第6章-SPSS方差分析.pptVIP

【analyze】→【General Linear model】→【Univariate】 选择观察变量“销售额”到【dependent variable】框中 选择固定效应的控制变量“广告形式”、“地区”到【fixed factor】框中； 指定随机效应控制变量到【random factor（s）】框中 一、多因素方差分析非饱和模型 前面饱和模型中观测变量总的变差被分析为控制变量独立作用、交互作用（二阶、三阶等）以及抽样误差3个部分。 非 饱和模型是当控制变量某阶交互作用没有给观测变量带来显著影响时，则将其省略。如，SST=SSA+SSB+SSE； SST=SSA+SSB+SSC+SSAB+SSE； 二、均值检验 即检验控制变量在不同水平下观测变量的均值是否存在显著差异。有多重比较检验和对比检验法。 三控制变量交互作用图形分析 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，则各水平对应的直线接近平行；否则，相互交叉。 由之前分析知道广告与地区交互作用不显著，现进一步尝试建立非饱和模型，并进行均值比较分析，以及交互图形分析。 一、建立非饱和模型 问题：在地区与广告交互作用不显著时，建立非饱和模型（广告地区与销售额） 按【model】，默认的选项【full factorial】表示饱和模型。 如果选择【custom】表示建立非饱和模型，在交互作用【interaction】框中，【main effects】表示消除主效应，本题选【all 2-way】表示消除二阶交互作用。 结论：将交互作用并入随机因素引起的变差error中，线性模型整体对观测变差解释部分(corrected model)变小，各控制变量F检验值变小，P值变大。模型对数据的拟合程度降低。 二、均值比较分析 问题：已知广告形式对销售额产生了显著影响，现想进一步对各水平的均值进行比较（广告地区与销售额） 若按【post hoc】表示多重比较检验。 本题采用对比检验法，按【contrast】，默认为不进行对比检验，如显示X2（none）。若进行对比检验，可按【contrast】后的下拉框，指定对比检验值，本例选择【deviation】表示与观测变量总的均值比较，并按【change】按钮完成指定。其它【simple】表示与第一或最后一个水平的均值进行比较，【difference】表示与前一个水平的均值比较。 问题：分析广告与地区对销售额交互图形（广告地区与销售额） 按【plot】，将控制变量“地区”输入横轴【horizontal axis】框中 确定各直线代表的另一控制变量“广告”的不同水平，输入【separate lines】框中。如果还有第三个控制变量，则选入【separate plots】框中，形成几张交叉图。 图形直观结论：各水平接近平行，广告和地区间不存在明显交互作用。 6.4.1协方差分析的基本思想 协方差分析将那些人为很难控制的因素作为协变量，在剔除协变量对观察变量影响的条件下，分析控制变量（可控）对观察变量的作用，从而更加准确地对控制因素进行评价。例如，分析不同饲料对生猪增重是否产生影响时，生猪的初始体重就是另一个影响生猪增重的因素，应作为协变量。 协方差分析的特点：协变量一般是定距变量，这样协方差分析就涉及两种类型的控制变量（品质性和定距型）和定距型的观察变量； 协方差分析的条件：多个协变量间无交互作用；控制变量各水平下的观察变量与协变量间有相似的线性关系。 6.4.2单因素协方差分析的数学模型 μ为观测变量总的理论均值，αi是控制变量水平A对试验结果产生的附加影响（效应），β表示回归系数，zij是水平Ai下的第j次试验的观察值对应的协变量值；εij为抽样误差。 6.4.3协方差分析应用举例 将生猪喂养前的体重和喂养后体重的增加量绘制成散点图，可以看出斜率基本相同，两者呈现相似的线性关系。因此，可以进行协方差分析。 问题：将喂养前的体重作为协变量，饲料为控制变量，生猪增加体重为观测变量（生猪与饲料）。 【analyze】→【general linear model】→【univariate】 指定观测变量到【dependent variable】，指定固定效应的控制变量到【fixed factor(s)】 指定随机效应变量到【random factor(s)】中，指定协变量到【covariate(s)】中。 6.4.4协方差分析均值对比检验（是剔除协变量影响后各水平下体重增重的修正均值对比检验，即纯粹不同饲料水平对生猪增重的影响） 按【contrasts】，指定【simple】表示与第一个水平或最后一个水平的均值进行比较，并按【change】。 * * * * * 第一列星号*表示在显著