SPSS在單因素方差分分析

SPSS在單因素方差分析中的應用5.2SPSS在單因素方差分析中的應用

單因素方差分析也叫一維方差分析，它用來研究一個因素的不同水平是否對觀測變量產生了顯著影響，即檢驗由單一因素影響的一個（或幾個相互獨立的）因變量由因素各水平分組的均值之間的差異是否具有統(tǒng)計意義。1.使用條件應用方差分析時，數(shù)據應當滿足以下幾個條件：在各個水平之下觀察對象是獨立隨機抽樣，即獨立性；各個水平的因變量服從正態(tài)分布，即正態(tài)性；各個水平下的總體具有相同的方差，即方差齊；2.基本原理方差分析認為：SST（總的離差平方和）=SSA（組間離差平方和）+SSE（組內離差平方和）如果在總的離差平方和中，組間離差平方和所占比例較大，說明觀測變量的變動主要是由因素的不同水平引起的，可以主要由因素的變動來解釋，系統(tǒng)性差異給觀測變量帶來了顯著影響；反之，如果組間離差平方和所占比例很小，說明觀測變量的變動主要由隨機變量因素引起的。SPSS將自動計算檢驗統(tǒng)計量和相伴概率P值，若P值小于等于顯著性水平α，則拒絕原假設，認為因素的不同水平對觀測變量產生顯著影響；反之，接受零假設，認為因素的不同水平沒有對觀測變量產生顯著影響。3.多重比較檢驗問題多重比較是通過對總體均值之間的配對比較來進一步檢驗到底哪些均值之間存在差異。

4.各組均值的精細比較多重比較檢驗只能分析兩兩均值之間的差異性，但是有些時候需要比較多個均值之間的差異性。具體操作是將其轉化為研究這兩組總的均值是否存在顯著差異，即與是否有顯著差異。這種比較是對各均值的某一線性組合結構進行判斷，即上述檢驗可以等價改寫為對進行統(tǒng)計推斷。這種事先指定均值的線性組合，再對該線性組合進行檢驗的分析方法就是各組均值的精細比較。顯然，可以根據實際問題，提出若干種檢驗問題。5.2.2單因素方差分析的SPSS操作詳解

Step01：打開主操作窗口選擇菜單欄中的【Analyze（分析）】→【CompareMeans(比較均值)】→【One-WayANOVA(單因素ANOVA)】命令，彈出【One-WayANOVA(單因素ANOVA)】對話框，這是單因素方差分析的主操作窗口。Step02：選擇因變量在【One-WayANOVA(單因素ANOVA)】對話框的候選變量列表框中選擇一個或幾個變量，將其添加至【DependentList(因變量列表)】列表框中，選擇的變量就是要進行方差分析的觀測變量（因變量）。Step03：選擇因素變量在【One-WayANOVA(單因素ANOVA)】對話框的候選變量列表框中選擇一個變量，將其添加至【Factor(因子)】列表框中，選擇的變量就是要進行方差分析的因素變量。Step04：均值精細比較單擊【Contrasts】按鈕，彈出如右圖所示的【Contrasts(對比)】對話框。Step05：均值多重比較單擊【PostHoc】按鈕，彈出如下圖所示的【PostHocMultipleComparisons(兩兩比較)】對話框，該對話框用于設置均值的多重比較檢驗。

（1）方差齊性（EqualVariancesAssumed）時，有如下方法供選擇。

LSD（Least-significantdifference）：最小顯著差數(shù)法，用t檢驗完成各組均值間的配對比較。Bonferroni（LSDMOD）：用t檢驗完成各組間均值的配對比較，但通過設置每個檢驗的誤差率來控制整個誤差率。Sidak：計算t統(tǒng)計量進行多重配對比較。可以調整顯著性水平，比Bofferroni方法的界限要小。

Scheffe：用F分布對所有可能的組合進行同時進入的配對比較。此法可用于檢查組均值的所有線性組合，但不是公正的配對比較。R-E-G-WF：基于F檢驗的Ryan-Einot-Gabriel-Welsch多重比較檢驗。

