù)值。因素變量分為幾組，輸入幾個(gè)系數(shù)，多出的無意義。如果多項(xiàng)式中只包括第一

6、組與第四組的均值的系數(shù)，必須把第二個(gè)、第三個(gè)系數(shù)輸入為0值。如果只包括第一組與第二組的均值，則只需要輸入前兩個(gè)系數(shù)，第三、四個(gè)系數(shù)可以不輸入。    可以同時(shí)建立多個(gè)多項(xiàng)式。一個(gè)多項(xiàng)式的一組系數(shù)輸入結(jié)束，激話“Next”按鈕，單擊該按鈕后“Coefficients”框中清空，準(zhǔn)備接受下一組系數(shù)數(shù)據(jù)。如果認(rèn)為輸入的幾組系數(shù)中有錯(cuò)誤，可以分別單擊“Previous”或“Next”按鈕前后翻找出錯(cuò)的一組數(shù)據(jù)。單擊出錯(cuò)的系數(shù)，該系數(shù)顯示在編輯框中，可以在此進(jìn)行修改，修改后單擊“Change”按鈕在系數(shù)顯示框中出現(xiàn)正確的系數(shù)值。當(dāng)在系數(shù)顯示框中選中一個(gè)系數(shù)時(shí)，同時(shí)激話“Re

7、move”按鈕，單擊該按鈕將選中的系數(shù)清除。單擊“Previous”或“Next”按鈕顯示輸入的各組系數(shù)檢查無誤后，按“Continue”按鈕確認(rèn)輸入的系數(shù)并返回到主對話框。要取消剛剛的輸入，單擊“Cancel”按鈕；需要查看系統(tǒng)的幫助信息，單擊“Help”按鈕。本例子不做多項(xiàng)式比較的選擇,選擇缺省值。 5）設(shè)置多重比較在主對話框里單擊“Post Hoc”按鈕，將打開如圖5-4所示的多重比較對話框。該對話框用于設(shè)置多重比較和配對比較。方差分析一旦確定各組均值間存在差異顯著，多重比較檢測可以求出均值相等的組；配對比較可找出和其它組均值有差異的組，并輸出顯著性水平為0.95的均值比較矩陣

8、，在矩陣中用星號表示有差異的組。圖5-4 “Post Hoc Multiple Comparisons”對話框(1)多重比較的選擇項(xiàng)：方差具有齊次性時(shí)(Equal Variances Assumed)，該矩形框中有如下方法供選擇：      LSD (Least-significant difference) 最小顯著差數(shù)法，用t檢驗(yàn)完成各組均值間的配對比較。對多重比較誤差率不進(jìn)行調(diào)整。     Bonferroni (LSDMOD) 用t檢驗(yàn)完成各組間均值的配對比

9、較，但通過設(shè)置每個(gè)檢驗(yàn)的誤差率來控制整個(gè)誤差率。     Sidak 計(jì)算t統(tǒng)計(jì)量進(jìn)行多重配對比較?？梢哉{(diào)整顯著性水平，比Bofferroni方法的界限要小。     Scheffe 對所有可能的組合進(jìn)行同步進(jìn)入的配對比較。這些選擇項(xiàng)可以同時(shí)選擇若干個(gè)。以便比較各種均值比較方法的結(jié)果。     R-E-G-WF (Ryan-Einot-Gabriel-Welsch F) 用F檢驗(yàn)進(jìn)行多重比較檢驗(yàn)。 

10、0;   R-E-G-WQ (Ryan-Einot-Gabriel-Welsch range test) 正態(tài)分布范圍進(jìn)行多重配對比較。     S-N-K (Student-Newmnan-Keuls) 用Student Range分布進(jìn)行所有各組均值間的配對比較。如果各組樣本含量相等或者選擇了       “Harmonic average of all groups”即用所有各組樣本含量的調(diào)和平均數(shù)進(jìn)行樣本量估計(jì)時(shí)還用逐步過程進(jìn)行

11、齊次子集(差異較        小的子集)的均值配對比較。在該比較過程中，各組均值從大到小按順序排列，最先比較最末端的差異。     Tukey (Tukey's，honestly signicant difference) 用Student-Range統(tǒng)計(jì)量進(jìn)行所有組間均值的配對比較，用所有配對比較誤        差率作為實(shí)驗(yàn)誤差率。    &#

