《【6A文】SPSS方差分析》由会员分享，可在线阅读，更多相关《【6A文】SPSS方差分析（73页珍藏版）》请在金锄头文库上搜索。
1、2019/1/12,第四章 方差分析,2019/1/12,方差分析：又称变异分析，是英国统计学家R.A. Fisher于1923年提出的一种统计方法，故有时也称为F检验。 可简写为ANOVA。用于多组均数 之间的显著性检验。 要求：各组观察值服从正态分布或近似正态分布，并且各组之间的方差具有齐性。,方差分析简介,2019/1/12,其基本思想是把所有观察值之间的变异分解为几个部分。即把描写观察值之间的变异的离均差平方和分解为某些因素的离均差平方和及随机抽样误差的离均差平方和，进而计算其相应的均方差，构成F统计量。 分类： 单因素方差分析 两因素及多因素方差分析,2019/1/12,单因素方差分
2、析常应用于完全随机设计的多组资料的均数比较中。 例 5个不同品种猪的育肥试验，后期30d增重（kg）如下表所示。试比较品种间增重有无显著性差异。,单因素方差分析,2019/1/12,数据输入 本例共有5组（5个品种），每组样本含量不同，共有25个观察值。 1）启动SPSS，进入定义变量工作表，用name命名变量品种和增重，小数位分别为0和1，用1、2、3、4、5代表5个品种。 2）进入数据视图工作表输入数据，格式见图。,2019/1/12,2019/1/12,统计分析简明步骤： Analyze-compare means-one way ANOVA Dependent list:增重 要分析的
3、结果变量为增重 Factor:品种 分组变量为品种 Option 选择Descriptive 计算基本统计量 Continue Post hot: LSD， S-N-K 两两比较方法采用LSD、S-N-K法 Continue OK,2019/1/12,分析过程说明 1）单击主菜单（Analyze）分析-Compare Means（比较均数）-One-Way ANOVA（单因素方差分析）；弹出对话框，将变量“增重”置入Dependent list框，将变量“品种”置入Factor（处理因素）框内。 2）按Options-，在弹出对话框中，选中Statistics栏下的Descriptive命令，
4、可输出统计描述指标，如均数，标准差等。Continue返回单因素方差分析对话框,2019/1/12,2019/1/12,2019/1/12,单因素方差分析选项中的其他统计分析： Fixed and random effects：按固定效应模型输出标准差、标准误差和95%可信区间，同时按随机效应模型输出标准误差、95%可信区间和成分间方差。 Homogeneity of variance test: 进行方差齐性检验 Brown-Forsythe: 采用Brown-Forsythe统计量检验各组均数是否相等，当方差不齐时，该方法比方差分析更为稳健 Welch: 采用Welch统计量检验各组均数是
5、否相等，当方差不齐时，该方法比方差分析更为稳健 Means plot（由均数绘图）: 若选中则会在输出视窗中输出一条用不同品种增重绘制的线图 Exclude cases analysis by analysis：剔除在被检验的数据中含有缺失值的观测量（系统默认） Exclude cases listwise： 对有缺失值的观测量，从所有分析中剔除,2019/1/12,3）多重比较，即比较不同品种之间增重均数有无显著性差别。用方差分析对多组均数做显著性检验，如果差异有显著意义，只说明总起来各组均数之间有显著性差异，并不意味着任意两两均数之间均有差异，所以需要进一步的作样本均数之间的两两比较。 点
6、击Post Hoc-，弹出下图对话框,2019/1/12,2019/1/12,表中的显著性水平（Significance level）一般选择0.05或0.01，组间均数两两比较常用方法有LSD、S-N-K、Duncan三种。本例选择前两种。 LSD:用t检验完成各组之间的比较，比较适用于一对平均数之间的比较，或多个平均数都与对照组平均数进行比较。检验的敏感度最高，与其他方法相比，最易检验出显著性差别。 S-N-K：即Student Newman Keuls Test法，是运用较为广泛的一种两两比较方法，采用Student Range分布进行所有各组均值间的配对比较。 Duncan：指定一系列
7、的Range值，逐步进行计算比较得出结论 Equal variance Not Assumed:为方差不齐时F检验,2019/1/12,2019/1/12,2019/1/12,2019/1/12,结果说明 描述表是该资料的一般性描述指标，分别为个品种猪的均数（mean）、标准差（Std. Deviation）、标准误差（Std. Error）、最大值、最小值。95%Confidence Interval for Mean为总体均数95%的置信区间。 ANOVA表是本例的方差分析的统计结果。可知F=5.986，P=0.0020.01，可认为5个品种猪增重存在显著性差异，需要进行多重比较。,201
8、9/1/12,多重比较表是选用LSD法作均数间多重两两比较的结果。 品种1与品种2的P（Sig.）=0.0010.05，差异显著 品种1与品种5的P（Sig.）=0.0010.01，差异不显著 . . . 增重表是选用S-N-K法作均数多重两两比较的结果,2019/1/12,增重表是选用S-N-K法作均数多重两两比较的结果： 本例按a=0.05水准，将无显著性差异的数归为一类（Subset for alpha=0.05）。可见 品种5、2、3的样本均数位于同一个子集（ Subset ）内，说明品种5、品种2、品种3的样本均数两两之间无显著差异；品种3、4、1位于同一个Subset内，他们之间无
