第五章SPSS方差分析课件

第五章方差分析第一节univariate过程第二节multivariate过程第三节repeatedmeasures过程第四节Variance

Component过程方差分析的基本原理方差分析是用于两个及两个以上样本均值差别的显著性检验。由于各种因素的影响，研究所得的数据呈现波动状，造成波动的原因可分成两类：一是不可控的随机因素，一是研究中施加的对结果形成影响的可控因素。方差分析的基本思想是：通过分析研究中不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。它同样要求各组数据：服从正态分布或近似服从正态分布各组数据具有方差齐性Spss中方差分析过程1、One-Way过程：单因素方差分析过程。在

Compare

Means菜单项中，可以进行单因素方差分析、均值多重比较和相对比较。2、General

Linear

Model(简称GLM)过程：

GLM过程由Analyze菜单直接调用。这些过程可以完成简单的多因素方差分析和协方差分析，不但可以分析各因素的主效应，还可以分析各因素间的交互效应。General

Linear

Model(简称GLM)过程General

Linear

Model菜单项下有四

Univariate：提供回归分析和一个因变量和多个因素变量的方差分析。Multivariate:可进行多因变量的多因素分析

Repeated

Measure:可进行重复测量方差分析。Variance

Component：可进行方差成分分析。通过计算方差估计值，可以帮助我们分析如何减小方差。第一节univariate过程1、单因变量多因素方差分析的菜单和选择项2、随机区组设计资料的方差分析3、2×2析因实验方差分析实例4、拉丁方区组设计的方差分析实例5、协方差分析实例6、多维交互效应方差分析实例单因变量多因素方差分析概述单因变量多因素方差分析是对一个独立变量是否受多个因素或变量影响而进行的方差分析。SPSS调用univariate过程，检验不同水平组合之间因（分析）变量均值由于受不同因素影响是否有差异的问题。univariate过程过程可以分析每一个因素的作用（主效应），也可以分析因素之间的交互作用（交互效应）。可以进行协方差分析，以及各因素变量与协变量之间的交互作用。因变量和协变量必须是数值型变量，协变量与因变量彼此不独立。因素变量是分类变量，可以是数值型和字符型。固定因素变量（Fixed

Factor）是反应处理的因素。随机因素是随机设置的因素，是在确定模型时需要考虑会对实验有影响的因素，对实验结果影响的大小可以通过方差成分分析确定。GLM

Univariate功能很强，可以建立包括各种主效应、交互效应的模型。必须认真分析因素变量的具体情况，来确定自己的模型，否则会产生不可解释的输出结果。5.1.1单因变量多因素方差分析的菜单和选择项菜单：Analyze->GeneralLinearModel->Univariate选项：选择分析模型Model:默认全模型Full

Factorial：包括所有因素变量的主效应、所有协变量的主效应、所有因素与因素的交互效应，不包括协变量与其他因素的交互效应。自定义模型Custom：主效应（Main

effects及其因素变量）、交互变量（有交互效应维数之分）选择分解平方和的方法（默认为TYPEIII）IncludeInterceptinmodel：系统默认截距包括在回归模型中选择对照方法Contrasts选择分布图形Plots选择多重比较分析PostHoc保存运算结果的选择项Save选择输出项Options常用的功能选择：分布图形（均数分布图）Horizontal

axis

横坐标轴

Separate

lines

纵坐标轴（联线）Separate

plots

纵坐标轴（散点）选择多重比较分析方法Post

hoc

因素水平效应两两比较选择保存项目Predicted

values

预测值输出项的选择Descriptive

statistics

描述统计量Estimate

of

effectivesize

效应量估计（包括F-检验、T-检验结果Observed

power

观测功效Parameter

estimates

参数估计Homogeneity

tests

方差齐性检验Spread

vs

levalplot

统计绘图Lack

of

fit

检查因变量与因素变量的关系是否被充分描述5.1.2随机区组设计资料方差分析实例操作[例5.1]随机区组设计资料方差分析四个种系未成年雌性大白鼠个三只，每只按一定剂量注射雌激素，一段时间后解剖称子宫重量，分析激素与种类因素对子宫重量的影响。数据准备数据文件：一个因变量（子宫重量），两个因素变量，数据文件包括因素变量的不同水平的组合。数据文件：spssjiaoan\例题数据\随机区组设计资料方差分析分析过程：选择Analyze->General

LinearModel->Univariate Dependent：wuteriFixed

Factor（s）：mouse、etrogenModel选项:

Custom(Maineffect, mouse和etrogen)点击ok输出文件：spssjiaoan\例题数据\随机区组设计资料方差分析结果分析：本问题中不能分析两因素的交互作用项，因为两个因素的不同水平的组合只有一个观测量。本例中，两个因素对因变量的影响都是极显著的。5.1.3 2×2析因实验方差分析实例实例操作[5.2]使用两种药物治疗缺铁性贫血患者，研究两种药物的疗效。随机选取12个患者分为四组给予不同的治疗，第一组使用一般疗法、第二组使用一般疗法加药物A、第三种使用一般疗法加药物B、第四组使用一般疗法加药物A和B。一个月后观察红细胞增加数（百万/mm3）作析因分析。数据数据文件spssjiaoan\例题数据\2×2析因实验方差分析数据准备：一个因变量（红细胞增加数），两个因素变量，区分疗法（为什么分两个因素变量，原因是要分析两种药物的疗效的效果差别），数据文件包括因素变量的不同水平的组合。分析过程：Analyze->General

LinearModel->UnivariateDependent：redcellFixed

Factors：drugA、drugB保留全模型选项（不对Model操作）选择Plot选项：作三个图drugA、drugB、drugA*drugB选择输出Option选项：选drugA、drugB、drugA*drugB、Overall进入Display

Means

for框中结果除了方差分析表（

(截距、主效应、交叉效应、误差Error），还有很多选项相应的结果。结果解释：两种药物A和B均对治疗缺铁性贫血有显著疗效，两种药物A和B的协同作用也很显著。输出文件：spssjiaoan\例题数据\2×2析因实验方差分析5.1.4拉丁方区组设计的方差分析拉丁方实验设计的特点:有两个以上因素变量,每个因素变量的水平数相等。实例分析[例5.3]为了评价六种不同的甜菜，选择地块土壤条件相同，要求分析六种甜菜品

种的产量是否有显著性差异。为了得到这一

结论，同时检验地块是否对平均产量有影响，即地块的行与行、列与列间产量是否有显著

差异。将六种甜菜（变量Variety）种子播种在六行（REP）、六列（COL）的地块上，记录两次收获（Havest）的产量（Yield）。Harest

rep

col

Variety

Yield

111319.10

115218.20

123417.60

131118.10

135318.60

143118.70

151417.50……数据文件：五个变量（四个因素变量、一个分析变量）数据文件spssjiaoan\例题数据\拉丁方区组设计

的方差分析分析过程：Analyze->General

LinearModel->UnivariateDependent：yieldFixed

Factors：rep、col、varietyModel：只分析三个主效应rep、col、variety（Main

effects）主效应方差分析检验结果(截距，主效应，误差Error）结果解释：Sig显著性概率值（各自主效应，不同品种的甜菜variety

有显著性差异，即平均产量的差异主要是品种不同造成的，而跟地块无关）。输出文件spssjiaoan\例题数据\拉丁方区组设计的方差分析5.1.5协方差分析协方差分析是利用线性回归方法，消除混杂因素影响后，所做的方差分析。实例分析[5.4]镉作业工人年龄与肺活量的关系问题.镉作业工人按暴露于镉烟尘中的年数分为大于等于10年和不足于10年分为两组，两组工人的年龄为经控制（人随着年龄的增长，肺活量也会下降），测量了每个工人的肺活量，现在要研究暴露年数与肺活量的关系，数据如下

TIMEAGEVITALCP

1394.62

1495.09

1582.73

1405.92

1522.07

1593.67

1415.52

1474.31

1413.71

1612.70

1454.02

1653.03

2434.61

2394.73

………………数据文件spssjiaoan\例题数据\协方差分析数据文件：两个因素变量，其中年龄为协变量，一个分析变量分析过程：Analyze->General

LinearModel->UnivariateDependent：

VitalcpFixed

Factors：timeCovariate：AgeOption：DisplayMeansFor:time（分Time显示肺活量均值）Display

:Parameter

Estimates（肺活量与年龄的线性回归方程）结果分析：Sig显著性概率值(各主效应，年龄Age有显著性差异，TIME无显著性差异，即肺活量的差异是由于被试者的年龄差异所致，与被试者接触镉粉尘时间的时间是否大于10年无关)结果文件：spssjiaoan\例题数据\协方差分析5.1.6多维交互效应方差分析实例实验数据为教育心理学实验，心理运动测验分数与被试者必须瞄准的目标大小关系的资料。实例[例5.5]教育心理学实验问题任意选择四个目标,

TARGET

1

2

3

4从若干个使用过的设备中任意选择三部测试设备Device:

1

2

3选择两种不同明暗程度的照明环境

1

2做4×3×2的析因实验设计,构成24个组合单元每个组合中随机部署5名测试者测试心理活动得分,得到120个得分数据TARGETDEVICELIGHTSCORE

1112

2119

31110

4118

1211

2219

32110

42111

1315

2315

3317

4312…………数据准备：一个分析变量SCORE

，三个因素变量TARGET,DEVICE,LIGHT

。数据文件：spssjiaoan\例题数据\多维交互效应方差分析分析过程：Analyze->General

LinearModel->UnivariateDependent：ScoreFixed

Factors：Target、Device、LightModel：保留全模型选项（不对Model操作）选择输出Option选项：选Target*Device*

Light进入Display

Means

for框中：各种组合均值选择Plot选项：作四个图Target、Device、Light

、Target*Device*

Light结果解释：Sig显著性概率值（各主效应，交互效应，均对Score有显著性作用）结果文件：spssjiaoan\例题数据\多维交互效应方差分析第二节multivariate过程5.2.1

multivariate过程功能

GLM

Multivariate过程提供回归分析和多因变量的方差分析。多因变量方差分析模型除包括多个因变量外，还可以包括一个或几个因素变量或协变量。因素变量把总体分为几个组。使用这个一般线性模型过程，可以检验因素变量在因变量的联合分布的各组均值的效应，可以研究因素间的交互效应和单一因素的效应，另外还包括协变量效应和协变量与因素间的交互效应。对回归分析，协变量作为自变量（预测变量）GLM

Multivariate过程可以检验平衡和不平衡模型。模型中每个单元包括相同数量的观测量为平衡设计。5.2.2实例分析对男33人、女26人的头部四个解剖部位的测量结果，研究男女头部有无显著性差异。数据文件：spssjiaoan\例题数据\多因变量线性模型方差分析分析过程：Analyze->General

LinearModel->MultivariateDependent：Basilar、length、postorb、zygomaFixed

Factors：

SexModel：保留全模型选项（不对Model操作）Option：Descriptive

Statistics结果分析：Sig显著性概率值（不同性别的头部四个解剖部位没有显著性差异）分析文件：spssjiaoan\例题数据\多因变量线

性模型方差分析（无）（破解版本此命令不运行）第三节repeated

measures过程5.3.1

repeated

measures过程功能重复测量设计方差分析的样本必须包括同质的实验单位或进行多次重复测量的实验。GLM重复测量属于高级分析过程，是对同一因变量进行重复测量，可以是同一条件下进行的重复测度，目的在于研究各种处理之间是否存在显著性差异的同时，研究被试者之间的差异；也可以是不同条件下的重复测度，目的在于研究各种处理间是否存在显著性差异的同时，研究形成重复测量条件间的差异以及这些条件与处理间的交互效应。重复测量设计方差分析的数据文件结构：若干次重复测量结果作为不同因变量出现在数据文件中。5.3.2实例分析设置了三个级别的视觉刺激作为处理因素变量vsno(视觉刺激等级1、2、3)，4位被试者均接受三个级别的视觉刺激，并在同样条件下测试三次

(time1,time2,time3)。

H0：三个级别的视觉刺激之间（被试者内）无显著性差异。数据准备：数据文件：spssjiaoan\例题数据\重复测量设

计方差分析实例1分析过程：菜单：Analyze->GeneralLinearModel->RepeatedMeasureWithin-Subject

Factor

Name:timeNuber

of

Levels:3Define:Within-Subjects

Variables

[time]:time1,time2,time3Between-Subject

Factor:vsno结果分析：Sig显著性概率值（三次测量之间没有显著性差异，4位被试者之间对每种相同视觉刺激的反映也没有显著性差异，而对不同的视觉刺激等级有显著性差异）分析文件：spssjiaoan\例题数据\重复测量设计方差分析实例1（无）破解14.0不可用！5.3.3关于趋势分析当重复测量的条件是某些顺序变量时，可以分析重复测量的因变量随顺序变量变化的趋势。命令选择：Analyze->General

LinearModel->

RepeatedMeasureWithin-Subject

Factor

Name:days

(Nuber

of

Levels:5)Define:Within-Subjects

Variables

[days]:day1－day5Between-Subject

Factor:groupModel：Main

effects（days，Group）Plots：Days*GroupOption:

Display

Means

for:

Days,group,overallDisplay:Descriptive

Statistics和Estimate

ofeffectsize第四节Variance

Component过程5.4.1

Variance

Component过程功能是对混合效应模型中各随机效应对因变量变异的贡献进行分析。菜单：