SPSS統(tǒng)計(jì)及分析講稿第十章利用SPSS進(jìn)行方差分析

第十章利用SPSS進(jìn)行方差分析第一節(jié)單因素方差分析一、方差分析1、方差分析(analysisofvariance，ANOVA)的菜單One-Way過程：?jiǎn)我蛩睾?jiǎn)單方差分析過程。在CompareMeans菜單項(xiàng)中，可以進(jìn)行單因素方差分析、均值多重比較和相對(duì)比較GeneralLinearModel(簡(jiǎn)稱GLM)過程：GLM過程由Analyze菜單直接調(diào)用。這些過程可以完成簡(jiǎn)單的多因素方差分析和協(xié)方差分析，不但可以分析各因素的主效應(yīng)，還可以分析各因素間的交互效應(yīng)GeneralLinearModel菜單項(xiàng)有四項(xiàng)：Univariate：提供回歸分析和一個(gè)因變量和一個(gè)或幾個(gè)因素變量的方差分析。Multivariate:可進(jìn)行多因變量的多因素分析RepeatedMeasure:可進(jìn)行重復(fù)測(cè)量方差分析VarianceComponent：可進(jìn)行方差成分分析。通過計(jì)算方差估計(jì)值，可以幫助我們分析如何減小方差。2、方差分析的基本原理總變異=組內(nèi)變異+組間變異總變異=隨機(jī)變異+處理因素導(dǎo)致的變異方差分析就是采用一定方法來比較組內(nèi)變異(隨機(jī)變異)和組間變異(處理因素導(dǎo)致的變異)的大小，如果組間變異遠(yuǎn)遠(yuǎn)大于組內(nèi)變異，就說明處理因素的影響存在；如果組間變異與組內(nèi)變異相差無幾，就說明處理因素的影響不存在，即差異是由于隨機(jī)因素造成的，這是方差分析的核心概念3、方差分析中幾個(gè)常用術(shù)語(1)、試驗(yàn)指標(biāo)(experimentalindex)為衡量試驗(yàn)結(jié)果的好壞或處理效應(yīng)的高低，在試驗(yàn)中具體測(cè)定的性狀或觀測(cè)的項(xiàng)目稱為試驗(yàn)指標(biāo)。由于試驗(yàn)?zāi)康牟煌?，選擇的試驗(yàn)指標(biāo)也不相同。在畜禽、水產(chǎn)試驗(yàn)中常用的試驗(yàn)指標(biāo)有：日增重、產(chǎn)仔數(shù)、產(chǎn)奶量、產(chǎn)蛋率、瘦肉率、某些生理生化和體型指標(biāo)(如血糖含量、體高、體重)等。在田間試驗(yàn)中常用田間量、千柆重、干重、鮮重、葉綠素含量、土壤重金屬含量、營(yíng)養(yǎng)物質(zhì)含量等作為試驗(yàn)指標(biāo)(2)、試驗(yàn)因素(experimentalfactor)試驗(yàn)中所研究的影響試驗(yàn)指標(biāo)的因素叫試驗(yàn)因素。如研究如何提高豬的日增重時(shí)，飼料的配方、豬的品種、飼養(yǎng)方式、環(huán)境溫濕度等都對(duì)日增重有影響，均可作為試驗(yàn)因素如研究田間產(chǎn)量時(shí)，不同施肥量、肥料品種、施肥方法、種植方法、土壤類型、土壤肥力等均可作為試驗(yàn)因素(2)、試驗(yàn)因素(experimentalfactor)當(dāng)試驗(yàn)中考察的因素只有一個(gè)時(shí)，稱為單因素試驗(yàn)；若同時(shí)研究?jī)蓚€(gè)或兩個(gè)以上的因素對(duì)試驗(yàn)指標(biāo)的影響時(shí)，則稱為兩因素或多因素試驗(yàn)。試驗(yàn)因素常用大寫字母A、B、C、…等表示。(3)、因素水平(leveloffactor)試驗(yàn)因素所處的某種特定狀態(tài)或數(shù)量等級(jí)稱為因素水平，簡(jiǎn)稱水平。如比較3個(gè)品種奶牛產(chǎn)奶量的高低，這3個(gè)品種就是奶牛品種這個(gè)試驗(yàn)因素的3個(gè)水平；如研究某種飼料中4種不同能量水平對(duì)肥育豬瘦肉率的影響，這4種特定的能量水平就是飼料能量這一試驗(yàn)因素的4個(gè)水平。如研究8種不同量的某種肥料或不同肥料類型對(duì)作物產(chǎn)量的影響，這8種特定量的肥料或不同肥料類型就是這一試驗(yàn)因素的8個(gè)水平因素水平用代表該因素的字母加添足標(biāo)1，2，…，來表示。如A1、A2、…，B1、B2、…，等。