spss中一般線性模型課件

*1一般線性模型（一）*2一般線性模型一般線性模型單變量分析的基本過程完全隨機(jī)設(shè)計資料的方差分析隨機(jī)區(qū)組（單位組）設(shè)計資料的方差分析*3一、一般線性模型單變量分析的基本過程GeneralLinearModel（GLM，一般線性模型）包括：Univariate（單因變量多因素方差分析），Multivariate（多因變量方差分析），RepeatedMeasures（重復(fù)測量方差分析），Variance（方差分量分析）

GLM可完成多自變量、多水平、多因變量、重復(fù)測量方差分析以及協(xié)方差分析等。*51主對話框DependentVariable:因變量FixedFacter:固定因子，所有可能的水平都出現(xiàn)在樣本中，如分組等RandomFacter:隨機(jī)因子，所有可能的取值并不都在樣本中出現(xiàn)，如觀察個體Covariates:協(xié)變量，協(xié)方差分析時用WLSWeight:WLS權(quán)重。用于加權(quán)最小二乘分析。*62功能按鈕Model：分析模型Contrast：對照方法Plots：分布圖形PostHoc：多重比較Save：保存運(yùn)算值Option：選擇輸出項(xiàng)。*72.1Model按鈕

Ⅰ、在SpecifyModel欄中指定模型類型FullFactorial，全模型，系統(tǒng)默認(rèn)。包括所有因素的主效應(yīng)和所有的交互效應(yīng)。例如有三個因素變量，全模型包括三個因素的主效應(yīng)、兩兩的交互效應(yīng)和三個因素的高級交互效應(yīng)。Custom，自定義模型。選擇此項(xiàng)激活下面各操作框*8Ⅱ、建立自定義模型Factors＆Covariates框中自動列出可以作為因素的變量名，其后面的括號中標(biāo)有字母“F”（固定因子）、“R”（隨機(jī)因子）或者“C”（協(xié)變量）。*10B、選擇模型中的主效應(yīng)（Model）首先定義效應(yīng)類型為Maineffects鼠標(biāo)鍵單擊某一個因素，該變量名背景將改變顏色（一般變?yōu)樗{(lán)色），單擊BuildTerm（s）欄中下面的箭頭，該變量出現(xiàn)在Mode1中。一個變量名占一行稱為主效應(yīng)項(xiàng)。欲在模型中包括幾個主效應(yīng)項(xiàng)，就進(jìn)行幾次如上的操作。*12

C.建立模型中的交互項(xiàng)模型中包括三個變量的所有2維交互效應(yīng)項(xiàng)，定義效應(yīng)類型為All2-way，單擊light、Device、Target三個變量名，單擊箭頭按鈕。Model中出現(xiàn)三個2維交互效應(yīng)項(xiàng)：Light*Device、Light*Target、Device*Target。模型中包括所有3維效應(yīng)，定義效應(yīng)類型為All3－way，單擊變量Llight、Device、Target。單擊箭頭按鈕，Model框中出現(xiàn)3維交互效應(yīng)項(xiàng)：Ligh*Device*Target。

*142.2Contrasts按鈕Factors框中顯示出所有在主對話框中選中的因素，其后的括號中是當(dāng)前的對比方法了；ChangeContrast欄中改變對照方法。*15可供選擇的對照方法None：不進(jìn)行均數(shù)比較；Deviation：比較預(yù)測變量或因素的每個水平的效應(yīng)。選擇Last或First作為參照的水平；Simple：對預(yù)測變量或因素變量的每一水平都與參照水平進(jìn)行比較。選擇Last或First作為參照水平；Difference：對預(yù)測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對照方法相反；注：只有Deviation和Simple需要選擇參考水平，Last（系統(tǒng)默認(rèn)）和First。*162.3Plots按鈕Factor：主對話框中所選因素變量名；Horizontal：橫坐標(biāo)框SeparateLines：確定分線變量SeparatePlots：確定分圖變量*172.4PostHoc按鈕均數(shù)多重比較（事后檢驗(yàn)）*182.5Save按鈕(選擇保存運(yùn)算值)通過在對話框中的選擇，可以將所計算的預(yù)測值、殘差和診斷值（回歸分析時）作為新的變量保存在編輯數(shù)據(jù)文件中。以便在其他統(tǒng)計分析中使用這些值。*202.5Save按鈕(選擇保存運(yùn)算值)

