單因素方差分析(詳細(xì)版)-課件

單因素方差分析(One-WayANOVA)1ppt課件單因素方差分析(One-WayANOVA)1ppt課件1、問(wèn)題與數(shù)據(jù)有研究者認(rèn)為，體力活動(dòng)較多的人能更好地應(yīng)對(duì)職場(chǎng)的壓力。為了驗(yàn)證這一理論，某研究招募了31名受試者，測(cè)量了他們每周進(jìn)行體力活動(dòng)的時(shí)間(分鐘)，以及應(yīng)對(duì)職場(chǎng)壓力的能力。根據(jù)體力活動(dòng)的時(shí)間數(shù)，受試者被分為4組：久坐組、低、中、高體力活動(dòng)組，變量名為group。利用Likert量表調(diào)查的總得分來(lái)評(píng)估應(yīng)對(duì)職場(chǎng)壓力的能力，分?jǐn)?shù)越高，表明應(yīng)對(duì)職場(chǎng)壓力的能力越強(qiáng)，變量名為coping_stress。應(yīng)對(duì)職場(chǎng)壓力的能力，可以簡(jiǎn)寫(xiě)為CWWS得分。研究者想知道，CWWS得分的高低是否取決于體力活動(dòng)的時(shí)間，即coping_stress變量的平均得分是否隨著group變量的不同而不同（部分?jǐn)?shù)據(jù)如右圖）2ppt課件1、問(wèn)題與數(shù)據(jù)有研究者認(rèn)為，體力活動(dòng)較多的人能更好地應(yīng)對(duì)職場(chǎng)2、對(duì)問(wèn)題的分析研究者想分析不同group間的coping_stress得分差異，可以采用單因素方差分析。單因素方差分析適用于2種類(lèi)型的研究設(shè)計(jì)：1）判斷3個(gè)及以上獨(dú)立的組間均數(shù)是否存在差異；2）判斷前后變化的差值是否存在差異。使用單因素方差分析時(shí)，需要考慮6個(gè)假設(shè)。假設(shè)1：因變量為連續(xù)變量；假設(shè)2：有一個(gè)包含2個(gè)及以上分類(lèi)、且組別間相互獨(dú)立的自變量；假設(shè)3：每組間和組內(nèi)的觀測(cè)值相互獨(dú)立；假設(shè)4：每組內(nèi)沒(méi)有明顯異常值；假設(shè)5：每組內(nèi)因變量符合正態(tài)分布；假設(shè)6：進(jìn)行方差齊性檢驗(yàn)，觀察每組的方差是否相等。那么，進(jìn)行單因素方差分析時(shí)，如何考慮和處理這6項(xiàng)假設(shè)呢？3ppt課件2、對(duì)問(wèn)題的分析研究者想分析不同group間的coping_3、思維導(dǎo)圖4ppt課件3、思維導(dǎo)圖4ppt課件5ppt課件5ppt課件4、對(duì)假設(shè)的判斷假設(shè)1：因變量為連續(xù)變量；假設(shè)2：有一個(gè)包含2個(gè)及以上分類(lèi)、且組別間相獨(dú)立的自變量；假設(shè)3：每組間及組內(nèi)的觀測(cè)值相互獨(dú)立。和研究設(shè)計(jì)有關(guān)，需根據(jù)實(shí)際情況判斷。假設(shè)4：每組內(nèi)沒(méi)有明顯異常值。如果某個(gè)組別中的某些因變量取值和其他值相比特別大或者特別小，則稱之為異常值。異常值會(huì)影響該組的均數(shù)和標(biāo)準(zhǔn)差，因此會(huì)對(duì)最終的統(tǒng)計(jì)檢驗(yàn)結(jié)果產(chǎn)生很大的負(fù)面影響。對(duì)于小樣本研究，異常值的影響尤其顯著，必須檢查每組內(nèi)是否存在明顯異常值。以下將說(shuō)明如何在SPSS中利用箱線圖（Boxplots）檢查是否存在異常值，以及存在異常值時(shí)的幾種處理方法。6ppt課件4、對(duì)假設(shè)的判斷假設(shè)1：因變量為連續(xù)變量；假設(shè)4：每組內(nèi)沒(méi)有(1)在主菜單點(diǎn)擊Analyze>DescriptiveStatistics>Explore...：出現(xiàn)右圖Explore對(duì)話框：利用箱線圖（Boxplots）檢查是否存在異常值，以及存在異常值時(shí)的幾種處理方法7ppt課件(1)在主菜單點(diǎn)擊Analyze>Descriptive(2)把因變量coping_stress送入DependentList框中，把自變量group送入FactorList框中：(3)點(diǎn)擊Plots...，出現(xiàn)Explore:Plots對(duì)話框：8ppt課件(2)把因變量coping_stress送入Dependen(4)在Boxplots模塊內(nèi)保留系統(tǒng)默認(rèn)選項(xiàng)Factorlevelstogether，在Descriptive模塊內(nèi)取消選擇Stem-and-leaf，在下方勾選Normalityplotswithtests（執(zhí)行Shapiro-Wilk's檢驗(yàn)）：點(diǎn)擊Continue，返回Explore對(duì)話框。(5)在Display模塊內(nèi)點(diǎn)擊Plots：如果使用偏度和峰度（skewnessandkurtosis）進(jìn)行正態(tài)性判斷，則保留Display模塊內(nèi)的默認(rèn)選項(xiàng)Both或者選擇Statistics。(6)點(diǎn)擊OK，輸出結(jié)果。9ppt課件(4)在Boxplots模塊內(nèi)保留系統(tǒng)默認(rèn)選項(xiàng)Factor根據(jù)如下輸出的箱線圖，判斷每個(gè)組別內(nèi)是否存在異常值。10ppt課件根據(jù)如下輸出的箱線圖，判斷每個(gè)組別內(nèi)是否存在異常值。10ppSPSS中將距離箱子邊緣超過(guò)1.5倍箱身長(zhǎng)度的數(shù)據(jù)點(diǎn)定義為異常值，以圓點(diǎn)表示；將距離箱子邊緣超過(guò)3倍箱身長(zhǎng)度的數(shù)據(jù)點(diǎn)定義為極端值（極端異常值），以星號(hào)（*）表示。為容易識(shí)別，在DataView窗口異常值均用其所在行數(shù)標(biāo)出。本例數(shù)據(jù)箱線圖無(wú)圓點(diǎn)或星號(hào)，因此無(wú)異常值。假如數(shù)據(jù)中存在異常值和極端異常值，其箱線圖如右：箱線圖是一種比較簡(jiǎn)單和流行的異常值檢驗(yàn)方法，當(dāng)然同樣存在一些更為復(fù)雜的方法，這里不過(guò)多介紹。11ppt課件SPSS中將距離箱子邊緣超過(guò)1.5倍箱身長(zhǎng)度的數(shù)據(jù)點(diǎn)定義為異如何處理數(shù)據(jù)中存在的異常值

異常值的處理方法分為2種：(1)保留異常值：1）采用非參數(shù)Kruskal-WallisH檢驗(yàn)；2）用非最極端的值來(lái)代替極端異常值（如用第二大的值代替）；3）因變量轉(zhuǎn)換成其他形式；4）將異常值納入分析，并堅(jiān)信其對(duì)結(jié)果不會(huì)產(chǎn)生實(shí)質(zhì)影響。(2)剔除異常值：直接刪除異常值很簡(jiǎn)單，但卻是沒(méi)有辦法的辦法。當(dāng)我們需要?jiǎng)h掉異常值時(shí)，應(yīng)報(bào)告異常值大小及其對(duì)結(jié)果的影響，最好分別報(bào)告刪除異常值前后的結(jié)果。而且，應(yīng)該考慮有異常值的個(gè)體是否符合研究的納入標(biāo)準(zhǔn)。如果其不屬于合格的研究對(duì)象，應(yīng)將其剔除，否則會(huì)影響結(jié)果的推論。導(dǎo)致數(shù)據(jù)中存在異常值的原因有3種：(1)數(shù)據(jù)錄入錯(cuò)誤：首先應(yīng)該考慮異常值是否由于數(shù)據(jù)錄入錯(cuò)誤所致。如果是，用正確值進(jìn)行替換并重新進(jìn)行檢驗(yàn)；(2)測(cè)量誤差：如果不是由于數(shù)據(jù)錄入錯(cuò)誤，接下來(lái)考慮是否因?yàn)闇y(cè)量誤差導(dǎo)致（如儀器故障或超過(guò)量程）；(3)真實(shí)的異常值：如果以上兩種原因都不是，那最有可能是一種真實(shí)的異常數(shù)據(jù)。這種異常值不好處理，但也沒(méi)有理由將其當(dāng)作無(wú)效值看待。目前它的處理方法比較有爭(zhēng)議，尚沒(méi)有一種特別推薦的方法。需要注意的是，如果存在多個(gè)異常值，應(yīng)先把最極端的異常值去掉后，重新檢查異常值情況。這是因?yàn)橛袝r(shí)最極端異常值去掉后，其他異常值可能會(huì)回歸正常。12ppt課件如何處理數(shù)據(jù)中存在的異常值