12、160;Tukey's-b 用“stndent Range”分布進(jìn)行組間均值的配對比較。其精確值為前兩種檢驗(yàn)相應(yīng)值的平均值。     Duncan (Duncan's multiple range test) 新復(fù)極差法（SSR），指定一系列的“Range”值，逐步進(jìn)行計(jì)算比較得出結(jié)論。     Hochberg's GT2 用正態(tài)最大系數(shù)進(jìn)行多重比較。     Gabriel 用正態(tài)標(biāo)準(zhǔn)系數(shù)

13、進(jìn)行配對比較，在單元數(shù)較大時(shí)，這種方法較自由。     Waller-Dunca 用t統(tǒng)計(jì)量進(jìn)行多重比較檢驗(yàn),使用貝葉斯逼近。     Dunnett 指定此選擇項(xiàng)，進(jìn)行各組與對照組的均值比較。默認(rèn)的對照組是最后一組。選擇了該項(xiàng)就激活下面的“Control         Category”參數(shù)框。展開下拉列表，可以重新選擇對照組。     “Te

14、st”框中列出了三種區(qū)間分別為：· “2-sides” 雙邊檢驗(yàn);· “<Control” 左邊檢驗(yàn)· “>Conbo1”“右邊檢驗(yàn)。方差不具有齊次性時(shí)(Equal Varance not assumed)，檢驗(yàn)各均數(shù)間是否有差異的方祛有四種可供選擇： Tamhane's T2, t檢驗(yàn)進(jìn)行配對比較。 Dunnett's T3，采用基于學(xué)生氏最大模的成對比較法。 Games-Howell，Games-Howell比較，該方法較靈活。 Dunnett's C，采用基于學(xué)生氏極值的成對比較法。

15、 Significance 選擇項(xiàng)，各種檢驗(yàn)的顯著性概率臨界值，默認(rèn)值為0.05，可由用戶重新設(shè)定。本例選擇“LSD”和“Duncan”比較，檢驗(yàn)的顯著性概率臨界值0.05。 6) 設(shè)置輸出統(tǒng)計(jì)量單擊“Options”按鈕，打開“Options”對話框，如圖5-5所示。選擇要求輸出的統(tǒng)計(jì)量。并按要求的方式顯示這些統(tǒng)計(jì)量。在該對話框中還可以選擇對缺失值的處理要求。各組選擇項(xiàng)的含義如下： 圖5-5輸出統(tǒng)計(jì)量的設(shè)置“Statistics”欄中選擇輸出統(tǒng)計(jì)量:       Descriptive，要求輸出描述統(tǒng)計(jì)

16、量。選擇此項(xiàng)輸出觀測量數(shù)目、均值、標(biāo)準(zhǔn)差、標(biāo)準(zhǔn)誤、最小值、最大值、各組中每個(gè)因變量            的95置信區(qū)間。      Fixed and random effects, 固定和隨機(jī)描述統(tǒng)計(jì)量     Homogeneity-of-variance，要求進(jìn)行方差齊次性檢驗(yàn)，并輸出檢驗(yàn)結(jié)果。用“Levene lest ”檢驗(yàn)，即計(jì)算每個(gè)觀測量與其組均 &#

17、160;          值之差，然后對這些差值進(jìn)行一維方差分析。      Brown-Forsythe 布朗檢驗(yàn)      Welch,韋爾奇檢驗(yàn)      Means plot，即均數(shù)分布圖，根據(jù)各組均數(shù)描繪出因變量的分布情況。“Missing Values”欄中，選擇缺失值處理方法。   

18、   Exclude cases analysis by analysis選項(xiàng)，被選擇參與分析的變量含缺失值的觀測量，從分析中剔除。      Exclude cases listwise選項(xiàng)，對含有缺失值的觀測量，從所有分析中剔除。以上選擇項(xiàng)選擇完成后，按“Continue”按鈕確認(rèn)選擇并返回上一級對話框；單擊“Cancel”按鈕作廢本次選擇；單擊“Help”按鈕，顯示有關(guān)的幫助信息。本例子選擇要求輸出描述統(tǒng)計(jì)量和進(jìn)行方差齊次性檢驗(yàn)，缺失值處理方法選系統(tǒng)缺省設(shè)置。6）提交執(zhí)行設(shè)置完成后，在單因

