第八章spss之征服线性模型2(张文彤).doc

SPSSSPSS 第八课 征服一般线性模型第八课 征服一般线性模型 General General LinearLinear ModelModel 菜单详解 下 菜单详解 下 医学统计之星 张文彤 上次更新日期 8 18 1 两因素方差分析两因素方差分析 8 1 1 univarate 对话框界面说明 8 1 2 结果解释 8 28 2 协方差分析协方差分析 8 2 1 分析步骤 8 2 2 结果解释 8 38 3 其他较简单的方差分析问题其他较简单的方差分析问题 8 48 4 多元方差分析多元方差分析 8 4 1 分析步骤 8 4 2 结果解释 8 58 5 重复测量的方差分析重复测量的方差分析 8 5 1 Repeated measures 对话框界面说明 8 5 2 结果解释 8 4 8 4 多元方差分析多元方差分析 所谓的多元方差分析 就是说存在着不止一个应变量 而是两个以上的应 变量共同反映了自变量的影响程度 比如要研究某些因素对儿童生长的影响程 度 则身高 体重等都可以作为生长程度的测量因子 即都应作为应变量 8 4 18 4 1 分析步骤分析步骤 为了方便起见 我们这里直接利用 SPSS 自带的数据集 plastic sav 假设 tear res gloss 和 opacity 都使反应橡胶质量的指标 不要笑 是假设 现 在要研究 extrusn 和 additive 对橡胶的质量影响如何 则应采用多元方差分析 选择 Analyze General Linear Model Multivariate 则弹出 Multivariate 对话框 请注意 除了没有 random effect 外 它的所有元素都是 和 univariate 对话框相同的 里面的内容也相同 因此我们这里就不再重复了 按照我们的分析要求 对话框操作步骤如下 1 Analyze General Lineal model Multivariate 2 Dependent Variable 框 选入 tear res gloss 和 opacity 3 Fixed Factors 框 选入 extrusn 和 additive 4 单击 OK 此处两个自变量均是二分类变量 故无需选择两两比较方法 8 4 28 4 2 结果解释结果解释 按上面的选择 分析结果如下 GeneralGeneral LinearLinear ModelModel 这是引入模型的自变量的取值情况列表 上表是针对模型中的自变量间及其交互作用所做的检验 采用的是四种多 元检验方法 一般他们的结果都是相同的 如果不同 一般以 Hotelling s Trace 方法的结果为准 可见在所用的模型中 extrusn 和 additive 对结果变量 是有统计学意义的 但交互作用无统计学意义 上表实际上是四个一元方差分析表的合并 即分别考虑四个应变量时的方 差分析结果 上面的多元方差分析已经得知两自变量对应变量有影响 从现在 的分析表就可以更清楚的知道是对那些自变量影响较大 对照可知 extrusn 和 additive 对 tear resistance 和 gloss 都有较大影响 而他们的交互作用对 gloss 有影响 他们 及交互作用 对 Opacity 都没有影响 8 5 8 5 重复测量的方差分析重复测量的方差分析 重复测量的方差分析指的是一个应变量被重复测量好几次 从而同一个个 体的几次观察结果间存在相关 这样就不满足普通分析的要求 需要用重复测 量的方差分析模型来解决 8 5 18 5 1 RepeatedRepeated measuresmeasures 对话框界面说明对话框界面说明 实际上 如果对普通方差分析模型作出正确的设置 两者的分析结果是完 全相同的 即都正确 那么 重复测量的方差分析过程有何优势呢 我们通过 下面的例子来看看 例 8 3 在数据集 anxity2 sav 中判断 anxiety 和 tension 对实验结果 即 trial1 trial4 有无影响 四次试验间有无差异 试验次数和两个变量有无交互 作用 anxity2 sav 和 anxity sav 实际上是同一个数据 但根据不同的分析目的采 用了不同的数据排列方式 如果采用 anxity sav 进行分析 我们可以分析四次 试验间有无差异的问题 但对另两个问题就无能为力了 因为用普通的方差分 析模型 anxity 和 tension 的影响被合并到了 subject 中 根本就无法分解出来 进行分析 这时 我们就只能求助于重复测量的方差分析模型 在菜单中选择 Analyze General Lineal model Repeated measures 系统首先会弹出一个重复测量因子定义对话框如下 因为是重复测量的模型 应变量被重复测量了几次 分别存放在几个变量 中 所以我们这里要自行定义应变量 默认的名称为 factor1 我们将其改为 trail 