(4)、試驗(yàn)處理(treatment)事先設(shè)計(jì)好的實(shí)施在試驗(yàn)單位上的具體項(xiàng)目叫試驗(yàn)處理，簡(jiǎn)稱處理。在單因素試驗(yàn)中，實(shí)施在試驗(yàn)單位上的具體項(xiàng)目就是試驗(yàn)因素的某一水平。例如進(jìn)行飼料的比較試驗(yàn)時(shí)，實(shí)施在試驗(yàn)單位(某種畜禽)上的具體項(xiàng)目就是喂飼某一種飼料。所以進(jìn)行單因素試驗(yàn)時(shí)，試驗(yàn)因素的一個(gè)水平就是一個(gè)處理。在多因素試驗(yàn)中，實(shí)施在試驗(yàn)單位上的具體項(xiàng)目是各因素的某一水平組合。例如進(jìn)行3種飼料和3個(gè)品種對(duì)豬日增重影響的兩因素試驗(yàn)，整個(gè)試驗(yàn)共有3×3=9個(gè)水平組合，實(shí)施在試驗(yàn)單位(試驗(yàn)豬)上的具體項(xiàng)目就是某品種與某種飼料的結(jié)合。所以，在多因素試驗(yàn)時(shí)，試驗(yàn)因素的一個(gè)水平組合就是一個(gè)處理。(5)、試驗(yàn)單位(experimentalunit)在試驗(yàn)中能接受不同試驗(yàn)處理的獨(dú)立的試驗(yàn)載體叫試驗(yàn)單位。在畜禽、水產(chǎn)試驗(yàn)中，一只家禽、一頭家畜、一只小白鼠、一尾魚，即一個(gè)動(dòng)物；或幾只家禽、幾頭家畜、幾只小白鼠、幾尾魚，即一組動(dòng)物都可作為試驗(yàn)單位。在田間試驗(yàn)中，不同試驗(yàn)小區(qū)試驗(yàn)單位往往也是觀測(cè)數(shù)據(jù)的單位。(6)、重復(fù)(repetition)在試驗(yàn)中，將一個(gè)處理實(shí)施在兩個(gè)或兩個(gè)以上的試驗(yàn)單位上，稱為處理有重復(fù)；一處理實(shí)施的試驗(yàn)單位數(shù)稱為處理的重復(fù)數(shù)。如用某種飼料喂4頭豬，就說這個(gè)處理(飼料)有4次重復(fù)。如在5個(gè)試驗(yàn)小區(qū)施用相同數(shù)量的同種肥料，則重復(fù)數(shù)為5次二、單因素方差分析過程1、概述單因素方差分析也稱有一維方差分析（one-wayANOVA,completelyrandomdesignANOVA)，是對(duì)單因素多水平均值進(jìn)行比較。檢驗(yàn)由單一因素各水平影響的一個(gè)（或幾個(gè)相互獨(dú)立的）變量的均值之間的差異是否有統(tǒng)計(jì)意義。進(jìn)行兩兩組間均值的比較，稱作組間均值的多重比較，對(duì)該因素的若干水平分組中哪些組均值不具有顯著性差異進(jìn)行分析，即一致性檢驗(yàn)分析變量屬于正態(tài)分布總體，若分析變量的分布明顯的是非正態(tài)，應(yīng)該用非參數(shù)分析過程如果幾個(gè)因變量之間彼此不獨(dú)立，應(yīng)該用GLM過程對(duì)被觀測(cè)對(duì)象的實(shí)驗(yàn)不是隨機(jī)分組的，而是進(jìn)行的重復(fù)測(cè)量形成幾個(gè)彼此不獨(dú)立的變量，應(yīng)該用RepeatedMeasure菜單項(xiàng)，進(jìn)行重復(fù)測(cè)量方差分析，條件滿足時(shí)，還可以進(jìn)行趨勢(shì)分析2、One-WayANOVA過程要求3、對(duì)話框介紹Analyze->CompareMeans->One-WayANOVA的順序打開One-WayANOVA主對(duì)話框(如下圖)將試驗(yàn)指標(biāo)選入該對(duì)話框，如果多選，系統(tǒng)會(huì)依次對(duì)其進(jìn)行分析將因素水平數(shù)選入此框，只能選入1個(gè)Contrasts對(duì)話框該對(duì)話框有兩個(gè)用途：對(duì)平均數(shù)的變動(dòng)趨勢(shì)進(jìn)行趨勢(shì)檢驗(yàn)和定義根據(jù)研究目的需要進(jìn)行的某些精確兩兩比較(較少用)定義是否在方差分析中進(jìn)行趨勢(shì)檢驗(yàn)和Polynomial復(fù)選框配合使用，用于定義需檢驗(yàn)的趨勢(shì)曲線的最高次方項(xiàng)，如選中高次方曲線，系統(tǒng)會(huì)給所有相應(yīng)各低次方曲線的擬合集成度檢驗(yàn)結(jié)果精確定義某些組間平均數(shù)的比較動(dòng)態(tài)提供輸入系數(shù)的總和，總和要等于0PostHoc對(duì)話框用于選擇進(jìn)行各組間兩兩比較的方法，即多重比較的方法(如下圖)復(fù)選框，提供了一些當(dāng)各組方差齊性時(shí)可用的兩兩比較方法，共有14種。