異常值的處理方法分為2種：導(dǎo)致數(shù)如果樣本量較?。?lt;50），并且對(duì)正態(tài)Q-Q圖或其他圖形方法的結(jié)果詮釋不夠有把握，推薦采用Shapiro-Wilk檢驗(yàn)。每組自變量都會(huì)有一個(gè)Shapiro-Wilk正態(tài)性檢驗(yàn)結(jié)果。本例結(jié)果見(jiàn)如下TestsofNormality表格。假設(shè)5：每組內(nèi)因變量符合正態(tài)分布正態(tài)性檢驗(yàn)有很多方法，這里只介紹最常用的一種：Shapiro-Wilk正態(tài)性檢驗(yàn)（其他還有偏度和峰度值、直方圖等）。在假設(shè)4的判斷中，我們?cè)贓xplore:Plots對(duì)話框中勾選了Normalityplotswithtests，輸出結(jié)果中會(huì)給出Shapiro-Wilk檢驗(yàn)的結(jié)果。如果樣本量大于50，推薦使用正態(tài)Q-Q圖等圖形方法進(jìn)行正態(tài)判斷，因?yàn)楫?dāng)樣本量較大時(shí)，Shapiro-Wilk檢驗(yàn)會(huì)把稍稍偏離正態(tài)分布的數(shù)據(jù)也標(biāo)記為有統(tǒng)計(jì)學(xué)差異，即數(shù)據(jù)不服從正態(tài)分布。如果數(shù)據(jù)符合正態(tài)分布，顯著性水平（藍(lán)框中的Sig.）應(yīng)該大于0.05。Shapiro-Wilk檢驗(yàn)的無(wú)效假設(shè)是數(shù)據(jù)服從正態(tài)分布，備擇假設(shè)是數(shù)據(jù)不服從正態(tài)分布。因此，如果拒絕無(wú)效假設(shè)（P<0.05），表示數(shù)據(jù)不服從正態(tài)分布；如果不能拒絕無(wú)效假設(shè)，則不能認(rèn)為數(shù)據(jù)不服從正態(tài)分布。本例中每組正態(tài)性檢驗(yàn)P值均大于0.05，因此不能認(rèn)為每組因變量不服從正態(tài)分布。13ppt課件如果樣本量較小（<50），并且對(duì)正態(tài)Q-Q圖或其他圖形方法的假設(shè)6：進(jìn)行方差齊性檢驗(yàn)，觀察每組的方差是否相等。在第五部分SPSS操作中進(jìn)行判斷。如果數(shù)據(jù)不服從正態(tài)分布，可以有如下4種方法進(jìn)行處理：(1)數(shù)據(jù)轉(zhuǎn)換：對(duì)轉(zhuǎn)換后呈正態(tài)分布的數(shù)據(jù)進(jìn)行單因素方差分析。當(dāng)各組因變量的分布形狀相同時(shí)，正態(tài)轉(zhuǎn)換才有可能成功。對(duì)于一些常見(jiàn)的分布，有特定的轉(zhuǎn)換形式，但是對(duì)于轉(zhuǎn)換后數(shù)據(jù)的結(jié)果解釋可能比較復(fù)雜。(2)使用非參數(shù)檢驗(yàn)：可以使用Kruskal-WallisH檢驗(yàn)等非參數(shù)檢驗(yàn)方法，但是要注意Kruskal-WallisH檢驗(yàn)和單因素方差分析的無(wú)效假設(shè)和備擇假設(shè)不太一致。(3)直接進(jìn)行分析：由于單因素方差分析對(duì)于偏離正態(tài)分布比較穩(wěn)健，尤其是在各組樣本量相等或近似相等的情況下，而且非正態(tài)分布實(shí)質(zhì)上并不影響犯I型錯(cuò)誤的概率。因此可以直接進(jìn)行檢驗(yàn)，但是結(jié)果中仍需報(bào)告對(duì)正態(tài)分布的偏離。(4)檢驗(yàn)結(jié)果的比較：將轉(zhuǎn)換后和未轉(zhuǎn)換的原始數(shù)據(jù)分別進(jìn)行單因素方差分析，如果二者結(jié)論相同，則再對(duì)未轉(zhuǎn)換的原始數(shù)據(jù)進(jìn)行分析。14ppt課件假設(shè)6：進(jìn)行方差齊性檢驗(yàn)，觀察每組的方差是否相等。如果數(shù)據(jù)不(1)點(diǎn)擊Analyze>CompareMeans>One-WayANOVA：5、SPSS操作出現(xiàn)One-WayANOVA對(duì)話框：5.1單因素方差分析（ONEWAYprocedure）→事后兩兩比較（posthoctest）15ppt課件(1)點(diǎn)擊Analyze>CompareMeans>(2)把因變量coping_stress送入DependentList框中，自變量group送入Factor框中：(3)點(diǎn)擊Options，出現(xiàn)One-WayANOVA:Options對(duì)話框：16ppt課件(2)把因變量coping_stress送入Dependen(4)在Statistics模塊勾選Descriptive，Homogeneityofvariancetest和Welch，同時(shí)勾選Meansplot：(5)點(diǎn)擊Continue，返回One-WayANOVA對(duì)話框。17ppt課件(4)在Statistics模塊勾選Descriptive，(6)點(diǎn)擊PostHoc，出現(xiàn)One-WayANOVA:PostHocMultipleComparisons對(duì)話框：對(duì)話框根據(jù)方差齊性檢驗(yàn)的假設(shè)是否滿足，分為2個(gè)主要區(qū)域：18ppt課件(6)點(diǎn)擊PostHoc，出現(xiàn)One-WayANOVA:(7)在EqualVariancesAssumed模塊內(nèi)勾選Tukey，在EqualVariancesNotAssumed模塊內(nèi)勾選Games-Howell：(8)可以在Significancelevel框中修改顯著性水平的大?。ㄏ到y(tǒng)默認(rèn)為0.05，表示當(dāng)P<0.05時(shí)差異具有統(tǒng)計(jì)學(xué)意義，可以將其數(shù)值修改為0.01）。注：在EqualVariancesAssumed模塊內(nèi)SPSS提供了許多兩兩比較的方法。例如，LSD法為“最小顯著差數(shù)法”，是在無(wú)校正的前提下，在不同組間進(jìn)行多次兩個(gè)獨(dú)立樣本t檢驗(yàn)；Bonferroni法是比較流行的方法，同LSD法類(lèi)似在多組間進(jìn)行兩個(gè)獨(dú)立樣本t檢驗(yàn)，但是采用了Bonferroni法進(jìn)行校正。(9)點(diǎn)擊Continue，返回One-WayANOVA對(duì)話框。(10)點(diǎn)擊OK，輸出結(jié)果。19ppt課件(7)在EqualVariancesAssumed模塊內(nèi)出現(xiàn)Univariate對(duì)話框：(1)點(diǎn)擊Analyze>GeneralLinearModel>Univariate...5.2一般線性模型（GLMprocedure）求效應(yīng)量（偏η2）20ppt課件出現(xiàn)Univariate對(duì)話框：(1)點(diǎn)擊Analyze>(2)把因變量coping_stress送入DependentList框中，自變量group送入FixedFactor(s)框中(3)點(diǎn)擊Options...，出現(xiàn)Univariate:Options對(duì)話框：21ppt課件(2)把因變量coping_stress送入Dependen(4)在Display模塊內(nèi)勾選Estimatesofeffectsize：(6)點(diǎn)擊OK，輸出結(jié)果。(5)點(diǎn)擊Continue，返回Univariate對(duì)話框。22ppt課件(4)在Display模塊內(nèi)勾選Estimatesofe(1)點(diǎn)擊Analyze>GeneralLinearModel>Univariate...5.3一般線性模型（GLMprocedure）→自定義組間比較（customcontrasts）如果只關(guān)心特定組別間的差異，你需要知道如何進(jìn)行自定義比較（customcontrasts），以及如何對(duì)多重比較結(jié)果進(jìn)行調(diào)整，這就要用到SPSS軟件中的SyntaxEditor窗口編寫(xiě)相應(yīng)程序語(yǔ)句。當(dāng)滿足方差齊性條件時(shí)，推薦采用GLM程序進(jìn)行自定義組間比較。23ppt課件(1)點(diǎn)擊Analyze>GeneralLinear(2)把因變量coping_stress送入DependentList框中，自變量group送入FixedFactor(s)框中出現(xiàn)Univariate對(duì)話框：24ppt課件(2)把因變量coping_stress送入Dependen(3)點(diǎn)擊Paste，出現(xiàn)IBMSPSSStatisticsSyntaxEditor窗口：25ppt課件(3)點(diǎn)擊Paste，出現(xiàn)IBMSPSSStatisti(4)在/PRINT和/CRITERIA兩行中間，輸入/LMATRIX=group

-1

1

0

0本例中久坐組系數(shù)為-1，“低”體力活動(dòng)組系數(shù)為1，其他組別均為0，則是要比較久坐組和“低”體力活動(dòng)組的CWWS得分差異，看二者的平均CWWS得分差值是否為0（用“低”體力活動(dòng)組得分減去久坐組得分，即系數(shù)為1的組別減去系數(shù)為-1的組別，以系數(shù)為-1的組別為參照組，系數(shù)賦值的正負(fù)與研究設(shè)計(jì)和研究假設(shè)有關(guān)）。注：自定義比較包括了簡(jiǎn)單比較（simplecontrasts）和復(fù)合比較（complexcontrasts）。簡(jiǎn)單比較為只比較自變量某兩個(gè)組別間的差異，需要建立線性比較函數(shù)（linearcontrast，φ）。它包含一系列系數(shù)和每個(gè)組別對(duì)應(yīng)的均數(shù)，系數(shù)取值只能為1，-1，0。我們把要比較的兩組的系數(shù)分別賦值為1和-1，其他不比較的組別系數(shù)賦值為0。/LMATRIX=旨在告訴SPSS我們要做一個(gè)自定義假設(shè)；group表示將要進(jìn)行比較的自變量組別；-1

