第5讲_SPSS方差分析.ppt

结果解读： * 7.3.6 多因素方差分析中进一步分析的操作步骤 1、建立非饱和模型的操作 SPSS多因素方差分析中默认建立的是饱和模型。如果希望建立非饱和模型，则应在主窗口中单击Model按钮，出现窗口： 默认的选项是Full factorial，表示饱和模型。此时Factors Covariates框、Model框以及Build Term(s)下拉框均呈不可用状态；如果选择Custom项，则表示建立非饱和模型，且Factors Covariates框、Model框以及Build Term(s)下拉框均变为可用状态。此时便可自定义非饱和模型中的数据项。其中Interaction为交互作用；Main effects为主效应；All 2-way、All 3-way等表示二阶、三阶或更高阶交互作用。 5.4 协方差分析 5.4.1协方差分析的基本思想 无论是单因素方差分析还是多因素方差分析，控制变量是可以控制的，其各个水平可以通过人为努力得到控制和确定。但是在实际问题中，有些控制变量很难人为控制，但他们的不同水平确实对观测变量产生较为显著的影响。比如：不同地块对农作物产量的影响。在方差分析中，如果忽略这些因素的存在而单纯去分析其他因素对观测变量的影响，往往会夸大或缩小其他因素对观测变量的影响，使分析结论不准确。因此，为了更加准确的研究控制变量不同水平对观测变量的影响，应尽量排除其他因素对分析结论的影响。 1、定义：协方差分析就是将那些很难人为控制的因素作为协变量，并在排除协变量对观测变量影响的条件下，分析控制变量对观测变量的影响，从而更加准确的对控制变量进行分析。 2、协方差分析的特点 方差分析中的控制变量都是定性变量（包括定类和定序变量），线性回归分析中的解释变量（自变量）都是定量变量。而协方差分析中的控制变量是定性变量，而协变量一般是定量变量。所以说协方差分析是一种介于方差分析和线性回归分析之间的分析方法。例如：在研究生猪的饲养问题的协方差分析中，饲料是控制变量，生猪的初始体重是协变量。 协方差分析中要求多个协变量之间无交互作用，且观测变量与协变量之间有显著的线性关系。 3、离差平方和的分解 在协方差分析中，将观测变量的总离差平方和分解为由控制变量独立作用引起的、由控制变量交互作用引起的、由协变量引起的和随机变量引起的。以单因素协方差分析为例，观测变量的总变差可以分解为： 4、比较观测变量总离差平方和各部分的比例 可以部分的由控制变量A来解释， 在观测变量总离差平方和中，如果SSA所占比例较大，则说明控制变量A是引起观测变量的变动主要因素之一，观测变量的变动即控制变量A给观测变量带来了显著影响。对SSB、SSAB同理。 5.4.2 协方差分析的基本步骤 提出原假设：协变量对观测变量的线性影响是不显著的；在扣除协变量的影响条件下，控制变量各水平下观测变量的各总体均值无显著差异。 计算检验统计量和概率P值 给定显著性水平与p值做比较：如果p值小于显著性水平，则应该拒绝原假设，反之就不能拒绝原假设。 5.4.3 协方差分析的应用举例 案例：某小学在一年级新生入学时测量了其智力水平（即IQ值），并调查了学生参加学前教育并获取知识的情况、学生的生源情况、父母的文化程度。现在需要了解学前教育情况和生源是否对学生的智力水平产生了影响？在此过程中，需要屏蔽父母文化程度对学生智力因素产生的影响。 操作步骤： （1）因变量正态性检验 分析——非参数检验——旧对话框——1样本K-S （2）自变量数值化编码 转换——重新编码为不同变量 （3）多因素方差分析 分析——一般线性模型——单变量 * 结果解读： 5.5 多因变量的方差分析 5.5.1 多因变量多因素方差分析 在数据分析中，如果需要分析某些因素对多个因变量的影响，就需要对研究问题具体分析、 若待分析的多个因变量之间没有关联性——多个单因变量多因素方差分析。 若待分析的多个因变量之间有关联性——多变量方差分析技术 * 案例：某小学在一年级新生入学时测量了其智力水平（即IQ值），并调查了学生参加学前教育并获取知识的情况、学生的生源情况、父母的文化程度。现在需要了解学前教育情况和生源是否对学生的智力水平、入学测试成绩产生了影响？ 操作： 分析——一般线性模型——多变量 选项——SSCP矩阵 * * 5.5.2带重复测量的方差分析 案例：mydataA“语文1”和“语文2”是针对同一批学生的两次语文考试成绩，请分析两次考试成绩有无差异，并分析性别和专业是否影响了语文考试成绩。 操作 分析——一般线性模型——重复度量——重复度量定义因子 重复度量对话框 * * 练习题（根据银行数据进行分析） 不同性别的收入