第五章SPSS方差分析課件

第五章方差分析第一節(jié)univariate過(guò)程第二節(jié)multivariate過(guò)程第三節(jié)repeatedmeasures過(guò)程第四節(jié)Variance

Component過(guò)程方差分析的基本原理方差分析是用于兩個(gè)及兩個(gè)以上樣本均值差別的顯著性檢驗(yàn)。由于各種因素的影響，研究所得的數(shù)據(jù)呈現(xiàn)波動(dòng)狀，造成波動(dòng)的原因可分成兩類：一是不可控的隨機(jī)因素，一是研究中施加的對(duì)結(jié)果形成影響的可控因素。方差分析的基本思想是：通過(guò)分析研究中不同來(lái)源的變異對(duì)總變異的貢獻(xiàn)大小，從而確定可控因素對(duì)研究結(jié)果影響力的大小。它同樣要求各組數(shù)據(jù)：服從正態(tài)分布或近似服從正態(tài)分布各組數(shù)據(jù)具有方差齊性Spss中方差分析過(guò)程1、One-Way過(guò)程：?jiǎn)我蛩胤讲罘治鲞^(guò)程。在

Compare

Means菜單項(xiàng)中，可以進(jìn)行單因素方差分析、均值多重比較和相對(duì)比較。2、General

Linear

Model(簡(jiǎn)稱GLM)過(guò)程：

GLM過(guò)程由Analyze菜單直接調(diào)用。這些過(guò)程可以完成簡(jiǎn)單的多因素方差分析和協(xié)方差分析，不但可以分析各因素的主效應(yīng)，還可以分析各因素間的交互效應(yīng)。General

Linear

Model(簡(jiǎn)稱GLM)過(guò)程General

Linear

Model菜單項(xiàng)下有四

Univariate：提供回歸分析和一個(gè)因變量和多個(gè)因素變量的方差分析。Multivariate:可進(jìn)行多因變量的多因素分析

Repeated

Measure:可進(jìn)行重復(fù)測(cè)量方差分析。Variance

Component：可進(jìn)行方差成分分析。通過(guò)計(jì)算方差估計(jì)值，可以幫助我們分析如何減小方差。第一節(jié)univariate過(guò)程1、單因變量多因素方差分析的菜單和選擇項(xiàng)2、隨機(jī)區(qū)組設(shè)計(jì)資料的方差分析3、2×2析因?qū)嶒?yàn)方差分析實(shí)例4、拉丁方區(qū)組設(shè)計(jì)的方差分析實(shí)例5、協(xié)方差分析實(shí)例6、多維交互效應(yīng)方差分析實(shí)例單因變量多因素方差分析概述單因變量多因素方差分析是對(duì)一個(gè)獨(dú)立變量是否受多個(gè)因素或變量影響而進(jìn)行的方差分析。SPSS調(diào)用univariate過(guò)程，檢驗(yàn)不同水平組合之間因（分析）變量均值由于受不同因素影響是否有差異的問(wèn)題。univariate過(guò)程過(guò)程可以分析每一個(gè)因素的作用（主效應(yīng)），也可以分析因素之間的交互作用（交互效應(yīng)）?？梢赃M(jìn)行協(xié)方差分析，以及各因素變量與協(xié)變量之間的交互作用。因變量和協(xié)變量必須是數(shù)值型變量，協(xié)變量與因變量彼此不獨(dú)立。因素變量是分類變量，可以是數(shù)值型和字符型。固定因素變量（Fixed

Factor）是反應(yīng)處理的因素。隨機(jī)因素是隨機(jī)設(shè)置的因素，是在確定模型時(shí)需要考慮會(huì)對(duì)實(shí)驗(yàn)有影響的因素，對(duì)實(shí)驗(yàn)結(jié)果影響的大小可以通過(guò)方差成分分析確定。GLM

Univariate功能很強(qiáng)，可以建立包括各種主效應(yīng)、交互效應(yīng)的模型。必須認(rèn)真分析因素變量的具體情況，來(lái)確定自己的模型，否則會(huì)產(chǎn)生不可解釋的輸出結(jié)果。5.1.1單因變量多因素方差分析的菜單和選擇項(xiàng)菜單：Analyze->GeneralLinearModel->Univariate選項(xiàng)：選擇分析模型Model:默認(rèn)全模型Full