下面的因素等级数填入 4 因一共测量了四次 单击 Add 钮 则该变量被 加入 我们就完成了模型设置的第一步 应变量名称和测量次数定义 单击 define 我们开始进行下一个步骤 具体重复测量变量定义及模型设置 对话 框如下 这个对话框和我们以前看到的方差分析对话框不太一样 它没有应变量框 而是改为了组内效应框 实际上是一回事 上面我们定义了 trial 有四次测量 此处就给出了四个空让你填入相应代表四次测量的变量 选中 trial1 trial4 将 其选入 然后要选择自变量了 这里又将其称为了 between subjects factor 将剩下的三个都选入即可 最后 根据题意 不需要检验 anxity 与 tension 的 交互作用对试验次数有无交互作用 所以要在 model 中作相应设置 把那个东 东拉出来 详细的操作步骤如下 1 Analyze General Lineal model Repeated measures 2 Within subject factor name 框 键选入 trial 3 number of levels 框 键入 4 4 单击 ADD 钮 5 单击 DEFINE 钮 6 Within subject variables trial 框 选入 trial1 trial4 7 between subjects factor 框 选入 subject anxity 和 tension 8 单击 MODEL 钮 9 Custom 单选钮 选中 10 Within subject Model 框 选入 trial 11 between subjects Model 框 选入 anxity 和 tension 12 单击 CONTINUE 13 单击 OK 请注意 这里没有选入变量 subject 因为它实际上在这里成为了一个记录 ID 要是将它选入 则什么都检验不了了 8 5 28 5 2 结果解释结果解释 本题的分析结果如下 GeneralGeneral LinearLinear ModelModel 上表给出了所定义的 4 次测量的变量名 在模型中它们都代表一个应变量 trial 只是测量的次数不同而已 这是引入模型的其它自变量的情况列表 上表是针对所检验的结果变量 trial 以及他和另两个引入模型的自变量间 的交互作用是否存在统计学意义 采用的是四种多元检验方法 一般他们的结 果都是相同的 如果不同 我一般以 Hotelling s Trace 方法的结果为准 可见 在所用的模型中 trial 的四次测量间的确是存在着统计学差异的 但它和另两 个变量间的交互作用无统计学意义 上表是球形检验 因为重复测量的方差分析模型要求所检验的应变量服从 一种叫做球形分布的东东 上面可能有些内容不好懂 不过没关系 只要看到 近似卡方为 9 383 自由度为 5 P 值为 0 097 就可以了 因此 trial 是勉强服从 球形分布的 可以进行重复测量的方差分析 来源 医学统计之星 2004 7 12 22 06 00 SPSS 10 0 高级教程十 征服一般线性 模型 2 张文彤分享 收藏 热点推荐热点推荐 生生物物谷谷盘盘点点2 20 00 09 9 2009 年 国内生物医药的突破之年 不仅有干细胞发现的新突破 还有转基因作物政策的新举措 更多专题 相关阅读相关阅读 推推荐荐学学术术会会议议 学术研讨会 峰会论坛 展会 更多会议 8 4 8 4 多元方差分析多元方差分析 所谓的多元方差分析 就是说存在着不止一个应变量 而是两个以上的应变量共同反映了自变量的影响程度 比如要研究某些因素对儿童生长的影响程度 则身高 体重等都可以作为生长程度的测量因子 即都应作为应 变量 8 4 18 4 1 分析步骤分析步骤 为了方便起见 我们这里直接利用 SPSS 自带的数据集 plastic sav 假设 tear res gloss 和 opacity 都使反应 橡胶质量的指标 不要笑 是假设 现在要研究 extrusn 和 additive 对橡胶的质量影响如何 则应采用多元方 差分析 选择 Analyze General Linear Model Multivariate 则弹出 Multivariate 对话框 请注意 除了没有 random effect 外 它的所有元素都是和 univariate 对话框相同的 里面的内容也相同 因此我们这里就不再重 复了 按照我们的分析要求 对话框操作步骤如下 1 Analyze General Lineal model Multivariate 2 Dependent Variable 框 选入tear res gloss 和 opacity 3 Fixed Factors框 选入 extrusn 和 additive 4 单击 OK 此处两个自变量均是二分类变量 故无需选择两两比较方法 8 4 28 4 2 结果解释结果解释 按上面的选择 分析结果如下 GeneralGeneral