19、素方差分析窗口框中點(diǎn)擊“OK”按鈕，SPSS就會根據(jù)設(shè)置進(jìn)行運(yùn)算，并將結(jié)算結(jié)果輸出到SPSS結(jié)果輸出窗口中。 7) 結(jié)果與分析輸出結(jié)果：表5-2描述統(tǒng)計(jì)量，給出了水稻品種分組的樣本含量N、平均數(shù)Mean、標(biāo)準(zhǔn)差Std.Deviation、標(biāo)準(zhǔn)誤Std.Error、95%的置信區(qū)間、最小值和最大值。表5-3為方差齊次性檢驗(yàn)結(jié)果，從顯著性慨率看，p>0.05，說明各組的方差在a=0.05水平上沒有顯著性差異，即方差具有齊次性。這個(gè)結(jié)論在選擇多重比較方法時(shí)作為一個(gè)條件。表5-4方差分析表：第1欄是方差來源，包括組間變差“Between Groups”；組內(nèi)變差“Within Grou

20、ps”和總變差“Total”。第2欄是離差平方和“Sum of Squares”，組間離差平方和87.600，組內(nèi)離差平方和為24.000，總離差平方和為111.600，是組間離差平方和與組內(nèi)離差平方和相加之和。第3欄是自由度df，組間自由度為4，組內(nèi)自由度為10；總自由度為14。第4欄是均方“Mean Square”，是第2欄與第3欄之比；組間均方為21.900，組內(nèi)均方為2.400。第5欄是F值9.125（組間均方與組內(nèi)均方之比）。第6欄：F值對應(yīng)的概率值，針對假設(shè)H0：組間均值無顯著性差異(即5種品種蟲數(shù)的平均值無顯著性差異)。計(jì)算的F值9.125，對應(yīng)的概率值為0.002。表5-5 L

21、SD法進(jìn)行多重比較表，從表5-4結(jié)論已知該例子的方差具有其次性，因此LSD方法適用。第1欄的第1列“i品種”為比較基準(zhǔn)品種，第2列“j品種”是比較品種。第2欄是比較基準(zhǔn)品種平均數(shù)減去比較品種平均數(shù)的差值（Mean Difference），均值之間具有0.05水平（可圖5-4對話框里設(shè)置）上有顯著性差異，在平均數(shù)差值上用“*”號表明。第3欄是差值的標(biāo)準(zhǔn)誤。第4欄是差值檢驗(yàn)的顯著性水平。第5欄是差值的95%置信范圍的下限和上限。表5-6 是多重比較的Duncan法進(jìn)行比較的結(jié)果。第1欄為品種，按均數(shù)由小到大排列。第2欄列出計(jì)算均數(shù)用的樣本數(shù)。第3欄列出了在顯著水平0.05上的比較結(jié)果，表的最后一行

22、是均數(shù)方差齊次性檢驗(yàn)慨率水平，p>0.05說明各組方差具有齊次性。多重比較比較表顯著性差異差異的判讀：在同一列的平均數(shù)表示沒有顯著性差異，反之則具有顯著性的差異。例如，品種3橫向看，平均數(shù)顯示在第3列“2”小列，與它同列顯示的有品種2的平均數(shù)，說明與品種2差異不顯著（0.05水平），再往右看，平均數(shù)顯示在第3列“3”小列，與它同列顯示的有品種4的平均數(shù)，說明與品種4差異不顯著（0.05水平）。則品種3與品種5和品種1具有顯著性的差異（0.05水平）。品種3和品種4都顯示有平均數(shù)值。結(jié)果分析:根據(jù)方差分析表輸出的p值為0.002可以看出，無論臨界值取0.05，還是取0.01，p值均小于臨界

