SPSS數(shù)據(jù)處理中常用方法PPT課件.ppt

SPSS中常用的數(shù)據(jù)分析方法 2020 2 7 1 試驗設計的基本原理 試驗設計 用盡可能少的試驗獲取足夠有效的資料 從中得出較為可靠結(jié)論 從這一要求出發(fā)考慮問題 安排試驗三個基本原則 1 重復估計試驗誤差和降低試驗誤差 2 隨機化試驗配置和處理順序隨機確定 無偏向的試驗誤差 3 局部控制分區(qū)域分時間地控制非試驗因素 使試驗處理的影響除試驗因素不一致外 其余條件盡量一致 其作用也是為降低試驗誤差 2020 2 7 2 試驗設計三個基本原則和作用 重復 降低試驗誤差 無偏的試驗誤差設計 局部控制 隨機 2020 2 7 3 SPSS軟件在生物統(tǒng)計學中的應用 SPSS StatisticePackageforSocialScience 是由美國SPSS公司自20世紀80年代開發(fā)的大型統(tǒng)計學軟件包SPSS軟件能覆蓋統(tǒng)計分析的各個方面 基礎統(tǒng)計分析 描述性統(tǒng)計 各種簡單的方差分析 回歸分析 相關分析 專業(yè)統(tǒng)計分析 因子分析 聚類分析 距離分析 高級分析 多變量方差分析 重復測量方差分析 非線性回歸分析 曲線估計 2020 2 7 4 一 方差分析 2020 2 7 5 方差分析的概念 在科學實驗中常常要探討不同實驗條件或處理方法對實驗結(jié)果的影響 方差分析是檢驗多組樣本均值間的差異是否具有統(tǒng)計意義的一種方法 2020 2 7 6 方差分析基本原理 不同處理組的均值間差別基本來源有兩個 1 隨機誤差 如測量誤差造成的差異或個體間的差異 稱為組內(nèi)差異 用變量在各組的均值與該組內(nèi)變量值之偏差平方和的總和表示 記作SSw 組內(nèi)自由度dfw 2 實驗條件 即不同的處理造成的差異 稱為組間差異 用變量在各組的均值與總均值之偏差平方和表示 記作SSb 組間自由度dfb 2020 2 7 7 方差分析基本原理 續(xù) 組內(nèi)SSw 組間SSb除以各自的自由度 組內(nèi)dfw n m 組間dfb m 1 其中n為樣本總數(shù) m為組數(shù) 得到其均方MSw和MSb 一種情況是處理沒有作用 即各組樣本均來自同一總體 MSb MSw 1 另一種情況是處理確實有作用 那么 MSb MSw 遠遠大于 MSb MSw比值構(gòu)成F分布 用F值與其臨界值比較 推斷各樣本是否來自相同的總體 2020 2 7 8 方差分析的假設檢驗 零假設H0 m組樣本均值都相同 即 1 2 m如果經(jīng)過計算結(jié)果組間均方遠遠大于組內(nèi)均方 MSb MSw F F0 05 dfb dfw p0 05不能拒絕零假設 說明樣本來自相同的正態(tài)總體 處理間無差異 2020 2 7 9 方差分析 單因素方差分析多因素方差分析 2020 2 7 10 單因素方差分析 一維方差分析檢驗由單一因素影響的一個 或幾個相互獨立的 分析變量在該因素各水平分組間的均值差異是否有統(tǒng)計意義 2020 2 7 11 在SPSS中的操作 運算模塊 AnalyzeCompareMeansOne WayANOVA 2020 2 7 12 在SPSS中的實現(xiàn)步驟 2020 2 7 13 2020 2 7 14 2020 2 7 15 2020 2 7 16 運算結(jié)果 2020 2 7 17 運算結(jié)果 最適溫度下的光合速率 Aopt 在7個云杉屬物種間存在顯著差異其中 對5號種而言 除與6號云杉種間的Aopt不存在顯著差異外 Aopt均顯著高于其他5個去杉種 6號云杉種的Aopt除與5和4號不存在顯著差異外 皆顯著高于其他4個種 1 2 3 7四個去杉種的Aopt間不存在顯著差異 2020 2 7 18 多因素方差分析 多因素方差分析中的控制變量在兩個或兩個以上 它的研究目的是要分析多個控制變量的作用 