第八章spss之征服线性模型2(张文彤).doc

实用标准文案 精彩文档 SPSS第八课：征服一般线性模型――General Linear Model菜单详解（下） （ HYPERLINK http://www.MedStatS \t _blank 医学统计之星：张文彤） 上次更新日期： 8.1　两因素方差分析 8.1.1　univarate对话框界面说明 8.1.2　结果解释 8.2　协方差分析 8.2.1　分析步骤 8.2.2　结果解释 8.3　其他较简单的方差分析问题 HYPERLINK /973huanjing/sstar/spss/coach/ \l 8.4 8.4　多元方差分析 HYPERLINK /973huanjing/sstar/spss/coach/ \l 8.4.1 8.4.1　分析步骤 HYPERLINK /973huanjing/sstar/spss/coach/ \l 8.4.2 8.4.2　结果解释 HYPERLINK /973huanjing/sstar/spss/coach/ \l 8.5 8.5　重复测量的方差分析 HYPERLINK /973huanjing/sstar/spss/coach/ \l 8.5.1 8.5.1　Repeated measures对话框界面说明 HYPERLINK /973huanjing/sstar/spss/coach/ \l 8.5.2 8.5.2　结果解释 　 §8.4　多元方差分析 所谓的多元方差分析，就是说存在着不止一个应变量，而是两个以上的应变量共同反映了自变量的影响程度。比如要研究某些因素对儿童生长的影响程度，则身高、体重等都可以作为生长程度的测量因子，即都应作为应变量。 8.4.1　分析步骤 为了方便起见，我们这里直接利用SPSS自带的数据集plastic.sav，假设tear_res、gloss和opacity都使反应橡胶质量的指标（不要笑，是假设），现在要研究extrusn和additive对橡胶的质量影响如何，则应采用多元方差分析。 选择Analyze==General Linear Model==Multivariate，则弹出Multivariate对话框，请注意，除了没有random effect外，它的所有元素都是和univariate对话框相同的，里面的内容也相同，因此我们这里就不再重复了。 按照我们的分析要求，对话框操作步骤如下： Analyze==General Lineal model==Multivariate Dependent Variable框：选入tear_res、gloss和opacity Fixed Factors框：选入extrusn和additive 单击OK 此处两个自变量均是二分类变量，故无需选择两两比较方法。 8.4.2　结果解释 按上面的选择，分析结果如下： General Linear Model 这是引入模型的自变量的取值情况列表。 上表是针对模型中的自变量间及其交互作用所做的检验，采用的是四种多元检验方法。一般他们的结果都是相同的，如果不同，一般以Hotellings Trace方法的结果为准。可见在所用的模型中，extrusn和additive对结果变量是有统计学意义的，但交互作用无统计学意义。 上表实际上是四个一元方差分析表的合并，即分别考虑四个应变量时的方差分析结果。上面的多元方差分析已经得知两自变量对应变量有影响，从现在的分析表就可以更清楚的知道是对那些自变量影响较大。对照可知，extrusn和additive对tear resistance和gloss都有较大影响，而他们的交互作用对gloss有影响，他们（及交互作用）对Opacity都没有影响。 §8.5　重复测量的方差分析 重复测量的方差分析指的是一个应变量被重复测量好几次，从而同一个个体的几次观察结果间存在相关，这样就不满足普通分析的要求，需要用重复测量的方差分析模型来解决。 8.5.1　Repeated measures对话框界面说明 实际上，如果对普通方差分析模型作出正确的设置，两者的分析结果是完全相同的，即都正确，那么，重复测量的方差分析过程有何优势呢？我们通过下面的例子来看看： 例8.3? 在数据集anxity2.sav中判断：anxiety和tension对实验结果（即trial1~trial4）有无影响；四次试验间有无差异；试验次数和两个变量有无交互作用。 anxity2.sav和anxity.sav实际上是同一个数据，但根据不同的分析目的采用了不同的数据排列方式。如果采用anxity.sav进行分析，我们可以分析四次试验间有无差异的问题，但对另两个问题就无能为力了，因为用普通的方差分析模型，anxity和tension的影响被合并到了su