《SPSS中的单因素方差分析OneWayAnova》由会员分享，可在线阅读，更多相关《SPSS中的单因素方差分析OneWayAnova（26页珍藏版）》请在金锄头文库上搜索。
1、SPSS中的单因素方差分析(One-Way Anova)一、基本原理单因素方差分析也即一维方差分析，是检验由单一因素影响的多组样本某因变量的均值是否有显著差异的问题，如各组之间有显著差异，说明这个因素（分类变量）对因变量是有显著影响的，因素的不同水平会影响到因变量的取值。二、实验工具SPSS for Windows三、试验方法例：某灯泡厂用四种不同配料方案制成的灯丝（filament），生产了四批灯泡。在每批灯泡中随机地抽取若干个灯泡测其使用寿命（单位：小时hours），数据列于下表，现在想知道，对于这四种灯丝生产的灯泡，其使用寿命有无显著差异。 灯泡灯丝12345678甲1600161016
2、501680170017001780乙15001640140017001750丙16401550160016201640160017401800丁151015201530157016401680四、不使用选择项操作步骤（1）在数据窗建立数据文件，定义两个变量并输入数据，这两个变量是：filament变量，数值型，取值1、2、3、4分别代表甲、乙、丙、丁，格式为F1.0，标签为“灯丝”。Hours变量，数值型，其值为灯泡的使用寿命，单位是小时，格式为F4.0，标签为“灯泡使用寿命”。（2）按Analyze，然后Compared Means，然后One-Way Anova的顺序单击，打开“单因素方
3、差分析”主对话框。（3）从左边源变量框中选取变量hours，然后按向右箭头，所选去的变量hours即进入Dependent List框中。（4）从左边源变量框中选取变量filament，然后按向右箭头，所选取的变量folament即进入Factor框中。（5）在主对话框中，单击“OK”提交进行。五、输出结果及分析灯泡使用寿命的单因素方差分析结果ANQVASun of SquaresdfMean SquareFSigBetween Groups39776.46313258.8191.638.209Within Groups178088.9228094.951Total217865.425该表各部
4、分说明如下：第一列：方差来源，Between Groups是组间变差，Within Groups是组内变差，Total是总变差。第二列：离差平方和，组间离差平方和为39776.46，组内离差平方和为178088.9，总离差平方和为217865.4，是组间离差平方和与组内离差平方和相加而得。第三列：自由度，组间自由度为3，组内自由度为22，总自由度为25，是组间自由度和组内自由度之和。第四列：均方，即平方和除以自由度，组间均方是13258.819，组内均方是8094.951.第五列：F值，这是F统计量的值，其计算公式为模型均方除以误差均方，用来检验模型的显著性，如果不显著说明模型对指标的变化没有
5、解释能力，F值为1.683.第六列：显著值，是F统计量的p值，这里为0.209.由于显著值0.209大于0.05，所以在置信水平0.95下不能否定零假设，也就是说四种灯丝生产的灯泡，其平均使用寿命美誉显著差异。六、使用选择项操作步骤七、输出结果及分析描述性统计量表方差一致性检验Sig大于0.05，说明各组的方差在0.05的显著水平上没有显著性差异，即方差具有一致性。单因素方差分析结果未加权Unweighted线性项、加权weighted线性项、加权项与组间偏差平方和。自由度、均方、F值、显著值。LSD法和TAmhanesT2发进行均值多重比较的结果Duncan法进行均值多重比较结果均值分布图S
6、PSS中的单因变量多因素方差分析一、基本原理在多因素的试验中，使用方差分析而不用t检验的一个重要原因在于前者效率更高，本实验所讲的单因变量多因素方差分析是对于一个独立变量是否受一个或多个因素或变量影响而进行的回归分析和方差分析。这个过程可以检验不同组之间均数由于受不同因素影响是否有差异的问题，即可以分析每一个因素的作用，也可以分析各因素之间的交互作用，还可以分析协方差和协方差交互作用。二、实验工具SPSS for Windows三、试验方法例：某生产队在12块面积相同的大豆试验田上，用不同方式施肥，大豆亩产（斤）的数据如下表编号氮肥（斤）磷肥（斤）亩产（斤）100400200390300420
7、404450504460604455760430860420960440106456011645701264575氮肥用N表示，磷肥用P表示，两个因子各取两水平。为了探明氮肥作用大，还是磷肥作用大，我们进行方差分析。四、操作步骤（1）输入数据集，因素变量有两个，即N和P，均有两水平，0表示不用该肥料，1表示用该肥料；因变量：output（大豆亩产），单位为斤。（2）在“Analyze”菜单中打开“General Linear Models”子菜单，从中选择“Univariae”命令，打开“多因素方差分析”主窗口。（3）指令分析变量。选择因变量output进入Dependent框。选择因素变量N