除Dunnett外，大致是按從最敏感到最保守的順序排列復(fù)選框，提供了一些當(dāng)各組方差不同質(zhì)時(shí)可用的兩兩比較方法，共有4種，一般認(rèn)為Games-Howell法稍好一些，但當(dāng)方差不同質(zhì)時(shí)最好用非參數(shù)檢驗(yàn)定義兩兩比較時(shí)的顯著性水平EqualVarianceAssumed復(fù)選框LSD(Least-significationdifference)：最小顯著性差異法，T檢驗(yàn)的變形，敏感度最高，各個(gè)水平間的均值存在微小的差異也有可能被檢驗(yàn)出來，但在比較時(shí)對(duì)I型錯(cuò)誤、即棄真錯(cuò)誤的概率不進(jìn)行控制和調(diào)整Sidak：根據(jù)t統(tǒng)計(jì)量進(jìn)行配對(duì)多重比較，調(diào)整多重比較的顯著性水平，其界限比Bonferroni方法小S-N-K：即StudentNewmanKeuls法，是運(yùn)用最廣泛的一種兩兩比較方法，控制了I型錯(cuò)誤。Bonferroni：由LSD法修正而來，敏感度介于LSD法和Scheffe法之間，通過設(shè)置每個(gè)檢驗(yàn)的誤差率來控制第一類錯(cuò)誤的概率Sidak：從T檢驗(yàn)修正而來，和Bonferroni法非常相似，但比Bonferroni法保守R-E-G-W-F：Ryan-Einot-Gabrief-WelschF法，根據(jù)F統(tǒng)計(jì)量檢驗(yàn)的Ryan-Einot-Welsch多重比較R-E-G-W-Q：Ryan-Einot-Gabrief-WelschQ法，根據(jù)Student極差統(tǒng)計(jì)量的Ryan-Einot-Welsch多重比較Tukey：即Tuley’shonestlysignificantdifference法(Tukey’sHSD)，采用Student-Range統(tǒng)計(jì)數(shù)進(jìn)行所有組間平均數(shù)的兩兩比較，但與S-N-K法不同的是控制的是所有比較中最大的一類錯(cuò)誤概率值不超過顯著性水平Tukey’s-b：Tukeyb方法，用Student-Range分布進(jìn)行組間均值的配對(duì)比較，其精確值為Tukey和S-N-K檢驗(yàn)相應(yīng)值的平均值Scheffe：當(dāng)各組觀察值不等時(shí)，用此法較為穩(wěn)妥。它檢驗(yàn)的是各個(gè)平均數(shù)的線性組合Dunnett：將所有的處理組平均數(shù)分別與指定對(duì)照組平均數(shù)進(jìn)行比較，并控制所有比較中最大的一類錯(cuò)誤概率值不超過顯著性水平。(激活ControlCatetory欄，該欄展開下拉菜單選擇對(duì)照組，其中可選最后一個(gè)和第一個(gè)分類，并在Test選項(xiàng)組中設(shè)定單雙側(cè)檢驗(yàn)的選擇，2-Side：雙側(cè)檢驗(yàn)；<Control：<對(duì)照分類；>Control：>對(duì)照分類；Hochberg’sGT2：用正態(tài)最大系數(shù)進(jìn)行多重比較Gabriel：用正態(tài)標(biāo)準(zhǔn)系統(tǒng)進(jìn)行配對(duì)比較Duncan：指定一系列的Range值逐步進(jìn)行計(jì)算比較得出結(jié)論Waller-Duncan：用t統(tǒng)計(jì)量進(jìn)行多重比較檢驗(yàn)，使用貝葉斯過程的多重比較試驗(yàn)Options對(duì)話框用于定義檢驗(yàn)統(tǒng)計(jì)量、檢驗(yàn)和缺失值的處理方式等設(shè)置，如下圖復(fù)選框，選擇輸出的統(tǒng)計(jì)量描述性統(tǒng)計(jì)量，包括觀測(cè)值數(shù)目、均值、標(biāo)準(zhǔn)差、標(biāo)準(zhǔn)誤、最小值、最大值及各組中每個(gè)變量的95%置信區(qū)間固定和隨機(jī)效應(yīng)。