第八章一般线性模型――GeneralLinearModel菜单详解

那么，究竟我们用到的哪些分析会包含在其中呢?简而言之：凡是和方差分析粘边的都可以用他来做。比如成组设计的方差分析(即单因素方差分析)、配伍设计的方差分析(即两因素方差分析)、交叉设计的方差分析、析因设计的方差分析、重复测量的方差分析、协方差分析等等。因此，能真正掌握GLM菜单的用法，会使大家的统计分析能力有极大地提高。实际上一般线性模型包括的统计模型还不止这些，我这里举出来的只是从用SPSS作统计分析的角度而言的一些。好了，既然一般线性模型的能力如此强大，那么下属的四个子菜单各自的功能是什么呢?请看：·Univariate子菜单：四个菜单中的大哥大，绝大部分的方法分析都在这·Multivariate子菜单：当结果变量(应变量)不止一个时，当然要用他来分析啦!许多情况下该结果是不正确的，应该用重复测量的分析方法才对(不能再讲了，再讲下去就会扯到多水平模型去了)。太深，不是一时半会说的请的，所以我在这里就干脆不讲了。出于模型复杂性、篇幅、应用范围及乱七八糟一系列的理由，当然主要是通过这种方法来熟悉那些最为常用的分析方法。对统计分析的数据格式不太熟悉的朋友，请一定先去看看统计软件第一课：论统计软件中的数据录入格式，会大有帮助的。下面的这个例子来自《卫生统计学》第四版，书还没有出来，大家先尝尝例8.1对小白鼠喂以A、B、C三种不同的营养素，目的是了解不同营养素增重的效果。采用随机区组设计方法，以窝别作为划分区组的特征，以消除遗传因素对体重增长的影响。现将同品系同体重的24只小白鼠分为8个区组，每个区组3只小白鼠。三周后体重增量结果(克)列于下表，问小白鼠经三种不同营养素喂养后所增体重有无差别?区组号A营养素B营养素C营养素12345678根据统计分析的要求，我们建立了三个变量来包括上述信息，即group11weight表示最终的重量，即：依此类推。8.1.1univarate对话框界面说明这里只有一个结果变量weight,要采用univarate对话框，如下所示：foodContrasts...【DependentVariable框】选入需要分析的变量(应变量),只能选入一个。这里我们的应变量为即固定因素，说的通俗一些，就是--哎呀，我都不知道怎么解释好了，本例中的group,实际上总体中当然不可能只有这8窝，因此要用样本中group【RandomFactors框】的变态狂才会想起来用他(如有雷同，纯属巧合)!custum,这时中部的BuildTerm下拉列表框就变黑可用，该框用于X该对话框中还有两个元素：左下方的Sumofsquares框用于选择方差分析模型类别，有1型到4型四种，如果你搞不清他们之间的区别，使用默认的3型即可；中下部有个Includeinterceptinmodel复选框，用于选择是否在模型中包括截距，不用改动，默认即可。【Contrast钮】弹出Contrast对话框，用于对精细趋势检验和精确两两比较的选项进行定义，在这里，该对话框比单因素方差分析的时候还要专业，使用频率也更少，反正我都没用过，就干脆就不介绍了。用于指定用模型的某些参数作图，比如用food和group来作图，用的也比较少(指国内，因为它主要是用来做模型诊断用的)。【PostHoc钮】该按钮弹出的两两比较对话框和第7章单因素方差分析中的一模一样，不再重复。本题对food作两两比较，方法为SNK法。【Save钮】将模型拟合时产生的中间结果或参数保存为新变量供继续分析时用，可保存的东东有预测值、残差、诊断用指标等。【0ptions钮】6.Model框：选入group和food7.单击0K11.单击OK8.1.2结果解释N33333333888FSig.972现在大家看到的是一个典型的方差分析表，只不过是两因素的而已，我来解释一下：首先是所用方差分析模型的检验，F值为00.517,P小于0.05,因此所用的模型有统计学意义，可以用它来判断模型中系数有无统计学意义；第二行是截距，它在我们的分析中没有实际意义，忽略即可；第三行是变量GROUP,可见它也有统计学意义，不过我们关心的也不是他；第四行是我们真正要分析的F0OD,非常遗憾，它的P值为0.084,还没有统计学意义。尽管不太愿意，我们的结论也只能是：尚不能认为三种营养素喂养的小白鼠体重增量有差别。变异来源III型方差SS自由度均方MS统计量FP值校正的模型9截距172误差合计校正的合计Siq.N8881Meansforgroupsinhomogeneoussubsetsaredisplayed.BasedonTypeIlISumofSquaresTheerrortermisMeanSquare(Error)=24.324.a.UsesHarmonicMeanSampleSize=8.000.b.Alpha=.05.