spss中一般线性模型

Device*Target。
模型中包括所有3维效应，
定义效应类型为All3－way， 单击变量Llight、 Device、 Target。 单击箭头按钮， Model框中出现3维交互效应项：Ligh*Device*Target。
2020/10/14
a
12
Ⅲ、选择平方和分解的方法
Sum of squares:
2020/10/14
a
6
2.1 Model按钮
Ⅰ、在Specify Model栏中指定模型类型
Full Factorial，全模型，系统 默认。包括所有因素的主效应 和所有的交互效应。例如有三 个因素变量，全模型包括三个 因素的主效应、两两的交互效 应和三个因素的高级交互效应。
Custom，自定义模型。选择此 项激活下面各操作框
2020/10/14
a
14
可供选择的对照方法
None：不进行均数比较；
Deviation：比较预测变量或因素的每个水平的效应。选择Last或 First作为参照的水平；
Simple：对预测变量或因素变量的每一水平都与参照水平进行比 较。选择Last或First作为参照水平；
Difference：对预测变量或因素每一水平的效应，除第一水平以 外，都与其前面各水平的平均效应进行比较。与Helmert对照方 法相反；
2020/10/14
a
7
Ⅱ、建立自定义模型
Factors＆Covariates 框中 自动列出可以作为因素的 变量名，其后面的括号中 标有字母“F”（固定因 子）、“R”（随机因子） 或者“C”（协变量）。
2020/10/14
a
8
A、选择效应类型
Interactin：交互效应 Main effects：主效应 All2-way： 所有2维交互效应 All3-way：所有3维交互效应 All4-Way：所有4维交互效应 All5-Way：所有5维交互效应
注： 只有Deviation和Simple 需要选择参考水平，Last（系统 默认）和First。
2020/10/14
a
15
2.3 Plots按钮
Factor：主对话框中所选因素 变量名；
Horizontal：横坐标框
Separate Lines：确定分线变量
Separate Plots：确定分图变量
2020/10/14
a
9
B、选择模型中的主效应 （Model）
首先定义效应类型为Main effects
鼠标键单击某一个因素，该变量名 背景将改变颜色（一般变为蓝色）， 单击Build Term（s）栏中下面的 箭头，该变量出现在Mode1中。一 个变量名占一行称为主效应项。欲 在模型中包括几个主效应项，就进 行几次如上的操作。
2020/10/14
a
11
C. 建立模型中的交互项
模型中包括三个变量的所有2维交互效应项， 定义效应类型为All2-way，
单击light、Device、Target三个变量名， 单击箭头按钮。 Model中出现三个 2维交互效应项： Light*Device、 Light*Target、
TYPEⅠ（嵌套设计）、 TYPEⅡ（平衡设计、仅主 效应）、
TYPE Ⅲ（系统默认、最常 用）
TYPEIV（不完整数据）。
2020/10/14
a
13
2.2 Contrasts按钮
Factors框中显示出所有在 主对话框中选中的因素， 其后的括号中是当前的对 比方法了；
Change Contrast栏中改变 对照方法。
2020/10/14
a
16
2.4 Post Hoc按钮
均数多重比较（事后检验）
2020/10/14
a
17
2.5 Save按钮(选择保存运算值)
通过在对话框中的选择， 可以将所计算的预测值、 残差和诊断值（回归分析 时）作为新的变量保存在 编辑数据文件中。以便在 其他统计分析中使用这些 值。
2020/10/14
2020/10/14
a
10
C、建立模型中的交互项
例如，因素有Light(F)、Device（F）、Target（F），若要 求模型中包括变量Light与Device交互效应。
首先定义效应类型为Interactin，
然后在Factors＆Covariates框内的变量表中，用鼠标单击 Device变量使其背景改变颜色，再用鼠标单击变量Light变 量使其背景改变颜色；单击Build Term（s）栏内残数框的 箭头按钮，一个交互效应出现在Model框中。模型增加了一 个交互效应项：Device*Light。
Random Facter: 随机因子，所有可能 的取值并不都在样本中出现，如观察个 体
Covariates:协变量，协方差分析时用
WLS Weight: WLS权重。用于加权最 小二乘分析。
2020/10/14
a
5
2 功能按钮
Model：分析模型 Contrast：对照方法 Plots：分布图形 Post Hoc：多重比较 Save：保存运算值 Option：选择输出项。
GLM可完成多自变量、多水平、多因变量、重复测 量方差分析以及协方差分析等。
2020/10/14
a
3
Univariate（单因变量方差分析）基本过程
2020/10/14
a
4
1 主对话框
Dependent Variable:因变量
Fixed Facter: 固定因子，所有可能的水 平都出现在样本中，如算值)
Predicted Values（预测值）
Unstandardized：非标准化 预测值
一般线性模型（一）
2020/10/14
a
1
一般线性模型
一般线性模型单变量分析的基本过程 完全随机设计资料的方差分析 随机区组（单位组）设计资料的方差分析
2020/10/14
a
2
一、一般线性模型单变量分析的基本过程
General Linear Model（GLM，一般线性模型）
包括：
Univariate（单因变量多因素方差分析）， Multivariate（多因变量方差分析）， Repeated Measures（重复测量方差分析）， Variance（方差分量分析）