1

0

0表示要進(jìn)行比較的系數(shù)，系數(shù)的順序和SPSS里輸入的組別順序有關(guān)：這里從左到右（-1

1

0

0）分別對(duì)應(yīng)著久坐組、“低”、“中”和“高”體力活動(dòng)組，表示將“低”體力活動(dòng)組與久坐組進(jìn)行比較。26ppt課件(4)在/PRINT和/CRITERIA兩行中間，輸入(5)用/LMATRIX指令增加另外2種比較：

/LMATRIX=group-1

1/3

1/3

1/3/LMATRIX=group-1/2

-1/2

1/2

1/2本例中，/LMATRIX=group-1

1/3

1/3

1/3表示“低”、“中”和“高”體力活動(dòng)組的組合整體與久坐組CWWS得分差異的比較，/LMATRIX=group-1/2

-1/2

1/2

1/2表示“中”和“高”體力活動(dòng)組的組合與“低”體力活動(dòng)組和久坐組組合的比較。注：復(fù)合比較為比較自變量超過(guò)2個(gè)組別的組合間的差異，如比較B組與C、D兩組的組合間的差異，或C、D兩組間的組合與A、D兩組間組合的差異。同樣采用線性比較函數(shù)的方法，某組合的系數(shù)賦值為1或-1除以組合內(nèi)的組數(shù)，但是要保證要比較的組間組合與另一組（組合）的所有系數(shù)加起來(lái)為0，系數(shù)賦值的正負(fù)與研究設(shè)計(jì)和研究假設(shè)有關(guān)。27ppt課件(5)用/LMATRIX指令增加另外2種比較：本例中，/LM(6)多重比較的校正接下來(lái)，我們需要校正顯著性水平（α），通常也可以校正每次比較的P值和可信區(qū)間，得到調(diào)整后P值和聯(lián)合可信區(qū)間（simultaneousconfidenceintervals）。我們首先采用Bonferroni方法對(duì)顯著性水平α進(jìn)行校正，公式如下：調(diào)整后α=調(diào)整前α÷比較的次數(shù)本例中我們需要進(jìn)行3次比較，則調(diào)整后α=0.05÷3=0.01667。(7)箭頭標(biāo)注處為SPSS軟件默認(rèn)的顯著性水平α=0.05：

/CRITERIA=ALPHA(.05)28ppt課件(6)多重比較的校正接下來(lái)，我們需要校正顯著性水平（α），通(8)我們將其改為調(diào)整后的顯著性水平α=0.1667：

/CRITERIA=ALPHA(.01667)29ppt課件(8)我們將其改為調(diào)整后的顯著性水平α=0.1667：29p(9)在菜單欄點(diǎn)擊Run>All：30ppt課件(9)在菜單欄點(diǎn)擊Run>All：30ppt課件(1)點(diǎn)擊Analyze>CompareMeans>One-WayANOVA：出現(xiàn)One-WayANOVA對(duì)話框：5.4單因素方差分析（ONEWAYprocedure）→自定義組間比較（customcontrasts）31ppt課件(1)點(diǎn)擊Analyze>CompareMeans>(2)把因變量coping_stress送入DependentList框中，自變量group送入Factor框中：(3)點(diǎn)擊Contrasts，出現(xiàn)One-WayANOVA:Contrasts對(duì)話框：32ppt課件(2)把因變量coping_stress送入Dependen(4)在Coefficients模塊中輸入第一組比較（如-1100）的第一個(gè)系數(shù)，點(diǎn)擊Add：(5)在Coefficients模塊中輸入第一組比較（如-1100）的其他系數(shù)，點(diǎn)擊Add：33ppt課件(4)在Coefficients模塊中輸入第一組比較（如-1(6)點(diǎn)擊Next，輸入新的自定義比較組，此時(shí)下圖中紅框區(qū)域內(nèi)將變?yōu)楱CContrast2of2–：(7)按照之前的方式輸入第二個(gè)比較組（如-11/31/31/3）：注：Coefficients模塊中無(wú)法輸入分?jǐn)?shù)，最多只能輸入3位小數(shù)的數(shù)值來(lái)代替。因此本例中輸入0.333代替1/3，但是由于最后總和不等于1（0.333×3=0.999），因此我們將在后面的第（11）（12）步中進(jìn)行調(diào)整。34ppt課件(6)點(diǎn)擊Next，輸入新的自定義比較組，此時(shí)下圖中紅框區(qū)域(8)繼續(xù)點(diǎn)擊Next，輸入新的自定義比較組，此時(shí)下圖中紅框區(qū)域內(nèi)將變?yōu)楱CContrast3of3–：(9)按照之前的方式輸入第三個(gè)比較組（如-1/2-1/21/21/2）：35ppt課件(8)繼續(xù)點(diǎn)擊Next，輸入新的自定義比較組，此時(shí)下圖中紅框(10)點(diǎn)擊Continue，返回One-WayANOVA對(duì)話框。(11)點(diǎn)擊Paste，進(jìn)入IBMSPSSStatisticsSyntaxEditor窗口：36ppt課件(10)點(diǎn)擊Continue，返回One-WayANOVA(12)手動(dòng)增加小數(shù)位數(shù)，如把小數(shù)位數(shù)從3位改為10位（0.333改為0.3333333333）：37ppt課件(12)手動(dòng)增加小數(shù)位數(shù)，如把小數(shù)位數(shù)從3位改為10位（0.(13)在菜單欄中點(diǎn)擊Run>All：38ppt課件(13)在菜單欄中點(diǎn)擊Run>All：38ppt課件6、結(jié)果解釋SPSS會(huì)給出自變量每個(gè)組別的基本情況統(tǒng)計(jì)表，以便對(duì)數(shù)據(jù)有個(gè)初步的了解：6.1基本描述各列變量含義對(duì)應(yīng)如下：基本情況統(tǒng)計(jì)表中每一行均代表著group（自變量）不同組別的coping_stress（因變量）統(tǒng)計(jì)結(jié)果。可以由此判斷：1）哪兩組間例數(shù)（N）相同；2）哪些組的平均得分（Mean）較高或較低；3）是否每組的變異情況相同（Std.Deviation）。39ppt課件6、結(jié)果解釋SPSS會(huì)給出自變量每個(gè)組別的基本情況統(tǒng)計(jì)表，以本例中，各組的樣本量不相等（范圍7-9），并且隨著體力活動(dòng)水平的增加（即自變量group），應(yīng)對(duì)職場(chǎng)壓力的能力有上升趨勢(shì)（CWWS得分，即因變量coping_stress）。例如從“久坐組”到“高”體力活動(dòng)組，平均得分從4.1513增加為7.5054，但是各組標(biāo)準(zhǔn)差明顯不同（范圍0.77137-1.69131）。不同體力活動(dòng)組別的CWWS得分見(jiàn)右圖：40ppt課件本例中，各組的樣本量不相等（范圍7-9），并且隨著體力活動(dòng)水單因素方差分析假設(shè)不同組別的因變量變異相等。如果不相等，則會(huì)增加犯I型錯(cuò)誤的概率。使用Levene's方差齊性檢驗(yàn)來(lái)檢驗(yàn)方差齊的假設(shè)，檢驗(yàn)結(jié)果見(jiàn)如下TestofHomogeneityofVariances表格：6.2方差齊性檢驗(yàn)結(jié)果Sig.一列數(shù)值代表了檢驗(yàn)的P值。如果Levene's檢驗(yàn)的差異具有統(tǒng)計(jì)學(xué)意義（P<0.05），則不滿足方差齊的假設(shè)；如果Levene's檢驗(yàn)的差異無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05），則不能拒絕方差齊的假設(shè)。本例中，P=0.120，表示各組方差相等。41ppt課件單因素方差分析假設(shè)不同組別的因變量變異相等。6.2方差齊性在滿足方差齊性假設(shè)的前提下，單因素方差分析結(jié)果如下：6.3滿足方差齊性假設(shè)的結(jié)果如果單因素方差分析顯示差異具有統(tǒng)計(jì)學(xué)意義（P<0.05），表示不是所有組的總體均數(shù)均相等（至少有一組均數(shù)不同于另一組）。如果P>0.05，則表示各組間均數(shù)差異無(wú)統(tǒng)計(jì)學(xué)意義。本例中，P值顯示為0.000，不代表P值實(shí)際為0，而是表示P<0.001。本例各組間（group）的得分（coping_stress）均數(shù)差異具有統(tǒng)計(jì)學(xué)意義。即在不同水平的體力活動(dòng)組間，應(yīng)對(duì)職場(chǎng)壓力的能力（CWWS得分）差異具有統(tǒng)計(jì)學(xué)意義，F(xiàn)(3,27)=8.316,

