回歸分析方差分析詳解演示文稿

回歸分析方差(Cha)分析詳解演示文稿第一頁(yè)，共九十頁(yè)。（優(yōu)選(Xuan)）回歸分析方差分析第二頁(yè)，共九十頁(yè)。線性(Xing)回歸第三頁(yè)，共九十頁(yè)。線性(Xing)回歸一、相關(guān)分析與回歸分析共性：都是研究?jī)勺兞恐g的關(guān)系差異：相關(guān)模型回歸模型變量要求X，Y都是隨機(jī)變量要求X為可控變量，Y變量是隨機(jī)變量分布X，Y呈正態(tài)分布變量X的條件分布為正態(tài)分布第四頁(yè)，共九十頁(yè)。二、回歸方程(Cheng)的數(shù)學(xué)模型模型一元回歸:用于分析兩個(gè)變量之間的關(guān)系基本形式是：第五頁(yè)，共九十頁(yè)。二、回歸方程的數(shù)學(xué)模型模型求解：最小(Xiao)二乘法第六頁(yè)，共九十頁(yè)。二、回歸方程的數(shù)學(xué)模型模型多元回歸：用于分析n個(gè)自變量和因變量y之間(Jian)的關(guān)系基本形式第七頁(yè)，共九十頁(yè)。二、回歸方程(Cheng)的數(shù)學(xué)模型模型求解：即要使得分別對(duì)b0，b1，…，bn求導(dǎo)，并令其一階導(dǎo)數(shù)為0，可求出各個(gè)系數(shù)第八頁(yè)，共九十頁(yè)。二、回歸方程的數(shù)學(xué)模型估計(jì)標(biāo)準(zhǔn)誤差是(Shi)估計(jì)y與對(duì)應(yīng)觀測(cè)值之間的離差平方和第九頁(yè)，共九十頁(yè)。三、回歸方程的選擇 SPSS中可以提供多元回歸分析，當(dāng)有多個(gè)自變量時(shí)，不僅要求與因變量相關(guān)，且要求自變量之間彼此盡可能獨(dú)立。SPSS中提供了五種選擇：強(qiáng)制進(jìn)入ENTER:進(jìn)入“Enter”所選擇的自變量將全部進(jìn)入建立的回歸方程中，該項(xiàng)為(Wei)默認(rèn)方式。強(qiáng)制退出REMOVE:后進(jìn)入“Remove”將進(jìn)入方程中的自變量同時(shí)剔除。第十頁(yè)，共九十頁(yè)。向前選擇FORWARD:條件進(jìn)入“Forward”根據(jù)“Options”對(duì)話框中的設(shè)置，在方程中每次加入一個(gè)變量，直至加入所有符合條件的變量為止。

向后剔除BACKWARD:先(Xian)進(jìn)入“Backward”自變量框中所有的變量同時(shí)進(jìn)入方程中，然后根據(jù)“Options”對(duì)話框中的設(shè)置，剔除某個(gè)變量，直到所建立的方程中不再含有可剔除的變量為止。逐步回歸STEPWISE:逐步進(jìn)入“Stepwise”根據(jù)“Options”對(duì)話框中的設(shè)置，在方程中加入或剔除單個(gè)變量直到所建立的方程中不再含有可加入或剔除的變量為止。第十一頁(yè)，共九十頁(yè)。 四、功能菜單 菜單“Analyze->Regression->Linear” 對(duì)話框設(shè)置因變量：