Factorial：包括所有因素變量的主效應(yīng)、所有協(xié)變量的主效應(yīng)、所有因素與因素的交互效應(yīng)，不包括協(xié)變量與其他因素的交互效應(yīng)。自定義模型Custom：主效應(yīng)（Main

effects及其因素變量）、交互變量（有交互效應(yīng)維數(shù)之分）選擇分解平方和的方法（默認(rèn)為TYPEIII）IncludeInterceptinmodel：系統(tǒng)默認(rèn)截距包括在回歸模型中選擇對(duì)照方法Contrasts選擇分布圖形Plots選擇多重比較分析PostHoc保存運(yùn)算結(jié)果的選擇項(xiàng)Save選擇輸出項(xiàng)Options常用的功能選擇：分布圖形（均數(shù)分布圖）Horizontal

axis

橫坐標(biāo)軸

Separate

lines

縱坐標(biāo)軸（聯(lián)線）Separate

plots

縱坐標(biāo)軸（散點(diǎn)）選擇多重比較分析方法Post

hoc

因素水平效應(yīng)兩兩比較選擇保存項(xiàng)目Predicted

values

預(yù)測(cè)值輸出項(xiàng)的選擇Descriptive

statistics

描述統(tǒng)計(jì)量Estimate

of

effectivesize

效應(yīng)量估計(jì)（包括F-檢驗(yàn)、T-檢驗(yàn)結(jié)果Observed

power

觀測(cè)功效Parameter

estimates

參數(shù)估計(jì)Homogeneity

tests

方差齊性檢驗(yàn)Spread

vs

levalplot

統(tǒng)計(jì)繪圖Lack

of

fit

檢查因變量與因素變量的關(guān)系是否被充分描述5.1.2隨機(jī)區(qū)組設(shè)計(jì)資料方差分析實(shí)例操作[例5.1]隨機(jī)區(qū)組設(shè)計(jì)資料方差分析四個(gè)種系未成年雌性大白鼠個(gè)三只，每只按一定劑量注射雌激素，一段時(shí)間后解剖稱子宮重量，分析激素與種類因素對(duì)子宮重量的影響。數(shù)據(jù)準(zhǔn)備數(shù)據(jù)文件：一個(gè)因變量（子宮重量），兩個(gè)因素變量，數(shù)據(jù)文件包括因素變量的不同水平的組合。數(shù)據(jù)文件：spssjiaoan\例題數(shù)據(jù)\隨機(jī)區(qū)組設(shè)計(jì)資料方差分析分析過(guò)程：選擇Analyze->General

LinearModel->Univariate Dependent：wuteriFixed

Factor（s）：mouse、etrogenModel選項(xiàng):

Custom(Maineffect, mouse和etrogen)點(diǎn)擊ok輸出文件：spssjiaoan\例題數(shù)據(jù)\隨機(jī)區(qū)組設(shè)計(jì)資料方差分析結(jié)果分析：本問(wèn)題中不能分析兩因素的交互作用項(xiàng)，因?yàn)閮蓚€(gè)因素的不同水平的組合只有一個(gè)觀測(cè)量。本例中，兩個(gè)因素對(duì)因變量的影響都是極顯著的。5.1.3 2×2析因?qū)嶒?yàn)方差分析實(shí)例實(shí)例操作[5.2]使用兩種藥物治療缺鐵性貧血患者，研究?jī)煞N藥物的療效。隨機(jī)選取12個(gè)患者分為四組給予不同的治療，第一組使用一般療法、第二組使用一般療法加藥物A、第三種使用一般療法加藥物B、第四組使用一般療法加藥物A和B。一個(gè)月后觀察紅細(xì)胞增加數(shù)（百萬(wàn)/mm3）作析因分析。數(shù)據(jù)數(shù)據(jù)文件spssjiaoan\例題數(shù)據(jù)\2×2析因?qū)嶒?yàn)方差分析數(shù)據(jù)準(zhǔn)備：一個(gè)因變量（紅細(xì)胞增加數(shù)），兩個(gè)因素變量，區(qū)分療法（為什么分兩個(gè)因素變量，原因是要分析兩種藥物的療效的效果差別），數(shù)據(jù)文件包括因素變量的不同水平的組合。分析過(guò)程：Analyze->General

