第六章 SPSS方差分析.pptVIP

6.3.3 多因素方差分析的基本操作步骤 在利用SPSS进行多因素方差分析时，应首先将各个控制变量以及观测变量分别定义成多个SPSS变量，并组织好数据再进行分析。 1、选择菜单Analyze－General Linear Model－Univariate，出现主窗口。 2、把观测变量指定到Dependent Variable框中。 3、把固定效应的控制变量指定到Fixed Factor(s)框中，把随机效应的控制变量指定到Random Factor(s)框中。 至此，SPSS将自动建立多因素方差分析的饱和模型，并计算各检验统计量的观测值和对应的概率p值，并将结果显示到输出窗口中。 6.3.4 多因素方差分析应用举例 利用某企业不同广告形式在不同地区的广告效果（销售额）进行评估的数据，通过多因素方差分析方法对广告形式、地区、广告形式和地区的交互作用给销售额的影响进行分析，进而为制订广告和地区的最优宣传组合方案提供依据。 这里，以广告形式和地区为控制变量，销售额为观测变量，建立固定效应的饱和模型。零假设为：不同广告形式没有对销售额产生显著影响；不同地区的销售额没有显著差异；广告形式和地区对销售额没有产生显著的交互影响。 6.3.5 多因素方差分析的进一步分析 1、多因素方差分析的非饱和模型 在饱和模型中，观测变量总的变差被分解为控制变量独立作用、控制变量交互作用及随机误差三部分（例：SST=SSA+SSB+SSAB+SSE) 。如果研究发现，控制变量的某阶交互作用没有给观测变量产生显著影响，那么可以尝试建立非饱和模型。区别在于将饱和模型中某些部分合并到SSE中，例如两因素非饱和模型为： SST=SSA+SSB+SSE 2、均值检验 在SPSS中，利用多因素方差分析功能还能够对各个控制变量不同水平下的均值是否存在显著差异进行比较，实现方式有两种：多重比较检验（Post Hoc）和对比检验（Contrast）。多重比较检验的方法与单因素方差分析类似，不再重复。对比检验采用的是单样本t检验的方法。 检验值可以指定一下几种： None：SPSS默认。不做对比分析； 偏差：表示以观测变量的总体均值为标准，比较各水平上观测变量的均值是否有显著差异； 简单：表示以第一水平或最后一个水平上的观测变量均值为标准，比较各水平上的观测变量均值是否有显著差异； 差值：表示将各水平上观测变量均值与其前一个水平上的观测变量均值做比较； Helmert：表示将各水平上观测变量均值与其后一个水平上的观测变量均值做比较。 3、控制变量交互作用的图形分析 控制变量的交互作用可以通过图形直观分析。如果控制变量之间无交互作用，各水平对应的直线是近于平行的；如果控制变量间存在交互作用，各水平对应的直线会相互交叉。 4、模型分析 这里模型分析的主要任务有三个：第一，利用多因素方差分析模型计算观测变量预测值；第二，计算各种残差值，评价模型对数据的拟合程度；第三，对数据中的异常点进行诊断。 6.3.7 多因素方差分析进一步分析应用举例 在前面的应用举例中对广告形式、地区对销售额的影响进行了多因素方差分析，建立了饱和模型。分析可知，广告形式和地区的交互作用不显著，可以进一步尝试建立非饱和模型，并进行均值比较分析、交互作用图形分析。 问 题 分析三种不同饲料对生猪体重增加是否产生显著性影响。 若考虑生猪喂养前体重的影响呢？ * 6.4 协方差分析 6.4.1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