第4讲.SPSS方差分析要点.ppt

整体分析与设计的内容 二、操作 SPSS协方差分析 示例数据：“人体血清胆固醇.sav”。 菜单：“分析→一般线性模型→单变量”。 注意： 1）确定是否存在协变量。一般而言，难以人为控制的因素，例如年龄、身高、体重等，其不同的水平可能对因变量产生显著的影响。--可以通过制图的方式，观察协变量和因变量之间有无关联性，但这只能是辅助的方法；只有通过协方差检验结果，才能更清晰的说明这种协变量的存在性。 2）SPSS的操作界面和过程，与前面讲述的多因素方差分析相同，这里就不再重复给出了。 整体分析与设计的内容 三、示例分析 SPSS协方差分析 本案例分析目的是验证分析：体重对人体的血清胆固醇有无直接影响。 体重分正常组和超重组两个水平，因此可以考虑单因素方差分析。 但是，若不考虑年龄因素的影响，则结论可能会不准确。 为了更准确的描述体重对人体血清胆固醇的影响，就应该排除年龄因素的干扰，因此，将年龄因素作为协变量，进行协方差分析。 整体分析与设计的内容 三、示例分析 SPSS协方差分析 1）作图法，验证是否有相关关系。 可看出，年龄和胆固醇含量有线性关系，且不同组别的斜率也大致相同。 整体分析与设计的内容 三、示例分析 SPSS协方差分析 2）设置观测变量及协变量 方差齐性 整体分析与设计的内容 三、示例分析 SPSS协方差分析 3）协方差分析检验结果 可解释变差 因变量的总变量 4）单因素方差分析检验结果 可以看出，年龄因素对胆固醇含量的影响是显著的；体重对胆固醇含量的影响也是显著的。 第四章 SPSS方差分析 本章主要内容： 概述 单因素方差分析 多因素方差分析 协方差分析 整体分析与设计的内容 一、几个重要的概念 例：假设某公司用4种方式来销售产品，抽样得到下表的数据。那么，这4种方式的销售量均值之间，存在显著性差异吗？ 表一： 方差分析概述 序号 销售方式 1 2 3 4 5 水平均值 方式1 77 86 81 88 83 83 方式2 95 92 78 96 89 90 方式3 71 76 68 81 74 74 方式4 80 84 79 70 82 79 总均值 81.5 整体分析与设计的内容 方差分析概述 在前面的章节中，我们介绍了比较单个、两个总体均值的SPSS实现方法。但是，在实际中，常遇到比较多个总体均值的问题。除表一之外，例如，比较三组不同人群（吸烟者、被动吸烟者和不吸烟者）的Cotinine（某种尼古丁指示剂）水平时，就涉及到了多个不同水平之间的观测值比较。 此时，按前面的讲述可以对这多组数据，做两两比较分析。但是， 这样做的效率明显是很低下的。 ——这种情况，就是方差分析的用武之地。 方差分析是R.A.Fister爵士提出的。它用于对两个及两个 以上样本均值差别的显著性检验。 整体分析与设计的内容 一、几个重要的概念 方差分析概述 1）因素（Factor）：指所有要研究的变量，它可能对因变量产生影响。例如，要分析不同销售方式对销售量是否有影响，此时销售量就是因变量，而销售方式是可能影响销售量的因素。 如果方差分析只针对一个因素进行分析，则称为：单因素方差分析；如果同时针对多个因素进行，则称为：多因素方差分析。 2）水平（Level）：因素的具体表现。例如，销售的不同方式，就是销售的4种等级。有时候，水平是人为划分的，例如好、中、差。 3）单元（Cell）：因素和水平的组合，例如销售方式的5种效果，就是5个单元。 4）元素（Element）：用于测量因变量的最小单位。一个单元内可以只有一个元素，也可以有多个元素。例如表一中各单元内只有一个元素。 5）交互作用（Interaction）：如果一个因素的效应大小在另一个因素不同水平下明显不同，则称两因素间存在交互作用。当存在交互作用的时候，单纯研究某个因素的作用是没有意义的，必须通过另一个因素的不同水平研究该因素的作用大小。如果所有单元内都至多只有一个元素，则交互作用无法测出。 整体分析与设计的内容 二、方差分析的基本思想 方差分析概述 方差分析，就是通过对水平之间的方差和水平内部的方差进行比较，作出拒绝还是接受零假设的建议。 下面，通过表一的例子，来说明几个概念： 设ui为第i（i=1,2,3,4）种推销方式的平均销售量，即零假设检验H0:u1=u2=u3=u4是否为真。 从表中可以看出，20个数据各不相同，这种差异可能是由以下两方面的原因引起： 1）推销方式的影响。不同的方式会使人们产生不同的消费冲动和购买欲望，从而产生不同的购买行动。这种由不同水平造成的差异，称为系统性差异。 2）随机因素的影响。同一种推销方式在不同的工作日销量也会不同，因为来商店的人群数量