23、值。因此否定Ho假設(shè)，水稻品種對稻縱卷葉螟幼蟲抗蟲性有顯著性意義，結(jié)論是稻縱卷葉螟幼蟲數(shù)量的在不同品種間有明顯的不同。根據(jù)該結(jié)論選擇抗稻縱卷葉螟幼蟲水稻品種，犯錯(cuò)誤的概率幾乎為0.008。只有在方差分析中F檢驗(yàn)存在差異顯著性時(shí)，才有比較的統(tǒng)計(jì)意義。LSD法多重比較表明：品種1與品種2、品種3和品種5之間存在顯著性差異；品種2與品種1和品種4之間存在顯著性差異；品種3與品種1和品種5之間存在顯著性差異；品種4與品種2和品種5之間存在顯著性差異；品種5與品種1、品種3和品種4之間存在顯著性差異。Duncan法多重比較表明：品種5與品種3、品種4和品種1之間存在顯著性差異。 品種2與品種4

24、和品種1之間存在顯著性差異； 品種3與品種5和品種1之間存在顯著性差異；品種4與品種5和品種2之間存在顯著性差異；品種1與品種5、品種2和品種3之間存在顯著性差異；兩種方法比較結(jié)果一致。多因素方差分析多因素方差分析是對一個(gè)獨(dú)立變量是否受一個(gè)或多個(gè)因素或變量影響而進(jìn)行的方差分析。SPSS調(diào)用“Univariate”過程，檢驗(yàn)不同水平組合之間因變量均數(shù)，由于受不同因素影響是否有差異的問題。在這個(gè)過程中可以分析每一個(gè)因素的作用，也可以分析因素之間的交互作用，以及分析協(xié)方差，以及各因素變量與協(xié)變量之間的交互作用。該過程要求因變量是從多元正態(tài)總體隨機(jī)采樣得來，且總體中各單元的方差相同。但也可以

25、通過方差齊次性檢驗(yàn)選擇均值比較結(jié)果。因變量和協(xié)變量必須是數(shù)值型變量，協(xié)變量與因變量不彼此獨(dú)立。因素變量是分類變量，可以是數(shù)值型也可以是長度不超過8的字符型變量。固定因素變量(Fixed Factor)是反應(yīng)處理的因素;隨機(jī)因素是隨機(jī)地從總體中抽取的因素。例子研究不同溫度與不同濕度對粘蟲發(fā)育歷期的影響，得試驗(yàn)數(shù)據(jù)如表5-7。分析不同溫度和濕度對粘蟲發(fā)育歷期的影響是否存在著顯著性差異。表5-7 不同溫度與不同濕度粘蟲發(fā)育歷期表相對濕度（%）溫度重 復(fù)12341002591.295.093.893.02787.684.781.282.42979.267.075.770.63165.263.363.6

26、63.3802593.289.395.195.52785.881.681.084.42979.070.867.778.83170.786.566.964.94025100.2103.398.3103.82790.691.794.592.22977.285.881.779.73173.673.276.472.5數(shù)據(jù)保存在“DATA5-2.SAV”文件中，變量格式如圖5-1。 1）準(zhǔn)備分析數(shù)據(jù)在數(shù)據(jù)編輯窗口中輸入數(shù)據(jù)。建立因變量歷期“歷期”變量，因素變量溫度“A”，濕度為“B”變量，重復(fù)變量“重復(fù)”。然后輸入對應(yīng)的數(shù)值，如圖5-6所示?；蛘叽蜷_已存在的數(shù)據(jù)文件“DATA5-2.SAV”。

27、圖5-6 數(shù)據(jù)輸入格式 2）啟動分析過程點(diǎn)擊主菜單“Analyze”項(xiàng)，在下拉菜單中點(diǎn)擊“General Linear Model”項(xiàng)，在右拉式菜單中點(diǎn)擊“Univariate”項(xiàng)，系統(tǒng)打開單因變量多因素方差分析設(shè)置窗口如圖5-7。圖5-7 多因素方差分析窗口 3）設(shè)置分析變量設(shè)置因變量: 在左邊變量列表中選“歷期”，用向右拉按鈕選入到“Dependent Variable：”框中。設(shè)置因素變量: 在左邊變量列表中選“a”和“b”變量，用向右拉按鈕移到“Fixed Factor(s):”框中?？梢赃x擇多個(gè)因素變量。由于內(nèi)存容量的限制，選擇的因素水平組合數(shù)