P<0.0005。42ppt課件在滿足方差齊性假設(shè)的前提下，單因素方差分析結(jié)果如下：6.3以上具體結(jié)果來(lái)自于下表：如果經(jīng)單因素方差分析，差異無(wú)統(tǒng)計(jì)學(xué)意義，則報(bào)告如下：在不同水平的體力活動(dòng)組間，應(yīng)對(duì)職場(chǎng)壓力的能力（CWWS得分）差異無(wú)統(tǒng)計(jì)學(xué)意義，F(xiàn)(3,27)=1.116,P=0.523。表中各部分的含義如下：43ppt課件以上具體結(jié)果來(lái)自于下表：如果經(jīng)單因素方差分析，差異無(wú)統(tǒng)計(jì)學(xué)意如果事前沒(méi)有對(duì)特定組間差異進(jìn)行假設(shè)，或者關(guān)心所有組間的兩兩比較，則應(yīng)該進(jìn)行所有組間的兩兩比較（posthoctest）。當(dāng)滿足方差齊性的條件時(shí)，推薦使用Tukey檢驗(yàn)進(jìn)行組間兩兩比較。Tukey檢驗(yàn)不僅提供了每?jī)蓚€(gè)組間比較的P值，也給出了均數(shù)差值的可信區(qū)間（即Tukey區(qū)間）。6.4Tukey檢驗(yàn)結(jié)果本例中由于各組例數(shù)不等，SPSS軟件會(huì)進(jìn)行Tukey-Kramer檢驗(yàn)，但以下我們依然稱之為T(mén)ukey檢驗(yàn)。結(jié)果見(jiàn)右表的MultipleComparisons表格：注：當(dāng)各組例數(shù)不相等時(shí)，Tukey檢驗(yàn)可能不太適用，此時(shí)應(yīng)該進(jìn)行校正后的Tukey-Kramer檢驗(yàn)。Tukey-Kramer檢驗(yàn)結(jié)果偏保守，但適用于各組例數(shù)不等的情況，當(dāng)各組例數(shù)相等時(shí)，結(jié)果與Tukey檢驗(yàn)相同。當(dāng)勾選了Tukey檢驗(yàn)，在各組例數(shù)不同時(shí)SPSS軟件會(huì)自動(dòng)給出Tukey-Kramer檢驗(yàn)結(jié)果。44ppt課件如果事前沒(méi)有對(duì)特定組間差異進(jìn)行假設(shè)，或者關(guān)心所有組間的兩兩比本例中自變量分為4組，因此會(huì)有6種不同的組間組合。當(dāng)我們要比較久坐組和“低”體力活動(dòng)組結(jié)果時(shí)，可以見(jiàn)如下標(biāo)黃部分。2行均為2組比較的結(jié)果，但是均值差值的計(jì)算方式不同，故數(shù)值相同，但符號(hào)相反，均值差值的95%可信區(qū)間也是如此。而均數(shù)差值的標(biāo)準(zhǔn)誤和P值結(jié)果，2行是完全一致的。45ppt課件本例中自變量分為4組，因此會(huì)有6種不同的組間組合。45ppt我們也可以根據(jù)之前Descriptives表格的結(jié)果，自己手動(dòng)驗(yàn)證一下：MultipleComparisons表中各列名如下：46ppt課件我們也可以根據(jù)之前Descriptives表格的結(jié)果，自己手讓我們解讀一下標(biāo)黃的久坐組和“低”體力活動(dòng)組比較結(jié)果：“低”體力活動(dòng)組的CWWS平均分比久坐組高1.72762分，P=0.092>0.05，表示兩組間差異無(wú)統(tǒng)計(jì)學(xué)意義（即兩組間均數(shù)差值等于0）。兩組間均數(shù)差值的95%可信區(qū)間為-0.2058~3.6610，該區(qū)間范圍包括0，等同于P>0.05，差異無(wú)統(tǒng)計(jì)學(xué)意義。47ppt課件讓我們解讀一下標(biāo)黃的久坐組和“低”體力活動(dòng)組比較結(jié)果：“低”我們?cè)賮?lái)解讀一下標(biāo)黃的“高”體力活動(dòng)組和久坐組比較結(jié)果：可以看出，“高”體力活動(dòng)組的CWWS平均分比久坐組高3.35409分，P=0.001。我們可以報(bào)告：“高”體力活動(dòng)組的平均CWWS得分(7.5±1.2)比久坐組(4.2±0.8)高3.4(95%CI：1.3~5.4)，差異具有統(tǒng)計(jì)學(xué)意義(P=0.001)。48ppt課件我們?cè)賮?lái)解讀一下標(biāo)黃的“高”體力活動(dòng)組和久坐組比較結(jié)果：可以目前許多雜志要求除了列出上述結(jié)果，還要報(bào)告效應(yīng)量。因此，本例的ω2計(jì)算結(jié)果如下：公式里的各指標(biāo)見(jiàn)ANOVA表格：計(jì)算單因素方差分析的效應(yīng)量有很多方法，比較推薦的是計(jì)算ω2，公式如下：49ppt課件目前許多雜志要求除了列出上述結(jié)果，還要報(bào)告效應(yīng)量。因此，本例結(jié)果顯示，偏η2=0.480。偏η2表示控制了其他自變量后，因變量被某一自變量解釋的百分比（單因素方差分析時(shí)，即自變量對(duì)因變量的解釋程度），代表樣本的效應(yīng)量；與偏η2相比，ω2還考慮了抽樣誤差，可以提供相對(duì)準(zhǔn)確的總體效應(yīng)量的估計(jì)。

同樣地，我們也可以報(bào)告偏η2，在TestsofBetween-SubjectsEffects表格中g(shù)roup一行，列名為PartialEtaSquared（已標(biāo)黃）：50ppt課件結(jié)果顯示，偏η2=0.480。同樣地，我們也可以報(bào)告偏η2，當(dāng)方差不齊時(shí)，必須使用校正的單因素方差分析。本例采用Welch方差分析，結(jié)果見(jiàn)RobustTestsofEqualityofMeans表格：6.5不滿足方差齊性假設(shè)的結(jié)果可以報(bào)告：不同水平的體力活動(dòng)組間，應(yīng)對(duì)職場(chǎng)壓力的能力（CWWS得分）差異具有統(tǒng)計(jì)學(xué)意義，WelchF(3,14.574)=14.821,

P<0.0005。當(dāng)差異無(wú)統(tǒng)計(jì)學(xué)意義時(shí)，我們也可以報(bào)告：不同水平的體力活動(dòng)組間，應(yīng)對(duì)職場(chǎng)壓力的能力（CWWS得分）差異無(wú)統(tǒng)計(jì)學(xué)意義，WelchF(3,12.325)=1.316,P=0.523。51ppt課件當(dāng)方差不齊時(shí)，必須使用校正的單因素方差分析。本例采用Welc結(jié)果敘述里的指標(biāo)與RobustTestsofEqualityofMeans表格對(duì)應(yīng)如下：每部分的含義如下：52ppt課件結(jié)果敘述里的指標(biāo)與RobustTestsofEqual當(dāng)方差不齊，而且關(guān)心所有組間的兩兩比較時(shí)，推薦采用Games-Howell檢驗(yàn)。Games-Howell檢驗(yàn)不僅提供了每?jī)蓚€(gè)組間比較的P值，也給出了均數(shù)差值的可信區(qū)間。本例結(jié)果見(jiàn)如下MultipleComparisons表格：6.6Games-Howell檢驗(yàn)Games-Howell檢驗(yàn)的結(jié)果解釋與Tukey檢驗(yàn)相同，這里不再贅述。大家可以參閱第4部分Tukey檢驗(yàn)結(jié)果的解讀。53ppt課件當(dāng)方差不齊，而且關(guān)心所有組間的兩兩比較時(shí)，推薦采用Games當(dāng)我們?cè)贕LM程序中的syntax編輯器輸入了自定義比較的組別后，我們會(huì)得到如下ContrastResults(KMatrix)表格。此表為久坐組和“低”體力活動(dòng)組比較的結(jié)果，與我們當(dāng)時(shí)輸入的比較順序?qū)?yīng)一致。6.7當(dāng)方差齊時(shí)，自定義組間比較的結(jié)果54ppt課件當(dāng)我們?cè)贕LM程序中的syntax編輯器輸入了自定義比較的組首先，我們來(lái)看ContrastEstimate、LowerBound和UpperBound這三行的結(jié)果。ContrastEstimate一行結(jié)果為1.728，這是所比較的2組間的均數(shù)差值，見(jiàn)下圖：均數(shù)差值的95%（聯(lián)合）CI為-0.076~3.531。但是，我們注意到最后一行寫(xiě)的是98.333%CIfordifference，和我們表述的95%CI略有差異。這是因?yàn)闉榱耸谷伪容^的總體CI達(dá)到95%，每次比較的CI實(shí)際會(huì)高于95%。同時(shí)，由于之前為了計(jì)算聯(lián)合CI調(diào)整了顯著水平α，并沒(méi)有調(diào)整P值，因此Sig.=0.021為未調(diào)整的P值（調(diào)整后P值=報(bào)告P值×比較次數(shù)，本例為0.021×3=0.063）。如果調(diào)整后P值<0.05，兩組差異具有統(tǒng)計(jì)學(xué)意義；如果調(diào)整后P值>0.05，兩組差異無(wú)統(tǒng)計(jì)學(xué)意義。55ppt課件首先，我們來(lái)看ContrastEstimate、Lower第二組比較為久坐組與非久坐組（“低”、“中”、“高”體力活動(dòng)組的組合）均數(shù)的比較（/LMATRIX=group-11/31/31/3），即復(fù)合比較的第一組，見(jiàn)下圖：相應(yīng)結(jié)果見(jiàn)如下ContrastResults(KMatrix)表格：ContrastEstimate一行結(jié)果為2.684，計(jì)算方法為2.684=(5.879+7.123+7.505)/3-4.151。其他結(jié)果解釋和P值的調(diào)整方法與第一組相同。本次比較調(diào)整后P值=0.0004，差異具有統(tǒng)計(jì)學(xué)意義。56ppt課件第二組比較為久坐組與非久坐組（“低”、“中”、“高”體力活動(dòng)第三組比較為2個(gè)高水平體力活動(dòng)組（“中”、“高”體力活動(dòng)組的組合）與2個(gè)低體力活動(dòng)組（久坐組、“低”體力活動(dòng)組的組合）均數(shù)的比較（/LMATRIX=group-1/2

