方差分析報告與實驗設(shè)計方案書

10/20第6章 方差分析與試驗設(shè)計進展單因素方差分析及方差分析中的多重比較一、試驗?zāi)康募耙骃PSS的單因素方差分析及多重比較功能，嫻熟把握單因素方差分析方SPSS運行結(jié)果能進展解釋。二、試驗內(nèi)容【例】現(xiàn)有三家生產(chǎn)燈泡的企業(yè)，為比較它們生產(chǎn)的燈泡質(zhì)量，從每個企業(yè)6只燈泡，對其使用壽命〔單位：小時〕進展檢驗，數(shù)據(jù)如表6-1所示：6-1三家企業(yè)的燈泡壽命試驗數(shù)據(jù)生產(chǎn)企業(yè)序號123164065758425796386123632719675462067659256166426106627712635在95%的概率保證程度下,試分析三家企業(yè)生產(chǎn)的燈泡的平均壽命之間有無顯著LSD方法檢驗?zāi)男┢髽I(yè)有差異？解：第一步，翻開數(shù)據(jù)文件data06-1.sav，選擇Analyze→CompareMeans→One-WayANOVA，6-1所示：6-1AnalyzeOne-WayANOVA主對話框，將“hour”變量List〔因變量清單〕框，將“enterpriseFactor〔因素〕6-26-2One-WayANOVAHocMultipleComparisons對話框，選擇多重比較的方法：EqualVarianceAssumedLSD方法；EqualVarianceNotAssumedTamhansT2SignificantLevel0.056-3圖6-3PostHocMultipleComparisons窗口OptionsOptionsHomogeneity-of-variance復(fù)6-4圖6-4Options窗口OK按鈕，運行結(jié)果如下：Oneway

6-2方差齊性檢驗表TestTestofHomogeneityofVarianceshourLeveneStatisticdf1df2Sig.1.147215.344ANOVAhourSumANOVAhourSumofSquaresdfMeanSquareFSig.BetweenGroupsWithinGroupsTotal12324.00013836.00026160.000215176162.000922.4006.680.008MultipleComparisonsDependentVariable:hour(I) (J)95%ConfidenceMultipleComparisonsDependentVariable:hour(I) (J)95%ConfidenceInterval*.Themeandifferenceissignificantatthe0.05level.enterpriseenterpriseMeanDifference(I-J)Std.ErrorSig.LowerBoundUpperBoundLSD企業(yè)1企業(yè)2-55.00000*17.53473.007-92.3744-17.6256企業(yè)31.0000017.53473.955-36.374438.3744企業(yè)2企業(yè)155.00000*17.53473.00717.625692.3744企業(yè)356.00000*17.53473.00618.625693.3744企業(yè)3企業(yè)1-1.0000017.53473.955-38.374436.3744企業(yè)2-56.00000*17.53473.006-93.3744-18.6256Tamhane企業(yè)1企業(yè)2-55.00000*16.69930.031-104.7365-5.2635企業(yè)31.0000016.076901.000-46.529348.5293企業(yè)2企業(yè)155.00000*16.69930.0315.2635104.7365企業(yè)356.0000019.62312.051-.1557112.1557企業(yè)3企業(yè)1-1.0000016.076901.000-48.529346.5293企業(yè)2-56.0000019.62312.051-112.1557.15576-2p齊性?！瞁ithinGroups〕13836，總誤差平方和〔Total〕26160。表的第三列為自由度，第四列為均方，第五列為F值，第六列為P值，此例中P異。6-4LSDTamhane’sT26-2果知道，方差具有齊性，所以只需看LSD的結(jié)果，表中其次列用“*”標示的值12，23之間的均值有顯著差異。三、操作練習(xí)195-595%的概率保證程度下,試分析四種方法生產(chǎn)的產(chǎn)品數(shù)量之間有無顯著差異？如有差異，用LSD方法檢驗?zāi)男┓椒ㄓ胁町?？生產(chǎn)方法6-5生產(chǎn)方法序號12341345193672254985843436383724294489715365498四、操作練習(xí)答案第一步，翻開數(shù)據(jù)文件data06-2.sav，選擇Analyze→Compare Means→One-WayANOVA，如以以下圖所示：ANOVA主對話框，將“quantity”因變量清單〕框，將“methodFactor〔因素變量〕框,輸出結(jié)果如以以下圖所示：HocMultipleComparisons對話框，選擇多重比較的方法：EqualVarianceAssumedLSD方法；EqualVarianceNotAssumedTamhansT2SignificantLevel0.05，輸出結(jié)果如以以下圖所示：Homogeneity-of-variance復(fù)選項，做方差齊性檢驗，輸出結(jié)果如以以下圖所示：第三步，點擊OK按鈕，運行結(jié)果如下：Oneway

