SPSS重復測量方差分析的應用

1、企業(yè)銷售策略改進計劃中SPSS重復測量方差分析的應用1 相關背景在研究中，我們經常需要對同一個觀察對象進行多次觀測，這樣得到的數據稱為重復測量資料；而對于重復測量資料進行方差分析就需要采用重復測量方差分析。重復測量方差分析與前述的方差分析最大的差別在于，它可以考察測量指標是否會隨著測量次數的增加而變化，以及是否會受時間的影響。2 問題概述某食品公司計劃改進一種食品的銷售策略，提出了兩種方案，并隨機選擇了3個銷售區(qū)市場，每個市場有4個網點，并將其隨機分配至兩個組，施行不同的銷售策略，為期2個月。表2.1為所調查網點的實施策略前1個月和實施策略的2個月的銷售量（單位：千克）。通過分析說明哪種方案更

2、加有效。表2.1各網點銷售量統(tǒng)計表市場標號網點、.J>>方案銷售量1銷售量2銷售量3111708378121485458132346068142566579251364568311283879631225778893 數據特點在用SPSS進行分析之前，我們把數據錄入到SPSS中。容易發(fā)現本數據中有6個變量，分別為市場編號、網點、方案和3個銷售量，且把所有變量定義為數值型。錄入相關數據，錄入完成后，數據如圖3.1所示。各網點銷蘭読計亙遜計蝕咼sav愷£硯業(yè)1-IBMSPSSStati缸讓參逞黑姮器豈-S曹文悴I日JfiSa（E）視廚世）SftBiD菲找&骨祈直踴I也

3、團形:爭用程序型窗口週I輕助上PIHm八一町見：E變丑的5lEftlSPSSSlaiislicsProcessor砒.方室銷告量-銷告量2-*117003792121435i58313234M関4142566579525136弼6562&2開5&27173898281S£礙閥33今1陽%0710310256閔B8113112S307961231226778鵡13141S1E*,卜融常睡ID1Unicode:ON圖3.1各網點銷售統(tǒng)計量統(tǒng)計數據4分析過程先將以上數據做一下保存，然后展開分析，步驟如下：1）進入SPSS22，打開相關數據文件，選擇“分析”“一般線性模型”“

4、重復測量”命令，彈出如圖4.1所示的對話框。題重負測昌定共因子袂試丙田孑書稱迥）：級別數ty：田子1添加址）更改（2）刪降岡:添加刊:更故£7EW審苦遲）取消幫切圖4.1“重復測量定義因子”對話框2）定義重復測量因子。在“被試內因子名稱”中輸入“月份”，在“級別數”處鍵入“3”，然后單擊“添加”；在“測量名稱”中輸入“銷售量”，單擊“添加”；單擊“定義”，彈出如圖4.2所示對話框。圖4.2“重復測量”對話框3）定義內部變量。在圖4.2所示對話框左側的列表中，選擇“銷售量1”、“銷售量2”和“銷售量3”并單擊按鈕使之進入“主體內部變量”列表框；選擇“市場編號”和“方案”并單擊按鈕使之進

5、入“因子列表”列表框；4）設置完畢，單擊“確定”按鈕，等待輸出結果。5結果解釋（1）多變量檢驗表Pillai的跟蹤統(tǒng)計量最為穩(wěn)健，因此檢驗結果以此為準。從表5.1可以看出，由于效應“月份”的P值為0.012，小于顯著性水平0.05，顯著性較好，即說明各網點3個月的銷售量不同；但是其他各個效應的P值均大于0.05，因此不顯著，即不同市場的網點、實施不同方案的網點以及不同市場和實施策略的網點3個月的銷售情況均相似。表5.1多變量檢驗表多變量檢驗a效應值F假設自由度誤差自由度顯著性月份Pillai's軌跡.83112.326b2.0005.000.012Wilks'Lambda.16