-1/2

1/2

1/2），即復(fù)合比較的第二組，ContrastResults(KMatrix)表格結(jié)果見(jiàn)下圖：ContrastEstimate一行結(jié)果為2.299，計(jì)算方法為2.299=(7.123+7.505)/2-(5.879+4.151)/2=7.314-5.015。其他結(jié)果解釋和P值的調(diào)整方法與之前相同。本次比較調(diào)整后P值=0.0003，差異具有統(tǒng)計(jì)學(xué)意義。注：另一種校正多重比較的方法是將未調(diào)整的P值與調(diào)整后的顯著性水平α進(jìn)行比較。本例要進(jìn)行3次比較，故調(diào)整后α=0.05/3=0.01667。如果未調(diào)整P值<0.01667，則差異具有統(tǒng)計(jì)學(xué)意義。57ppt課件第三組比較為2個(gè)高水平體力活動(dòng)組（“中”、“高”體力活動(dòng)組的當(dāng)方差不齊時(shí)，我們?cè)赟PSS軟件中使用ONEWAYANOVA程序來(lái)進(jìn)行自定義組間比較。首先，我們看ContrastCoefficients表格：6.8當(dāng)方差不齊時(shí)，自定義組間比較的結(jié)果該表格列出了我們之前輸入的每個(gè)自定義比較組的各組別系數(shù)。ContrastTests表格分為2部分：Assumeequalvariances（方差齊）和Doesnotassumeequalvariances（方差不齊）。我們來(lái)看方差不齊的結(jié)果，第一組比較（久坐組和“低”體力活動(dòng)組）的結(jié)果，見(jiàn)下圖標(biāo)黃的第“1”行：58ppt課件當(dāng)方差不齊時(shí)，我們?cè)赟PSS軟件中使用ONEWAYANOVContrastTests表格分為2部分：Assumeequalvariances（方差齊）和Doesnotassumeequalvariances（方差不齊）。我們來(lái)看方差不齊的結(jié)果，第一組比較（久坐組和“低”體力活動(dòng)組）的結(jié)果，見(jiàn)下圖標(biāo)黃的第“1”行：ValueofContrast一列結(jié)果為1.728，這是所比較的2組間的均數(shù)差值，見(jiàn)左圖：兩組均數(shù)差值的標(biāo)準(zhǔn)誤（Std.Error）為0.635，P（Sig.(2-tailed)）=0.019。單獨(dú)看這組自定義的比較（不考慮其他兩組自定義的比較），如果P<0.05，兩組差異具有統(tǒng)計(jì)學(xué)意義；如果P>0.05，兩組差異無(wú)統(tǒng)計(jì)學(xué)意義。

59ppt課件ContrastTests表格分為2部分：Assumee第二組比較為久坐組與非久坐組（“低”、“中”、“高”體力活動(dòng)組的組合）均數(shù)的比較，即復(fù)合比較的第一組，結(jié)果見(jiàn)下圖標(biāo)黃的第“2”行：ValueofContrast一列結(jié)果為2.684，這是所比較的2組間的均數(shù)差值，其標(biāo)準(zhǔn)誤（Std.Error）為0.423，P（Sig.(2-tailed)）<0.0005。60ppt課件第二組比較為久坐組與非久坐組（“低”、“中”、“高”體力活動(dòng)第三組比較為2個(gè)高水平體力活動(dòng)組（“中”、“高”體力活動(dòng)組的組合）與2個(gè)低體力活動(dòng)組（久坐組、“低”體力活動(dòng)組的組合）均數(shù)的比較，即復(fù)合比較的第二組，結(jié)果見(jiàn)下圖標(biāo)黃的第“3”行：ValueofContrast一列結(jié)果為2.299，這是所比較的2組間的均數(shù)差值，其標(biāo)準(zhǔn)誤（Std.Error）為0.483，P（Sig.(2-tailed)）<0.0005。如果要同時(shí)進(jìn)行多重自定義比較，我們需要采用Bonferroni方法對(duì)顯著性水平α進(jìn)行調(diào)整。本例要進(jìn)行3次比較，故調(diào)整后α=0.05/3=0.01667。如果未調(diào)整P值<0.01667，組間差異具有統(tǒng)計(jì)學(xué)意義；如果未調(diào)整P值>0.01667，組間差異無(wú)統(tǒng)計(jì)學(xué)意義。本例第一組自定義比較的P=0.019，如果與校正后的α=0.01667比較，則久坐組和“低”體力活動(dòng)組的差異不再具有統(tǒng)計(jì)學(xué)意義。61ppt課件第三組比較為2個(gè)高水平體力活動(dòng)組（“中”、“高”體力活動(dòng)組的7、結(jié)論采用單因素方差分析方法，判斷不同水平體力活動(dòng)組間的應(yīng)對(duì)職場(chǎng)壓力的能力（CWWS得分）是否有差異。受試者被分為4組：久坐組（7人）、“低”體力活動(dòng)組（9人）、“中”體力活動(dòng)組（8人）、“高”體力活動(dòng)組（7人）。經(jīng)箱線圖判斷，數(shù)據(jù)無(wú)異常值；經(jīng)Shapiro-Wilk檢驗(yàn)，各組數(shù)據(jù)服從正態(tài)分布（P>0.05）；經(jīng)Levene's方差齊性檢驗(yàn)，各組數(shù)據(jù)方差齊（P=0.120）。數(shù)據(jù)以均數(shù)±標(biāo)準(zhǔn)差的形式表示。CWWS得分按照從久坐組(4.2±0.8)、“低”體力活動(dòng)組(5.9±1.7)、“中”體力活動(dòng)組(7.1±1.6)、“高”體力活動(dòng)組(7.5±1.2)的順序增加，但是不同體力活動(dòng)組間的CWWS得分差異無(wú)統(tǒng)計(jì)學(xué)意義，F(xiàn)(3,27)=1.116,

P=0.523。7.1當(dāng)方差齊，方差分析顯示組間差異無(wú)統(tǒng)計(jì)學(xué)意義時(shí)62ppt課件7、結(jié)論采用單因素方差分析方法，判斷不同水平體力活動(dòng)組間的應(yīng)采用Welch方差分析方法，判斷不同水平體力活動(dòng)組間的應(yīng)對(duì)職場(chǎng)壓力的能力（CWWS得分）是否有差異。受試者被分為4組：久坐組（7人）、“低”體力活動(dòng)組（9人）、“中”體力活動(dòng)組（8人）、“高”體力活動(dòng)組（7人）。經(jīng)箱線圖判斷，數(shù)據(jù)無(wú)異常值；經(jīng)Shapiro-Wilk檢驗(yàn)，各組數(shù)據(jù)服從正態(tài)分布（P>0.05）；經(jīng)Levene's方差齊性檢驗(yàn)，各組數(shù)據(jù)方差不齊（P=0.002）。數(shù)據(jù)以均數(shù)±標(biāo)準(zhǔn)差的形式表示。CWWS得分按照從久坐組(4.2±0.8)、“低”體力活動(dòng)組(5.9±1.7)、“中”體力活動(dòng)組(7.1±1.6)、“高”體力活動(dòng)組(7.5±1.2)的順序增加，但是不同體力活動(dòng)組間的CWWS得分差異無(wú)統(tǒng)計(jì)學(xué)意義，WelchF(3,12.325)=1.316,

