spss中一般线性模型

1、2020/6/17，1，一般线性模型(一)，2020/6/17，2，一般线性模型，一般线性模型单变量分析的基本过程完全随机设计资料的方差分析随机组(单位组)设计资料的方差分析，2020/6/17，3，一般线性模型单变量分析的通用线性模型由单变量多要素方差分析、多要素变量方差分析、重复测量方差分析、方差分量分析glm来实现，而通用线性模型由单变量多要素方差分析、多要素变量方差分析、重复测量方差分析、方差分量分析和glm来实现。2020/6/17、4、4、univariate (单因子方差分析)的基本过程、2020/6/17、5、1主对话框、从属变量：因子变量fixedfacter:固定因子，所有

2、例如，观察个体covariates:协变量，在协方差分析中使用wlsweight:wls权重。 用于加权最小二乘分析。2020/6/17、6、2功能按钮、model :分析模型contrast :比较方法plots :分布图表posthoc :多个比较save :运算值保存option :选择输出项目。 指定2020/6/17、7、2.1模型按钮i、特定模型栏中的模型类型、全功能、所有模型、系统默认。 包括所有要素的主要效果和所有的相互作用。 例如，有三个要素变量，全部模型包含三个要素的主效果、两个相互效果、三个要素的高度相互效果。 自定义模型。 选择此项目后，以下各操作框被激活，2020/6

3、/17,8、8、定制模型被制作，factors&covariates框中自动列出作为要素的变量名称，后面的括号中包含“f”(固定系数)、“r”(拉2020/6/17，9， a、选择效果类型、交互效果maineffects :主效果all2-way :所有二维交互all3-way :所有三维交互all4-way :所有四维交互6/17，10 b .选择模型中的主效果(model )，首先单击效果类型定义为“maineffects”的鼠标按钮，变量名称的背景变为颜色(通常变为蓝色)，然后单击buildterm(s )栏下的箭头变量名占一行称为主效果项。 为了在模型中包含几个主效果项，要进行几次以上

4、的操作。 2020/6/17、11、c，构建模型内的交互。 例如，元素为灯光(f )、装置(f )和target(f )，并且要求模型包含变量light和装置的交互。 首先将效果类型定义为interactin，在factors&covariates框内的变量表中，用鼠标单击device变量来改变背景色，用鼠标单击变量light变量来改变背景色buildterm(s )栏模型中添加了名为device*light的交互。2020/6/17、12、c .在模型中构建交互，在模型中包括三个变量的所有二维交互，定义效果类型all2-way，单击light、device和target三个变量名称，然后单击

5、箭头按钮模型包含三个二维交互项目： light*device、light*target和device*target。 模型包含所有三维效果，效果类型定义为“all3-way”，并单击变量llight、device和target。 单击箭头按钮后，模型框中会显示一个名为ligh*device*target的三维交互。 选择2020/6/17、13、iii、平方和分解的方法，sumofsquares:type(嵌套设计)、typeiv (平衡设计，仅主要效果)、typeiv (系统默认，最常用) typeiv (不完全、2020/6/17、14、2.2contracts按钮、factors框显示在

6、主对话框中选择的所有元素，之后的括号内将在当前比较方法changecontrast栏中更改匹配方法。 2020/6/17，15，可选择的对照方法，none :不进行平均数的比较，比较预测变量或要素的各级别的效果。选择last或first作为引用级别：将预测变量或因素变量的级别与引用级别进行比较。 选择last或first作为参考级别：将预测变量或元素的每个级别的效果与先前级别的平均效果进行比较，第一级别除外。 与helmert的匹配方法相反，注意：只有deviation和simple必须选择参考级别，last (系统默认)和first。2020/6/17、16、2.3plots按钮、facto

7、r :在主对话框中选择的元素变量名称horizontal :横轴框separatelines :得分变量separatelines :得分变量，2020/6/17 决定平均数量复用比较(事后检查)、2020/6/17、18、2.5save按钮(选择运算值的保存)，通过在对话框中的选择，可以将计算出的预测值、残差和诊断值(回归分析时)作为新的变量保存到编辑数据文件中。 可以在其他统计分析中使用值。 2020/6/17，19， 2.5save按钮(选择保存运算值)、predictedvalues (预测值) unstandardized :非标准预测值weighted :在主对话框中选择wls变量

8、时，如果选中此复选框， 加权非标准化预测值standarderror :保存预测值的标准错误residuals (残差栏) unstandarized:非标准残差weighted:加权非标准残差standardized:标准残差studentized:学生化残差deleted:去除残差、2020/6/17、20、2.5save按钮(选择保存运算值级别值：非中心化级别值保存文件将参数协方差矩阵保存在新文件中，并在2020/6/17，21， 2.6选项按钮(选择输出项目)，displaymeansfor :分组因子display :指定输出的统计量descriptivestatistics :统计