多個控制變量的交互作用以及其他隨機變量是否對結(jié)果產(chǎn)生了顯著影響 2020 2 7 19 將觀察變量總的離差平方和分解為3個部分 多個控制變量單獨作用引起的離差平方和 多個控制變量交互作用引起的離差平方和 其他隨機因素引起的離差平方和 2020 2 7 20 2020 2 7 21 在SPSS中的操作 GeneralLinearModel UnivariateMultivariateRepeatedMeasures 2020 2 7 22 Univariate命令 2020 2 7 23 說明光合最適溫度在處理間 種間以及溫度處理和種間交互作用下均存在顯著差異 2020 2 7 24 2020 2 7 25 Multivariate 2020 2 7 26 二 相關性分析 2020 2 7 27 相關性分析 描述變量之間線性相關程度的強弱 并用適當?shù)慕y(tǒng)計指標表示出來的過程為相關分析 可根據(jù)研究的目的不同 或變量的類型不同 采用不同的相關分析方法 2020 2 7 28 相關系數(shù) r 的取值范圍在 1和1之間 即 1 r 1 其中 若0 r 1 表明變量之間存在正相關關系 即兩個變量的相隨變動方向相同 若 1 r 0 表明變量之間存在負相關關系 即兩個變量的相隨變動方向相反 2020 2 7 29 2020 2 7 30 在SPSS中的操作 運算模塊 AnalyzeCorrelateBivariate 2020 2 7 31 Pearson積差相關 計算連續(xù)變量或是等間距測量的變量間的相關性分析Kendall等級相關 計算分類變量間的秩相關Spearman等級相關 計算斯皮爾曼相關Two tailed雙尾檢驗選項One tailed單尾檢驗選項 2020 2 7 32 相關性分析結(jié)果 從表中可知 Topt與Aopt間不存在顯著的相關性 2020 2 7 33 三 回歸分析 2020 2 7 34 回歸分析的概念 尋求相關變量之間的關系主要內(nèi)容 從一組樣本數(shù)據(jù)出發(fā) 確定這些變量間的定量關系式對這些關系式的可信度進行各種統(tǒng)計檢驗從影響某一變量的諸多變量中 判斷哪些變量的影響顯著 哪些不顯著利用求得的關系式進行預測和控制 2020 2 7 35 回歸分析的模型 按是否線性分 線性回歸模型和非線性回歸模型按自變量個數(shù)分 簡單的一元回歸 多元回歸利用SPSS得到模型關系式 是否是我們所要的 要看回歸方程的顯著性檢驗 F檢驗 和回歸系數(shù)b的顯著性檢驗 T檢驗 還要看擬合程度R2 相關系數(shù)的平方 一元回歸用RSquare 多元回歸用AdjustedRSquare 2020 2 7 36 回歸分析的過程 在回歸過程中包括 Liner 線性回歸CurveEstimation 曲線估計BinaryLogistic 二分變量邏輯回歸MultinomialLogistic 多分變量邏輯回歸Ordinal序回歸Probit 概率單位回歸Nonlinear 非線性回歸WeightEstimation 加權(quán)估計2 StageLeastsquares 二段最小平方法OptimalScaling最優(yōu)編碼回歸 2020 2 7 37 3 1線性回歸 Linear 一元線性回歸方程 y a bxa稱為截距b為回歸直線的斜率用R2擬合系數(shù)判定一個線性回歸直線的擬合程度 用來說明用自變量解釋因變量變異的程度 所占比例 多元線性回歸方程 y b0 b1x1 b2x2 bnxnb0為常數(shù)項b1 b2 bn稱為y對應于x1 x2 xn的偏回歸系數(shù)用AdjustedR2調(diào)整擬合系數(shù)判定一個多元線性回歸方程的擬合程度 用來說明用自變量解釋因變量變異的程度 所占比例 2020 2 7 38 3 3Nonlinear 2020 2 7 39 3 4回歸分析案例 2020 2 7 40