P=0.523。7.2當(dāng)方差不齊，方差分析顯示組間差異無(wú)統(tǒng)計(jì)學(xué)意義時(shí)63ppt課件采用Welch方差分析方法，判斷不同水平體力活動(dòng)組間的應(yīng)對(duì)職采用單因素方差分析方法，判斷不同水平體力活動(dòng)組間的應(yīng)對(duì)職場(chǎng)壓力的能力（CWWS得分）是否有差異。受試者被分為4組：久坐組（7人）、“低”體力活動(dòng)組（9人）、“中”體力活動(dòng)組（8人）、“高”體力活動(dòng)組（7人）。經(jīng)箱線圖判斷，數(shù)據(jù)無(wú)異常值；經(jīng)Shapiro-Wilk檢驗(yàn)，各組數(shù)據(jù)服從正態(tài)分布（P>0.05）；經(jīng)Levene's方差齊性檢驗(yàn)，各組數(shù)據(jù)方差齊（P=0.120）。數(shù)據(jù)以均數(shù)±標(biāo)準(zhǔn)差的形式表示。不同體力活動(dòng)組間的CWWS得分差異具有統(tǒng)計(jì)學(xué)意義，F(xiàn)(3,27)=8.316,P<0.0005，ω2=0.42。CWWS得分按照從久坐組(4.2±0.8)、“低”體力活動(dòng)組(5.9±1.7)、“中”體力活動(dòng)組(7.1±1.6)、“高”體力活動(dòng)組(7.5±1.2)的順序增加。Tukey檢驗(yàn)結(jié)果表明，從久坐組到“中”體力活動(dòng)組，CWWS平均得分增加2.97（95%CI：0.99~4.96），差異具有統(tǒng)計(jì)學(xué)意義（P=0.002）；從久坐組到“高”體力活動(dòng)組，CWWS平均得分增加3.35（95%CI：1.30~5.40），差異具有統(tǒng)計(jì)學(xué)意義（P=0.001）；其他組間兩兩比較的結(jié)果差異無(wú)統(tǒng)計(jì)學(xué)意義。7.3當(dāng)方差齊，方差分析顯示組間差異有統(tǒng)計(jì)學(xué)意義，并進(jìn)行了兩兩比較時(shí)64ppt課件采用單因素方差分析方法，判斷不同水平體力活動(dòng)組間的應(yīng)對(duì)職場(chǎng)壓采用Welch方差分析方法，判斷不同水平體力活動(dòng)組間的應(yīng)對(duì)職場(chǎng)壓力的能力（CWWS得分）是否有差異。受試者被分為4組：久坐組（7人）、“低”體力活動(dòng)組（9人）、“中”體力活動(dòng)組（8人）、“高”體力活動(dòng)組（7人）。經(jīng)箱線圖判斷，數(shù)據(jù)無(wú)異常值；經(jīng)Shapiro-Wilk檢驗(yàn)，各組數(shù)據(jù)服從正態(tài)分布（P>0.05）；經(jīng)Levene's方差齊性檢驗(yàn)，各組數(shù)據(jù)方差不齊（P=0.003）。不同體力活動(dòng)組間的CWWS得分差異具有統(tǒng)計(jì)學(xué)意義，F(xiàn)(3，14.574)=14.821，P<0.0005。CWWS得分按照從久坐組(4.2±0.8)、“低”體力活動(dòng)組(5.9±1.7)、“中”體力活動(dòng)組(7.1±1.6)、“高”體力活動(dòng)組(7.5±1.2)的順序增加。Games-Howell檢驗(yàn)結(jié)果表明，從久坐組到“中”體力活動(dòng)組，CWWS平均得分增加2.97（95%CI：1.07~4.88），差異具有統(tǒng)計(jì)學(xué)意義（P=0.003）；從久坐組到“高”體力活動(dòng)組，CWWS平均得分增加3.35（95%CI：1.66~5.05），差異具有統(tǒng)計(jì)學(xué)意義（P=0.001）。7.4當(dāng)方差不齊，方差分析顯示組間差異有統(tǒng)計(jì)學(xué)意義，并進(jìn)行了兩兩比較時(shí)65ppt課件采用Welch方差分析方法，判斷不同水平體力活動(dòng)組間的應(yīng)對(duì)職各組間均數(shù)差異有統(tǒng)計(jì)學(xué)意義（P<0.05）。因此，可以拒絕無(wú)效假設(shè)，接受備擇假設(shè)。7.5從無(wú)效假設(shè)和備擇假設(shè)的角度出發(fā)，當(dāng)單因素方差分析或Welch方差分析顯示組間差異有統(tǒng)計(jì)學(xué)意義時(shí)各組間均數(shù)差異無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05）。因此，不能拒絕無(wú)效假設(shè)，不能接受備擇假設(shè)。7.6從無(wú)效假設(shè)和備擇假設(shè)的角度出發(fā)，當(dāng)單因素方差分析或Welch方差分析顯示組間差異無(wú)統(tǒng)計(jì)學(xué)意義時(shí)66ppt課件各組間均數(shù)差異有統(tǒng)計(jì)學(xué)意義（P<0.05）。因此，可以拒絕無(wú)8繪制圖表(1)在菜單欄中，點(diǎn)擊Graphs>ChartBuilder...：8.1在SPSS軟件中生成柱狀圖出現(xiàn)如右圖所示ChartBuilder對(duì)話框：67ppt課件8繪制圖表(1)在菜單欄中，點(diǎn)擊Graphs>Cha(2)在ChartBuilder對(duì)話框的左下角，Choosefrom:模塊中選擇“Bar”：68ppt課件(2)在ChartBuilder對(duì)話框的左下角，Choos(3)在ChartBuilder對(duì)話框的中下部，出現(xiàn)8個(gè)不同的柱狀圖選項(xiàng)，把左上角的第一個(gè)（SimpleBar）拖進(jìn)上面的主要圖表預(yù)覽窗口，并點(diǎn)擊ElementProperties：69ppt課件(3)在ChartBuilder對(duì)話框的中下部，出現(xiàn)8個(gè)不(4)出現(xiàn)下圖，圖表預(yù)覽窗口的柱狀圖橫縱軸分別顯示“X-Axis?”和“Y-Axis?”：70ppt課件(4)出現(xiàn)下圖，圖表預(yù)覽窗口的柱狀圖橫縱軸分別顯示“X-Ax(5)從Variables:模塊中把自變量group拖進(jìn)“X-Axis?”，把因變量coping_stress拖進(jìn)“Y-Axis?”：71ppt課件(5)從Variables:模塊中把自變量group拖進(jìn)“X(6)在ElementProperties對(duì)話框中勾選Displayerrorbars，激活–ErrorBarsRepresent–模塊，勾選Confidenceintervals，Level(%):設(shè)定為95，當(dāng)然也可以根據(jù)需要勾選Standarderror或者Standarddeviation，如右圖所示。(7)點(diǎn)擊Apply，進(jìn)行確認(rèn)。(8)如果想改變自變量分組的順序，在"EditPropertiesof:模塊中點(diǎn)擊"X-Axis1(Bar1)"進(jìn)行設(shè)置。(9)如果想改變因變量的范圍或刻度，在"EditPropertiesof:模塊中點(diǎn)擊"Y-Axis1(Bar1)"進(jìn)行設(shè)置。(10)在ChartBuilder對(duì)話框中點(diǎn)擊OK。72ppt課件(6)在ElementProperties對(duì)話框中勾選Di按照上述操作步驟，生成簡(jiǎn)單柱狀圖如下：8.2簡(jiǎn)單柱狀圖結(jié)果圖中每個(gè)柱子的高度表示各組均值的大小，errorbar表示均值的95%CI。SPSS軟件會(huì)自動(dòng)生成灰色背景、米黃色柱子的柱狀圖，但是這種樣式的圖對(duì)于學(xué)術(shù)文章的發(fā)表可能不太適用。73ppt課件按照上述操作步驟，生成簡(jiǎn)單柱狀圖如下：8.2簡(jiǎn)單柱狀圖結(jié)果我們可以使用SPSS軟件的圖形編輯工具，得到如下更適用于學(xué)術(shù)研究的柱狀圖：74ppt課件我們可以使用SPSS軟件的圖形編輯工具，得到如下更適用于學(xué)術(shù)Thanks75ppt課件Thanks75ppt課件單因素方差分析(One-WayANOVA)76ppt課件單因素方差分析(One-WayANOVA)1ppt課件1、問(wèn)題與數(shù)據(jù)有研究者認(rèn)為，體力活動(dòng)較多的人能更好地應(yīng)對(duì)職場(chǎng)的壓力。為了驗(yàn)證這一理論，某研究招募了31名受試者，測(cè)量了他們每周進(jìn)行體力活動(dòng)的時(shí)間(分鐘)，以及應(yīng)對(duì)職場(chǎng)壓力的能力。根據(jù)體力活動(dòng)的時(shí)間數(shù)，受試者被分為4組：久坐組、低、中、高體力活動(dòng)組，變量名為group。利用Likert量表調(diào)查的總得分來(lái)評(píng)估應(yīng)對(duì)職場(chǎng)壓力的能力，分?jǐn)?shù)越高，表明應(yīng)對(duì)職場(chǎng)壓力的能力越強(qiáng)，變量名為coping_stress。應(yīng)對(duì)職場(chǎng)壓力的能力，可以簡(jiǎn)寫(xiě)為CWWS得分。研究者想知道，CWWS得分的高低是否取決于體力活動(dòng)的時(shí)間，即coping_stress變量的平均得分是否隨著group變量的不同而不同（部分?jǐn)?shù)據(jù)如右圖）77ppt課件1、問(wèn)題與數(shù)據(jù)有研究者認(rèn)為，體力活動(dòng)較多的人能更好地應(yīng)對(duì)職場(chǎng)2、對(duì)問(wèn)題的分析研究者想分析不同group間的coping_stress得分差異，可以采用單因素方差分析。單因素方差分析適用于2種類(lèi)型的研究設(shè)計(jì)：1）判斷3個(gè)及以上獨(dú)立的組間均數(shù)是否存在差異；2）判斷前后變化的差值是否存在差異。使用單因素方差分析時(shí)，需要考慮6個(gè)假設(shè)。假設(shè)1：因變量為連續(xù)變量；假設(shè)2：有一個(gè)包含2個(gè)及以上分類(lèi)、且組別間相互獨(dú)立的自變量；假設(shè)3：每組間和組內(nèi)的觀測(cè)值相互獨(dú)立；假設(shè)4：每組內(nèi)沒(méi)有明顯異常值；假設(shè)5：每組內(nèi)因變量符合正態(tài)分布；假設(shè)6：進(jìn)行方差齊性檢驗(yàn)，觀察每組的方差是否相等。那么，進(jìn)行單因素方差分析時(shí)，如何考慮和處理這6項(xiàng)假設(shè)呢？78ppt課件2、對(duì)問(wèn)題的分析研究者想分析不同group間的coping_3、思維導(dǎo)圖79ppt課件3、思維導(dǎo)圖4ppt課件80ppt課件5ppt課件4、對(duì)假設(shè)的判斷假設(shè)1：因變量為連續(xù)變量；假設(shè)2：有一個(gè)包含2個(gè)及以上分類(lèi)、且組別間相獨(dú)立的自變量；假設(shè)3：每組間及組內(nèi)的觀測(cè)值相互獨(dú)立。和研究設(shè)計(jì)有關(guān)，需根據(jù)實(shí)際情況判斷。假設(shè)4：每組內(nèi)沒(méi)有明顯異常值。如果某個(gè)組別中的某些因變量取值和其他值相比特別大或者特別小，則稱之為異常值。異常值會(huì)影響該組的均數(shù)和標(biāo)準(zhǔn)差，因此會(huì)對(duì)最終的統(tǒng)計(jì)檢驗(yàn)結(jié)果產(chǎn)生很大的負(fù)面影響。對(duì)于小樣本研究，異常值的影響尤其顯著，必須檢查每組內(nèi)是否存在明顯異常值。以下將說(shuō)明如何在SPSS中利用箱線圖（Boxplots）檢查是否存在異常值，以及存在異常值時(shí)的幾種處理方法。81ppt課件4、對(duì)假設(shè)的判斷假設(shè)1：因變量為連續(xù)變量；假設(shè)4：每組內(nèi)沒(méi)有(1)在主菜單點(diǎn)擊Analyze>DescriptiveStatistics>Explore...：出現(xiàn)右圖Explore對(duì)話框：利用箱線圖（Boxplots）檢查是否存在異常值，以及存在異常值時(shí)的幾種處理方法82ppt課件(1)在主菜單點(diǎn)擊Analyze>Descriptive(2)把因變量coping_stress送入DependentList框中，把自變量group送入FactorList框中：(3)點(diǎn)擊Plots...，出現(xiàn)Explore:Plots對(duì)話框：83ppt課件(2)把因變量coping_stress送入Dependen(4)在Boxplots模塊內(nèi)保留系統(tǒng)默認(rèn)選項(xiàng)Factorlevelstogether，在Descriptive模塊內(nèi)取消選擇Stem-and-leaf，在下方勾選Normalityplotswithtests（執(zhí)行Shapiro-Wilk's檢驗(yàn)）：點(diǎn)擊Continue，返回Explore對(duì)話框。(5)在Display模塊內(nèi)點(diǎn)擊Plots：如果使用偏度和峰度（skewnessandkurtosis）進(jìn)行正態(tài)性判斷，則保留Display模塊內(nèi)的默認(rèn)選項(xiàng)Both或者選擇Statistics。(6)點(diǎn)擊OK，輸出結(jié)果。84ppt課件(4)在Boxplots模塊內(nèi)保留系統(tǒng)默認(rèn)選項(xiàng)Factor根據(jù)如下輸出的箱線圖，判斷每個(gè)組別內(nèi)是否存在異常值。85ppt課件根據(jù)如下輸出的箱線圖，判斷每個(gè)組別內(nèi)是否存在異常值。10ppSPSS中將距離箱子邊緣超過(guò)1.5倍箱身長(zhǎng)度的數(shù)據(jù)點(diǎn)定義為異常值，以圓點(diǎn)表示；將距離箱子邊緣超過(guò)3倍箱身長(zhǎng)度的數(shù)據(jù)點(diǎn)定義為極端值（極端異常值），以星號(hào)（*）表示。為容易識(shí)別，在DataView窗口異常值均用其所在行數(shù)標(biāo)出。本例數(shù)據(jù)箱線圖無(wú)圓點(diǎn)或星號(hào)，因此無(wú)異常值。假如數(shù)據(jù)中存在異常值和極端異常值，其箱線圖如右：箱線圖是一種比較簡(jiǎn)單和流行的異常值檢驗(yàn)方法，當(dāng)然同樣存在一些更為復(fù)雜的方法，這里不過(guò)多介紹。86ppt課件SPSS中將距離箱子邊緣超過(guò)1.5倍箱身長(zhǎng)度的數(shù)據(jù)點(diǎn)定義為異如何處理數(shù)據(jù)中存在的異常值

