SPSS处理多元方差分析例子复习进程

1、Good is good, but better carries it.精益求精，善益求善。SPSS处理多元方差分析例子-实验三多元方差分析民族农村城市人均收入文化程度人均收入文化程度146，50，60，6870，78，90，9352，58，72，7582，85，96，98252，53，63，7171，75，86，8859，60，73，7776，82，92，93354，57，68，6965，70，77，8163，64，76，7871，76，86，90一、实验目的用多元方差分析说明民族和城乡对人均收入和文化程度的影响。二、实验要求调查24个社区，得到民族与城乡有关数据如下表所示，其中人均收入为年

2、均，单位百元。文化程度指15岁以上小学毕业文化程度者所占百分比。试依此数据通过方差分析说明民族和城乡对人均收入和文化程度的影响。三、实验内容1依次点击“分析”-“常规线性模型”-“多变量”，将“人均收入”和“文化程度”加到“因变量”中，将“民族”和“居民”加到“固定因子”中，如下图一所示。【图一】2.点击“选项”，将“输出”中的相关选项选中，如下图二所示：【图二】3.点击“继续”，“确定”得到如下表一的输出：【表一】常规线性模型主体间因子值标签N民族1.00182.00283.0038居民1.00农村122.00城市12描述性统计量民族居民均值标准差N人均收入1农村56.00009.93311

3、4城市64.250011.026484总计60.125010.6695582农村59.75008.995374城市67.25009.105864总计63.50009.2890183农村62.00007.615774城市70.25007.847504总计66.12508.408128总计农村59.25008.4544212城市67.25008.8945812总计63.25009.4189924文化程度1农村82.750010.688784城市90.25007.932004总计86.50009.5916682农村80.00008.286544城市85.75008.180264总计82.87508.

4、2191083农村73.25007.135594城市80.75008.770214总计77.00008.417678总计农村78.66679.0084112城市85.58338.5329112总计82.12509.2797724协方差矩阵等同性的Box检验(a)Box的M12.397F.587df115df21772.187Sig.887检验零假设，即观测到的因变量的协方差矩阵在所有组中均相等。a设计:Intercept+A+B+A*B多变量检验(d)效应值F假设df误差dfSig.偏Eta方非中心。参数观察到的幂(a)截距Pillai的跟踪.9951832.265(b)2.00017.000

5、.000.9953664.5301.000Wilks的Lambda.0051832.265(b)2.00017.000.000.9953664.5301.000Hotelling的跟踪215.5611832.265(b)2.00017.000.000.9953664.5301.000Roy的最大根215.5611832.265(b)2.00017.000.000.9953664.5301.000APillai的跟踪.9017.3784.00036.000.000.45029.511.991Wilks的Lambda.10118.305(b)4.00034.000.000.68373.2211.0

6、00Hotelling的跟踪8.93035.7204.00032.000.000.817142.8821.000Roy的最大根8.92880.356(c)2.00018.000.000.899160.7121.000BPillai的跟踪.2052.198(b)2.00017.000.142.2054.397.386Wilks的Lambda.7952.198(b)2.00017.000.142.2054.397.386Hotelling的跟踪.2592.198(b)2.00017.000.142.2054.397.386Roy的最大根.2592.198(b)2.00017.000.142.205

7、4.397.386A*BPillai的跟踪.016.0714.00036.000.991.008.282.063Wilks的Lambda.984.067(b)4.00034.000.991.008.268.062Hotelling的跟踪.016.0634.00032.000.992.008.253.061Roy的最大根.016.142(c)2.00018.000.868.016.284.069a使用alpha的计算结果=.05b精确统计量c该统计量是F的上限，它产生了一个关于显著性级别的下限。d设计:Intercept+A+B+A*B误差方差等同性的Levene检验(a)Fdf1df2Sig.

8、人均收入.643518.670文化程度.615518.690检验零假设，即在所有组中因变量的误差方差均相等。a设计:Intercept+A+B+A*B4.实验结果分析在“协方差矩阵等同性的Box检验(a)”中可以看出，p=0.887,大于0.05，故接受原假设，即认为方差是齐性的，可以进行方差分析。在“多变量检验”中，仅以wilks的Lambda为例进行分析，在效应A中p值接近0，故拒绝原假设，认为民族（A）对文化水平和收入有显著影响，在效应B中p=0.142，故接受原假设，即认为B（居民）对对文化水平和收入没有显著影响。在A*B中，p=0.991，大于0.05，故接受原假设，即认为AB的交互