6-6方差齊性檢驗表TestTestofHomogeneityofVariancesquantityLeveneStatisticdf1df2Sig..016315.997表6-7方差分析結(jié)果表quantityANOVASumofSquaresdf MeanSquareFSig.BetweenGroups8904.4323 2968.14463.950.000WithinGroups696.20015 46.413Total9600.63218MultipleComparisonsDependentVariable:quantity(I)(J)MeanMultipleComparisonsDependentVariable:quantity(I)(J)MeanDifferenceStd.ErrorSig.95%ConfidenceIntervalmethodmethod(I-J)LowerBoundUpperBoundLSD方法1方法2-18.80000*4.30875.001-27.9839-9.6161方法3-56.20230*4.30875.000-65.3839-47.0161方法4-40.10000*4.57012.000-49.8410-30.3590方法2方法118.80000*4.30875.0019.616127.9839方法3-37.40000*4.30875.000-46.5839-28.2161方法4-21.30000*4.57012.000-31.0410-11.5590方法3方法156.20230*4.30875.00047.016165.3839方法237.40000*4.30875.00028.216146.5839方法416.10000*4.57012.0036.359025.8410方法4方法140.10000*4.57012.00030.359049.8410方法221.30000*4.57012.00011.559031.0410方法3-16.10000*4.57012.003-25.8410-6.3590Tamhane方法1方法2-18.80000*4.40454.016-34.0620-3.5380方法3-56.20230*4.10122.000-70.4757-41.9243方法4-40.10000*4.78296.001-58.0584-22.1416方法2方法118.80000*4.40454.0163.538034.0620方法3-37.40000*4.15933.000-51.9073-22.8927方法4-21.30000*4.83287.023-39.3478-3.2522方法3方法156.20230*4.10122.00041.924370.4757方法237.40000*4.15933.00022.892751.9073方法416.100004.55814.074-1.593033.7930方法4方法140.10000*4.78296.00122.141658.0584方法221.30000*4.83287.0233.252239.3478方法3-16.100004.55814.074-33.79301.5930*.Themeandifferenceissignificantatthe0.05level.6-6p齊性。表6-7〔BetweenGroup為8904.432,表的第三列為自由度，第四列為均方，第五列為F值，第六列為P值，此例中P所以拒絕原假設(shè)，即四種方法生產(chǎn)的產(chǎn)品數(shù)量之間有顯著差異。6-8LSDTamhanesT26-6LSD12，13，14，23，24，方法34SPSS進展無交互作用的雙因素方差分析一、試驗?zāi)康募耙骃PSS的無交互作用的雙因素方差分析功能，嫻熟把握無交互作用的雙SPSS運行結(jié)果能進展解釋。二、試驗內(nèi)容3種不同的生產(chǎn)方法，為比較電池質(zhì)量，36-9所示：方法6-9四家企業(yè)三種方法的電池壽命試驗數(shù)據(jù)方法生產(chǎn)企業(yè)1231402237243283233935384523040在95%的概率保證程度下,試分析不同的企業(yè)和不同的生產(chǎn)方法對電池質(zhì)量是否有顯著影響？解：第一步，翻開數(shù)據(jù)文件data06-3.sav，選擇Analyze→GeneralLinearModel→Univariate，6-5所示：6-5Analyze其次步：單擊鼠標左鍵，消滅Univariatehour”變量送入DependentVariabe因變量enterprismethodFixedFactor(s)〔固定因素變量〕6-66-6UnivariateMainEffects，從Factors&Covariatesenterprisemethod，并Model6-76-7ModelOK按鈕，運行結(jié)果如下：UnivariateAnalysisofVarianceBetween-SubjectsFactorsBetween-SubjectsFactorsenterprise1ValueLabel企業(yè)1N32企業(yè)233企業(yè)334企業(yè)43method1方法142方法243方法34TestsofTestsofBetween-SubjectsEffectsDependentVariable:houra.RSquared=.816(AdjustedRSquared=.663)SourceTypeIIISumofSquaresdfMeanSquareFSig.CorrectedModel540.833a5108.1675.327.03315841.333115841.333780.148.000enterprise104.667334.8891.718.262method436.1672218.08310.740.010Error121.833620.306Total16504.00012CorrectedTotal662.667116-10〔enterpris1-4〔method，1-3，N是每一單元的樣本數(shù)量。