異常值的處理方法分為2種：(1)保留異常值：1）采用非參數(shù)Kruskal-WallisH檢驗(yàn)；2）用非最極端的值來(lái)代替極端異常值（如用第二大的值代替）；3）因變量轉(zhuǎn)換成其他形式；4）將異常值納入分析，并堅(jiān)信其對(duì)結(jié)果不會(huì)產(chǎn)生實(shí)質(zhì)影響。(2)剔除異常值：直接刪除異常值很簡(jiǎn)單，但卻是沒(méi)有辦法的辦法。當(dāng)我們需要?jiǎng)h掉異常值時(shí)，應(yīng)報(bào)告異常值大小及其對(duì)結(jié)果的影響，最好分別報(bào)告刪除異常值前后的結(jié)果。而且，應(yīng)該考慮有異常值的個(gè)體是否符合研究的納入標(biāo)準(zhǔn)。如果其不屬于合格的研究對(duì)象，應(yīng)將其剔除，否則會(huì)影響結(jié)果的推論。導(dǎo)致數(shù)據(jù)中存在異常值的原因有3種：(1)數(shù)據(jù)錄入錯(cuò)誤：首先應(yīng)該考慮異常值是否由于數(shù)據(jù)錄入錯(cuò)誤所致。如果是，用正確值進(jìn)行替換并重新進(jìn)行檢驗(yàn)；(2)測(cè)量誤差：如果不是由于數(shù)據(jù)錄入錯(cuò)誤，接下來(lái)考慮是否因?yàn)闇y(cè)量誤差導(dǎo)致（如儀器故障或超過(guò)量程）；(3)真實(shí)的異常值：如果以上兩種原因都不是，那最有可能是一種真實(shí)的異常數(shù)據(jù)。這種異常值不好處理，但也沒(méi)有理由將其當(dāng)作無(wú)效值看待。目前它的處理方法比較有爭(zhēng)議，尚沒(méi)有一種特別推薦的方法。需要注意的是，如果存在多個(gè)異常值，應(yīng)先把最極端的異常值去掉后，重新檢查異常值情況。這是因?yàn)橛袝r(shí)最極端異常值去掉后，其他異常值可能會(huì)回歸正常。87ppt課件如何處理數(shù)據(jù)中存在的異常值

