SPSS在生物统计学中的应用
——试验指导手册
试验五：方差分析
一、试验目标与要求
1．帮助学生深化了解方差及方差分析的基本概念，驾驭方差分析的基本思想和原理
2．驾驭方差分析的过程。
3．增加学生的实践实力，使学生能够利用SPSS统计软件，娴熟进行单因素方差分析、两因素方差分析等操作，激发学生的学习爱好，增加自我学习和探讨的实力。 二、试验原理
党外知识分子
在现实的生产和经营管理过程中，影响产品质量、数量或销量的因素往往很多。例如，农作物的产量受作物的品种、施肥的多少及种类等的影响；某种商品的销量受商品价格、质量、广告等的影响。为此引入方差分析的方法。
方差分析也是一种假设检验，它是对全部样本观测值的变动进行分解，将某种限制因素下各组样本观测值之间可能存在的由该因素导致的系统性误差与随即误差加以比较，据以推断各组样本之间是否存在显著差异。若存在显著差异，则说明该因素对各总体的影响是显著的。
●观测变量是进行方差分析所探讨的对象；
●因素是影响观测变量改变的客观或人为条件；
●因素的不同类别或不通取值则称为因素的不同水平。在上面的例子中，农作物的产量和商品的销量就是观测变量，作物的品种、施肥种类、商品价格、广告等就是因素。在方差分析中，因素经常是某一个或多个离散型的分类变量。
⏹依据观测变量的个数，可将方差分析分为体育的力量单变量方差分析和多变量方差分析；
⏹依据因素个数，可分为单因素方差分析和多因素方差分析。
在SPSS中，有One－way ANOVA(单变量－单因素方差分析)、GLM Univariate（单变量多因素方差分析）；GLM Multivariate （多变量多因素方差分析），不同的方差分析方法适用于不同的实际状况。本节仅练习最为常用的单变量方差分析。
三、试验演示内容与步骤
㈠ 全森林唱歌大奖赛单变量－单因素方差分析
单因素方差分析也称一维方差分析，对两组以上的均值加以比较。检验由单一因素影响的一个分析变量由因素各水平分组的均值之间的差异是否有统计意义。并可以进行两两组间均值的比较，称作组间均值的多重比较。主要采纳One-way ANOVA过程。 采纳One-way ANOVA过程要求：因变量属于正态分布总体，若因变量的分布明显是非正态，应当用非参数分析过程。若对被观测对象的试验不是随机分组的，而是进行的重复测量形成几个彼此不独立的变量，应当用Repeated Measure菜单项，进行重复测量方差分析，条件满意时，还可以进行趋势分析。
【例6.1】欲比较四种饲料对仔猪增重效果的优劣，随机选取了性别、年龄、体重相同，无
亲缘关系的20头猪，随机分为4组，每组5头，分别饲喂一种饲料所得增重数据如下在。试利用这些数据对4种饲料对仔猪增重效果的差异进行检验。
饲料 | 补铁剂日增重（g） | 均值 |
A | 57 | 37 | 54 | 42 | 60 | 50 |
B | 13 | 39 | 41 | 33湖南假烟团伙被端 | 19 | 29 |
C | 13 | 15 | 13 | 29 | 20 | 18 |
D | 18 | 24 | 38 | 22 | 13 | 23 |
合计 | 600 | μ= =30 |
| | | | | | |
打开数据文件“单因素方差分析数据-1.xls”。在SPSS中试验该检验的步骤如下：
♦ 步骤1：选择菜单【分析】→【比较均值】→【单因素方差分析】，依次将观测变量销量移入因变量列表框，将因素变量地区移入因子列表框。
图 5.1 One-Way ANOVA 对话框
♦ 单击两两比较按钮，如图5.2，该对话框用于进行多重比较检验，即各因素水平下观测变量均值的两两比较。
方差分析的原假设是各个因素水平下的观测变量均值都相等，备择假设是各均值不完全相等。假如一次方差分析的结果是拒绝原假设，我们只能推断各观测变量均值不完全相等，却不能得出各均值完全不相等的结论。各因素水平下观测变量均值的更为细致的比较就须要用多重比较检验。
图 5.2 两两比较对话框
假定方差齐性选项栏中给出了在观测变量满意不同因素水平下的方差齐性条件下的多种检验方法。
✧LSD。运用 t 检验执行组均值之间的全部成对比较。对多个比较的误差率不做调整。
多媒体网络教室
✧Bonferroni。运用 t 检验在组均值之间执行成对比较，但通过将每次检验的错误率设置为试验性质的错误率除以检验总数来限制总体误差率。这样，依据进行多个比较的实情对视察的显著性水平进行调整。
✧Sidak。基于 t 统计量的成对多重比较检验。Sidak 调整多重比较的显著性水平，并供应比 Bonferroni 更严密的边界。
✧Scheffe。为均值的全部可能的成对组合执行并发的联合成对比较。运用 F 取样分布。可用来检查组均值的全部可能的线性组合，而非仅限于成对组合。
✧R-E-G-W F。基于 F 检验的 Ryan-Einot-Gabriel-Welsch 多步进过程。
✧R-E-G-W Q。基于学生化范围的 Ryan-Einot-Gabriel-Welsch 多步进过程。
✧S-N-K．运用学生化的范围分布在均值之间进行全部成对比较。它还运用步进式过程比较具有相同样本大小的同类子集内的均值对。均值按从高到低排序，首先检验极端差分。
✧Tukey。运用学生化的范围统计量进行组间全部成对比较。将试验误差率设置为全部成对比较的集合的误差率。
✧Tukey's b。运用学生化的范围分布在组之间进行成对比较。临界值是 Tukey's 真实显著性差异检验的对应值与 Student-Newman-Keuls 的平均数。
✧Duncan。运用与 Student-Newman-Keuls 检验所运用的完全一样的逐步依次成对比较，但要为检验的集合的错误率设置爱护水平，而不是为单个检验的错误率设置爱护水平。运用学生化的范围统计量。
✧Hochberg's GT2。运用学生化最大模数的多重比较和范围检验。与 Tukey's 真实显著性差异检验相像。
✧Gabriel。运用学生化最大模数的成对比较检验，并且当单元格大小不相等时，它通常比 Hochberg's GT2 更为强大。当单元大小改变过大时，Gabriel 检验可能会变得随意。
✧Waller-Duncan。基于 t 统计的多比较检验；运用 Bayesian 方法。
✧Dunnett。将一组处理与单个限制均值进行比较的成对多重比较 t 检验。 最终一类是缺省的限制类别。另外，您还可以选择第一个类别。双面检验任何水平（除了限制类别外）的因子的均值是否不等于限制类别的均值。<限制检验任何水平的因子的均值是否小于限制类别的均值。>限制检验任何水平的因子的均值是否大于限制类别的均值。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议