LinearLinear ModelModel 这是引入模型的自变量的取值情况列表 上表是针对模型中的自变量间及其交互作用所做的检验 采用的是四种多元检验方法 一般他们的结果都是相 同的 如果不同 一般以 Hotelling s Trace 方法的结果为准 可见在所用的模型中 extrusn 和 additive 对结果 变量是有统计学意义的 但交互作用无统计学意义 上表实际上是四个一元方差分析表的合并 即分别考虑四个应变量时的方差分析结果 上面的多元方差分析已 经得知两自变量对应变量有影响 从现在的分析表就可以更清楚的知道是对那些自变量影响较大 对照可知 extrusn 和 additive 对 tear resistance 和 gloss 都有较大影响 而他们的交互作用对 gloss 有影响 他们 及交 互作用 对 Opacity 都没有影响 8 5 8 5 重复测量的方差分析重复测量的方差分析 重复测量的方差分析指的是一个应变量被重复测量好几次 从而同一个个体的几次观察结果间存在相关 这样 就不满足普通分析的要求 需要用重复测量的方差分析模型来解决 8 5 18 5 1 RepeatedRepeated measuresmeasures 对话框界面说明对话框界面说明 实际上 如果对普通方差分析模型作出正确的设置 两者的分析结果是完全相同的 即都正确 那么 重复测 量的方差分析过程有何优势呢 我们通过下面的例子来看看 例 8 3 在数据集 anxity2 sav 中判断 anxiety 和 tension 对实验结果 即 trial1 trial4 有无影响 四次试验间 有无差异 试验次数和两个变量有无交互作用 anxity2 sav 和 anxity sav 实际上是同一个数据 但根据不同的分析目的采用了不同的数据排列方式 如果采用 anxity sav 进行分析 我们可以分析四次试验间有无差异的问题 但对另两个问题就无能为力了 因为用普通的 方差分析模型 anxity 和 tension 的影响被合并到了 subject 中 根本就无法分解出来进行分析 这时 我们就 只能求助于重复测量的方差分析模型 在菜单中选择 Analyze General Lineal model Repeated measures 系统首先会弹出一个重复测量因子定 义对话框如下 因为是重复测量的模型 应变量被重复测量了几次 分别存放在几个变量中 所以我们这里要自行定义应变量 默认的名称为 factor1 我们将其改为 trail 下面的因素等级数填入 4 因一共测量了四次 单击 Add 钮 则该 变量被加入 我们就完成了模型设置的第一步 应变量名称和测量次数定义 单击 define 我们开始进行下一 个步骤 具体重复测量变量定义及模型设置 对话框如下 这个对话框和我们以前看到的方差分析对话框不太一样 它没有应变量框 而是改为了组内效应框 实际上是 一回事 上面我们定义了 trial 有四次测量 此处就给出了四个空让你填入相应代表四次测量的变量 选中 trial1 trial4 将其选入 然后要选择自变量了 这里又将其称为了 between subjects factor 将剩下的三个都 选入即可 最后 根据题意 不需要检验 anxity 与 tension 的交互作用对试验次数有无交互作用 所以要在 model 中作相应设置 把那个东东拉出来 详细的操作步骤如下 1 Analyze General Lineal model Repeated measures 2 Within subject factor name 框 键选入 trial 3 number of levels框 键入 4 4 单击 ADD 钮 5 单击 DEFINE 钮 6 Within subject variables trial 框 选入 trial1 trial4 7 between subjects factor 框 选入 subject anxity 和 tension 8 单击 MODEL 钮 9 Custom 单选钮 选中 10 Within subject Model 框 选入 trial 11 between subjects Model 框 选入 anxity 和 tension 12 单击 CONTINUE 13 单击 OK 请注意 这里没有选入变量 subject 因为它实际上在这里成为了一个记录 ID 要是将它选入 则什么都 检验不了了 8 5 28 5 2 结果解释结果解释 本题的分析结果如下 GeneralGeneral LinearLinear ModelModel 上表给出了所定义的 4 次测量的变量名 在模型中它们都代表一个应变量 trial 只是测量的次数不同而已 这是引入模型的其它自变量的情况列表 上表是针对所检验的结果变量 trial 以及他和另两个引入模型的自变量间的交互作用是否存在统计学意义 采 用的是四种多元检验方法 一般他们的结果都是相同的