spss多因素方差分析報告例子

1、作業(yè)8：多因素方差分析1， data0806-height是從三個樣方中測量的八種草的高度，問高度在三個取樣地點，以及八種草之間有無差異？具體怎么差異的？打開spss軟件，打開data0806-height數(shù)據(jù)，點擊Analyze->General Linear Model->Univariate打開：把plot和species送入Fixed Factor(s)，把height送入Dependent Variable，點擊Model打開：選擇Full factorial，Type III Sum of squares，Include intercept in model（即全部默認

2、選項），點擊Continue回到Univariate主對話框，對其他選項卡不做任何選擇，結(jié)果輸出：因無法計算𝑀𝑀 𝑒rror，即無法分開𝑀𝑀 intercept 和𝑀𝑀 error，無法檢測interaction的影響，無法進行方差分析，重新Analyze->General Linear Model->Univariate打開： 選擇好Dependent Variable和Fixed Factor(s)，點擊Model打開：點擊Custom，把主效應(yīng)變量species和p

3、lot送入Model框，點擊Continue回到Univariate主對話框，點擊Plots：把date送入Horizontal Axis，把depth送入Separate Lines，點擊Add，點擊Continue回到Univariate對話框，點擊Options：把OVERALL,species, plot送入Display Means for框，選擇Compare main effects，Bonferroni，點擊Continue回到Univariate對話框， 輸出結(jié)果：可以看到：SSspecies=33.165，dfspecies=7，MSspecies=4.738；SSplot

4、=33.165，dfplot=7，MSplot=4.738；SSerror=21.472，dferror=14，MSerror=1.534；Fspecies=3.089，p=0.034<0.05;Fplot=12.130,p=0.005<0.01;所以故認為在5%的置信水平上，不同樣地，不同物種之間的草高度是存在差異的。該表說明：SSspecies=33.165，dfspecies=7，MSspecies=4.738；SSerror=21.472，dferror=14，MSerror=1.534；Fspecies=3.089，p=0.034<0.05;物種間存在差異：SSpl

5、ot=33.165，dfplot=7，MSplot=4.738；SSerror=21.472，dferror=14，MSerror=1.534；Fplot=12.130,p=0.005<0.01;不同的物種間在差異： 由邊際分布圖可知：類似結(jié)論：草的高度在不同樣地的條件之間有差異（Fplot=12.130,p=0.005<0.01），具體是，樣地一和樣地三之間存在的差異最大；八種不同草的高度也存在差異（Fspecies=3.089，p=0.034<0.05），具體是第四種草和第五種草的差異最大。再次檢驗不同種類草的高度差異：重新進行方差分析，Analyze->Gener

6、al Linear Model->Univariate：把species送入Fixed Factor(s)，把high送入Dependent Variable，點擊Plots：把species送入Horizontal Axis，點擊Add，點擊Continue回到Univariate，點擊Post Hoc（因為我們已經(jīng)知道species效應(yīng)顯著）：把species送入Post Hoc Tests for框，選擇Tukey， 輸出結(jié)果：各組均值從小到大向下排列。最大的是第五組，最小的是第四組，其中有些種類草的高度存在差異，有些不存在。 再次檢驗不同樣地草的高度差異：過程和上相似：結(jié)果如下不

7、同樣地的草高度存在差異，其中一樣地的草高度最短，3樣地的草高度最高，且三組之間都存在差異。2， data0807-flower，某種草的開花初期高度在兩種溫度和兩個海拔之間有無差異？具體怎么差異的？多因素單因變量方差分析通過Analyze->General Linear Model->Univariate實現(xiàn)，把因變量height送入Dependent Variable欄，把因素變量temperature和attitude送入Fixed Factor(s)欄點擊Model選項卡，打開：選著full factorial，type 3，點擊）Include intercept in m

8、odel。點擊Plots 對話框，打開：可選擇attitude 到Horizontal Axis，然后選擇temperature 到Horizontal Axis，再選擇attitude到Separate Lines，Plots 框顯示attitude, temperature, attitude * temperature，Estimated Marginal Means選擇OVERALL，產(chǎn)生邊際均值的均值Display框選擇要輸出的統(tǒng)計量，Descriptive statistics描述統(tǒng)計量，Homogeneity tests方差齊性檢驗。結(jié)果輸出： 主效應(yīng)各因素各水平以及樣本量， 各

9、水平的均值和標準差。把樣本分為四組，進行方差齊性檢驗，方差不一致。可以看到：SSaltitude=503.167，dfaltitude=1，MSaltitude=503.167；SStemperature=1149.798，dftemperature=1，MStemperature=1149.798；SSinteraction=338.486，dfinteraction=1，MSinteraction=338.486；SSerror=935.748，dferror=83，MSerror=935.748；Faltitude=44.63，p=0.034<0.001;Ftemperature=

10、101.986,p=0.005<0.001;Ftemperature=101.986,<0.001; Finteraction=34.458 ，p<0.001;所以故認為在0.1%的置信水平上，不同溫度，不同海拔之間的草高度是存在差異的。在四個樣本總體中，在95%的置信區(qū)間，花的平均高度范圍為137.719到139.172之間。 在海拔為3200米處，在95%的置信區(qū)間，花的平均高度范圍為139.852到141.920之間。在海拔為3400米處，在95%的置信區(qū)間，花的平均高度范圍為134.985到137.036之間。aititude各水平的邊際均值的多重比較，在本試驗中，事

11、實上𝐻0: 平均aititude（3200）= aititude（3400）；但是平均aititude（3200）花高度平均aititude（3400）花高度，在95%置信區(qū)間為3.427到6.333.故均值存在差異。， SSaltitude=503.167，dfaltitude=1，MSaltitude=503.167； SSerror=935.748，dferror=83，MSerror=935.748；Faltitude=44.63，P<0.001.不同海拔的花高度不存在差異的的概率0.001.在溫度為T1處，在95%的置信區(qū)間，花的平均高度范圍為141.149到1

12、43.119之間。在溫度為T2處，在95%的置信區(qū)間，花的平均高度范圍為133.689到135.825之間。 溫度各水平的邊際均值的多重比較，在本試驗中，事實上𝐻0: （T1時，平均花高度）=（ T2時，平均花高度）；但是（T1時，平均花高度）（ T2時，平均花高度），在95%置信區(qū)間為5.924到8.830，故均值存在差異，不接受H0假設(shè)。 SStemperature=1149.798，dftemperature=1，MStemperature=1149.798； SSerror=935.748，dferror=83，MSerror=935.748；Ftemperature=

13、101.986,p<0.001; 不同溫度下，花的高度存在差異。 在溫度為T1，海拔3200米處，在95%的置信區(qū)間，花的平均高度范圍為145.433到148.004之間。在溫度為T2處，海拔3200米處在95%的置信區(qū)間，花的平均高度范圍為133.433到136.673之間。在溫度為T1處，海拔3400米處，在95%的置信區(qū)間，花的平均高度范圍為136.057到139.043之間。在溫度為T2處，海拔3400米處，在95%的置信區(qū)間，花的平均高度范圍為133.068到135.853之間。 不同海拔下的的邊際均值圖 兩個因素的邊際均值交互效應(yīng)圖，該圖直線相互交叉（即斜率不一樣）表明有交互效應(yīng)。結(jié)論如下：某種草的開花初期高度在兩種溫度之間有差異（Ftempera