“Dependent”欄設(shè)置自變量：

“Independent(S)”框

“SelectionVariable”為控制(Zhi)變量輸入欄?？刂?Zhi)變量相當(dāng)于過(guò)濾變量，即必須當(dāng)該變量的值滿足設(shè)置的條件時(shí)，觀測(cè)量才能參加回歸分析。第十二頁(yè)，共九十頁(yè)。RegressionCoefficients復(fù)選框組：定義回歸系數(shù)的輸出情況，選中Estimates可輸出回歸系數(shù)B及其標(biāo)準(zhǔn)誤，t值和p值，還有標(biāo)準(zhǔn)化的回歸系數(shù)beta；選中Confidenceintervals輸出每個(gè)回歸系數(shù)的95%可信(Xin)區(qū)間；選中covariancematrix會(huì)輸出各個(gè)自變量的相關(guān)矩陣和方差、協(xié)方差矩陣。Residuals復(fù)選框組：用于選擇輸出殘差診斷的信息，可選的有Durbin-Watson殘差序列相關(guān)性檢驗(yàn)、超出規(guī)定的n倍標(biāo)準(zhǔn)誤的殘差列表。Modelfit復(fù)選框：模型擬合過(guò)程中進(jìn)入、退出的變量的列表，以及一些有關(guān)擬合優(yōu)度的檢驗(yàn)：R，R2和調(diào)整的R2,標(biāo)準(zhǔn)誤及方差分析表。第十三頁(yè)，共九十頁(yè)。Rsquaredchange復(fù)選框：顯示模型擬合過(guò)程中R2、F值和p值的改變Descriptives復(fù)選框：提供一些變量描述，如有效例數(shù)、均數(shù)、標(biāo)準(zhǔn)差等，同時(shí)還給出一個(gè)自變量間的相關(guān)矩陣。Partandpartialcorrelations復(fù)選框：顯示自變量間的相關(guān)、部分(Fen)相關(guān)和偏相關(guān)系數(shù)。Collinearitydiagnostics復(fù)選框：給出一些用于共線性診斷的統(tǒng)計(jì)量，如特征根（Eigenvalues）、方差膨脹因子(VIF)第十四頁(yè)，共九十頁(yè)。散點(diǎn)圖“DEPENDNT”因變量?！癦PRED”標(biāo)準(zhǔn)化預(yù)測(cè)值?！癦RESID”標(biāo)準(zhǔn)化殘差?！癉RESID”刪(Shan)除殘差。“ADJPRED”修正后預(yù)測(cè)值?！癝RESID”學(xué)生氏化殘差?！癝DRESID”學(xué)生氏化刪除殘差?！癝tandardizedResidualPlots”設(shè)置各變量的標(biāo)準(zhǔn)化殘差圖形輸出。其中共包含兩個(gè)選項(xiàng)：

“Histogram”用直方圖顯示標(biāo)準(zhǔn)化殘差。

“Normalprobabilityplots”比較標(biāo)準(zhǔn)化殘差與正態(tài)殘差的分布示意圖?！癙roduceallpartialplot”偏殘差圖。對(duì)每一個(gè)自變量生成其殘差對(duì)因變量殘差的散點(diǎn)圖。第十五頁(yè)，共九十頁(yè)。SAVE按鈕①“PredictedValues”預(yù)測(cè)值欄選(Xuan)項(xiàng)：Unstandardized非標(biāo)準(zhǔn)化預(yù)測(cè)值。在當(dāng)前數(shù)據(jù)文件中新添加一個(gè)以字符“PRE_”開(kāi)頭命名的變量，存放根據(jù)回歸模型擬合的預(yù)測(cè)值。

Standardized標(biāo)準(zhǔn)化預(yù)測(cè)值。Adjusted調(diào)整后預(yù)測(cè)值。S.E.ofmeanpredictions預(yù)測(cè)值的標(biāo)準(zhǔn)誤。②“Distances”距離欄選項(xiàng)：Mahalanobis:距離。Cook’s”:Cook距離。Leveragevalues:杠桿值。③“PredictionIntervals”預(yù)測(cè)區(qū)間選項(xiàng)：Mean:區(qū)間的中心位置。

Individual:觀測(cè)量上限和下限的預(yù)測(cè)區(qū)間。第十六頁(yè)，共九十頁(yè)。④“SavetoNewFile”保存為新(Xin)文件：

選中“Coefficientstatistics”項(xiàng)將回歸系數(shù)保存到指定的文件中。⑤“ExportmodelinformationtoXMLfile”導(dǎo)出統(tǒng)計(jì)過(guò)程中的回歸模型信息到指定XML文件。⑥“Residuals”保存殘差選項(xiàng)：

“Unstandardized”非標(biāo)準(zhǔn)化殘差?！癝tandardized”標(biāo)準(zhǔn)化殘差?！癝tudentized”學(xué)生氏化殘差?！癉eleted”刪除殘差?！癝tudentizeddeleted”學(xué)生氏化刪除殘差。⑦“InfluenceStatistics”統(tǒng)計(jì)量的影響。