顯示固定效應(yīng)模型的標(biāo)準(zhǔn)差、標(biāo)準(zhǔn)誤和95%置信區(qū)間；隨機(jī)效應(yīng)模型的標(biāo)準(zhǔn)誤、95%置信區(qū)間及方差成分間的估計(jì)值方差齊性檢驗(yàn)(要求計(jì)算分組不均數(shù)相等的Levene統(tǒng)計(jì)量，該檢驗(yàn)方法不依賴于正態(tài)假設(shè)Brown-Forsythe統(tǒng)計(jì)量。當(dāng)不能把握方差齊性時(shí)，此統(tǒng)計(jì)量比F統(tǒng)計(jì)量更好Welch統(tǒng)計(jì)量。當(dāng)不能把握方差齊性時(shí)，此統(tǒng)計(jì)量比F統(tǒng)計(jì)量更好定義是否顯示分組均值圖定義缺失值的處理方式剔除各分析中含有缺失值的個(gè)案剔除含有缺失值的全部個(gè)案4、例題分析用4種飼料喂豬，共19頭豬分為四組，每組用一種飼料。一段時(shí)間后稱重。豬體重增加數(shù)據(jù)如下。比較四種飼料對(duì)豬體重增加的作用有無不同。飼料ABCD133.8151.2193.4225.8125.3149.0185.3224.6143.1162.7182.8220.4128.9143.8188.5212.3135.7153.5198.6試驗(yàn)指標(biāo)：豬體重增加量；試驗(yàn)因素：飼料品種；因素水平：4種飼料4、例題分析(1)、操作步驟本例數(shù)據(jù)保存為不同飼料對(duì)豬體重的影響.sav，其中1、2、3和4分別代表A、B、C和D四種飼料Analyze->CompareMeans->One-WayANOVA的順序打開One-WayANOVA主對(duì)話框，打開不同飼料對(duì)豬體重的影響.sav數(shù)據(jù)文件，并將豬體重增加量選入DependentList框；將不同飼料選入Factor框單擊Contrasts按鈕，勾選Polynomial復(fù)選框，在Degree框中選擇5次方曲線，再單擊Continue按鈕返回主對(duì)話框單擊PostHoc按鈕，在EqualVarianceAssumed復(fù)選框勾選LSD和Scheffe等，再單擊Continue按鈕返回主對(duì)話框單擊Options

按鈕，在statistics復(fù)選框勾選所有選項(xiàng)，再選中meansplots框，最后單擊Continue按鈕返回主對(duì)話框單擊OK按鈕，得到分析結(jié)果(2)、結(jié)果分析此表格為基本描述統(tǒng)計(jì)量，有觀測(cè)值個(gè)數(shù)、平均值、標(biāo)準(zhǔn)差、標(biāo)準(zhǔn)誤、95%的置信區(qū)間、最大值、最小值及固定效應(yīng)模型的標(biāo)準(zhǔn)差、標(biāo)準(zhǔn)誤和95%置信區(qū)間；隨機(jī)效應(yīng)模型的標(biāo)準(zhǔn)誤、95%置信區(qū)間及方差成分間的估計(jì)值此表為方差同質(zhì)性Levene檢驗(yàn)，檢驗(yàn)的概率為0.995>0.05，故方差是同質(zhì)的，故可以進(jìn)行單因素方差分析此表格為單因素方差分析表，表中第1列為名稱第2列表示偏差平方和，其中組間偏差平方和為20538.698，組內(nèi)偏差平方和為652.16，總偏差平方和為21190.858；此外給出了幾種模型圖的組間偏差平方和第3列表示的自由度，組間自由度為3，組內(nèi)自由度為15，總自由度是18，還給出了幾種模型圖的自由度第4列表示的均方，分別是6846.233和43.477，還給出了幾種模型圖的均方第5列是統(tǒng)計(jì)量F值，F(xiàn)統(tǒng)計(jì)量的觀測(cè)值為157.467，還給出了幾種模型圖的F統(tǒng)計(jì)量的觀測(cè)值第6列為相應(yīng)概率，從數(shù)據(jù)來看，不同飼料對(duì)豬體重的增重量有顯著性影響，且A、B、C、D四種飼料的均值呈直線模式此表格為Brown-Forsythe統(tǒng)計(jì)量和Welch統(tǒng)計(jì)量的方差檢驗(yàn)，從表中第2列和第5列的數(shù)值來看，用4種飼料來喂豬，使豬體重的增重量有顯著性影響此表格為多種比較表，從表中數(shù)值來看，用A、B、C、D4種飼料喂豬，而豬體重的增重量間有顯著性差異此表格為Scheffe檢驗(yàn)的多重比較分析結(jié)果，從表中可以看出，用A、B、C、D4種飼料喂豬，豬體重的增重量之間有顯著性差異此圖為用4種飼料喂豬后豬體重的增重量的均值連線，從圖中可以看出，用4種飼料喂豬后豬體重的增重量的均值呈線型關(guān)系例221名要求持續(xù)鎮(zhèn)痛的病人被隨機(jī)分到四組，接受同劑量的嗎啡，6小時(shí)后測(cè)量血中游離嗎啡水平，問四組之間有無差別？