多因素方差分析word精品文檔20頁(yè)

1、多因素方差分析多因素方差分析是對(duì)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“ Uni variate ”過(guò)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(wèn)題。在這個(gè)過(guò)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(guò)程要求因變量是從 多元正態(tài)總體隨機(jī)采樣得來(lái)，且總體中各單元的方差相同。但也可以通過(guò) 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(zhǎng)度不超過(guò)8的字符型變量。固定因素變量

2、(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(duì)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(duì)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(duì)濕度(%溫度C重復(fù)1N二41002591.295.093.893.02787.684.781.282.42979.267.075.770.63165.263.363.663.32593.289.395.195.5802785.881.681.084.42979.070.867.778.83170.786.566.964.925100.21

3、03.398.3103.8402790.691.794.592.22977.285.881.779.73173.673.276.472.5數(shù)據(jù)保存在“ DATA5-2.SAV文件中，變量格式如圖5-11）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(duì)應(yīng)的數(shù) 值，如圖5-6所示?；蛘叽驇砸汛嬖诘臄?shù)據(jù)文件“DATA5-2.SAV 。L b1" 1"sks131_-2|"T11I4話-2斗f151: 2666. e221779.02圈亦4T19i100.2111ID；90.6211

4、H口-】衛(wèi)t1?T3.ed11395-0I3214：$472亍玄冷67.0332IS6 3. 343圖5-6數(shù)據(jù)輸入格式2）啟動(dòng)分析過(guò)程點(diǎn)擊主菜單“ An alyze ”項(xiàng)，在下拉菜單中點(diǎn)擊“ Gen eral Lin earModer項(xiàng)，在右拉式菜單中點(diǎn)擊“ Uni variate ”項(xiàng)，系統(tǒng)打幵單因變量 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，用二3向右拉按鈕移到“ Fixed Factor

5、(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)(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?？梢赃x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(duì)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“ WLSWeight ” 框中。4) 選擇分析模型在主對(duì)話框中單擊“ Model”按鈕，打幵“ Univariate Model ”對(duì)話框。見圖5-8。圖5-8 “ Univariate Model ”定

6、義分析模型對(duì)話框在Specify Model欄中，指定分析模型類型。Full Factorial 選項(xiàng)第5頁(yè)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(wú)需進(jìn)行進(jìn)一步的操作，即可單擊“ Continue ”按鈕返回主對(duì)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“

7、 Factors& Covariates ”框中自動(dòng)列出可以作為因素變量的變量名，其變量名后面的括號(hào)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(hào)中標(biāo)有字母“ C'。這些變量都是由用戶在主對(duì)話框中定義過(guò)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)；?

8、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)；? 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“ ModeI”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

9、“ 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” 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(guò)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

10、現(xiàn) 在“ Mode I”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)，分層處理平方和。 僅對(duì)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 ANOVA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(yǔ)句指定。? Type II 項(xiàng) ，對(duì)其他所有效應(yīng)進(jìn)行調(diào)整。一般適用于：平衡的 ANOVA 模型、主因子效應(yīng)模型、回歸模型、嵌套設(shè)計(jì)。? Type III 項(xiàng)，是系統(tǒng)默認(rèn)的處理方法。 對(duì)其

11、他任何效應(yīng)均進(jìn)行調(diào)整。 它的優(yōu)勢(shì)是把所估計(jì)剩余常量也考慮到單元頻數(shù)中。對(duì)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(duì)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 =TypeII。如果F包含在其他效應(yīng)里， Type IV只對(duì) F 的較高水平效應(yīng)參數(shù)作對(duì)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。第 7 頁(yè) In elude in tercept in model欄選項(xiàng)系統(tǒng)默

12、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(guò)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(duì)話框中單擊“ Contrasts ”按鈕，打幵“ Contrasts ”比較設(shè)置對(duì)話框，如圖5-9所示。如圖5-9 Contrasts對(duì)比設(shè)置框在“Factors ”框中顯示出所有在主對(duì)話框中選中的因素變量。因素變量名后的括號(hào)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。選擇比較方法第9頁(yè)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

13、中的對(duì)照方法。可供選擇的對(duì)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(cè)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“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(duì)預(yù)測(cè)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(duì)預(yù)測(cè)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(duì)照 方法相反。? Helmert ，對(duì)預(yù)測(cè)變量或因素的效應(yīng)，

14、 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(duì)相鄰的水平進(jìn)行比較。對(duì)預(yù)測(cè)變量或因素的效應(yīng)，除 第一水平以外，對(duì)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(jí)自由度包括線性效應(yīng)與預(yù)測(cè)變量或因素水平的交叉。第二級(jí)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(hào)中。 設(shè)置比較的參考類在“ Referenee Category ”欄比較的參考類有兩個(gè)，只有選擇了“Deviation ”或“ S

15、imple ”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(duì)話框中單擊“ Plot ”按鈕，打幵“ Profile Plots ”對(duì)話框，如 圖5-10所示。在該對(duì)話框中設(shè)置均值輪廓圖。如圖 5-10 “ Profile Plots ” 對(duì)話框均值輪廓圖（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(guò)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

16、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(wú)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。? Horlzontal 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

17、所選因素變量移入下面的“ Plots ”框中。否貝V,不點(diǎn)擊“ Add'按鈕，接著做下步。? 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(dòng)生成的圖形表達(dá)式送入到“ Plots ”欄中。分線框中的變量第 13 頁(yè)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。? Separate Plots 分圖框。如果在“ Factors ”欄中還有因