28、(單元數(shù))應(yīng)該盡量少。設(shè)置隨機(jī)因素變量: 在左邊變量列表中選“重復(fù)”變量，用向右拉按鈕移到“到Random Factor(s)”框中。可以選擇多個(gè)隨機(jī)變量。設(shè)置協(xié)變量：如果需要去除某個(gè)變量對因素變量的影響，可將這個(gè)變量移到“Covariate(s)”框中。設(shè)置權(quán)重變量：如果需要分析權(quán)重變量的影響，將權(quán)重變量移到“WLS Weight”框中。 4）選擇分析模型在主對話框中單擊“Model”按鈕，打開“Univariate Model”對話框。見圖5-8。圖5-8 “Univariate Model” 定義分析模型對話框在Specify Model欄中，指定分析模型類型。 Fu

29、ll Factorial選項(xiàng)此項(xiàng)為系統(tǒng)默認(rèn)的模型類型。該項(xiàng)選擇建立全模型。全模型包括所有因素變量的主效應(yīng)和所有的交互效應(yīng)。例如有三個(gè)因素變量，全模型包括三個(gè)因素變量的主效應(yīng)、兩兩的交互效應(yīng)和三個(gè)因素的交互效應(yīng)。選擇該項(xiàng)后無需進(jìn)行進(jìn)一步的操作，即可單擊“Continue”按鈕返回主對話框。此項(xiàng)是系統(tǒng)缺省項(xiàng)。 Custom選項(xiàng)建立自定義的分析模型。選擇了“Custom”后，原被屏蔽的“Factors & Covariates”、“Model”和“Build Term(s)”欄被激活。在“Factors & Covariates”框中自動列出可以作為因素變量的變量名，其變量名后面的括

30、號中標(biāo)有字母“F”；和可以作為協(xié)變量的變量名，其變量名后面的括號中標(biāo)有字母“C”。這些變量都是由用戶在主對話框中定義過的。根據(jù)表中列出的變量名建立模型，其方法如下：在“Build Term(s)”欄右面的有一向下箭頭按鈕（下拉按鈕），單擊該按鈕可以展開一小菜單，在下拉菜單中用鼠標(biāo)單擊某一項(xiàng)，下拉菜單收回，選中的交互類型占據(jù)矩形框。有如下幾項(xiàng)選擇：· Interaction 選中此項(xiàng)可以指定任意的交互效應(yīng)；· Main effects 選中此項(xiàng)可以指定主效應(yīng)；· All 2-way 指定所有2維交互效應(yīng)；· All 3-way 指定所有3維交互效應(yīng)；

31、83; All 4-way 指定所有4維交互效應(yīng)· All 5-way 指定所有5維交互效應(yīng)。 建立分析模型中的主效應(yīng)：在“Build Term(s)”欄用下拉按鈕選中主效應(yīng)“Main effects”。在變量列表欄用鼠標(biāo)鍵單擊某一個(gè)單個(gè)的因素變量名，該變量名背景將改變顏色(一般變?yōu)樗{(lán)色)，單擊“Build Term(s)”欄中的右拉箭頭按鈕，該變量出現(xiàn)在“Model”框中。一個(gè)變量名占一行稱為主效應(yīng)項(xiàng)。欲在模型中包括幾個(gè)主效應(yīng)項(xiàng)，就進(jìn)行幾次如上的操作。也可以在標(biāo)有“F”變量名中標(biāo)記多個(gè)變量同時(shí)送到“Model”框中。本例將“a”和“b”變量作為主效應(yīng)，按上面的方法選送到“Model

32、”框中。 建立模型中的交互項(xiàng)要求在分析模型中包括哪些變量的交互效應(yīng)，可以通過如下的操作建立交互項(xiàng)。例如，因素變量有“a(F)”和“b(F)”，建立它們之間的相互效應(yīng)。· 連續(xù)在“Factors &”框的變量表中單擊“a(F)”和“b(F)”變量使其選中。· 單擊“Build Term(s)”欄內(nèi)下拉按鈕，選中交互效應(yīng)“Interaction”項(xiàng)。· 單擊“Build Term(s)”欄內(nèi)的右拉按鈕，“a*b”交互效應(yīng)就出現(xiàn)在“Model”框中，模型增加了一個(gè)交互效應(yīng)項(xiàng)：a*b Sum of squares 欄分解平方和的選擇項(xiàng)· Type I項(xiàng)，