现在是两两比较的结果，方法为SNK法，由于前面总的比较无差异，所以前面方差分析F0OD的P值不是0.084吗?这里又是0.121,究竟哪个为准?两两比较只是近似的比较结果，应以前面方差分析的P为准，不过这两个P值不好了，上面是正确的结果，如果model选择是采用Fullfactor又如何呢?会得出方差分析表如下：ofSquares1720看到了吗?由于所谓的交互作用将自由度给全部“吃”掉了，没有误差可用于统计分析，什么结果也做不出来。4.Model钮：单击可选入)7.Sumofsquares列表框ModelI8.单击OK9.单击0K该步骤用于判断group和age间是否存在交互作用，如存在，则协方差分析的条件不满足，分析不能继续。注意这里选择了ModelI,从而拟合结果和模NFSig.311CorrectedTotal4.Model钮：单击8.单击0K9.0ptions钮：单击LSD(none)即可)NFSig.21这是正式的统计分析结果，显示group和age都对胆固醇含量有影响，P值分别为0.038和小于0.001。LowerBound这是两组的修正均数及相应的可信区间，显然超重组的胆固醇均值较高。下方的提示表明该修正均数是按年龄为50.2308岁的情形计算的。其他各种不太复杂的方差分析，如交叉设计的方差分析、析因设计的方差分析等的菜单选择和统计结果的解释我就不一一详细讲解了，大家举一反三，类似上面的方法就可以作出来。这里只是列举对于初学者来说可能有用的几个问一般分析结果不会有误。●方差分析模型多数情况下要选modelIII,但这在数据存在缺失值、设计不平衡等情况下要慎重考虑，因为此时往往会要求模型进行详细的设·model的设置对分析是非常重要的，如果设置不正确，可能什么都做不出来，比如无重复数据的方差分析纳入了交互作用、析因设计的方差分析纳入了设计中不存在的因素，就会做不出结果。一般线性模型的复杂性是超出大家想象的，实际上这几个敲门就有误人子弟之嫌。千万不要以为读懂了以上内容就可以打遍天下了，一但有存在疑问的内容，一定要查阅有关统计书籍，并在必要时请教专业统计分析人员。8.4.1分析步骤tearres、gloss和opacity都使反应橡胶质量的指标(不要笑，是假设),现4.单击OK8.4.2结果解释12N42这是引入模型的自变量的取值情况列表。 FSig. 上表是针对模型中的自变量间及其交互作用所做的检验，采用的是四种多统计学意义的，但交互作用无统计学意义。ofBquaresFeiap而mpOpacityOpacity red=.Qc.RBquarod-.125(AdjustedRBquarad--.039)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tearresistance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。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。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： (即triall~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subject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==>GeneralLinealmodel==>Repeatedmeasures,系统首先会弹出一个重复测量因子定义对话框如下：XXResettrail,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X4.单击ADD钮5.单击DEFINE钮8.单击MODEL钮13.单击OK8.5.2结果解释1234TRIAL1TRIAL2TRIAL3TRIAL4N12126666FSig.b.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。一般他们的结果变量间的交互作用无统计学意义。_dfSig.5.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。FSig.Greenhouse-GeisserLower-bound7.2804.9382.4044.316219上面