[理学]2012下-第6章-SPSS的方差分析.ppt

6.4.4 应用举例 为研究三种不同饲料对生猪体重增加（wyh）的影响，将生猪随机分成三组各喂养不同的饲料（sl），得到体重增加的数据。由于生猪体重的增加理论上会受到猪自身身体条件的影响，于是收集生猪喂养前体重（wyq）的数据，作为自身身体条件的测量指标。为准确评价饲料的优劣，采用单因素协方差分析的方法进行分析。这里，猪体重的增加量为观测变量，饲料为控制变量，猪喂养前体重为协变量。 方差分析（生猪与饲料）.sav 协方差分析结果 SSE，排除协变量影响后随机因素导致的变差 单因素方差分析结果 SSE，没有排除协变量的影响 选项对话框 方差分析（生猪与饲料）.sav 对比对话框 需要点击更改按钮 6.5 方差分析中的其它问题 多元方差分析 重复测量设计的方差分析 方差成分分析 正交实验设计 多元方差分析 所研究问题的因变量不止一个，例如研究某些因素对儿童生长过程的影响程度，则身高、体重等都可作为衡量生长程度的指标，即都可作为因变量。 因此，把多个变量选入到 因变量框中 重复测量设计的方差分析 重复测量设计：指对同批研究对象先后施加不同的试验处理后进行测量，或者在不同场合对其进行至少两次测量。 方差成分分析和正交实验设计 方差成分分析：适用于混合模型的分析，可以研究模型中的随机效应对因变量变异的贡献。 正交实验设计：是研究如何搜集数据的方法，主要讨论如何合理地安排实验，如何分析实验所得的数据。 对于这些内容的SPSS应用，可阅读参考书，杜强、贾丽艳，《SPSS统计分析从入门到精通》，人民邮电出版社，2011年 书中的第9章，方差分析。 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，试分析 (1)地区对销售额的影响; (2)广告形式、地区、广告形式和地区的交互作用对销售额的影响。 方差分析（广告城市与销售）.sav 作业-第4题：方差分析1 有四个品牌的彩电在五个地区销售，对每个品牌在各地区的销售量取得以下数据，见下表,试分析： （1）品牌对彩电的销售量是否有显著影响，并进行多重比较检验？ （2）品牌和销售地区对彩电的销售量是否有显著影响？ （不考虑交互作用） 作业-第5题：方差分析2 不同品牌的彩电在各地区的销售量数据 品牌 (因素A) 销售地区( 因素B ) B1 B2 B3 B4 B5 A1 A2 A3 A4 365 345 358 288 350 368 323 280 343 363 353 298 340 330 343 260 323 333 308 298 在某化工生产中为了提高收率，选了三种不同浓度，四种不同温度做试验。在同一浓度与温度组合下各做两次试验，其收率数据如下面计算表所列（数据均已减去75）。试在α=0.05显著性水平下分析 (1)温度对收率有无显著影响; (2)浓度、温度以及它们间的交互作用对收率有无显著影响。 作业-第6题：方差分析3 Thank you 6.3.2 基本步骤 提出原假设：各控制变量不同水平下观测变量各总体的均值无显著差异，控制变量交互作用对观测变量无显著影响。 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。 6.3.3 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，出现窗口: 数据格式 方差分析（广告城市与销售）.sav 2、把观测变量指定到因变量Dependent Variable框中。 3、把固定效应的控制变量指定到固定因子Fixed Factor(s)框中，把随机效应的控制变量指定到随机因子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 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。 饱和模型 输出结果 对给定的显著性水平α， 6.3.5 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