實(shí)驗(yàn)九方差分析實(shí)驗(yàn)

實(shí)驗(yàn)九方差分析實(shí)驗(yàn)素單變量方差分析)和GLMMultivariate(多因素多變量方差分析)。方差分析(analysisofv方差分析將不同水平間的總離差(SST:反映了全部②計(jì)算檢驗(yàn)的統(tǒng)計(jì)量F(F=MSR/MSE)。③統(tǒng)計(jì)決策。將統(tǒng)計(jì)量的值F與給定的顯著性水平α的臨具體內(nèi)容與方法參看實(shí)驗(yàn)六(均值比較分析)的第四小節(jié)某食品集團(tuán)公司生產(chǎn)A、B、C三個(gè)品牌的食品為，了解不表9-1某公司三種不同的食品的銷(xiāo)售數(shù)據(jù)單位：噸地區(qū)編號(hào)12345678如面低出要量機(jī)部圖9.12)選擇菜單“Analyze→GeneralLinearModel→Univariate”,擇“food”和“group”進(jìn)入“FixedFactor(s)”框(如圖9.2)。食品重藍(lán)N隨機(jī)世子4)3)選擇建立多因素方差分析的模型。單擊“Model”,選中單衰量：模要g平力和9類(lèi)整m?在壤復(fù)中他合度圖9.3鈕可改變多因素變量的各組差異比較類(lèi)型(如圖9.4)。對(duì)比B:簡(jiǎn)單參考類(lèi)別：◎最后一個(gè)L)繼續(xù)取消幫助○第一個(gè)B)圖9.45)設(shè)置以圖形方式展現(xiàn)多因素之間是否存在交互作用。單擊“Plots”按鈕，選擇變量“food”進(jìn)入“HorizontalAxis”編輯框，單擊“ADD”進(jìn)入“Plots”框后，選擇變量“group”框(如圖9.5)。四子.D類(lèi)四g)圖糖助圖9.5“food”選入“PostHocTestfor”列表框，進(jìn)行多重比較分進(jìn)行方差齊時(shí)兩兩均值的比較(如圖9.6)。兩兩比積穩(wěn)釋區(qū))(工行**4科體)圖9.6“Display”復(fù)選框中選擇Descriptivestatistics和Homogeneity))圖9.7F 2376.376 圖9.8圖9.8第一行為所用方差分析模型的檢驗(yàn)，P小于0.05,因此0.084,大于0.05,表明三種品牌的產(chǎn)品的銷(xiāo)售情況沒(méi)有差別。甲地區(qū)為大城市，乙地區(qū)為縣城，丙地區(qū)為農(nóng)村。某地分別調(diào)查了上述三類(lèi)地區(qū)8歲男生三項(xiàng)身體生長(zhǎng)發(fā)育指標(biāo)：身高、體重和胸圍，數(shù)據(jù)見(jiàn)表9-2,問(wèn)：三類(lèi)地區(qū)之間男生三項(xiàng)身體生長(zhǎng)發(fā)育指標(biāo)的差異有無(wú)顯著性?表9-2甲、乙、丙、地區(qū)8歲男生三項(xiàng)身體生長(zhǎng)發(fā)育指標(biāo)編號(hào)甲地區(qū)乙地區(qū)丙地區(qū)身高體重胸圍身高體重胸圍身高體重胸圍1234567891)激活數(shù)據(jù)管理窗口，定義變量area為地區(qū)，high為身高，weight為體重，breast為胸圍，按順序輸入相應(yīng)數(shù)值，甲地區(qū)為1,乙地區(qū)為2,丙地區(qū)為3(如圖9.9).112131415161722961.75S,460.800.060.065.253.81189意想機(jī)圖，分明中圖9.92)選擇菜單“Analyze→GeneralLinearModel→Univariate”。變量area進(jìn)入Factor(s)框中(如圖9.10)。組定世子②)E對(duì)比90課存@)3)點(diǎn)擊Options,選變量area進(jìn)入DisplayMeansfor框；在圖9.11)。圖9.11F身高胸圍222Teststhenullhypothesisthattheer圖9.12圖9.12說(shuō)明了三個(gè)變量均滿(mǎn)足方差齊性條件。F662.46川22胸圍2身高胸圍1身高22胸圍2Error身高胸圍身高體重胸圍Total體重胸圍由圖9.13的area行可知：三類(lèi)地區(qū)之間男生三項(xiàng)身體生長(zhǎng)發(fā)育指標(biāo)的有顯著差異。身高胸圍胸固Covariance身高體垂胸圍Correlation身高陶圍圖9.14由圖9.14可知：身高與體重具有較高的相關(guān)關(guān)系。表9-3是影響橡膠質(zhì)量的相關(guān)數(shù)據(jù)，假設(shè)tear_res(抗撕扯能力)、gloss(光澤)和opacity(不透明度)都是反應(yīng)橡(添加劑)膠質(zhì)量的指標(biāo)，請(qǐng)檢驗(yàn)extrusn(擠壓)和additive(添加劑)表9-3影響橡膠質(zhì)量的相關(guān)數(shù)據(jù)111111111112121212122121212l2l2222222222additive為添加劑(如圖9.15).0t123456789圖9.152)選擇菜單“Analyze→GeneralLinearModel→Univariate”。*保喜②)3)點(diǎn)擊Options,在“輸出”欄內(nèi)選SSCP、ErrorSSCP與Homogeneitytest項(xiàng)(如圖9.17)。多要單，選確多要單，選確四子與凹于交互)h出?