9、作用对文化水平和收入的影响不显著。故应该不考虑交互作用，重新改进该试验。步骤如下：1.第一、二步和前面一样，只需要点击“模型”，将“全因子”改为“定制”，“建立项”中改为“主效应”接着将“A,B”添加到“模型”中，如下图三所示：【图三】2点击“继续”“确定”，得到如下表二结果：【表二】常规线性模型主体间因子值标签N民族1.00182.00283.0038居民1.00农村122.00城市12协方差矩阵等同性的Box检验(a)Box的M12.397F.587df115df21772.187Sig.887检验零假设，即观测到的因变量的协方差矩阵在所有组中均相等。a设计:Intercept+A+B多变

10、量检验(d)效应值F假设df误差dfSig.偏Eta方非中心。参数观察到的幂(a)截距Pillai的跟踪.9952020.700(b)2.00019.000.000.9954041.4001.000Wilks的Lambda.0052020.700(b)2.00019.000.000.9954041.4001.000Hotelling的跟踪212.7052020.700(b)2.00019.000.000.9954041.4001.000Roy的最大根212.7052020.700(b)2.00019.000.000.9954041.4001.000APillai的跟踪.9008.1764.00

11、040.000.000.45032.702.996Wilks的Lambda.10220.265(b)4.00038.000.000.68181.0591.000Hotelling的跟踪8.80239.6084.00036.000.000.815158.4341.000Roy的最大根8.80088.002(c)2.00020.000.000.898176.0041.000BPillai的跟踪.2052.457(b)2.00019.000.112.2054.914.433Wilks的Lambda.7952.457(b)2.00019.000.112.2054.914.433Hotelling的跟踪

12、.2592.457(b)2.00019.000.112.2054.914.433Roy的最大根.2592.457(b)2.00019.000.112.2054.914.433a使用alpha的计算结果=.05b精确统计量c该统计量是F的上限，它产生了一个关于显著性级别的下限。d设计:Intercept+A+B主体间效应的检验源因变量III型平方和df均方FSig.偏Eta方非中心。参数观察到的幂(a)校正模型人均收入528.750(b)3176.2502.332.105.2596.995.500文化程度654.792(c)3218.2643.292.042.3319.877.662截距人均收入

13、96013.500196013.5001270.230.000.9841270.2301.000文化程度161868.3751161868.3752441.761.000.9922441.7611.000A人均收入144.750272.375.957.401.0871.915.192文化程度367.7502183.8752.774.086.2175.547.484B人均收入384.0001384.0005.080.036.2035.080.573文化程度287.0421287.0424.330.051.1784.330.508误差人均收入1511.7502075.588文化程度1325.833

14、2066.292总计人均收入98054.00024文化程度163849.00024校正的总计人均收入2040.50023文化程度1980.62523a使用alpha的计算结果=.05bR方=.259（调整R方=.148）cR方=.331（调整R方=.230）主体间SSCP矩阵人均收入文化程度假设截距人均收入96013.500124665.750文化程度124665.750161868.375A人均收入144.750-225.750文化程度-225.750367.750B人均收入384.000332.000文化程度332.000287.042误差人均收入1511.7501360.000文化程度1

15、360.0001325.833基于III型平方和3.实验结果分析去掉A与B的交互作用后，在“协方差矩阵等同性的Box检验(a)”表格中，p=0.887,大于0.05，故接受原假设，即认为方差是齐性的，可以进行方差分析。在“多变量检验”中，仅以Wilks的Lambda为例进行分析，在效应A中p值接近0，故拒绝原假设，认为民族（A）对文化水平和收入有显著影响，在效应B中p=0.205，故接受原假设，即认为B（居民）的不同对文化水平和收入没有显著影响。在“多变量检验”中，“A”与“人均收入”的p=0.401，大于0.05，故接受原假设，即认为民族的不同对人均收入没有显著影响，“A”与“文化程度”的p

16、=0.086，大于0.05，故接受原假设，即认为民族的不同对文化程度没有显著影响，但这个显著性强于对人均收入的显著性。同样，可以分析出，居民的身份（农村或城市）对人均收入有显著影响，但对文化程度没有显著影响。四、存在问题与解决情况本次试验主要进行多元方差分析，主要对“协方差矩阵等同性的Box检验(a)”，“多变量检验”和“多变量检验”中的数据进行分析，和以往一样，都是通过p值来判断是否接受原假设。现将一些实习后的收获总结如下：在此实验中要注意，第一方差分析后发现其交互作用对文化程度和收入水平影响不显著，因此应将其去掉，再此进行方差分析。由于总是对原假设难以把握，故将其列在此，以提醒自己：1.在“协方差矩阵等同性的Box检验(a)”中，原假设是：方差是齐性的，可以进行方差分析。2.在“多变量检验”和“多变量检验”中，原假设是：两因素间的影响不显著。附：记为总的组间离差阵为组内离差阵1.PillaistracePillaistrace=trace2.Hotel