SPSS学习笔记（三）⽅差分析ANOVA（F检验） ⽬录
单因素⽅差分析是两个样本平均数⽐较的引伸，它是⽤来检验多个平均数之间的差异，从⽽确定⼀种因素对试验结果有⽆显著性影响的统计⽅法。 分析：
研究者想分析不同group间的Index得分差异，可以采⽤单因素⽅差分析。
单因素⽅差分析适⽤于2种类型的研究设计：
1）判断3个及以上独⽴的组间均数是否存在差异（也可以是2组，此时等同于独⽴样本t检验）；
2）判断前后变化的差值是否存在差异。
使⽤单因素⽅差分析时，需要考虑6个假设。
假设1：因变量为连续变量；
假设2：有⼀个包含3个及以上分类、且组别间相互独⽴的⾃变量；
假设3：各组间和组内的观测值相互独⽴；
假设4：各组内没有明显异常值；
假设5：各组内因变量符合正态分布；
假设6：各组间的⽅差齐。
建⽴检验假设，确定检验⽔准：
H0：三个总体均值相等，即【情况】相同
H1：三个总体均值不全相等，即【情况】不全相同
α=0.05
由于多个总体均值中两两均值之间的差别，需要利⽤多个均值间的两两⽐较⽅法进⼀步分析，以下⽅法都必须在满⾜⽅差齐性的前提条件时才可以应⽤
事先已计划好的，不管⽅差分析结果如何，均进⾏⽐较（LSD、Bonferroni）
LSD法最容易得到P<α
格式：这是⼀个计划/⾮计划的多重⽐较，由于【各组样本含量不同】，因此在多重⽐较对话框中选择【】
过程：
数据-拆分⽂件（记得合并）
分析-⽐较平均值-单因素ANOVA分析
结果及分析：
⽅差齐，⽅差分析显⽰组间差异有统计学意义，并进⾏了两两⽐较。
1. 经箱线图判断，数据⽆异常值；
2. 峰度、偏度值，P-P图、Q-Q图，S-W检验，P=【】，按α=0.05的检验⽔准，P>0.05，不拒绝H0，认为各组数据服从正态分布
3. Levene's⽅差齐性检验，结果显⽰F=【】，P=【】，按α=0.05的检验⽔准，P>0.05，不拒绝H0，认为三总体⽅差齐，满⾜⽅差
分析时⽅差齐性这⼀前提条件，可以进⾏完全随机设计的⽅差分析。
1. ⽅差分析，结果显⽰F=【】，P=【】，按α=0.05的检验⽔准，P<0.05，拒绝H0，认为三个总体间均数存在差异，⽤事后⽐较。数
防范风险据以均数±标准差的形式表⽰，体重分别为：⾼中及以下组（67.23±4.46）、本科⽣组（75.44±6.75）、硕⼠研究⽣组
（80.81±3.23）、博⼠研究⽣组（89.60±6.15）。
1. （1）【】检验是三组样本之间互相两两⽐较，结果显⽰三组互相两两之间进⾏⽐较P值均⼩于0.05，差别均有统计学意义。
Tukey检验结果表明，从⾼中及以下组到本科⽣组，Index平均得分增加8.22（95%CI：0.79~15.65），差异具有统计学意义
时域和频域（P=0.026）；从⾼中及以下组到硕⼠研究⽣组，Index平均得分增加13.58（95%CI：5.95~21.21），差异具有统计学意义（P
抗氧剂检测
<0.001），其他组⽐较解释同上。
（2）邓妮特检验是【】组分别与【】组对照组相⽐，【】组与【】组对照组对应P值<0.05，差别有统计学意义，剩余【】组与【】组对照组P值均>0.05，差别没有统计学意义。
⼆、双因素ANOVA
案例及分析
需要先满⾜6项假设：
假设1：因变量是连续变量。
假设2：存在两个⾃变量，且都是分类变量。
假设3：具有相互独⽴的观测值。
假设4：任⼀分类中不存在显著异常值。
假设5：任⼀分类中残差近似正态分布。
假设6：任⼀分类都具有等⽅差性。
建⽴检验假设，确定检验⽔准：
对⾏/列因素提出的假设：
H0：【】个总体均数全相等，【⾏/列因素】【因变量】相同
H1：【】个总体均数不全相等，【⾏/列因素】【因变量】不全相同
检验⽔准α=0.05
过程：
分析-⼀般线性模型-单变量
可以得到双因素⽅差分析的结果，并⽣成3个新变量：预测值（PRE_1），残差（RES_1）和学⽣化残差（SRE_1）。
男性研发重大突破
数据-拆分⽂件 拆分数据（即将数据根据性别和饮⾷⼈分成6类）
分析-描述统计-探索 检验假设：任⼀分类中不存在显著异常值、残差近似正态分布
ses结果及分析：
⾃变量之间不存在交互作⽤，采⽤主效应和两两⽐较分析。
1、经箱线图判断，数据⽆异常值；
2、峰度、偏度值，P-P图、Q-Q图，S-W检验，P=【】，按α=0.05的检验⽔准，P>0.05，不拒绝H0，认为各组数据残差服从正态分布嵌入式之家
3、Levene's⽅差齐性检验，结果显⽰F=【】，P=【】，按α=0.05的检验⽔准，P>0.05，不拒绝H0，认为三总体⽅差齐，满⾜⽅差分析时⽅差齐性这⼀前提条件，可以进⾏完全随机设计的⽅差分析。
4、结果显⽰，F性别*饮⾷⼈=【】，P=【】，按α=0.05的检验⽔准，
（1）P<0.05，拒绝假设H0，认为性别和饮⾷⼈在对【】的影响上存在交互作⽤。当存在交互作⽤时，单独分析主效应的意义不⼤，需要逐⼀分析各因素的单独效应，分析两者的交互特点，因素A中因素B对因变量的影响是否有差异【要⽤代码操作，就没学】；
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议