方型齊性檢90口殘堃圖q□缺乏擬合優(yōu)度檢驗(yàn))一報(bào)估計(jì)語(yǔ)意)燃續(xù)聯(lián)消相助□功禁估計(jì))參數(shù)估計(jì))圖9.17F抗撕扯能力光澤不透明度Teststhenullhypothesisthattheerrorvarianceofthedependentvariableisequalacrossgroups.a.Design:+extrusn+additive+extr圖9.18圖9.18說(shuō)明了三個(gè)變量均滿(mǎn)足方差齊性條件。Fextrusn*additivePillb.Design:+extrusn+additive+extrusn*add由圖9.19可知：Extrusn和Additive的交互作用檢驗(yàn)不顯著,抗撕扯能力光澤不透明度Sum-of-SquaresundCross-抗撕扯能力Products光澤不透明度Covarianee抗撕扯能力光澤不透明度抗撕批能力光澤不透明度由圖9.20可知：tear_res(抗撕扯能力)、gloss(光澤)和opacity(不透明度)彼此不相關(guān)。FCorrectedModel抗撕扯能力光澤不透明度333抗撕扯能力光澤不透明度1抗撕扯能力光澤不透明度抗撕扯能力光澤不透明度光澤不透明度Error抗撕扯能力光澤不透明度Total抗撕扯能力光澤不透明度CorrectedTotal抗撕扯能力光澤不透明度c.RSquared=.125(驗(yàn)顯著,而對(duì)其他性能檢驗(yàn)不顯著。表9-4是某高校心理調(diào)查的具體的數(shù)據(jù)，請(qǐng)檢驗(yàn)anxiety和tension對(duì)實(shí)驗(yàn)結(jié)果(即trial1-trial4)有無(wú)影響、四次試驗(yàn)間有無(wú)差異以及試驗(yàn)次數(shù)和兩個(gè)變量有無(wú)交互作用。表9-4某高校心理調(diào)查的具體數(shù)據(jù)1116284311624124528626125172184828419216222822922881)激活數(shù)據(jù)管理窗口，定義變量anxiety、tension和trial1-trial4(如圖9.22).…單甲單中2用用2A12 18:8:6力8”的42”23456789圖9.22定義重復(fù)測(cè)量因子為trial,在因素等級(jí)數(shù)中填入4(因一共測(cè)量了四次),單擊Add鈕(如圖9.23)。加級(jí)心E加)第改心)n圖9.23選入anxity和tension,單擊0K(如圖9.24)。兼要很帶兼要很帶分高藥比較a0緊作圖素[tsmnion]獻(xiàn)助圖9.24Mauchly'sW5圖9.25圖9.25表明數(shù)據(jù)服從球形分布，可以進(jìn)行重復(fù)測(cè)量的方差分析。Fa.Exactstatisticb.Design:+anxiety+tension+anxiety"tensionWithinSubjectsDesign:圖9.26由圖9.26可知：四次實(shí)驗(yàn)結(jié)果檢驗(yàn)顯著(有區(qū)別),trialanxiety的交互作用顯著,其他不顯著。與為研究某行業(yè)的高級(jí)工程師在不同的經(jīng)濟(jì)發(fā)展地區(qū)的收入是否明顯不同，由于年齡和經(jīng)驗(yàn)影響該行業(yè)的收入，考慮年齡狀況，現(xiàn)隨機(jī)抽取經(jīng)濟(jì)較發(fā)達(dá)地區(qū)與經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的兩組各13個(gè)數(shù)據(jù)，其具體數(shù)據(jù)資料見(jiàn)下表9-5。表9-5經(jīng)濟(jì)發(fā)展?fàn)顩r與不同年齡的收入數(shù)據(jù)單位：千元經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)經(jīng)濟(jì)較發(fā)達(dá)地區(qū)年齡(X1)月工資(Y1)年齡(X2)月工資(Y2)1)激活數(shù)據(jù)管理窗口，定義變量group表示組別、age表示年齡和wage表示工資(如圖9.27)。2)首先進(jìn)行預(yù)分析，了解數(shù)據(jù)是否符合協(xié)方差分析的要求，最重要的一點(diǎn)就是看age的影響在兩組中是否相同，這可以用選擇Analyze→GeneralLinealmodel→USumofsquares列表框中選ModelI,單擊OK(如圖1W121314151671181911111229圖9.27單衰嫩單衰嫩隨機(jī)因子在給兩兩比較90選項(xiàng)的)腔治4)制助O:金子4)精圖9.29單擊Option選項(xiàng)，在Displaymeansfor中選入group,勾選?比較主就應(yīng)如)置信區(qū)間進(jìn)節(jié)90□方考開(kāi)樣00□熱型圖華)□糖乏相合優(yōu)度檔能Q)□一級(jí)藥計(jì)函數(shù)基需性求平：[%|查信區(qū)間為99.0%□帶數(shù)結(jié)計(jì)立)對(duì)書(shū)軍矩陣@DependentVariable;工資F22上表顯示交互作用無(wú)統(tǒng)計(jì)學(xué)意義，可進(jìn)行協(xié)方差分析(可將交互項(xiàng)從模型中去掉)。DependentVariable:工資組別經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)經(jīng)濟(jì)較發(fā)達(dá)地區(qū)上表為在年齡因素的影響情況下，各組的工資情況。欠發(fā)達(dá)地區(qū)發(fā)達(dá)地區(qū)發(fā)達(dá)地區(qū)欠發(fā)達(dá)地區(qū)上表表明，在年齡影響情況下，各組的工資情況比較有顯