6、912.326b2.0005.000.012Hotelling's軌跡4.93112.326b2.0005.000.012Roy最大才艮4.93112.326b2.0005.000.012月份*市場編號Pillai's軌跡.191.3164.00012.000.862Wilks'Lambda.809.279b4.00010.000.885Hotelling's軌跡.235.2354.0008.000.911Roy最大才艮.235.705c2.0006.000.531月份*方案Pillai's軌跡.266.907b2.0005.000.461Wilks&#

7、39;Lambda.734.907b2.0005.000.461Hotelling's軌跡.363.907b2.0005.000.461Roy最大才艮.363.907b2.0005.000.461月份*市場編號*方Pillai's軌跡.8752.3354.00012.000.115案Wilks'Lambda.1503.964b4.00010.000.035Hotelling's軌跡5.5185.5184.0008.000.020Roy最大才艮5.48816.464c2.0006.000.004a. 設計：截距+市場編號+方案+市場編號*方案主體內設計：月份b.

8、確切的統(tǒng)計c. 統(tǒng)計量是F的上限，F會生成顯著性水平的下限。(2) 重復測量單因素的分析結果首先我們先來看一下Mauchly's球對稱檢驗結果，如表5.2所示?？梢园l(fā)現，統(tǒng)計量的P值0.557大于顯著性水平0.05，因此因變量的協(xié)方差滿足“球形”假設。因此，我們在進行重復測量單因素方差分析時，采用Mauchly's球對稱檢驗。從表5.3中可以看出，“月份*市場編號”和“月份*方案”統(tǒng)計量的P值均大于顯著性水平0.05，因此不顯著，沒有統(tǒng)計學意義，而“月份*市場編號*方案”的P值為0.006，具有統(tǒng)計學意義。表5.2Mauchly球對稱檢驗表Mauchly球形檢驗a度量：銷售量主

9、體內效應Mauchly'sW上次讀取的卡方自由度顯著性8bGreenhouseGeisserHuynh-Feldt下限值月份.7911.1692.557.8271.000.500檢驗正交化轉換后因變量的誤差協(xié)方差矩陣與恒等矩陣成比例的零假設。a. 設計：截距+市場編號+方案+市場編號*方案主體內設計：月份b. 可用于調整平均顯著性檢驗的自由度。在“主體內效應檢驗”表中顯示已更正的檢驗。表5.3主體內效應的檢驗表主體內效應的檢驗度量：銷售量源III類平方和自由度均方F顯著性月份假設為球形1172.5202586.26021.290.000GreenhouseGeisser1172.520

10、1.655708.52721.290.000Huynh-Feldt1172.5202.000586.26021.290.000下限值1172.5201.0001172.52021.290.004月份*市場編號假設為球形47.989411.997.436.781GreenhouseGeisser47.9893.31014.499.436.749Huynh-Feldt47.9894.00011.997.436.781下限值47.9892.00023.994.436.666月份*方案假設為球形85.763242.8811.557.250GreenhouseGeisser85.7631.65551.8

11、241.557.255Huynh-Feldt85.7632.00042.8811.557.250下限值85.7631.00085.7631.557.259月份*市場編號*方假設為球形676.7894169.1976.144.006案GreenhouseGeisser676.7893.310204.4846.144.011Huynh-Feldt676.7894.000169.1976.144.006下限值676.7892.000338.3946.144.035誤差（月份）假設為球形330.4441227.537Greenhouse-Geisser330.4449.92933.280Huynh-F

12、eldt330.44412.00027.537下限值330.4446.00055.074（3）主體間效應的檢驗從表5.4可以看出，市場的P值較小，且對模型的貢獻度為52%，具有一定的統(tǒng)計學意義，但是其他因素以及他們的交互作用沒有顯著統(tǒng)計學意義。表5.4主體間效應的檢驗表主體間效應的檢驗度量：銷售量已轉換的變量：平均值源III類平方和自由度均方F顯著性截距140873.6391140873.639307.020.000市場編號2988.43621494.2183.256.110方案307.5781307.578.670.444市場編號*方案106.436253.218.116.892錯誤2753.0566458.843（4）兩因素交互折線圖從