spss第九章方差分析.ppt

0.09：选项1和2间人口规模均值差为0.09,不存在显著差异; 0.41：选项1和3间人口规模均值差为0.41,存在显著差异. 0.32: 选项2和3间人口规模均值差为0.32,存在显著差异. 文化程度与人口规模的差异主要以高中为分界点 Part Seven 单因方差分析 2 Analysis → Compare Means → Means eg 数据2,sav 反映4种饲料对猪体重增加情况的统计值，进行F检验 因变量 自变量 相关统计量的选择 进行F检验 不同饲料喂养的猪体重的均值， 标准差，样本量。 0.0050.05,存在差异 E相关系数(crosstabs) E2,削减误差比例 课堂练习 按要求完成“课堂练习.doc”中的练习。  Part Seven 2 多因素方差分析 (1)目的:测试若干个控制因素的改变是否造成观察变量的显著变动. 多因素方差分析模型 控制因素的种类 ?固定效应因素（Fixed Factor）：指的是该因素在样本中所有可能的水平都出现了。 ?随机效应因素（Random Factor）：该因素所有可能的取值在样本中没有都出现，因此要用样本来推论总体情况，包括未出现的水平。这不可避免的存在误差（即随机效应），需要估计该误差的大小，因此被称为随机因素。 模型条件 ?正态、方差齐性 (2)基本思路: 以两个控制变量的方差分析为例: S总=SA+SB+SAB+SE SAB表示两个控制变量的交互影响,即:两个控制变量各水平之间搭配时对观察变量的影响. (3)实质: 对不同交叉分组下的样本数据所代表的总体均值有无显著差异进行F检验,即:检验不同控制变量在不同交叉水平下的总体均值是否存在显著差异. H0:各交叉分组下观测变量的均值无显著差异. 检验统计量 固定效应模型： 随机效应模型： SPSS调用程序： Analyze - General Linear Model - Univariate  Part Seven 3 协方差分析 (1)目的:将无法或很难控制的因素作为协变量,在排除协变量影响的条件下更精确地分析控制变量对观察变量的影响. (2)基本思路: 协变量是数值型的;与观测变量的线性关系在各水平均成立，且斜率大致相同。 H0:各交叉分组下观测变量的均值无显著差异. F= MSA/MSE F= MSB/ MSE F= MSAB/ MSE F= MS协/ MSE (3)应用 不同饲料是否会对小猪体重的增加产生显著差异 ?初始体重与喂养后体重的在各组的线性关系分析（散点图） ?分析初始体重和饲料的作用  Part Seven 4 复方差分析 问题提出 控制变量的不同水平会同时对多个因变量产生影响 分析控制变量对事物某特征的影响，而这个特征却又无法通过单一指标体现，而会表现在多个指标上 单个观测变量的分析结果不能简单的叠加起来向多因变量推广，就如同我们在地面上和太空中观察地球一样。 概念 多元方差分析，其观测变量个数为两个以上 H0:各交叉分组下多个观测变量的均值均无显著差异 前提: 各观测变量服正态分布 各观测变量方差齐性 各观测变量具有较强的相关性 检验方法: Pillai’s Trace、Wilks’Lambda、Hotelling’s Trace、Roy’s Largest Root 上述统计量一般十分相近 Pillai最保守，也较稳健，常用 应用举例 不同类型地区的居民收入和教育差异分析 ?多元单因素方差分析 ?总体有差异，单个无差异 ?通过Options进行直观比较 Part Seven 方差分析 一，问题的提出 通过参数检验可以解决两两总体均值的比较 多个总体均值的检验如何作？(如：北京、上海、广州周岁儿童平均身高的比较） 可多次采用两样本t检验方法实现，但弃真概率会增大。如果t检验的显著性水平是0.05，则N次t检验则为1-0.95N 可以利用方差分析的方法来实现 二，分析目的 方差分析是从数据间的差异入手，分析哪些因素是影响数据差异的众多因素中的主要因素. 例如： 影响某农作物亩产量的因素(品种、施肥量、气候等) 影响推销某种商品的推销额(不同的推销策略、价格、包装方式、推销人员的形象等) 三，涉及的概念 (1)观察因素: 观测变量 (2)影响因素： 控制因素(控制变量)将控制因素的不同情况称为控制因素的不同水平. 随机因素. 四，核心问题 (1)从数据差异角度看: 观测变量的数据差异=控制因素造成+随机因素造成 (2) 方差分析正是要分析观测变量的变动是否主要是由控制因素造成还是由随机因素造成的，以及控制变量的各个水平是如何对观测变量造成影响的. 五，方差分析的类型 单因素方差分