LinearModel->UnivariateDependent：redcellFixed

Factors：drugA、drugB保留全模型選項(xiàng)（不對(duì)Model操作）選擇Plot選項(xiàng)：作三個(gè)圖drugA、drugB、drugA*drugB選擇輸出Option選項(xiàng)：選drugA、drugB、drugA*drugB、Overall進(jìn)入Display

Means

for框中結(jié)果除了方差分析表（

(截距、主效應(yīng)、交叉效應(yīng)、誤差Error），還有很多選項(xiàng)相應(yīng)的結(jié)果。結(jié)果解釋：兩種藥物A和B均對(duì)治療缺鐵性貧血有顯著療效，兩種藥物A和B的協(xié)同作用也很顯著。輸出文件：spssjiaoan\例題數(shù)據(jù)\2×2析因?qū)嶒?yàn)方差分析5.1.4拉丁方區(qū)組設(shè)計(jì)的方差分析拉丁方實(shí)驗(yàn)設(shè)計(jì)的特點(diǎn):有兩個(gè)以上因素變量,每個(gè)因素變量的水平數(shù)相等。實(shí)例分析[例5.3]為了評(píng)價(jià)六種不同的甜菜，選擇地塊土壤條件相同，要求分析六種甜菜品

種的產(chǎn)量是否有顯著性差異。為了得到這一

結(jié)論，同時(shí)檢驗(yàn)地塊是否對(duì)平均產(chǎn)量有影響，即地塊的行與行、列與列間產(chǎn)量是否有顯著

差異。將六種甜菜（變量Variety）種子播種在六行（REP）、六列（COL）的地塊上，記錄兩次收獲（Havest）的產(chǎn)量（Yield）。Harest

rep

col

Variety

Yield

111319.10

115218.20

123417.60

131118.10

135318.60

143118.70

151417.50……數(shù)據(jù)文件：五個(gè)變量（四個(gè)因素變量、一個(gè)分析變量）數(shù)據(jù)文件spssjiaoan\例題數(shù)據(jù)\拉丁方區(qū)組設(shè)計(jì)

的方差分析分析過(guò)程：Analyze->General

LinearModel->UnivariateDependent：yieldFixed

Factors：rep、col、varietyModel：只分析三個(gè)主效應(yīng)rep、col、variety（Main

effects）主效應(yīng)方差分析檢驗(yàn)結(jié)果(截距，主效應(yīng)，誤差Error）結(jié)果解釋：Sig顯著性概率值（各自主效應(yīng)，不同品種的甜菜variety

有顯著性差異，即平均產(chǎn)量的差異主要是品種不同造成的，而跟地塊無(wú)關(guān)）。輸出文件spssjiaoan\例題數(shù)據(jù)\拉丁方區(qū)組設(shè)計(jì)的方差分析5.1.5協(xié)方差分析協(xié)方差分析是利用線性回歸方法，消除混雜因素影響后，所做的方差分析。實(shí)例分析[5.4]鎘作業(yè)工人年齡與肺活量的關(guān)系問(wèn)題.鎘作業(yè)工人按暴露于鎘煙塵中的年數(shù)分為大于等于10年和不足于10年分為兩組，兩組工人的年齡為經(jīng)控制（人隨著年齡的增長(zhǎng)，肺活量也會(huì)下降），測(cè)量了每個(gè)工人的肺活量，現(xiàn)在要研究暴露年數(shù)與肺活量的關(guān)系，數(shù)據(jù)如下

TIMEAGEVITALCP

1394.62

1495.09

1582.73

1405.92

1522.07

1593.67

1415.52

1474.31

1413.71

1612.70

1454.02

1653.03

2434.61

2394.73

………………數(shù)據(jù)文件spssjiaoan\例題數(shù)據(jù)\協(xié)方差分析數(shù)據(jù)文件：兩個(gè)因素變量，其中年齡為協(xié)變量，一個(gè)分析變量分析過(guò)程：Analyze->General