“DfBeta(s)”刪除一個(gè)特定的觀測(cè)值所引起的回歸系數(shù)的變化?！癝tandardizedDfBeta(s)”標(biāo)準(zhǔn)化的DfBeta值?！癉iFit”刪除一個(gè)特定的觀測(cè)值所引起的預(yù)測(cè)值的變化。“StandardizedDiFit”標(biāo)準(zhǔn)化的DiFit值?！癈ovarianceratio”刪除一個(gè)觀測(cè)值后的協(xié)方差矩陣的行列式和帶有全部觀測(cè)值的協(xié)方差矩陣的行列式的比率。第十七頁(yè)，共九十頁(yè)。設(shè)置回歸分析的一些選項(xiàng)，有：SteppingMethodCriteria單選鈕組：設(shè)置納入和排除標(biāo)準(zhǔn)，可按P值或F值來(lái)設(shè)置。Includeconstantinequation復(fù)選框：用于決定是否在模型中包括常數(shù)項(xiàng)，默認(rèn)選中。MissingValues單選鈕組：用于選擇對(duì)缺失值的處理方式，可以是不分析任一選入的變量有缺失值的記錄(Lu)（Excludecaseslistwise）而無(wú)論該缺失變量最終是否進(jìn)入模型；不分析具體進(jìn)入某變量時(shí)有缺失值的記錄(Lu)（Excludecasespairwise）；將缺失值用該變量的均數(shù)代替（Replacewithmean）。第十八頁(yè)，共九十頁(yè)。 五、實(shí)例分析 考察Employeedata.sav文件中，當(dāng)前工資水平與過(guò)去工資，受教育年數(shù)，來(lái)公司工作時(shí)間、工種(Zhong)、來(lái)公司前的工作經(jīng)驗(yàn)和是否為少數(shù)民族的線性模型。第十九頁(yè)，共九十頁(yè)。結(jié)(Jie)果分析第二十頁(yè)，共九十頁(yè)?；貧w模型統(tǒng)計(jì)量：R是相關(guān)系數(shù)；RSquare相關(guān)系數(shù)的平方，又稱(chēng)判(Pan)定系數(shù)，判(Pan)定線性回歸的擬合程度：用來(lái)說(shuō)明用自變量解釋因變量變異的程度（所占比例）；AdjustedRSquare調(diào)整后的判(Pan)定系數(shù)；Std.ErroroftheEstimate估計(jì)標(biāo)準(zhǔn)誤差。第二十一頁(yè)，共九十頁(yè)。方差分析(Xi)表，F(xiàn)值為1622.118，顯著性概率是0.000，表明回歸極顯著。第二十二頁(yè)，共九十頁(yè)。第二十三頁(yè)，共九十頁(yè)。第二十四頁(yè)，共九十頁(yè)。曲線(Xian)回歸第二十五頁(yè)，共九十頁(yè)。曲(Qu)線回歸的目標(biāo) 選定某一用方程表達(dá)式的曲線，使得實(shí)際數(shù)據(jù)與理論數(shù)據(jù)之間的差異盡可能的小?！碌诙?yè)，共九十頁(yè)。自變量與(Yu)因變量的關(guān)系÷注：本質(zhì)線性關(guān)系又稱(chēng)為擬線性關(guān)系，可轉(zhuǎn)換成線性關(guān)系，用最小二乘法的方法求出相關(guān)系數(shù)本質(zhì)非線性關(guān)系不能轉(zhuǎn)換成線性關(guān)系，僅能用迭代方法或分段平均值法求出第二十七頁(yè)，共九十頁(yè)。SPSS功(Gong)能本質(zhì)線性關(guān)系 Analyze->Regression->CurveEstimation本質(zhì)非線性關(guān)系 Analyze->Regression->NonLinear第二十八頁(yè)，共九十頁(yè)。變量關(guān)系的基本研究方(Fang)法做散點(diǎn)圖，初步判斷兩變量的關(guān)系，曲線的形狀從專(zhuān)業(yè)的知識(shí)分析，或長(zhǎng)期積累的經(jīng)驗(yàn)找出變量間的函數(shù)類(lèi)型建立簡(jiǎn)單、適合的模型第二十九頁(yè)，共九十頁(yè)。SPSS中的11種擬線性模(Mo)型模型名稱(chēng)回歸方程相應(yīng)的線性回歸方程Linear(線性)Y=b0+b1tQuadratic(二次)Y=b0+b1t+b2t2Compound(復(fù)合)Y=b0(b1t)Ln(Y)=ln(b0)+ln(b1)tGrowth(生長(zhǎng))Y=eb0+b1tLn(Y)=b0+b1tLogarithmic(對(duì)數(shù))Y=b0+b1ln(t)Y=b0+b1mCubic(三次)Y=b0+b1t+b2t2+b3t3第三十頁(yè)，共九十頁(yè)。SPSS中的(De)11種擬線性模型(續(xù))模型名稱(chēng)回歸方程相應(yīng)的線性回歸方程S型Y=eb0+b1/tLn(Y)=b0+b1/