33、分層處理平方和。僅對模型主效應(yīng)之前的每項(xiàng)進(jìn)行調(diào)整。一般適用于：平衡的AN0VA模型，在這個(gè)模型中一階交互         效應(yīng)前指定主效應(yīng)，二階交互效應(yīng)前指定一階交互效應(yīng)，依次類推；多項(xiàng)式回歸模型。嵌套模型是指第一效應(yīng)嵌套在第二         效應(yīng)里，第二效應(yīng)嵌套在第三效應(yīng)里，嵌套的形式可使用語句指定。· Type II項(xiàng)，對其他所有效應(yīng)進(jìn)行調(diào)整。一般適用于：平衡的AN0VA模型、主因子效應(yīng)模型、回歸模型、嵌套設(shè)計(jì)。

34、3; Type III項(xiàng)，是系統(tǒng)默認(rèn)的處理方法。對其他任何效應(yīng)均進(jìn)行調(diào)整。它的優(yōu)勢是把所估計(jì)剩余常量也考慮到單元頻數(shù)中。對沒         有缺失單元格的不平衡模型也適用，一般適用于：Type I、Type II所列的模型：沒有空單元格的平衡和不平衡模型。· Type IV頂，沒有缺失單元的設(shè)計(jì)使用此方法對任何效應(yīng)F計(jì)算平方和。如果F不包含在其他效應(yīng)里，Type IV = Type IIIl =         

35、TypeII。如果F包含在其他效應(yīng)里，Type IV只對F的較高水平效應(yīng)參數(shù)作對比。一般適用于：Type I、Type lI所列模型；         沒有空單元的平衡和不平衡模型。 Include intercept in model欄選項(xiàng)系統(tǒng)默認(rèn)選項(xiàng)。通常截距包括在模型中。如果能假設(shè)數(shù)據(jù)通過原點(diǎn)，可以不包括截距，即不選擇此項(xiàng)。 5）選擇比較方法在主對話框中單擊“Contrasts”按鈕，打開“Contrasts”比較設(shè)置對話框，如圖5-9所示。如圖5-9 Contrasts對比設(shè)置框在“Factors

36、”框中顯示出所有在主對話框中選中的因素變量。因素變量名后的括號中是當(dāng)前的比較方法。 選擇因子在“Factors”框中選擇想要改變比較方法的因子，即鼠標(biāo)單擊選中的因子。這一操作使“Change Contrast”欄中的各項(xiàng)被激活。 選擇比較方法單擊“Contrast”參數(shù)框中的向下箭頭，展開比較方法表。用鼠標(biāo)單擊選中的對照方法。可供選擇的對照方法有：· None，不進(jìn)行均數(shù)比較。· Deviation，除被忽略的水平外，比較預(yù)測變量或因素變量的每個(gè)水平的效應(yīng)?？梢赃x擇“Last”(最后一個(gè)水平)或      

37、0;    “First”(第一個(gè)水平)作為忽略的水平。· Simple，除了作為參考的水平外，對預(yù)測變量或因素變量的每一水平都與參考水平進(jìn)行比較。選擇“Last”或“First”作為            參考水平。· Difference，對預(yù)測變量或因素每一水平的效應(yīng)，除第一水平以外，都與其前面各水平的平均效應(yīng)進(jìn)行比較。與Helmert對照       

38、0;    方法相反。· Helmert，對預(yù)測變量或因素的效應(yīng)，除最后一個(gè)以外，都與后續(xù)的各水平的平均效應(yīng)相比較。· Repeated，對相鄰的水平進(jìn)行比較。對預(yù)測變量或因素的效應(yīng)，除第一水平以外，對每一水平都與它前面的水平進(jìn)行比較。· Polynomial，多項(xiàng)式比較。第一級自由度包括線性效應(yīng)與預(yù)測變量或因素水平的交叉。第二級包括二次效應(yīng)等。各水平彼此             的間隔被假設(shè)是均勻的。 修改比較方法