R-E-G-WQ：基于StudentRange分布的Ryan-Einot-Gabriel-Welschrangetest多重配對比較。S-N-K：用StudentRange分布進行所有各組均值間的配對比較。Tukey：用Student-Range統(tǒng)計量進行所有組間均值的配對比較，用所有配對比較誤差率作為實驗誤差率。Tukey's-b：用stndentRange分布進行組間均值的配對比較，其精確值為前兩種檢驗相應值的平均值。Duncan：指定一系列的Range值，逐步進行計算比較得出結論。Hochberg‘sGT2：用正態(tài)最大系數(shù)進行多重比較。

Gabriel：用正態(tài)標準系數(shù)進行配對比較，在單元數(shù)較大時，這種方法較自由。

Waller-Dunca：用t統(tǒng)計量進行多重比較檢驗，使用貝葉斯逼近的多重比較檢驗法。

Dunnett：多重配對比較的t檢驗法，用于一組處理對一個控制類均值的比較。默認的控制類是最后一組。（2）方差不具有齊性（EqualVarancenotassumed）時，有如下方法供選擇。Tamhane’sT2：基于t檢驗進行配對比較。Dunnett’sT3：基于Student最大模的成對比較法。Games-Howell：Games-Howell比較，該方法較靈活。Dunnett’sC：基于Student極值的成對比較法。（3）Significance：確定各種檢驗的顯著性水平，系統(tǒng)默認值為0.05，可由用戶重新設定。Step06：其他選項輸出單擊【Options】按鈕，在彈出的對話框中進行如下設置。(1)【Statistics(統(tǒng)計量)】復選框:選擇輸出統(tǒng)計量?！馜escriptive：要求輸出描述統(tǒng)計量。選擇此項輸出觀測值容量、均值、標準差、標準誤、最小值、最大值、各組中每個因變量的95％置信區(qū)間?！馞ixedandrandomeffects：顯示固定和隨機描述統(tǒng)計量?！馠omogeneity-of-variance：計算Levene統(tǒng)計量進行方差齊性檢驗?！馚rown-Forsythe：計算檢驗組均值相等假設的布朗檢驗。在方差齊性假設不成立時，這個統(tǒng)計量比F統(tǒng)計量更優(yōu)越?！馱elch：計算檢驗組均值相等假設的Welch統(tǒng)計量，在不具備方差齊性假設時，也是一個比F統(tǒng)計量更優(yōu)越的統(tǒng)計量。

（2）Meansplot：均值折線圖。根據各組均值變化描繪出因變量的分布情況。（3）【MissingValues(缺失值)】選項組中提供了缺失值處理方法，該選項和均值比較過程中的缺失值選項意義相同。

Step07：相關統(tǒng)計量的Bootstrap估計。單擊【Bootstrap】按鈕，彈出如右圖所示的對話框。

描述統(tǒng)計表支持均值和標準差的bootstrap估計。多重比較表支持平均值差值的bootstrap估計。對比檢驗表支持對比值的bootstrap估計和顯著性檢驗。

5.2.3實例圖文分析：信息來源與傳播

1.實例內容某機構的各個級別的管理人員需要足夠的信息來完成各自的任務。最近，一項研究調查了信息來源對信息傳播的影響。在這項特定的研究中，信息來源是上級、同級和下級。在每種情況下，對信息傳播進行測度：數(shù)值越高，說明信息傳播越廣。檢驗信息來源是否對信息傳播有顯著影響？你的結論是什么？2.實例操作由于不同的信息來源可能導致信息傳播測度不同。本案例中，信息來源是因素，“上級、同級和下級”是因素的三種不同水平，信息傳播測度是因變量（觀測變量）。由于這里有三個水平，因此不能采用兩樣本的均值檢驗過程，故考慮采用單因素方差分析法。進行如下假設檢驗：H0：三種不同信息來源對信息傳播測度平均值沒有顯著性影響；H1：三種不同信息來源對信息傳播測度平均值存在顯著性影響。Step01：打開對話框打開數(shù)據文件5-1.sav，選擇菜單欄中的【Analyze（分析）】→【CompareMeans(比較均值)】→【One-WayANOVA(單因素ANOVA)】命令，彈出【One-WayANOVA(單因素ANOVA)】對話框。提示：在使用前，請注意數(shù)據是否符合方差分析的前提條件。

Step02：選擇因變量在候選變量列表框中選擇“scale”變量作為因變量，將其添加至【DependentList(因變量列表)】列表框中。

Step03：選擇因素變量在候選變量列表框中選擇“source”變量作為水平值，將其添加至【Factor(因