tExponential(指數(shù))Y=b0*

eb1*tLn(Y)=ln(b0)+b1tInverse(逆)Y=b0+b1/tY=b0+b1/tPower(冪)Y=b0(tb1)Ln(Y)=ln(b0)+b1ln(t)Logistic(邏輯)Y=1/(1/u+b0b1t)Ln(1/Y-1/u)=ln(b0+ln(b1)t)第三十一頁(yè)，共九十頁(yè)。曲線選擇的一般(Ban)準(zhǔn)則如果因變量的一階差分(Yi-Yi-1)接近常數(shù)，用直線擬合如果因變量的二階差分(Yi-Yi-1)-(Yi-1-Yi-2)接近常數(shù)，用拋物線擬合如果一階差分傾向于按固定的百分比Yi/Yi-1減少，用修改指數(shù)曲線對(duì)數(shù)一階差分接近常數(shù)，用擬合指數(shù)函數(shù)對(duì)數(shù)二階差分接近常數(shù)，用擬合指數(shù)拋物線若倒數(shù)的一階差分幾乎按固定的百分比變化，用邏輯曲線第三十二頁(yè)，共九十頁(yè)。功(Gong)能菜單菜單Analyze->Regression->CurveEstimation變量選擇區(qū)因變量自變量模型選擇第三十三頁(yè)，共九十頁(yè)。Save按(An)鈕保存預(yù)報(bào)值保存殘差保存預(yù)報(bào)區(qū)間第三十四頁(yè)，共九十頁(yè)。實(shí)例分(Fen)析數(shù)據(jù)Car.sav為有關(guān)汽車(chē)數(shù)據(jù)，試分析mpg(每加侖汽油行駛里程)與weight(車(chē)重)的關(guān)系？第三十五頁(yè)，共九十頁(yè)。實(shí)例(Li)分析步驟先做散點(diǎn)圖(Graphs->Scatter->Simple)：weight(X)、mpg(Y)，看每加侖汽油行駛里程數(shù)mpg(Y)隨著汽車(chē)自重weight(X)的增加而減少的關(guān)系，也發(fā)現(xiàn)是曲線關(guān)系第三十六頁(yè)，共九十頁(yè)。實(shí)例分(Fen)析步驟建立若干曲線模型（可試著選用所有模型Models)Analyze->Regression->CurveEstimationDependent:mpgIndependent:weightModels:全選(除了最后一個(gè)邏輯回歸)選Plotmodels：輸出模型圖形點(diǎn)擊OK第三十七頁(yè)，共九十頁(yè)。結(jié)果(Guo)分析判定模型的優(yōu)劣性：一般通過(guò)比較Rsquare和“F”值的大小，Rsquare值和“F”值越大，模型越優(yōu)越。分析：比較各種模型的相關(guān)系數(shù)的平方值Rsquare和F值，結(jié)果是復(fù)合模型(Compound)的Rsquare最大 R2=0.70678方程為：mpg=60.15*0.999664weight說(shuō)明：Growth和Exponential的結(jié)果也相同，也一樣。第三十八頁(yè)，共九十頁(yè)。練(Lian)習(xí)對(duì)南瓜現(xiàn)貨交易的收盤(pán)價(jià)進(jìn)行曲線擬合，找出最佳擬合曲線。（使用時(shí)間作為自變量）數(shù)據(jù)見(jiàn)NG11.xls第三十九頁(yè)，共九十頁(yè)。方差分(Fen)析何帆第四十頁(yè)，共九十頁(yè)。本課主要內(nèi)(Nei)容方差分析概述單因變量單因素方差分析單因變量多因素方差分析協(xié)方差分析第四十一頁(yè)，共九十頁(yè)。