39、先按步驟選中因子變量，再選比較方法，然后單擊“Change”按鈕，選中的(或改變的)比較方法顯示在步驟選中的因子變量后面的括號中。設(shè)置比較的參考類在“Reference Category”欄比較的參考類有兩個(gè)，只有選擇了“Deviation”或“Simple”方法時(shí)才需要選擇參考水平。共有兩種可能的選擇，最后一個(gè)水平“Last”選項(xiàng)和第一水平“First”項(xiàng)。系統(tǒng)默認(rèn)的參考水平是“Last”。 6) 選擇均值圖在主對話框中單擊“Plot”按鈕，打開“Profile Plots”對話框，如圖5-10所示。在該對話框中設(shè)置均值輪廓圖。如圖5-10 “Profile Plots”對話框均值

40、輪廓圖(Profile Plots)用于比較邊際均值。輪廓圖是線圖，圖中每個(gè)點(diǎn)表明因變量在因素變量每個(gè)水平上的邊際均值的估計(jì)值。如果指定了協(xié)變量，該均值則是經(jīng)過協(xié)變量調(diào)整的均值。因變量做輪廓圖的縱軸；一個(gè)因素變量做橫軸。做單因素方差分析時(shí)，輪廓圖表明該因素各水平的因變量均值。雙因素方差分析時(shí)，指定一個(gè)因素做橫軸變量，另一個(gè)因素變量的每個(gè)水平產(chǎn)生不同的線。如果是三因素方差分析，可以指定第三個(gè)因素變量，該因素每個(gè)水平產(chǎn)生一個(gè)輪廓圖。雙因素或多因素輪廓圖中的相互平行的線表明在因素間無交互效應(yīng)；不平行的線表明有交互效應(yīng)。· Factors 框中為因素變量列表。· Horl

41、zontal Axis 橫坐標(biāo)框，選擇選擇“Factors”框中一個(gè)因素變量做橫坐標(biāo)變量。被選的變量名反向顯示，單擊向右拉箭       頭按鈕，將變量名送入相應(yīng)的橫坐標(biāo)軸框中。           如果只想看該因素變量各水平的，因變量均值分布，單擊“Add”按鈕，將所選因素變量移入下面的“Plots”框中。否       則，不點(diǎn)擊“Add”按鈕，接著做下

42、步。· Separate Lines 分線框。如果想看兩個(gè)因素變量組合的各單元格中因變量均值分布，或想看兩個(gè)因變量間是否存在交互效應(yīng)，      選擇“Factors”框中另一個(gè)因素變量，單擊右拉按鈕將變量名送入“Separate Lines”框中。單擊“Add”按鈕，將自動生成      的圖形表達(dá)式送入到“Plots”欄中。分線框中的變量的每個(gè)水平將在圖中是一條線。圖形表達(dá)式是用“*”連接的兩個(gè)因素變      量名。&#

43、183; Separate Plots 分圖框。如果在“Factors”欄中還有因素變量，可以按上述方法，將其送入“Separate Plot”框中，單擊     “Add”按鈕，將自動生成的圖形表達(dá)式送入到“Plots”欄中。圖形表達(dá)式是用“*連接的三個(gè)因素變量名。分圖變量的每個(gè)      水平生成一張線圖。· 將圖形表達(dá)式送到“Plots”框后發(fā)現(xiàn)有錯(cuò)誤，單擊選錯(cuò)的變量，單擊“Remove”按鈕，將其取消，再重新輸入正確內(nèi)容。在檢查無誤后，按“Continue”按鈕確認(rèn)，返回到主對

44、話框。如果取消做的設(shè)置單擊“Cancel”按鈕 7) 選擇多重比較在主對話框中單擊“Post Hoc”選項(xiàng)，打開“Post Hoc Multiple Comparisons for Observed Means”對話框，從“Factor(s)”框選擇變量，單擊向右拉按鈕，使被選變量進(jìn)入“Post Hoc test for”框。本例子選擇了“a”和“b”。然后選擇多重比較方法。在對話框中選擇多重比較方法。本例子選擇了“Duncan”和“Tamhane's T2”。 8）選擇保存運(yùn)算值圖5-11 Save對話框在主對話框中，單擊“Save”按鈕，打開“Save”設(shè)置對話