LinearModel->UnivariateDependent：

VitalcpFixed

Factors：timeCovariate：AgeOption：DisplayMeansFor:time（分Time顯示肺活量均值）Display

:Parameter

Estimates（肺活量與年齡的線性回歸方程）結(jié)果分析：Sig顯著性概率值(各主效應(yīng)，年齡Age有顯著性差異，TIME無(wú)顯著性差異，即肺活量的差異是由于被試者的年齡差異所致，與被試者接觸鎘粉塵時(shí)間的時(shí)間是否大于10年無(wú)關(guān))結(jié)果文件：spssjiaoan\例題數(shù)據(jù)\協(xié)方差分析5.1.6多維交互效應(yīng)方差分析實(shí)例實(shí)驗(yàn)數(shù)據(jù)為教育心理學(xué)實(shí)驗(yàn)，心理運(yùn)動(dòng)測(cè)驗(yàn)分?jǐn)?shù)與被試者必須瞄準(zhǔn)的目標(biāo)大小關(guān)系的資料。實(shí)例[例5.5]教育心理學(xué)實(shí)驗(yàn)問(wèn)題任意選擇四個(gè)目標(biāo),

TARGET

1

2

3

4從若干個(gè)使用過(guò)的設(shè)備中任意選擇三部測(cè)試設(shè)備Device:

1

2

3選擇兩種不同明暗程度的照明環(huán)境

1

2做4×3×2的析因?qū)嶒?yàn)設(shè)計(jì),構(gòu)成24個(gè)組合單元每個(gè)組合中隨機(jī)部署5名測(cè)試者測(cè)試心理活動(dòng)得分,得到120個(gè)得分?jǐn)?shù)據(jù)TARGETDEVICELIGHTSCORE

1112

2119

31110

4118

1211

2219

32110

42111

1315

2315

3317

4312…………數(shù)據(jù)準(zhǔn)備：一個(gè)分析變量SCORE

，三個(gè)因素變量TARGET,DEVICE,LIGHT

。數(shù)據(jù)文件：spssjiaoan\例題數(shù)據(jù)\多維交互效應(yīng)方差分析分析過(guò)程：Analyze->General

LinearModel->UnivariateDependent：ScoreFixed

Factors：Target、Device、LightModel：保留全模型選項(xiàng)（不對(duì)Model操作）選擇輸出Option選項(xiàng)：選Target*Device*

Light進(jìn)入Display

Means

for框中：各種組合均值選擇Plot選項(xiàng)：作四個(gè)圖Target、Device、Light

、Target*Device*

Light結(jié)果解釋：Sig顯著性概率值（各主效應(yīng)，交互效應(yīng)，均對(duì)Score有顯著性作用）結(jié)果文件：spssjiaoan\例題數(shù)據(jù)\多維交互效應(yīng)方差分析第二節(jié)multivariate過(guò)程5.2.1

multivariate過(guò)程功能

GLM

Multivariate過(guò)程提供回歸分析和多因變量的方差分析。多因變量方差分析模型除包括多個(gè)因變量外，還可以包括一個(gè)或幾個(gè)因素變量或協(xié)變量。因素變量把總體分為幾個(gè)組。使用這個(gè)一般線性模型過(guò)程，可以檢驗(yàn)因素變量在因變量的聯(lián)合分布的各組均值的效應(yīng)，可以研究因素間的交互效應(yīng)和單一因素的效應(yīng)，另外還包括協(xié)變量效應(yīng)和協(xié)變量與因素間的交互效應(yīng)。對(duì)回歸分析，協(xié)變量作為自變量（預(yù)測(cè)變量）GLM

Multivariate過(guò)程可以檢驗(yàn)平衡和不平衡模型。模型中每個(gè)單元包括相同數(shù)量的觀測(cè)量為平衡設(shè)計(jì)。5.2.2實(shí)例分析對(duì)男33人、女26人的頭部四個(gè)解剖部位的測(cè)量結(jié)果，研究男女頭部有無(wú)顯著性差異。數(shù)據(jù)文件：spssjiaoan\例題數(shù)據(jù)\多因變量線性模型方差分析分析過(guò)程：Analyze->General