方差(Cha)分析概述

一、問(wèn)題的提出通過(guò)參數(shù)檢驗(yàn)可以解決兩兩總體均值的比較.多個(gè)總體均值的檢驗(yàn)如何作？(如：北京、上海、廣州周歲兒童平均身高的比較）可多次采用兩樣本t檢驗(yàn)方法實(shí)現(xiàn)可以利用方差分析的方法來(lái)實(shí)現(xiàn)第四十二頁(yè)，共九十頁(yè)。方差分(Fen)析概述二、方差分析目的 方差分析是從數(shù)據(jù)間的差異入手，分析哪些因素是影響數(shù)據(jù)差異的眾多因素中的主要因素. 例如：影響某農(nóng)作物畝產(chǎn)量的因素(品種、施肥量、氣候等)影響推銷(xiāo)某種商品的推銷(xiāo)額(不同的推銷(xiāo)策略、價(jià)格、包裝方式、推銷(xiāo)人員的形象等)第四十三頁(yè)，共九十頁(yè)。方差分(Fen)析基本原理方差分析的前提：各樣本相互獨(dú)立各樣本來(lái)自正態(tài)總體樣本所屬的總體方差相等，即方差齊性第四十四頁(yè)，共九十頁(yè)。方差分析基本原(Yuan)理

認(rèn)為不同處理組的均值間的差別基本來(lái)源有兩個(gè): （1）隨機(jī)誤差：如抽取樣本的隨機(jī)性造成的差異，稱(chēng)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SSE（2）系統(tǒng)誤差：由控制因素中不同水平造成的差異，稱(chēng)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SSA第四十五頁(yè)，共九十頁(yè)。方差分析基本原理(Li)（續(xù)）組內(nèi)SSE、組間SSA除以各自的自由度(組內(nèi)dfE=n-m，組間dfA=m-1，其中n為樣本總數(shù)，m為組數(shù))，得到其均方MSE和MSA一種情況是處理沒(méi)有作用，即各組樣本均來(lái)自同一總體，MSE/MSA≈1。另一種情況是處理確實(shí)有作用，那么，MSA/MSE(遠(yuǎn)遠(yuǎn)大于1,足以超過(guò)某個(gè)臨界值)。F=MSA/MSE，服從F分布。用F值與其臨界值比較，推斷各樣本是否來(lái)自相同的總體.第四十六頁(yè)，共九十頁(yè)。方差(Cha)分析的假設(shè)檢驗(yàn)零假設(shè)H0：m組樣本均值都相同，即μ1=μ2=....=μm如果經(jīng)過(guò)計(jì)算結(jié)果組間均方遠(yuǎn)遠(yuǎn)大于組內(nèi)均方（MSA>>

MSE），F(xiàn)>F0.05(dfA,dfE),p<=0.05，拒絕零假設(shè)，說(shuō)明樣本來(lái)自不同的正態(tài)總體，說(shuō)明處理造成均值的差異有統(tǒng)計(jì)意義；否則,F<F0.05((dfA,dfE),p>0.05不能拒絕零假設(shè)，說(shuō)明樣本來(lái)自相同的正態(tài)總體，處理間無(wú)差異。第四十七頁(yè)，共九十頁(yè)。F分布(Bu)曲線第四十八頁(yè)，共九十頁(yè)。F

分布曲線下面(Mian)積與概率第四十九頁(yè)，共九十頁(yè)。第五十頁(yè)，共九十頁(yè)。方(Fang)差分析過(guò)程

1、One-Way過(guò)程：?jiǎn)我蛩睾?jiǎn)單方差分析過(guò)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。

