SPSSPPT07选编.ppt

福建师范大学体育科学学院 梅 雪 雄; 在体育科学研究中，经常要分析各种因素对研究对象某个特性的影响。例如，有时需要研究不同训练方法对运动成绩是否有显著影响、不同教学方法对学习成绩是否有显著影响、不同锻炼方法对生长发育是否有显著影响等。在这类研究中，要对这些因素的各种不同状态进行试验，取得数据，然后对结果进行分析。; 对试验结果的分析通常是进行平均数的比较。对于两个平均数的比较，可以采用均数差异显著性的 t检验。但对两个以上的平均数进行比较时，若采用逐对均数差异的显著性检验，则检验的整体可靠性将大大下降。因此，需要考虑采用其他的方法。;单因素方差分析;指标：试验所要考察的研究对象的特性叫指标。（考察的变量） 因素：影响指标的条件称为因素。只有一个因素的试验叫单因素试验，有两个或两个以上因素的试验叫??因素试验。（分组变量） 水平：在试验中，因素所取的各种不同状态称为水平。（分组变量的取值）;;id;试验误差：由于各种随机因素而造成的试验结果的差异。 条件误差：由于试验条件不同而造成的试验结果的差异。; 组内差异：各试验组内部数据之间差异的总和叫作组内差异。由于同一组的试验条件相同，故组内差异主要反映试验误差。我们用组内离差平方和来表示组内差异：;即：SST =SSA +SSE; 单因素方差分析的基本原理：在“各组均数相等”这一假设成立的前提下，把试验结果的总变差分解成组内差异和组间差异，并考察它们之间的关系。 如果“组内差异”占较大的比例，则总变差主要是由试验误差引起的，此时没有理由认为各组数据之间存在显著差异。 如果“组间差异”占较大的比例，则总变差主要是由条件误差引起的，此时就有充分的理由认为对不同组施加的不同试验条件（水平）造成了各组数据之间的显著差异。; 单因素方差分析是采用F检验的方法来考察组间差异与组内差异的关系的。其具体方法是，先计算出组间方差和组内方差，再用两者的比构造统计量F，并据此判定多组平均数之间是否存在显著性差异。;组间方差为：;;7.1.1.3 单因素方差分析的基本条件;;;;;;;执行“分析→比较均值→单因素 ANOVA…”菜单命令。;①选择Polynomial项，则做趋势检验，即分析随着组别的变化，各组均数是否呈某种变化趋势。此时右侧的Degree下拉列表被激活，可在其中选择需检验的趋势曲线的最高幂次。 ;⑷单击[两两比较…]按钮，在子对话框中进行多重比较的设置。;⑸单击[选项…]按钮，在子对话框中选择输出的统计量、统计图和缺失值的处理方法。;⑹单击[确定]按钮完成分析。;7.1.2.2 单因素方差分析结果解读;显著性概率 P;方差不齐性时的均数差异显著性检验结果;各组均数线性组合显著性 t 检验的系数值;*表示组间均数差异在0.05水平上显著。;在表格列的方向上，各组均数按从小到大的顺序排列。;;7.2.1 多因素方差分析概述; 例7.2：为了探讨发展学生弹跳力的较优方法，某研究小组设计了三种类型的训练方法，将初始水平无差别的研究对象随机分为3组，每组10人，分别施以一种训练方法。同一组的训练总量相同，但分别采用两种安排模式，一部分学生每周训练2次，另一部分学生每周训练4次。进行一段时间的训练后，按统一标准测试学生的原地纵跳成绩。试分析不同类型训练方法和不同训练安排对学生原地纵跳成绩的影响。; 在这项研究中，学生的原地纵跳成绩jump是“指标”，也就是观测变量（因变量）；训练方法method和训练安排arrange是影响指标的两个“因素”，也就是控制变量（自变量），因而此试验是多因素试验。训练方法分为三种不同“水平”，训练安排分为二种不同“水平”。; 如果一个变量的效应在另一个变量的不同水平下明显不同，则称两变量存在交互作用。当存在交互作用时，单纯研究某个变量的作用是不够的，必须区分另一个变量的不同水平来分析该变量的作用大小。; 对于两个控制变量A、B，观测变量的总变差可分解为： SST=SSA+SSB+SSAB+SSE; 2.F 检验; 多因素方差分析仍然采用F检验的方法来考察观测变量总变差各个部分之间的关系。其具体方法是，先计算出观测变量总变差各个部分的方差，再用相应的方差比构造统计量F，并据此做出判断。; 在多因素方差分析中，控制变量可以进一步划分为固定因素和随机因素两种类型。; 随机因素：是指该控制变量的所有可能取值在样本中没有都出现或不可能都出现，这就不可避免地存在误差（随机效应），需要估计该误差的大小。;; SPSS系统在进行多因素方差分析时，会自动计算各个 F统计量，并给出对应的概率 p 值。;7.2.2 多因素方差分析案例;执行“分析→一般线性模型→单