LinearModel->MultivariateDependent：Basilar、length、postorb、zygomaFixed

Factors：

SexModel：保留全模型選項(xiàng)（不對(duì)Model操作）Option：Descriptive

Statistics結(jié)果分析：Sig顯著性概率值（不同性別的頭部四個(gè)解剖部位沒(méi)有顯著性差異）分析文件：spssjiaoan\例題數(shù)據(jù)\多因變量線

性模型方差分析（無(wú)）（破解版本此命令不運(yùn)行）第三節(jié)repeated

measures過(guò)程5.3.1

repeated

measures過(guò)程功能重復(fù)測(cè)量設(shè)計(jì)方差分析的樣本必須包括同質(zhì)的實(shí)驗(yàn)單位或進(jìn)行多次重復(fù)測(cè)量的實(shí)驗(yàn)。GLM重復(fù)測(cè)量屬于高級(jí)分析過(guò)程，是對(duì)同一因變量進(jìn)行重復(fù)測(cè)量，可以是同一條件下進(jìn)行的重復(fù)測(cè)度，目的在于研究各種處理之間是否存在顯著性差異的同時(shí)，研究被試者之間的差異；也可以是不同條件下的重復(fù)測(cè)度，目的在于研究各種處理間是否存在顯著性差異的同時(shí)，研究形成重復(fù)測(cè)量條件間的差異以及這些條件與處理間的交互效應(yīng)。重復(fù)測(cè)量設(shè)計(jì)方差分析的數(shù)據(jù)文件結(jié)構(gòu)：若干次重復(fù)測(cè)量結(jié)果作為不同因變量出現(xiàn)在數(shù)據(jù)文件中。5.3.2實(shí)例分析設(shè)置了三個(gè)級(jí)別的視覺(jué)刺激作為處理因素變量vsno(視覺(jué)刺激等級(jí)1、2、3)，4位被試者均接受三個(gè)級(jí)別的視覺(jué)刺激，并在同樣條件下測(cè)試三次

(time1,time2,time3)。

H0：三個(gè)級(jí)別的視覺(jué)刺激之間（被試者內(nèi)）無(wú)顯著性差異。數(shù)據(jù)準(zhǔn)備：數(shù)據(jù)文件：spssjiaoan\例題數(shù)據(jù)\重復(fù)測(cè)量設(shè)

計(jì)方差分析實(shí)例1分析過(guò)程：菜單：Analyze->GeneralLinearModel->RepeatedMeasureWithin-Subject

Factor

Name:timeNuber

of

Levels:3Define:Within-Subjects

Variables

[time]:time1,time2,time3Between-Subject

Factor:vsno結(jié)果分析：Sig顯著性概率值（三次測(cè)量之間沒(méi)有顯著性差異，4位被試者之間對(duì)每種相同視覺(jué)刺激的反映也沒(méi)有顯著性差異，而對(duì)不同的視覺(jué)刺激等級(jí)有顯著性差異）分析文件：spssjiaoan\例題數(shù)據(jù)\重復(fù)測(cè)量設(shè)計(jì)方差分析實(shí)例1（無(wú)）破解14.0不可用！5.3.3關(guān)于趨勢(shì)分析當(dāng)重復(fù)測(cè)量的條件是某些順序變量時(shí)，可以分析重復(fù)測(cè)量的因變量隨順序變量變化的趨勢(shì)。命令選擇：Analyze->General

LinearModel->

RepeatedMeasureWithin-Subject

Factor

Name:days

(Nuber

of

Levels:5)Define:Within-Subjects

Variables

[days]:day1－day5Between-Subject

Factor:groupModel：Main

effects（days，Group）Plots：Days*GroupOption:

Display

Means

for:

Days,group,overallDisplay:Descriptive

Statistics和Estimate

ofeffectsize第四節(jié)Variance

Component過(guò)程5.4.1

Variance

Component過(guò)程功能是對(duì)混合效應(yīng)模型中各隨機(jī)效應(yīng)對(duì)因變量變異的貢獻(xiàn)進(jìn)行分析。菜單：