2、GeneralLinearModel(簡(jiǎn)稱(chēng)GLM)過(guò)程：GLM過(guò)程由Analyze菜單直接調(diào)用。這些過(guò)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)。第五十一頁(yè)，共九十頁(yè)。GeneralLinearModel過(guò)(Guo)程簡(jiǎn)稱(chēng)GLM,在GeneralLinearModel菜單項(xiàng)下有四項(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(guò)計(jì)算方差估計(jì)值，可以幫助我們分析如何減小方差。第五十二頁(yè)，共九十頁(yè)。單(Dan)因變量單(Dan)因素方差分析也稱(chēng)為一維方差分析，對(duì)二組以上的均值加以比較。目的 檢驗(yàn)?zāi)骋粋€(gè)控制因素的改變是否會(huì)給觀察變量帶來(lái)顯著影響.例如：考察不同肥料對(duì)某農(nóng)作物畝產(chǎn)量是否有顯著差異.考察不同學(xué)歷是否對(duì)工資收入產(chǎn)生顯著影響.考察不同的推銷(xiāo)策略是否對(duì)推銷(xiāo)額產(chǎn)生顯著影響.第五十三頁(yè)，共九十頁(yè)。單因變(Bian)量單因素方差分析基本思路(1)入手點(diǎn): 檢驗(yàn)控制變量的不同水平下，各總體的分布是否存在顯著差異，進(jìn)而判斷控制變量是否對(duì)觀測(cè)變量產(chǎn)生了顯著影響.(2)前提: 不同水平下各總體服從方差相等的正態(tài)分布.(3)H0:不同水平下,各總體均值無(wú)顯著差異.即:不同水平下控制因素的影響不顯著.第五十四頁(yè)，共九十頁(yè)。單(Dan)因變量單(Dan)因素方差分析基本思路 (4)構(gòu)造F統(tǒng)計(jì)量 因?yàn)?總變差=組間差異+組內(nèi)差異 可證明:SST=SSA+SSE(設(shè):k個(gè)水平) 考察平均的組間差異與平均的組內(nèi)差異的比值,于是第五十五頁(yè)，共九十頁(yè)。單因變量單因素方(Fang)差分析基本思路 (5)結(jié)論: F值較大,F值的相伴概率<=用戶給定的顯著性水平a,則拒絕H0,認(rèn)為不同水平下各總體均值有顯著差異; F值較小,F值的相伴概率>用戶給定的顯著性水平a,則不能拒絕H0,可以認(rèn)為不同水平下各總體均值無(wú)顯著差異.第五十六頁(yè)，共九十頁(yè)。應(yīng)(Ying)用實(shí)例某職業(yè)病防治院對(duì)31名石棉礦工中的石棉肺患者、可疑患者及非患者進(jìn)行了用力肺活量（L）測(cè)定，問(wèn)三組石棉礦工的用力肺活量有無(wú)差別？（數(shù)據(jù):石棉肺患者肺活量.sav）第五十七頁(yè)，共九十頁(yè)。功能菜(Cai)單方法一：使用功能菜單”Analyze->Comparemeans->One-WayANOVA”進(jìn)行分析第五十八頁(yè)，共九十頁(yè)。功(Gong)能菜單方法二：使用功能菜單”Analyze->GeneralLinearModel->Univariate”進(jìn)行分析點(diǎn)擊該菜單，彈出對(duì)話框第五十九頁(yè)，共九十頁(yè)。Model按(An)鈕用來(lái)指定模型類(lèi)型自定義模型形式離差平方和第六十頁(yè)，共九十頁(yè)。Plot按(An)鈕第六十一頁(yè)，共九十頁(yè)。PostHoc按(An)鈕選入用來(lái)做多個(gè)均值的比較因素假定方差齊的方法第六十二頁(yè)，共九十頁(yè)。Option按(An)鈕可以顯示的內(nèi)容第六十三頁(yè)，共九十頁(yè)。處理過(guò)(Guo)程假設(shè)H0：三組石棉礦工的用力肺活量無(wú)差別H1：三組石棉礦工的用力肺活量有差別操作方法第六十四頁(yè)，共九十頁(yè)。分析結(jié)(Jie)果方差齊性檢驗(yàn)方差分析表第六十五頁(yè)，共九十頁(yè)。方差(Cha)分析的多元比較第六十六頁(yè)，共九十頁(yè)。思考：調(diào)查不同水稻品種百叢中稻縱卷葉螟幼蟲(chóng)的(De)數(shù)量，數(shù)據(jù)如表所示。