Diagnostics（診斷值欄）Cook’sdistance：Cook距離；Leveragevalues：非中心化Leverage值；Savetonewfile將參數(shù)協(xié)方差矩陣保存到一個新文件中*212.6Option按鈕(選擇輸出項(xiàng))DisplayMeansfor：顯示分組因素Display：指定輸出的統(tǒng)計量Descriptivestatistics：描述統(tǒng)計量，均值、標(biāo)準(zhǔn)差，樣本量EstimatesOfeffectsize：效應(yīng)量估計。Observedpower：檢驗(yàn)假設(shè)的功效。Parameterestimates：各因素變量的模型參數(shù)估計、標(biāo)準(zhǔn)誤、t檢驗(yàn)的t值、P值和95％的置信區(qū)間。Sigificancelevel：指定Confidenceintervals的顯著性水平*23例1為研究多酚保健飲料對急性缺氧的影響，將60只Wistar小白鼠隨機(jī)分為低、中、高三個劑量組和一個對照組，每組15只小白鼠。對照組給予蒸餾水0.25ml灌胃，低、中、高劑量組分別給予2.0、4.0、8.0g/kg的飲料溶于0.2~0.3ml蒸餾水后灌胃，每天一次。40天后，對小白鼠進(jìn)行耐缺氧存活時間實(shí)驗(yàn)，結(jié)果如表1。試比較不同劑量的茶多酚保健飲料對延長小白鼠的平均耐缺氧存活時間有無差別。二、完全隨機(jī)設(shè)計資料的方差分析*24對照組低劑量組中劑量組高劑量組21.3123.4820.1626.1335.0724.3330.2338.4723.1420.3424.4925.2428.1133.9736.8435.1027.4826.9821.3220.2324.7421.8638.6128.0119.5419.5619.4622.4729.7928.6527.1323.3718.0317.3925.6329.3822.6825.1328.7928.4424.0324.3728.8120.1623.0134.4433.2434.2222.8216.0118.7422.5128.3231.6931.6835.0818.7218.4229.0428.29表1各組小白鼠耐缺氧時間/min*26建立數(shù)據(jù)文件：耐缺氧時間.sav.定義變量輸入數(shù)據(jù)*27建立數(shù)據(jù)文件：耐缺氧時間.sav.定義變量輸入數(shù)據(jù)開始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup→FixedFactors*28建立數(shù)據(jù)文件：耐缺氧時間.sav.定義變量輸入數(shù)據(jù)開始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup→FixedFactorsPostHoc：Group→PostHocTestsforLSD，SNK,Bonferroni*30主要結(jié)果---描述性統(tǒng)計量*31主要結(jié)果方差齊性檢驗(yàn)的P值方差齊性檢驗(yàn)的統(tǒng)計量F值結(jié)論：尚不能認(rèn)為各總體方差不齊*32方差分析的P值方差分析F值方差分析MS值(均方）方差分析自由度方差分析SS值(平方和）總變異組間變異組內(nèi)變異（誤差變異）結(jié)論：各組總體均數(shù)不等。*33各組總體均數(shù)的95%置信區(qū)間按方差分析中的誤差均方計算的標(biāo)準(zhǔn)誤*34Bonferroni方法的P值，是校正了a后的*35均數(shù)標(biāo)在同一列的組間差異無統(tǒng)計學(xué)意義，在不同列的差異有統(tǒng)計學(xué)意義，即對照組與低劑量差異無統(tǒng)計學(xué)意義，其他均有統(tǒng)計學(xué)意義SNK檢驗(yàn)*36用CompareMeans→One-WayANOVA建立數(shù)據(jù)同前開始分析：analyze→CompareMeans→One-WayANOVAY→DependentListGroup→Factor*37用CompareMeans→One-WayANOVA建立數(shù)據(jù)同前開始分析：analyze→CompareMeans→One-WayANOVAY→DependentListGroup→FactorPostHoc：LSD，Bonferroni，SNK*38用CompareMeans→One-WayANOVA建立數(shù)據(jù)同前開始分析：analyze→CompareMeans→One-WayANOVAY→DependentListGroup→FactorPostHoc：LSD，Bonferroni，SNKOptions→Statistics→Descriptive，Homogeneitytests*39各組總體均數(shù)的95%置信區(qū)間按各自的方差計算的標(biāo)準(zhǔn)誤*40主要結(jié)果方差齊性檢驗(yàn)的P值方差齊性檢驗(yàn)的統(tǒng)計量F值*41方差分析的P值方差分析F值方差分析MS值(均方）方差分析自由度方差分析SS值(平方和）組內(nèi)變異（誤差變異）組間變異總變異*42Bonferroni方法的P值，是校正了a后的*43均數(shù)標(biāo)在同一列的組間差異無統(tǒng)計學(xué)意義，在不同列的差異有統(tǒng)計學(xué)意義，即對照組與低劑量差異無統(tǒng)計學(xué)意義，其他均有統(tǒng)計學(xué)意義SNK檢驗(yàn)*44練習(xí)1某人研究北京機(jī)關(guān)工作人員血脂水平，隨機(jī)抽取不同年齡男性各10名受試者，檢測他們的總膽固醇(TC)的含量(mmol/L)，其結(jié)果如下表：青年組中年組老年組5.004.785.125.145.245.234.855.185.135.165.265.214.934.894.894.985.234.985.185.075.205.165.105.154.955.214.995.255.315.19*45三、隨機(jī)區(qū)組（單位組）設(shè)計資料的方差分析例2研究者欲比較生物蛋白粉飼料、血漿蛋白粉飼料和普通飼料喂養(yǎng)斷奶仔豬的增重效果。為了消除和控制其他因素的影響，研究者將斷奶仔豬配成若干區(qū)組(block)，每個區(qū)組3只仔豬，并且滿足同一區(qū)組的仔豬是同窩別、同性別、同日齡、體重接近，共配成10個區(qū)組。然后在每個區(qū)組內(nèi)隨機(jī)將3只仔豬分配到各實(shí)驗(yàn)組。比較喂養(yǎng)10天后各實(shí)驗(yàn)仔豬的平均體重增加量(kg)，結(jié)果見表2。試比較各種飼料的增重效果有無差異。*46表2生物蛋白粉、血漿蛋白粉和普通飼料飼養(yǎng)仔豬增重量/Kg*47建立數(shù)據(jù)文件：仔豬增重量.sav定義變量*48建立數(shù)據(jù)文件：仔豬增重量.sav定義變量輸入數(shù)據(jù)*49建立數(shù)據(jù)文件：仔豬增重量.sav定義變量輸入數(shù)據(jù)開始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup，Block→FixedFactors*50建立數(shù)據(jù)文件：仔豬增重量.sav定義變量輸入數(shù)據(jù)開始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup，Block→FixedFactorsModel→Custom→Maineffects（Group，Block）*51建立數(shù)據(jù)文件：仔豬增重量.sav定義變量輸入數(shù)據(jù)開始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup，Block→FixedFactorsModel→Custom→Maineffects（Group，Block）PostHoc：Group→PostHocTestsfor