18、素變量， 可以按上述方法，將其送入“ Separate Plot ”框中，單擊“Ade”按鈕，將自動(dòng)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(wú)誤后，按“ Continue ”按鈕確認(rèn)，返回到主對(duì)話框。如果取 消做的設(shè)置單擊“ Can cel”按鈕7) 選擇多重比較在主對(duì)話框中單擊“ Post Hoc ”選項(xiàng)，打開“ Post Hoc MultipleCompari

19、sons for Observed Mea ns” 對(duì)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” o然后選擇多重比較方法。在對(duì)話框中選擇多重比較方法。 本例子選擇了“ Dun car” 和“ Tamha ne's T2 ”。8）選擇保存運(yùn)算值圖5-11 Save對(duì)話框在主對(duì)話框中，單擊“ Save”按鈕，打幵“ Save”設(shè)置對(duì)話框，如圖5-11所示。通過(guò)在對(duì)話框中的選擇，可以將所計(jì)算的預(yù)測(cè)值、殘差和檢測(cè) 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

20、 些值。 Predicted Values 預(yù)測(cè)值1. Un sts ndardized，非標(biāo)準(zhǔn)化預(yù)測(cè)值。2. Weighted，如果在主對(duì)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(cè)值。3. Standard error ，預(yù)測(cè)值標(biāo)準(zhǔn)誤。 Diag no stics診斷值1. Cook s distanee ， Cook 距離。2. Leverage values ，非中心化 Leverage 值。 Residuals 殘差1. Unstsndardized ，非標(biāo)準(zhǔn)化殘差值，觀測(cè)值與預(yù)測(cè)值之差。2. Weighted，如果在主對(duì)話框中選擇了WLS變量，選中該復(fù)選項(xiàng)，將保存加

21、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(cè)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(duì)話框?qū)⑽募４妗?）選擇輸出項(xiàng)在主對(duì)話框中單擊“ Options ”按鈕，打開“ Options ”輸出設(shè)置對(duì)話 框，見圖 5-12 。圖5-12 “Options ”輸出設(shè)置對(duì)話框 Estimated Margi na

22、lMea ns估測(cè)邊際均值設(shè)置? 在“ Factor(s) and Factor Interactions”框中列出“ Model”對(duì)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“ Display 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(duì)主效應(yīng)的邊際均值進(jìn)行組間 的配對(duì)比較。第17頁(yè)Con fide nee in

23、 terval adjustme nt參數(shù)框，進(jìn)行多重組間比較。打幵下拉菜單，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(cè)量的均值、標(biāo)準(zhǔn)差和每個(gè)單元格中的觀測(cè)量數(shù)。Estimates of effect size項(xiàng)，效應(yīng)量估計(jì)。選擇此項(xiàng)，給出n 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(cè)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)

24、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。Con trast coefficie nt matrix項(xiàng)，顯示協(xié)方差矩陣。Homoge neity 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(cè)量均值對(duì)標(biāo)準(zhǔn)差和觀測(cè)量均值對(duì)方差的圖形。Residual plot項(xiàng)，繪制殘差圖。給出觀測(cè)值、預(yù)測(cè)值散點(diǎn)圖和觀測(cè)量數(shù)目，觀測(cè)量數(shù)目對(duì)標(biāo)準(zhǔn)化殘差的散點(diǎn)圖，加上正態(tài)和標(biāo)準(zhǔn)化殘差的正態(tài)概率圖。Lack of fit 項(xiàng)，檢查獨(dú)立變量和非獨(dú)立變量

25、間的關(guān)系是否被充分 描述。Ge neral estimable fu nction項(xiàng)，可以根據(jù)一般估計(jì)函數(shù)自定義假設(shè)檢驗(yàn)。對(duì)比系數(shù)矩陣的行與一般估計(jì)函數(shù)是線性組合的。 Sig nifica nee level框設(shè)置改變“ Confidenee intervals”框內(nèi)多重比較的顯著性水平。10）提交執(zhí)行設(shè)置完成后，在多因素方差分析窗口框中點(diǎn)擊“0K按鈕，SPSS就會(huì)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。11）結(jié)果與分析主要輸出結(jié)果：結(jié)果分析:方差不齊次性檢驗(yàn)顯著表5-8方差齊次性檢驗(yàn)表明：方差不齊次性顯著，p<0.05。第19頁(yè)方差分析 :表 5-9 主效應(yīng)方差分析

26、表： 在表的左上方標(biāo)明研究的對(duì)象 是粘蟲歷期。偏差來(lái)源和偏差平方和 :? Source 列是偏差的來(lái)源。其次列是“ Type III Sum of Squares 偏差平方和。? Corrected Model 校正模型，其偏差平方和等于兩個(gè)主效應(yīng) a、 b 平方和加上交互 a*b 的平方和之和。? Intercept 截距。? a 溫度主效應(yīng)，其偏差平方和反應(yīng)的是不同溫度造成對(duì)粘蟲歷期的 差異。與 b 偏差平方相同均屬于組間偏差平方和。? b 濕度主效應(yīng)，其偏差平方和反應(yīng)的是不同濕度計(jì)量造成的粘蟲歷 期之差異。? a*b 溫度和濕度交互效應(yīng)，其偏差平方和反應(yīng)的是不同溫度和濕度 共同造成的粘蟲歷期的差異。? Error 誤差。其偏差平方和反應(yīng)的是組內(nèi)差異。也稱組內(nèi)偏差平方 和。? Total 是偏差平方和在數(shù)值上等于截距、主效應(yīng)、次效應(yīng)和誤差偏 差平方和之總