重復(fù)水稻品種12345141333837312393735393434035353834分析水稻品種對(duì)稻縱卷葉螟幼蟲(chóng)抗蟲(chóng)性是否存在顯著性差異。第六十七頁(yè)，共九十頁(yè)。單因變量多因素(Su)方差分析當(dāng)分析某一事物的變化原因，影響因素的不只一個(gè)，可能是多個(gè)因素影響著事物的變化方向和程度時(shí)，單因素方差分析就無(wú)能為力了例如水稻的產(chǎn)量與光照強(qiáng)度和施肥量是否都有關(guān)系，如何檢驗(yàn)？可采用多因素方差分析方法第六十八頁(yè)，共九十頁(yè)。問(wèn)題陳(Chen)述研究不同溫度與不同濕度對(duì)粘蟲(chóng)發(fā)育歷期的影響，得試驗(yàn)數(shù)據(jù)如表1。分析不同溫度和濕度對(duì)粘蟲(chóng)發(fā)育歷期的影響是否存在著顯著性差異。（a=0.05）第六十九頁(yè)，共九十頁(yè)。表1不同溫度與不同濕(Shi)度粘蟲(chóng)發(fā)育歷期表

相對(duì)濕度（%）溫度℃重復(fù)12341002591.295.093.893.02787.684.781.282.42979.267.075.770.63165.263.363.663.3802593.289.395.195.52785.881.681.084.42979.070.867.778.83170.786.566.964.94025100.2103.398.3103.82790.691.794.592.22977.285.881.779.73173.673.276.472.5第七十頁(yè)，共九十頁(yè)。單(Dan)因變量多因素方差分析總的離差平方和可表示為 SST=SSA+SSB+SS(AxB)+SSESSA:A因素產(chǎn)生的離差平方和SSB:B因素產(chǎn)生的離差平方和SS(AxB):A與B的交互作用產(chǎn)生的離差平方和SSE:抽樣產(chǎn)生的隨機(jī)差異第七十一頁(yè)，共九十頁(yè)。單因(Yin)變量多因(Yin)素方差分析零假設(shè):H0A:不同溫度對(duì)粘蟲(chóng)發(fā)育歷期無(wú)影響H0B:不同濕度對(duì)粘蟲(chóng)發(fā)育歷期無(wú)影響H0(AxB):不同溫度和濕度的交互作用對(duì)粘蟲(chóng)發(fā)育歷期無(wú)影響第七十二頁(yè)，共九十頁(yè)。單因變量多因素方差(Cha)分析F檢驗(yàn)：構(gòu)造F統(tǒng)計(jì)量如下：第七十三頁(yè)，共九十頁(yè)。實(shí)(Shi)例分析研究不同溫度與不同濕度對(duì)粘蟲(chóng)發(fā)育歷期的影響，得試驗(yàn)數(shù)據(jù)如表1。分析不同溫度和濕度對(duì)粘蟲(chóng)發(fā)育歷期的影響是否存在著顯著性差異。（a=0.05）第七十四頁(yè)，共九十頁(yè)。準(zhǔn)備(Bei)分析數(shù)據(jù)在數(shù)據(jù)編輯窗口中輸入數(shù)據(jù)。建立因變量歷期“歷期”變量，因素變量溫度“A”，濕度為“B”變量，重復(fù)變量“重復(fù)”。然后輸入對(duì)應(yīng)的數(shù)值，如圖。第七十五頁(yè)，共九十頁(yè)。第七十六頁(yè)，共九十頁(yè)。功能菜(Cai)單點(diǎn)擊主菜單“Analyze”項(xiàng)，在下拉菜單中點(diǎn)擊“GeneralLinearModel”項(xiàng)，在右拉式菜單中點(diǎn)擊“Univariate”項(xiàng)，系統(tǒng)打開(kāi)單因變量多因素方差分析設(shè)置窗口如圖。第七十七頁(yè)，共九十頁(yè)。第七十八頁(yè)，共九十頁(yè)。Model選(Xuan)擇在“BuildTerm(s)”欄右面的有一向下箭頭按鈕（下拉按鈕），單擊該按鈕可以展開(kāi)一小菜單，在下拉菜單中有如下幾項(xiàng)選擇：Interacti