靜脈點(diǎn)滴肌肉注射皮下注射口服12129121016787156881011109167914例3某社區(qū)隨機(jī)抽取糖尿病患者、IGT異常和正常人共30人進(jìn)行載蛋白測(cè)定，結(jié)果如下，問3種人的載蛋白有無差別？載蛋白載蛋白載蛋白糖尿病患者85.7IGT異常106.5正常人144105.296117109.5124.511096105.1109115.276.410395.395.312311011012710095.2121125.6991591111201155、例題(1)少兒身高1(2)Cars(3)類固醇(4)10章_數(shù)據(jù)1(5)titin.sav第二節(jié)多因素方差分析一、多因素方差分析1、多因素方差分析概述是對(duì)兩個(gè)或兩個(gè)因素是否對(duì)觀察變量產(chǎn)生顯著性影響進(jìn)行方差分析。多因素方差分析不僅能夠分析多個(gè)因素對(duì)觀測(cè)變量的影響，還能分析多個(gè)因素的交互作用能否對(duì)觀測(cè)變量的分布產(chǎn)生影響，進(jìn)而最終找到利于觀測(cè)變量的最優(yōu)組合(1)、多因素方差分析的基本思想總變異=組內(nèi)變異+組間變異總變異=隨機(jī)變異+處理因素導(dǎo)致的變異組間變異=不同因素間的變異+不同因素相互作用導(dǎo)致的變異如兩因素方差分析總變異=隨機(jī)變異+A因素變異+B因素變異+AB變異SST=SSA+SSB+SSAB+SSedfT=dfA+dfB+dfAB+dfe多因素方差分析也是采用一定方法來比較兩個(gè)或多個(gè)樣本均值間是否存在顯著性差異，從而得出結(jié)論(2)多因素方差分析模型用Xijk表示任意一個(gè)測(cè)量數(shù)據(jù)。下標(biāo)的意義分別為：i(i=1，…，c)為A因素的水平數(shù)；j(j=1,…,r)為B因素的水平數(shù)；k(k=1，…，n)為A，B因素不同水平組合下受試對(duì)象的序號(hào)。

(2)、多因素方差分析菜單SPSS通過GeneralLinearModel菜單來實(shí)現(xiàn)多因素方差分析。GeneralLinearModel菜單共有4個(gè)菜單，即Univariate：提供回歸分析和一個(gè)或幾個(gè)因素變量對(duì)一個(gè)觀測(cè)變量進(jìn)行方差分析。Multivariate:進(jìn)行多因變量的多因素分析RepeatedMeasure:可進(jìn)行重復(fù)觀測(cè)量方差分析VarianceComponent：可進(jìn)行方差成分分析。通過計(jì)算方差估計(jì)值，可以幫助我們分析如何減小方差。二、多因素方差分析過程1、對(duì)話框簡(jiǎn)介Analyze->GeneralLinearModel->Univariate的順序打開Univariate主對(duì)話框(如下圖)將試驗(yàn)指標(biāo)選入該對(duì)話框，如果多選，系統(tǒng)會(huì)依次對(duì)其進(jìn)行分析將因素選入此框，或?qū)㈦S機(jī)變量選入RandomFactor框；或選入Covariate框，進(jìn)行協(xié)變量分析選擇是否對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換Model對(duì)話框該對(duì)話框用于選擇因素相互作用模型FullFactorial框：默認(rèn)選項(xiàng)，選擇該選擇表示建立全因素模型。全因素模型包括所有因素主效應(yīng)、所有協(xié)變量主效應(yīng)及所有因素的交互效應(yīng)，不包括協(xié)變量的交互效應(yīng)Custom框：自定義模型。