9、显著差异；而品种5、2与品种4、1的样本均数有显著差异。 如欲了解是否达到极显著差异，需要将显著水平框中的值输入0.01。,2019/1/12,例. 为了研究烫伤后不同时间切痂对大鼠肝脏ATP的影响，现将30只雄性大鼠随机分成3组，每组10只：A组为烫伤对照组，B组为烫伤后24小时切痂组，C组为烫伤后96小时切痂组。全部大鼠在烫伤168小时候处死并测量器肝脏ATP含量，结果如下。问试验3组大鼠肝脏ATP总数均数是否相同。 多组资料的单因素方差分析,2019/1/12,烫伤对照组,烫伤后24h切痂组,烫伤后96h切痂组,2019/1/12,观察数据类型，选择方法单因素方差分析 选择结果变量 选择
10、分组变量 选择描述性行分析（Options） 多重比较（因素非一个水平） （Post hoc）,思路分析,2019/1/12,1、输入数据 定义变量名：“group”、“ATP” 或者打开：单因素多组资料的方差分析 2、分析 AnalyzeCompare MeansOne Way ANOVA,基本步骤,2019/1/12,Dependent List框：ATP Factor框： group Options：选中Descriptive Post Hoc：选择 “LSD” “S-N-K” Continue OK！,2019/1/12,LSD法：用t检验完成各组均数间的比较，故比较适于一对平均数间的
11、比较，或多个平均数都与对照组平均数比较。易放大一型错误，接受备择假设，检验出显著差别。 S-N-K：全称Student Newman KeulsTest。是运用较广泛的一种两两比较方法。它采用Student Range分布进行所有组均值间的配对比较。,多重比较方法,2019/1/12,结果：描述性统计分析、方差分析、多重比较。,标准差,标准误差,95%的置信区间,2019/1/12,由上表可知F=14.483,P值=0.0000.001 即三组均数间差异极显著，即不同时期切痂对大鼠肝脏ATP含量有影响。,2019/1/12,两组均数的差,LSD法多重比较：,“*”显著性标注,2019/1/12
12、,S-N-K法：本例按0.5水平，将无显著差异的均数归为一类。 第一组和第三组为一类，无显著差异，它们与第二组之间均数差异显著。 LSD和S-N-K法，不同的两两比较法会有不同。,2019/1/12,两（多）因素方差分析,总体思路： 1、观察数据类型选择方法 一般线性模型多因素方差分析 2、选择要分析的结果变量，固定因素或随 机因素变量的选择。 3、方差分析模型的选择：全因素or自定义 4、选择描述性统计分析。 5、两两比较（多重比较）方法的选择。,2019/1/12,属于 随机单位组设计 两因素 无重复观察值 方差分析,典例讲解,例2 四窝不同品系的未成年大白鼠，每窝3只，分别注射不同剂量的
13、雌激素，然后在同样条件下试验，并称得它们的子宫重量（g），试验结果见下表，试做方差分析。,2019/1/12,1、输入数据： 变量名：“品系”、“剂量”、“子宫重量” 品系的4个水平分别用1、2、3、4表示 剂量的3个水平分别用1、2、3表示 （打开数据：）随机单位组设计两因素 无重复观察值方差分析,2019/1/12,2019/1/12,2、统计分析： Analyze-General Linear Model（一般线性模型）-Univariate Dependent Variable框：子宫重量 要分析的结果变量 Fixed Factor框：品系、剂量 固定因素为品系、剂量 Model钮：选
14、择Custom 自定义方差分析模型 Build Terms：选Main effects Model框：品系、剂量 只分析主效应品系、剂量 Options钮：选择Descriptive statistics 计算基本统计量 Post Hoc钮：选择S-N-K 两两比较方法采用S-N-K法 OK！,2019/1/12,分析过程说明 单击主菜单Analyze(分析)-General Linear Model(一般线性模型)-Univariate，弹出“多因素方差分析”对话框，将“子宫重量”置入Dependent Variable框，将“品系”、“剂量”变量置入Fixed Factor框。 其中，多因
15、素方差分析主对话框功能如下： Fixed Factors 用于固定因素的分析 Random Factors 用于随机因素的分析 Covariates 用于协变量的分析,2019/1/12,2019/1/12,2019/1/12,点击Model，弹出“Univariate:Model”对话框，如下图所示； 选中Custom，在 Build Term s下拉菜单中选中Main effects(只分析主效应)，再分别选中“品系”、“剂量”将其置入Model框内， 单击Continue按钮，返回上一个对话框。 Special Model 用于对所有方差分析模型进行精确设定。Full factorial
16、即分析所有分类变量的主效应和交互作用。只分析主效应需自定义，并在Build Terms下选Main effects。平方和一般选Type3默认即可。,2019/1/12,2019/1/12,2019/1/12,2019/1/12,结果说明 1）前表为求“品系”、“剂量”均数、标准差的过程。由表可见，4个品系在不同剂量内的子宫重量均数分别为122.33，75.0，104.67，64.0；标准差分别为20.26，37.0，31.97，22.52； 同时对3个剂量在不同品系内的子宫重量进行统计，其均数和标准差分别为65.0，89.5，120.0和30.35，27.86，25.22。 该12个观察值的总的均值为91.5，标准差为34