5-11〔企業(yè)104.667,列因素〔方法〕的誤差平方和為436.167，誤差項平方和為121.833，總誤差平方662.667。表的第三列為自由度，第四列為均方，第五列為F值，第六列為P值，此例中企業(yè)變量的P＝0.262>0.05,P＝0.01<0.05對電池質(zhì)量有顯著影響。三、操作練習(xí)6-12飼料6-12五種品種三種飼料的體重試驗數(shù)據(jù)飼料品種1231140152184212514819631391601684128144174513615420195%的概率保證程度下,試分析不同品種和不同飼料對豬的體重是否有顯著影響？四、操作練習(xí)答案解：第一步，翻開數(shù)據(jù)文件data06-4.sav，選擇Analyze→GeneralLinearModel→Univariate，如以以下圖所示：Univariate主對話框，將“weight”變量送入〔固定因素變量〕框,輸出結(jié)果如以以下圖所示：&Covariatestypefodder，并移入Model框中，輸出結(jié)果如以以下圖所示：OK按鈕，運行結(jié)果如下：UnivariateAnalysisofVarianceNtype132Ntype1323334353fodder152535TestsofBetween-SubjectsTestsofBetween-SubjectsEffectsDependentVariable:weighta.RSquared=.902(AdjustedRSquared=.829)SourceTypeIIISumofSquaresdfMeanSquareFSig.CorrectedModel7044.267a61174.04412.337.001367853.4001367853.4003.865E3.000type354.267488.567.931.492fodder6690.00023345.00035.149.000Error761.333895.167Total375659.00015CorrectedTotal7805.60014〔type〕，1-5，飼料〔fodder〕，是每一單元的樣本數(shù)量。6-14〔品種354.267,列因素〔飼料〕的誤差平方和為6690，誤差項平方和為761.333，總誤差平方和為FP值，P＝0.492>0.05,P＝0.000<0.05，所以拒絕原假設(shè)，即不同飼料對豬的體重有顯著影響。試驗三、SPSS進展有交互作用的雙因素方差分析一、試驗?zāi)康募耙骃PSS運行結(jié)果能進展解釋。二、試驗內(nèi)容6-15所示：品牌銷售方案1品牌銷售方案12312335653238603040503843544050665248704995%的概率保證程度下,試分析不同品牌、不同方案及其交互作用對銷售量是否有顯著影響？解：第一步，翻開數(shù)據(jù)文件data06-5.sav，選擇Analyze→GeneralLinearModel→Univariate，6-8所示：6-8AnalyzeUnivariate主對話框，將“quantity”變量送入Dependent因變量〕”變量送入FixedFactor(s)〔固定因素變量〕6-9Interaction，從Factors&Covariatesenterprisemethod，移入Modelenterprisemethod，點擊箭頭按鈕，Model框中消滅交互項，兩個變量之間用“*6-106-10ModelOK按鈕，運行結(jié)果如下：UnivariateAnalysisofVarianceBetween-SubjectsFactorsBetween-SubjectsFactorsNbrand162636plan162636TestsTestsofBetween-SubjectsEffectsDependentVariable:quantitya.RSquared=.980(AdjustedRSquared=.962)SourceTypeIIISumofSquaresdfMeanSquareFSig.CorrectedModel2355.111a8294.38955.198.00041088.889141088.8897.704E3.000brand586.1112293.05654.948.000plan1548.1112774.056145.135.000brand*plan220.889455.22210.354.002Error48.00095.333Total43492.00018CorrectedTotal2403.11117〔brand〕，1-3，方案〔plan〕，是每一單元的樣本數(shù)量。6-17〔品牌586.111,列因素〔方案〕的誤差平方和為1548.111，交互作用的誤差平方和為220.889，誤差項平方和為48，總誤差平方和為2403.111。表的第三列為自由度，第四列為均方，第五列為F值，第六列為P值，此例中品牌變量的P＝0.000<0.05,所以P＝0.000<0.05，所以拒絕原假設(shè)，即方案對銷售量有顯著影響。交互作用的P＝0.002<0.05,所以拒絕原假設(shè)，即品牌與方案的交互作用對銷售量有顯著影響。三、操作練習(xí)6-18所示：品種施肥方案1品種施肥方案123412109.210.59.7121111.511.213.712.5141312.810.4131295%的概率保證程度下,試分析不同品種、不同方案及其交互作用對產(chǎn)出量是否有顯著影響？四、操作練習(xí)答案解：第一步，翻開數(shù)據(jù)文件data06-6.sav，選擇Analyze→GeneralLinearModel→Univariate，如以以下圖所示：Univariate主對話框，將“ou