45、框，如圖5-11所示。通過在對話框中的選擇，可以將所計(jì)算的預(yù)測值、殘差和檢測值作為新的變量保存在編輯數(shù)據(jù)文件中。以便于在其他統(tǒng)計(jì)分析中使用這些值。 Predicted Values 預(yù)測值1. Unstsndardized，非標(biāo)準(zhǔn)化預(yù)測值。2. Weighted，如果在主對話框中選擇了WLS變量，選中該復(fù)選項(xiàng)，將保存加權(quán)非標(biāo)準(zhǔn)化預(yù)測值。3. Standard error，預(yù)測值標(biāo)準(zhǔn)誤。 Diagnostics 診斷值1. Cooks distance，Cook 距離。2. Leverage values，非中心化 Leverage 值。 Residuals 殘差1. Unstsndardize

46、d，非標(biāo)準(zhǔn)化殘差值，觀測值與預(yù)測值之差。2. Weighted，如果在主對話框中選擇了WLS變量，選中該復(fù)選項(xiàng)，將保存加權(quán)非標(biāo)準(zhǔn)化殘差。3. Standardized，標(biāo)準(zhǔn)化殘差，又稱Pearson殘差。4. Studentized，學(xué)生化殘差。5. Deleted，剔除殘差，自變量值與校正預(yù)測值之差。 Save to New File 保存協(xié)方差矩陣選中”Coefficient statistics”項(xiàng)，將參數(shù)協(xié)方差矩陣保存到一個(gè)新文件中。單擊“File”按鈕，打開相應(yīng)的對話框?qū)⑽募４妗?#160;9）選擇輸出項(xiàng)在主對話框中單擊“Options”按鈕，打開“Options”輸出設(shè)

47、置對話框，見圖5-12。圖5-12 “Options”輸出設(shè)置對話框 Estimated Marginal Means 估測邊際均值設(shè)置· 在“Factor(s) and Factor Interactions”框中列出“Model”對話框中指定的效應(yīng)項(xiàng)，在該框中選定因素變量的各種效應(yīng)項(xiàng)，    單擊右拉按鈕就將其復(fù)制到“Display Means for”框中。選擇主效應(yīng)，則產(chǎn)生估計(jì)的邊際均值表；選擇二維交互效應(yīng)產(chǎn)生的估計(jì)    邊際均值表實(shí)際上是典型的單元格均值表。選擇三維交互效應(yīng)也是單元格均值表。· 在“Di

48、splay Means for”框中有主效應(yīng)時(shí)激活此框下面的“Compare main effects”復(fù)選項(xiàng)，對主效應(yīng)的邊際均值進(jìn)行組間的配    對比較。· Confidence interval adjustment參數(shù)框，進(jìn)行多重組間比較。打開下拉菜單，共有三個(gè)選項(xiàng)：         LSD(none)、Bonferroni、Sidak.。 在“Display”欄中指定要求輸出的統(tǒng)計(jì)量 Descriptive statistics項(xiàng)，輸出描述統(tǒng)計(jì)量：觀測量的

49、均值、標(biāo)準(zhǔn)差和每個(gè)單元格中的觀測量數(shù)。 Estimates of effect size項(xiàng)，效應(yīng)量估計(jì)。選擇此項(xiàng)，給出2(eta-Square)值。它反應(yīng)了每個(gè)效應(yīng)與每個(gè)參數(shù)估計(jì)值可以歸于          因素的總變異的大小。 Observed power復(fù)選項(xiàng)，選中此項(xiàng)給出在假設(shè)是基于觀測值時(shí)各種檢驗(yàn)假設(shè)的功效。計(jì)算功效的顯著性水平，系統(tǒng)默認(rèn)的臨界值          是0.05。 Parameter estimates項(xiàng)。選擇此項(xiàng)給出了各因素變量的模型參數(shù)估計(jì)、標(biāo)準(zhǔn)誤、t檢驗(yàn)的t值、顯著性概率和95的置信區(qū)間。 Contrast coefficient matrix項(xiàng)，顯示協(xié)方差矩陣。 Homogeneity test項(xiàng)，方差齊次性檢驗(yàn)。本例子選中該項(xiàng)。 Spread vs.level plot項(xiàng)，繪制觀測量均值對標(biāo)準(zhǔn)差和觀測量均值對方差的圖形。 Residual plot項(xiàng)，繪制殘差圖。給出觀測值、預(yù)測值散點(diǎn)圖和觀測量數(shù)目，觀測量數(shù)目對標(biāo)準(zhǔn)化殘差的散點(diǎn)圖，加上正態(tài)和標(biāo)準(zhǔn)化