只指定一個(gè)交互效應(yīng)或因素與協(xié)變量的交互效應(yīng)，必須指定模型所有項(xiàng)目BuildTerm框：選擇因素相互作用方式Interaction：交互效應(yīng)Maineffects:主效應(yīng)All2-way:2階交互效應(yīng)All3-way:3階交互效應(yīng)All4-way:4階交互效應(yīng)All5-way:5階交互效應(yīng)Sumofsquares：平方和，用于選擇平方和的分解方法，單擊下拉按鈕，出現(xiàn)下拉菜單TypeI：I型平方和，適用于平衡方差分析模型、多項(xiàng)式回歸模型、完全嵌套設(shè)計(jì)TypeII：II型平方和，適用于平衡方差分析模型、只有一個(gè)主因子的模型、回歸模型、完全嵌套設(shè)計(jì)TypeIII：III型平方和，適用于I、II型平方和適用的所有模型、無缺失值的所有平衡與不平衡模型。系統(tǒng)默認(rèn)，較常用TypeIV：IV型平方和，適用于I、II型平方和適用的所有模型、有缺失值的所有平衡與不平衡模型。IncludeInterceptinmode框：用于確定模型中是否包括截距，默認(rèn)Contrasts對(duì)話框Factor列表框中顯示出所有在主對(duì)話框中的因素變量，因素變量名后的括號(hào)中是當(dāng)前的對(duì)比方法?？梢杂肅hangeContrast改變對(duì)照方法Controst下拉菜單按鈕：None:不進(jìn)行均值比較Deviation:差別對(duì)照，比較每一水平的平均效應(yīng)和總平均效應(yīng)Simple:簡(jiǎn)單對(duì)照，每個(gè)水平與指定水平的平均效應(yīng)比較，可選擇第一組或最后一組作為參考水平Difference:差分對(duì)照，每個(gè)水平與前面各水平的平均效應(yīng)的比較Helmert:Helmert對(duì)照，每個(gè)水平與隨后的各水平的平均效應(yīng)的比較Repeated:重復(fù)對(duì)照，每個(gè)水平與隨后的一個(gè)水平的比較Polynomial:多項(xiàng)式對(duì)照，比較線性效應(yīng)、二次效應(yīng)、三次效應(yīng)等。常用于預(yù)測(cè)多項(xiàng)式趨勢(shì)Plots對(duì)話框該對(duì)話框可以繪制一個(gè)或多個(gè)因素變量為參考的因變量均數(shù)分布圖，當(dāng)只有一個(gè)因素水平時(shí)，為因變量估計(jì)邊緣均數(shù)的線圖；在兩個(gè)以上因素水平時(shí)，繪制分離線Factors列表框顯示因素的變量名，將該列表框中的因素變量移動(dòng)到右側(cè)的不同列表框中，再單擊Add按鈕，所選因素變量就出現(xiàn)在Plots列表框中HorizontalAxis:橫坐標(biāo)SeparateLines:分離線SeparatePlots:分離圖PostHocMultipleComparision對(duì)話框用于選擇進(jìn)行各組間兩兩比較的方法，即多重比較的方法(如下圖)。當(dāng)Factor列表框中選擇變量到PostHocTestfor列表框中，就可以選擇了復(fù)選框，提供了一些當(dāng)各組方差齊性時(shí)可用的兩兩比較方法，共有14種。除Dunnett外，大致是按從最敏感到最保守的順序排列復(fù)選框，提供了一些當(dāng)各組方差不同質(zhì)時(shí)可用的兩兩比較方法，共有4種，一般認(rèn)為Games-Howell法稍好一些，但當(dāng)方差不同質(zhì)時(shí)最好用非參數(shù)檢驗(yàn)Save對(duì)話框用于給出預(yù)測(cè)值殘差和檢測(cè)值作為新的變量的保守選項(xiàng)PredictedValues框：給出每個(gè)個(gè)案的預(yù)測(cè)值保存選項(xiàng)。Unstandardized：非標(biāo)準(zhǔn)化預(yù)測(cè)值；Weighted：加權(quán)非標(biāo)準(zhǔn)化預(yù)測(cè)值，當(dāng)主對(duì)話框中選擇了WLS變量后可用，保存因變量的加權(quán)非標(biāo)準(zhǔn)化預(yù)測(cè)值；Standarderror：預(yù)測(cè)值均數(shù)的標(biāo)準(zhǔn)誤Residuals框：用于顯示殘差的保存選項(xiàng)Unstandardized：非標(biāo)準(zhǔn)化殘差值，等于觀測(cè)值與預(yù)測(cè)值之差Weighted：權(quán)重非標(biāo)準(zhǔn)化殘差值。