9、量、平均、标准偏差、采样量estimatesofeffectsize :效果量观测电源：验证假设的效果。 参数评估：每个元素变量的模型参数估计、标准错误、t检验的t值、p值和95%的置信区间。 sigcertificatelevel :指定configdenceintervals的有效水平，2020/6/17，22，描述状态：统计量、平均、标准偏差、采样量estimatesofeffectsize 观测电源：验证假设的效果。 参数评估：每个元素变量的模型参数估计、标准错误、t检验的t值、p值和95%的置信区间。 contractcoefficiencymatrix :变换系数矩阵或l矩阵。 h

10、omogeneity测试：分散一致性检查。 spreadvslevelplot :制作观测平均-标准偏差图、观测平均-方差图。 residualsplot :绘制残差图。 lackoffit :检查因素和因素变量的关系是否充分记述。 generalestimablefunction :可以根据常用的估计函数自定义假设检验。 比较系数矩阵的行和一般的估计函数线性组合。 2020/6/17、23、例1为研究多酚保健饮料对急性缺氧的影响，将wistar小鼠60只随机分为低、中、高3个剂量组和对照组，各组为15只小鼠。 对照组将蒸馏水0.25ml放入胃中，低、中、高剂量组分别将2.0、4.0、8.0g

11、/kg的饮料溶解在0.20.3ml蒸馏水中放入胃中，每天1次。 40天后，对大鼠进行耐氧生存时间实验的结果如表1所示。 比较不同量的茶多酚保健饮料，小鼠平均耐酸缺生存时间的延长存在差异。二、完全随机设计资料的方差分析，2020/6/17、24，表1各组小鼠耐缺氧时间/min，2020/6/17、25，数据文件：耐缺氧时间. sav .定义变量，2020/6/17、26，数据文件：耐缺氧时间27数据文件的制作：耐酸缺时间. sav .定义变量输入数据的分析开始： analyzegeneralinearmodelunivariate ydependentvariablegroupfixed fac

12、tors，2020/6/17 28生成数据文件：耐酸缺时间. sav .定义变量输入数据解析： analyzegenerallinearmodeilunivariate ydependentvariablegroupfixedfactorsposthoc:grou snk bonferroni，2020/6/17， 29生成数据文件：耐酸缺时间. sav .定义变量输入数据分析开始： analyzegenerallinearmodeilunivariate ydependentvariablegroupfixedfactorsposthoc:opt escriptive estatistics

13、，homogeneitytests，2020/6/17，30，主要结果-描述性统计，2020/6/17，31，主要结果，分散一致性检查的p值，分散一致性检查的统计量f值，结论：各总体的分散2020/6/17，32，方差分析的p值，方差分析f值方差分析ms值(平均)，方差分析的自由度，方差分析ss值(平方和)，总变异，组间变异，组内变异(误差变异)，结论：组整体的平均数不同。2020/6/17、33、各组整体平均数的95%置信区间、方差分析中的误差的均方计算的标准误差、2020/6/17、34、bonferroni方法的p值，在a修正后，2020/6/17、35、其他具有统计学意义在compar

14、emeansone-wayanova中创建数据之前开始分析： analyzecompare meansone-wayanovaydependntlistgroupfactor，2020/6/17， 在37 comparemeansone-wayanova中创建数据之前开始分析： analyzecompare meansone-wayanovaydependntlistgroupfactorposthoc:lsd，b 在38 comparemeansone-wayanova中创建数据之前，请使用analyzecompare meansone-wayanovaydependntlistgroupf

15、actorposthoc:lsd、 bonferroni snk optionsstatisticsdescriptive、homogeneitytests、2020 方差一致性检查的统计量f值，2020/6/17，41方差分析的p值，方差分析f值，方差分析ms值(均方)，方差分析的自由度，方差分析ss值(均方和)，组内变异(误差变异)，组间变异，总变异，2020/6/17，42，bonferroni 2020/6/17，43，平均值在同一列组间没有统计学意义的不同列的差异有统计学意义，即对照组和低剂量的差异没有统计学意义，另外还有统计学意义，snk检测，2020/6/17，44，练习1人为北

16、京机关职员的血脂水平随机抽取不同年龄男性各10名受试者，测定他们总胆固醇(tc )的含量(mmol/l )，结果如下表： 2020/6/17，45三，随机区组(单位组)的设计资料的分散分析，例2研究者发现，生物蛋白粉饲料、血浆蛋白粉饲料和普通饲料为了消除和控制其他因素的影响，研究人员将断奶小猪分布在几个区组(block )，各组配置了3只小猪，满足同一区组的小猪分布在同一巢、相同性别、相同年龄、体重接近，共计10个区组。 然后，在各组内随机分配3只小猪给各实验组。 饲养10天后各实验小猪的平均体重增加量(kg )的比较结果如表2所示。 比较各种饲料的增量效果有无差异。第2020/6/17、46号， 表2生物蛋白粉、血浆蛋白粉和普通饲料饲养小猪体重增加/kg，2020/6/17，47，数据文件：小猪体重增加. sav定义变量，2020/6/17，48，数据文件：小猪体重增加. sav定义变量输入数据，2020/6/6 49数据文件的创建：小猪体重增加. sav定义变量输入数据的分析开始： analyzegeneralinearmodeluniva