8、和P进入Fixed Factors框。（4）在主对话框中单击“Cintrasts”按钮，打开对比方法对话框，在该对话框下如下操作：在Factor框中选择N。在Change Contrast栏内，单击Contrast参数框内向下箭头，打开比较方法表，选择Simple项，再选择First项作为比较参考类，然后单击“change”，在factors框中显示N。用相同方法指定P。单击“continue”按钮回到主对话框。（5）在主对话框中单击“option”按钮，打开选项对话框，作如下操作：在Factors框中选择因素变量N、P、NP ,单击向右箭头将因素变量送入Display Means For框中
9、。在display栏内选中Spread vs.level plot和residual plot复选框单击OK按钮回到主对话框。五、输出结果及分析因素变量表因素效应检验表从表中可以看出N、P及其交互作用对大豆产量影响很明显，达到极显著水平。SPSS中正交设计的方差分析一、实验工具SPSS for Windows二、试验方法例：为了提高某种试剂产品的收率（指标），考虑如下几个因素对其影响A：反应温度1（50）2（70）B：反应时间1（1h）2（2h）C：硫酸浓度1（17%）2（27%）D：硫酸产地1（天津）2（上海）E：操作方式1（搅拌）2（不搅拌）把这5个因素放在表的5列上，得到如下实验设计与结
10、果。试验编号ABCDE实验结果1111116521112274312212714122217352121270621221737221116282212269三、操作步骤（1）输入数据集，五个因素分别用A、B、C、D、E表示，每因素均有两水平，试验结果用result表示。（2）在“Analyze”菜单中打开“general linear models”子菜单，从中选择“univariate”命令，打开“多因素方差分析”主窗口。（3）指定分析变量：选择因变量results进入dependen框。选择因变量A、B、C、D、E进入fixed factors框。（4）在主对话框中单击“model”按钮
11、，打开模型对话框，在对话框中如下操作：选中custom单选项。指定要求分析的五个主效应。单击“continue”按钮，返回主对话框。（5）在主对话框中单击“options”按钮，打开选项对话框，在该对话框中如下操作：在factors and factor框中选择因素变量A、B、C、D、E，单击向右箭头将因素变量送入display Means for 框。单击“continue”按钮，返回主对话框。（6）单击“OK”按钮完成。四、输出结果及分析最好生产方案：C硫酸浓度2（27%）+D硫酸产地2（上海）+E搅拌方式2（不搅拌）+A反应温度1（50）+B反应时间1（1小时）。1-1-2-2-2五、作
12、业叶片诱导愈伤组织培养基筛选取鬼怒甘试管苗展开14 d的叶片，分别接种在以MS为基本培养基的九种增殖培养基上，采用正交表L9(34)设计的3因素3水平正交组合，详见表32。表32 九种不同处理的草莓叶片诱导愈伤组织培养基Tab.32 The hormone component of nine different medium of inducing callus from strawberry Leaf处理 (Treatments)Y1Y2Y3Y4Y5Y6Y7Y8Y9激素水平 (mg/L)Levels of hormone (mg/L)6BA3.03.03.02.02.02.01.01.01.
13、02,4D 0.20.100.20.100.20.10IBA0.50.3000.50.30.300.5表47 九种不同培养基对鬼怒甘叶片愈伤组织诱导效果Tab.47 the effect of different culture media on the callus induction from leaf of Kunouwase试验编号BA(mg/L)2,4D(mg/L)IBA(mg/L)接种数(个)死亡数(个)愈伤组织(个)愈伤率(%)Y13.0 (1)0.2 (1)0.5 (1)18216100.00Y23.0 (1)0.1 (2)0.3 (2)1821381.25Y33.0 (1)0.0 (3)0.0 (3)1801161.11Y42.0 (2)0.2 (1)0.0 (3)1821593.75Y52.0 (2)0.1 (2)0.5 (1)2031058.82Y62.0 (2)0.0 (3)0.3 (2)192952.94Y71.0 (3)0.2 (1)0.3 (2)20119100.00Y81.0 (3)0.1 (2)0.0 (3)183