如果對(duì)話框中選擇了WLS變量，則保存權(quán)重非標(biāo)準(zhǔn)化殘差值Standard：標(biāo)準(zhǔn)化殘差，即Pearson殘差Studentized：Student殘差Deleted：剔除殘差自變量值與調(diào)整預(yù)測(cè)值之差Diagnostics框：給出診斷結(jié)果保存選項(xiàng)Cook’sdistance：Cook距離Leveragevalue：非中心化Leverage值SavetoNewFile：保存到新文件，給出以新文件保存結(jié)果的方式，選擇CoefficientStatistics后，單擊File按鈕，將參數(shù)估計(jì)值、協(xié)方差矩陣保存到一個(gè)新文件中Options對(duì)話框EstimatedMarginalMeans：估計(jì)邊際均數(shù)。用于選擇顯示結(jié)果的因素變量。方法是在左側(cè)的FactorandFactorInteractions列表框中選擇因素和交互項(xiàng)，單擊右向箭頭按鈕，將其移動(dòng)到Displaymeansfor列表框Comparemaineffect框：對(duì)主效應(yīng)變量進(jìn)行估計(jì)邊際均值，并在Confidenceintervaladjustment下拉菜單中選擇LSD、Bonferroni、Sidak方法輸出描述統(tǒng)計(jì)量。共有10個(gè)選項(xiàng)設(shè)置顯著性水平Descriptivestatistics：輸出描述統(tǒng)計(jì)量，顯示所有單元格中因變量的觀測(cè)均數(shù)、標(biāo)準(zhǔn)差和例數(shù)Estimatesofeffectsize：效應(yīng)大小的估計(jì)。計(jì)算每個(gè)效應(yīng)的估計(jì)及參數(shù)估計(jì)、標(biāo)準(zhǔn)誤和置信區(qū)間Observedpower：觀察效能。給出計(jì)算功效的顯著性水平Alpha值，該值在0.01-0.99。顯示觀測(cè)功效系統(tǒng)，默認(rèn)顯著性水平為0.05Parameterestimates：參數(shù)估計(jì)。給出各因變量與自變量的回歸Homogeneitytests：方差齊性檢驗(yàn)Spreadvs.levelplot：散布對(duì)水平圖?？衫L制觀測(cè)值與殘差的散點(diǎn)圖Residualplot：繪制殘差圖Lackoffit：擬合度不足的檢驗(yàn)。檢查獨(dú)立變量和非獨(dú)立變量間的關(guān)系是否被充分描述Generalestimablefunction：廣義估計(jì)函數(shù)?？梢愿鶕?jù)一般估計(jì)函數(shù)自定義假設(shè)檢驗(yàn)對(duì)比系數(shù)矩陣的行與一般估計(jì)函數(shù)是線性組合的。2、例題分析3臺(tái)機(jī)器(A、B、C表示)生產(chǎn)同一種產(chǎn)品，下表給出4名工人操作機(jī)器A、B和C生產(chǎn)產(chǎn)品的產(chǎn)量，問機(jī)器之間、工人之間在產(chǎn)量上是否存在顯著性差異？試驗(yàn)指標(biāo)：產(chǎn)品的產(chǎn)量；試驗(yàn)因素：機(jī)器、工人；因素水平：3臺(tái)機(jī)器、4名工人

1234A50474753B63545758C52424148(1)、操作步驟本例數(shù)據(jù)保存為產(chǎn)量.sav。GeneralLinearModel->Univariate的順序打開Univariate主對(duì)話框，打開產(chǎn)量.sav數(shù)據(jù)文件，并將產(chǎn)量選入DependentVariable框；將工人和機(jī)器變量選入FixedFactor框單擊Model按鈕，選擇Custom選項(xiàng)，在BuilTerm下拉菜單中選擇Maineffects，然后在FactorandCovariates中將工人、機(jī)器引入Model列表框，Sumofsquares下拉菜單中選擇TypeIII，勾選IncludeInterceptinmode框，再單擊Continue按鈕返回主對(duì)話框Contrasts對(duì)話框選擇默認(rèn)Plots對(duì)話框選擇默認(rèn)Save對(duì)話框選擇默認(rèn)Options對(duì)話框選擇默認(rèn)單擊PostHoc按鈕，在Univariate:PostHocMultipleComparisionsObservedMeans對(duì)話框的Factor列表框中選擇變量工人和機(jī)器，移動(dòng)到PostHocTestsfor列表框，并且在EqualVariancesAssumed中選擇S-N-K、LSD和Scheffe選項(xiàng)，再單擊Continue按鈕返回主對(duì)話框單擊OK按鈕，得到分析結(jié)果(2)、結(jié)果分析此表格為各因素的水平數(shù)，分組變量工人有4個(gè)水平，每個(gè)水平有3例；分組變量機(jī)器有3個(gè)水平，每個(gè)水平有4例此表為組間效應(yīng)檢驗(yàn)結(jié)果。從表中可以看出，因素機(jī)器的檢驗(yàn)統(tǒng)計(jì)量F的觀測(cè)值為29.102，檢驗(yàn)的概率為0.001<0.05，故認(rèn)為機(jī)器之間存在顯著性差異，即各機(jī)器間的產(chǎn)量不全相等；因素工人的檢驗(yàn)統(tǒng)計(jì)量F的觀測(cè)值為6.985，檢驗(yàn)的概率為0.022<0.05，故認(rèn)為工人之間存在顯著性差異，即工人間的產(chǎn)量不全等此表格為工人因素多重檢驗(yàn)結(jié)果(LSD法)。從第二行分析結(jié)果來看，工人1與工人4之間無顯著性差異；從第三行來看，工人2與工人3之間無顯著性差異，其它工人間都有顯著性差異此表格為工人因素多重檢驗(yàn)結(jié)果(S-N-K法)。從第三列分析結(jié)果來看，工人2、工人3與工人4在同一個(gè)格子里，即它們平均數(shù)之間無顯著性差異；從第四列來看，工人1與工人4在同一個(gè)格子時(shí)，即它們平均數(shù)之間無顯著性差異，而工人1與工人2、工人3不在同一個(gè)格子里，即它們平均數(shù)之間有顯著性差異此表格為機(jī)器因素多重驗(yàn)結(jié)果(LSD法)。從第二行分析結(jié)果來看，機(jī)器A與機(jī)器C之間無顯著性差異；從第三行來看，機(jī)器B與機(jī)器C之間有顯著性差異，機(jī)器B與機(jī)器A之間有顯著性差異，此表格為機(jī)器因素多重檢驗(yàn)結(jié)果(S-N-K法)。從第三列分析結(jié)果來看，機(jī)器A與機(jī)器C在同一個(gè)格子里，即它們平均數(shù)之間無顯著性差異；從第四列來看，機(jī)器B在一個(gè)格子、但與機(jī)器A和機(jī)器C不在同一個(gè)格子里，即它們平均數(shù)之間有顯著性差異3、例題2外敷濃度1%普魯卡因縮短第一產(chǎn)程試驗(yàn)的數(shù)據(jù)如下表。試分析產(chǎn)程（h）與藥物及年齡的關(guān)系試驗(yàn)指標(biāo)：產(chǎn)程；試驗(yàn)因素：藥物、年齡；因素水平：是否用藥、20歲或25-30歲(1)、操作步驟本例數(shù)據(jù)保存為產(chǎn)量.sav。GeneralLinearModel->Univariate的順序打開Univariate主對(duì)話框，打開產(chǎn)程.sav數(shù)據(jù)文件，并將產(chǎn)量選入DependentVariable框；將用藥和年齡變量選入FixedFactor框單擊Model按鈕，選擇Custom選項(xiàng)，在BuilTerm下拉菜單中選擇Interaction，然后在FactorandCovariates中將用藥、年齡引入Model列表框，Sumofsquares下拉菜單中選擇TypeIII，勾選IncludeInterceptinmode框，再單擊Continue按鈕返回主對(duì)話框Contrasts對(duì)話框選擇默認(rèn)Plots對(duì)話框選擇默認(rèn)Save對(duì)話框選擇默認(rèn)Options對(duì)話框選擇默認(rèn)單擊PostHoc按鈕，在Univariate:PostHocMultipleComparisionsObservedMeans對(duì)話框的Factor列表框中選擇變量用藥和年齡，移動(dòng)到PostHocTestsfor列表框，并且在EqualVariancesAssumed中選擇S-N-K、LSD和Scheffe選項(xiàng)，再單擊Continue按鈕返回主對(duì)話框單擊OK按鈕，得到分析結(jié)果(2)、結(jié)果分析