薛薇,《SPSS统计方法及应用》第六章方差讲述.ppt

两因素的非饱和模型：SST=SSA+SSB+SSE 三因素的非饱和模型：SST=SSA+SSB+SSC+SSABC+SSE 多因素方差分析的非饱和模型 多因素方差分析的其他功能 均值检验 模型分析 建立 非饱和模型 均值比较的操作 某教学实验中，采用不同的教学方法和不同的教材进行教学实验，获得一系列数据，现在分析不同教学方法和不同教材对教改成绩的影响，数据附在文件夹教改成绩.sav。要求：进行均值的多重比较，方法选用LSD法，得出教改成绩多因素方差分析的饱和模型表和非饱和模型表，并得出教学方法和教材的交互作用图。 问题引出： 在分析不同的饲料对生猪增重是否产生显著差异时，如果仅仅是分析饲料的作用，即用单因素方差分析来进行，而不考虑生猪自身各自不同的身体条件（比如猪最初时的体重）时，得出的结论很可能是片面的，不准确的。这时，如何才能准确地反映不同饲料对生猪体重的影响呢？ 协方差分析的基本思路 协方差分析的数学模型 协方差分析的基本操作 协方差分析的应用举例 本节主要内容 基本概念 协方差分析是指将那些很难人为控制的控制因素作为协变量，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作用，从而更加准确地对控制变量进行评价。 基本同方差分析的基本思想，除此之外，考虑了协变量的影响，认为观察变量的变化受四个方面的影响：即控制变量的独立作用，控制变量的交互作用，协变量的作用和随机因素的作用，并在扣除协变量的影响后，再分析控制变量对观测变量的影响。 协方差分析的基本思想 方差分析中的零假设是：协变量对观测变量的线性影响不显著；在协变量影响扣除的条件下，控制变量各水平下观测变量的总体均值无显著差异，控制变量各水平对观测变量的效应同时为零。用F统计量进行检验。 单因素协方差分析的数学模型是： 最小显著性差异法。用T检验完成组间成对均值的比较。检验的敏感度较高，即使是各个水平间的均值存在细微差别也有可能被检验出来，但此方法对第一类弃真错误不进行控制和调整。 LSD方法 修正最小显著性差异法。用T检验完成组间成对均值的比较，但通过设置每个检验的误差率来控制整个误差率。因此采用此方法看到的显著值是多重比较完成后的调整值。 用q检验完成各水平下观测值个数相等时组间成对均值的比较。一定程度可以保证犯一类错误的概率总体上不增大。 Bonferroni方法 Tukey方法 当各水平下观测值个数不相等，或者想进行复杂的比较时，或对所有可能的组合进行同步比较时，可选用此方法。这种检验被用来检验组间均值的所有可能的线性组合，而不只是成对组合，并控制整体显著性水平为0.05。这种方法相对比较保守，有时候方差分析F值有显著性，用该方法进行两两比较却找不出差异。 Scheffe方法 目的是寻找同质子集，简单地说，各组均值首先按从小到大的顺序排列，然后根据多重比较结果将所有的组分为若干个子集，子集之间的各组间有差别（P值小于0.05），子集之内的各组间无差别。 S-N-K方法 趋势检验 问题：分析不同地区的销售额总体上是否会随着地区人口密度的减少（地区编号大人口密度低）而呈现某种变化趋势 先验对比检验 所有系数之和为0 在多重比较分析后得知宣传品广告效果最差，其余略有差异（先验的结论）。这里可以对报纸、广播和体验的整体效果进行进一步的对比分析。 不同广告形式下销售额总体方差齐性检验 因为P值大于0.05，所以不能拒绝原假设，即认为方差齐性 多重比较检验（分析哪种广告形式作用明显） 广告形式多重比较检验的相似性子集 此方法在相似性子集划分中用得最多 趋势检验（分析销售额是否会随着地区 人口密度减少而呈现出某种趋势） 因为F值对应的概率P值小于0.05，所以拒绝原假设，即认为地区和销售额之间不是零线性相关 先验对比检验 因为T值对应的概率P值大于0.05，所以不能拒绝原假设，即认为报纸广告的效果与广播、体验的总体效果没有显著差异 对四个服务行业的服务质量进行评价，较高得分表示较高的服务质量。对航空公司、零售业、旅馆业和汽车制造业进行的评定数据见四种不同行业评价得分.sav。在显著性水平=0.05下，检验四种行业质量等级的总体均值是否差异显著？你的结论如何？ 在上一节课，我们已经研究了不同广告形式对产品销售有显著影响，不同地区的产品销售额也存在显著差异，然而，不同广告形式和不同地区的搭配是否会对销售额产生影响呢？而哪种搭配方式又可以获得最理想的销售业绩呢？ 问题引出 多因素方差分析的基本思想 多因素方差分析的数学模型 多因素方差分析的基