異常值的處理方法分為2種：導(dǎo)致數(shù)如果樣本量較?。?lt;50），并且對(duì)正態(tài)Q-Q圖或其他圖形方法的結(jié)果詮釋不夠有把握，推薦采用Shapiro-Wilk檢驗(yàn)。每組自變量都會(huì)有一個(gè)Shapiro-Wilk正態(tài)性檢驗(yàn)結(jié)果。本例結(jié)果見(jiàn)如下TestsofNormality表格。假設(shè)5：每組內(nèi)因變量符合正態(tài)分布正態(tài)性檢驗(yàn)有很多方法，這里只介紹最常用的一種：Shapiro-Wilk正態(tài)性檢驗(yàn)（其他還有偏度和峰度值、直方圖等）。在假設(shè)4的判斷中，我們?cè)贓xplore:Plots對(duì)話框中勾選了Normalityplotswithtests，輸出結(jié)果中會(huì)給出Shapiro-Wilk檢驗(yàn)的結(jié)果。如果樣本量大于50，推薦使用正態(tài)Q-Q圖等圖形方法進(jìn)行正態(tài)判斷，因?yàn)楫?dāng)樣本量較大時(shí)，Shapiro-Wilk檢驗(yàn)會(huì)把稍稍偏離正態(tài)分布的數(shù)據(jù)也標(biāo)記為有統(tǒng)計(jì)學(xué)差異，即數(shù)據(jù)不服從正態(tài)分布。如果數(shù)據(jù)符合正態(tài)分布，顯著性水平（藍(lán)框中的Sig.）應(yīng)該大于0.05。Shapiro-Wilk檢驗(yàn)的無(wú)效假設(shè)是數(shù)據(jù)服從正態(tài)分布，備擇假設(shè)是數(shù)據(jù)不服從正態(tài)分布。因此，如果拒絕無(wú)效假設(shè)（P<0.05），表示數(shù)據(jù)不服從正態(tài)分布；如果不能拒絕無(wú)效假設(shè)，則不能認(rèn)為數(shù)據(jù)不服從正態(tài)分布。本例中每組正態(tài)性檢驗(yàn)P值均大于0.05，因此不能認(rèn)為每組因變量不服從正態(tài)分布。88ppt課件如果樣本量較?。?lt;50），并且對(duì)正態(tài)Q-Q圖或其他圖形方法的假設(shè)6：進(jìn)行方差齊性檢驗(yàn)，觀察每組的方差是否相等。在第五部分SPSS操作中進(jìn)行判斷。如果數(shù)據(jù)不服從正態(tài)分布，可以有如下4種方法進(jìn)行處理：(1)數(shù)據(jù)轉(zhuǎn)換：對(duì)轉(zhuǎn)換后呈正態(tài)分布的數(shù)據(jù)進(jìn)行單因素方差分析。當(dāng)各組因變量的分布形狀相同時(shí)，正態(tài)轉(zhuǎn)換才有可能成功。對(duì)于一些常見(jiàn)的分布，有特定的轉(zhuǎn)換形式，但是對(duì)于轉(zhuǎn)換后數(shù)據(jù)的結(jié)果解釋可能比較復(fù)雜。(2)使用非參數(shù)檢驗(yàn)：可以使用Kruskal-WallisH檢驗(yàn)等非參數(shù)檢驗(yàn)方法，但是要注意Kruskal-WallisH檢驗(yàn)和單因素方差分析的無(wú)效假設(shè)和備擇假設(shè)不太一致。(3)直接進(jìn)行分析：由于單因素方差分析對(duì)于偏離正態(tài)分布比較穩(wěn)健，尤其是在各組樣本量相等或近似相等的情況下，而且非正態(tài)分布實(shí)質(zhì)上并不影響犯I型錯(cuò)誤的概率。因此可以直接進(jìn)行檢驗(yàn)，但是結(jié)果中仍需報(bào)告對(duì)正態(tài)分布的偏離。(4)檢驗(yàn)結(jié)果的比較：將轉(zhuǎn)換后和未轉(zhuǎn)換的原始數(shù)據(jù)分別進(jìn)行單因素方差分析，如果二者結(jié)論相同，則再對(duì)未轉(zhuǎn)換的原始數(shù)據(jù)進(jìn)行分析。89ppt課件假設(shè)6：進(jìn)行方差齊性檢驗(yàn)，觀察每組的方差是否相等。如果數(shù)據(jù)不(1)點(diǎn)擊Analyze>CompareMeans>One-WayANOVA：5、SPSS操作出現(xiàn)One-WayANOVA對(duì)話框：5.1單因素方差分析（ONEWAYprocedure）→事后兩兩比較（posthoctest）90ppt課件(1)點(diǎn)擊Analyze>CompareMeans>(2)把因變量coping_stress送入DependentList框中，自變量group送入Factor框中：(3)點(diǎn)擊Options，出現(xiàn)One-WayANOVA:Options對(duì)話框：91ppt課件(2)把因變量coping_stress送入Dependen(4)在Statistics模塊勾選Descriptive，Homogeneityofvariancetest和Welch，同時(shí)勾選Meansplot：(5)點(diǎn)擊Continue，返回One-WayANOVA對(duì)話框。92ppt課件(4)在Statistics模塊勾選Descriptive，(6)點(diǎn)擊PostHoc，出現(xiàn)One-WayANOVA:PostHocMultipleComparisons對(duì)話框：對(duì)話框根據(jù)方差齊性檢驗(yàn)的假設(shè)是否滿足，分為2個(gè)主要區(qū)域：93ppt課件(6)點(diǎn)擊PostHoc，出現(xiàn)One-WayANOVA:(7)在EqualVariancesAssumed模塊內(nèi)勾選Tukey，在EqualVariancesNotAssumed模塊內(nèi)勾選Games-Howell：(8)可以在Significancelevel框中修改顯著性水平的大小（系統(tǒng)默認(rèn)為0.05，表示當(dāng)P<0.05時(shí)差異具有統(tǒng)計(jì)學(xué)意義，可以將其數(shù)值修改為0.01）。注：在EqualVariancesAssumed模塊內(nèi)SPSS提供了許多兩兩比較的方法。例如，LSD法為“最小顯著差數(shù)法”，是在無(wú)校正的前提下，在不同組間進(jìn)行多次兩個(gè)獨(dú)立樣本t檢驗(yàn)；Bonferroni法是比較流行的方法，同LSD法類(lèi)似在多組間進(jìn)行兩個(gè)獨(dú)立樣本t檢驗(yàn)，但是采用了Bonferroni法進(jìn)行校正。(9)點(diǎn)擊Continue，返回One-WayANOVA對(duì)話框。(10)點(diǎn)擊OK，輸出結(jié)果。94ppt課件(7)在EqualVariancesAssumed模塊內(nèi)出現(xiàn)Univariate對(duì)話框：(1)點(diǎn)擊Analyze>GeneralLinearModel>Univariate...5.2一般線性模型（GLMprocedure）求效應(yīng)量（偏η2）95ppt課件出現(xiàn)Univariate對(duì)話框：(1)點(diǎn)擊Analyze>(2)把因變量coping_stress送入DependentList框中，自變量group送入FixedFactor(s)框中(3)點(diǎn)擊Options...，出現(xiàn)Univariate:Options對(duì)話框：96ppt課件(2)把因變量coping_stress送入Dependen(4)在Display模塊內(nèi)勾選Estimatesofeffectsize：(6)點(diǎn)擊OK，輸出結(jié)果。(5)點(diǎn)擊Continue，返回Univariate對(duì)話框。97ppt課件(4)在Display模塊內(nèi)勾選Estimatesofe(1)點(diǎn)擊Analyze>GeneralLinearModel>Univariate...5.3一般線性模型（GLMprocedure）→自定義組間比較（customcontrasts）如果只關(guān)心特定組別間的差異，你需要知道如何進(jìn)行自定義比較（customcontrasts），以及如何對(duì)多重比較結(jié)果進(jìn)行調(diào)整，這就要用到SPSS軟件中的SyntaxEditor窗口編寫(xiě)相應(yīng)程序語(yǔ)句。當(dāng)滿足方差齊性條件時(shí)，推薦采用GLM程序進(jìn)行自定義組間比較。98ppt課件(1)點(diǎn)擊Analyze>GeneralLinear(2)把因變量coping_stress送入DependentList框中，自變量group送入FixedFactor(s)框中出現(xiàn)Univariate對(duì)話框：99ppt課件(2)把因變量coping_stress送入Dependen(3)點(diǎn)擊Paste，出現(xiàn)IBMSPSSStatisticsSyntaxEditor窗口：100ppt課件(3)點(diǎn)擊Paste，出現(xiàn)IBMSPSSStatisti(4)在/PRINT和/CRITERIA兩行中間，輸入/LMATRIX=group

-1

1

0

0本例中久坐組系數(shù)為-1，“低”體力活動(dòng)組系數(shù)為1，其他組別均為0，則是要比較久坐組和“低”體力活動(dòng)組的CWWS得分差異，看二者的平均CWWS得分差值是否為0（用“低”體力活動(dòng)組得分減去久坐組得分，即系數(shù)為1的組別減去系數(shù)為-1的組別，以系數(shù)為-1的組別為參照組，系數(shù)賦值的正負(fù)與研究設(shè)計(jì)和研究假設(shè)有關(guān)）。注：自定義比較包括了簡(jiǎn)單比較（simplecontrasts）和復(fù)合比較（complexcontrasts）。簡(jiǎn)單比較為只比較自變量某兩個(gè)組別間的差異，需要建立線性比較函數(shù)（linearcontrast，φ）。它包含一系列系數(shù)和每個(gè)組別對(duì)應(yīng)的均數(shù)，系數(shù)取值只能為1，-1，0。我們把要比較的兩組的系數(shù)分別賦值為1和-1，其他不比較的組別系數(shù)賦值為0。/LMATRIX=旨在告訴SPSS我們要做一個(gè)自定義假設(shè)；group表示將要進(jìn)行比較的自變量組別；-1

1

0

0表示要進(jìn)行比較的系數(shù)，系數(shù)的順序和SPSS里輸入的組別順序有關(guān)：這里從左到右（-1

1

0

0）分別對(duì)應(yīng)著久坐組、“低”、“中”和“高”體力活動(dòng)組，表示將“低”體力活動(dòng)組與久坐組進(jìn)行比較。101ppt課件(4)在/PRINT和/CRITERIA兩行中間，輸入(5)用/LMATRIX指令增加另外2種比較：

/LMATRIX=group-1

1/3

1/3

1/3/LMATRIX=group-1/2

-1/2

1/2

1/2本例中，/LMATRIX=group-1

1/3

1/3

1/3表示“低”、“中”和“高”體力活動(dòng)組的組合整體與久坐組CWWS得分差異的比較，/LMATRIX=group-1/2

-1/2

1/2

1/2表示“中”和“高”體力活動(dòng)組的組合與“低”體力活動(dòng)組和久坐組組合的比較。注：復(fù)合比較為比較自變量超過(guò)2個(gè)組別的組合間的差異，如比較B組與C、D兩組的組合間的差異，或C、D兩組間的組合與A、D兩組間組合的差異。同樣采用線性比較函數(shù)的方法，某組合的系數(shù)賦值為1或-1除以組合內(nèi)的組數(shù)，但是要保證要比較的組間組合與另一組（組合）的所有系數(shù)加起來(lái)為0，系數(shù)賦值的正負(fù)與研究設(shè)計(jì)和研究假設(shè)有關(guān)。102ppt課件(5)用/LMATRIX指令增加另外2種比較：本例中，/LM(6)多重比較的校正接下來(lái)，我們需要校正顯著性水平（α），通常也可以校正每次比較的P值和可信區(qū)間，得到調(diào)整后P值和聯(lián)合可信區(qū)間（simultaneousconfidenceintervals）。我們首先采用Bonferroni方法對(duì)顯著性水平α進(jìn)行校正，公式如下：調(diào)整后α=調(diào)整前α÷比較的次數(shù)本例中我們需要進(jìn)行3次比較，則調(diào)整后α=0.05÷3=0.01667。(7)箭頭標(biāo)注處為SPSS軟件默認(rèn)的顯著性水平α=0.05：

/CRITERIA=ALPHA(.05)103ppt課件(6)多重比較的校正接下來(lái)，我們需要校正顯著性水平（α），通(8)我們將其改為調(diào)整后的顯著性水平α=0.1667：

/CRITERIA=ALPHA(.01667)104ppt課件(8)我們將其改為調(diào)整后的顯著性水平α=0.1667：29p(9)在菜單欄點(diǎn)擊Run>All：105ppt課件(9)在菜單欄點(diǎn)擊Run>All：30ppt課件(1)點(diǎn)擊Analyze>CompareMeans>One-WayANOVA：出現(xiàn)One-WayANOVA對(duì)話框：5.4單因素方差分析（ONEWAYprocedure）→自定義組間比較（customcontrasts）106ppt課件(1)點(diǎn)擊Analyze>CompareMeans>(2)把因變量coping_stress送入DependentList框中，自變量group送入Factor框中：(3)點(diǎn)擊Contrasts，出現(xiàn)One-WayANOVA:Contrasts對(duì)話框：107ppt課件(2)把因變量coping_stress送入Dependen(4)在Coefficients模塊中輸入第一組比較（如-1100）的第一個(gè)系數(shù)，點(diǎn)擊Add：(5)在Coefficients模塊中輸入第一組比較（如-1100）的其他系數(shù)，點(diǎn)擊Add：108ppt課件(4)在Coefficients模塊中輸入第一組比較（如-1(6)點(diǎn)擊Next，輸入新的自定義比較組，此時(shí)下圖中紅框區(qū)域內(nèi)將變?yōu)楱CContrast