用SPSS20进行二因素设计的简单效应分析
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
用SPSS20进行二因素设计的简单效应分析
两因素试验要检验互作效应,如果互作显著则应进一步做简单效应分析。SPSS20图形
界面无法简单效应分析,其实SPSS大多数功能均无法利用图形界面实现。所以SPSS的优点
并不是其易用性,而重点在于输出结果丰富、编排合理。比较SAS、和R软件均能利用图形
界面进行简单的统计分析,但其输出结果简单,无法直接发布。
我们用一个两因素裂区试验的产量数据进行简单的说明。这个试验是一个品种密度试验,
品种为主区,种植密度为副区,三次重复,籽粒产量为每公顷公斤产量。
其分析语法为:
UNIANOVA 单产BY a b r Array /RANDOM=r
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/CRITERIA=ALPHA(0.05)
/POSTHOC=a b(DUNCAN LSD)
/DESIGN=a b r r(a) a*b
/EMMEANS = TABLES(a*b) COMPARE (b) ADJ(LSD)
/EMMEANS = TABLES(a*b) COMPARE (a) ADJ(LSD).
注意最后两句,采用EMMEANS进行简单效应分析,
其选项ADJ表示均值检验方法,有3种方法可供选择,
常用的是LSD。
运行该语句(Ctrl+r)的下列结果。注意,该语句前
面还有数据集设置(DATASET ACTIVATE 数据集1.),不能
写错数据集的名称。
表1 主体间效应的检验
因变量: 单产
源III 型平方和df 均方 F Sig.
假设1524883353.546 1 1524883353.546 41177.914 .000
截距
误差74063.167 2 37031.584a
假设5090978.401 2 2545489.201 257.340 .000
a
误差39566.096 4 9891.524b
假设2253126.736 2 1126563.368 79.838 .000
b
误差169326.808 12 14110.567c
假设74063.167 2 37031.584 3.744 .121
r
误差39566.096 4 9891.524b
假设39566.096 4 9891.524 .701 .606
r(a)
误差169326.808 12 14110.567c
假设836244.524 4 209061.131 14.816 .000
a * b
误差169326.808 12 14110.567c
a. MS(r)
b. MS(r(a))
c. MS(错误)
表1显示互作显著,因此有必要进行简单效应分析。表2、3为主效应间的多重比较。
表4为三个品种在不同密度下产量均值及差异显著性,表5为三种密度下不同品种的差异。表4、5就是我们要进行的简单效应分析。
表4 成对比较
因变量: 单产
品种(I) 密度(J) 密度均值差值 (I-J) 标准误差Sig.b差分的 95% 置信区间b
下限上限
9398 10万
15万-42.224 96.990 .671 -253.547 169.099
20万-920.046*96.990 .000 -1131.369 -708.723 15万
10万42.224 96.990 .671 -169.099 253.547
20万-877.822*96.990 .000
-1089.145 -666.499 20万
10万920.046*96.990 .000 708.723 1131.369
15万877.822*96.990 .000 666.499 1089.145
ts28 10万
15万50.002 96.990 .616 -161.320 261.325
20万-355.573*96.990 .003 -566.896 -144.250 15万
10万-50.002 96.990 .616 -261.325 161.320
20万-405.576*96.990 .001 -616.899 -194.253 20万
10万355.573*96.990 .003 144.250 566.896
15万405.576*96.990 .001 194.253 616.899
xm26 10万
15万-713.925*96.990 .000 -925.247 -502.602
20万-811.152*96.990 .000 -1022.475 -599.829 15万
10万713.925*96.990 .000 502.602 925.247
20万-97.227 96.990 .336 -308.550 114.096 20万10万811.152*96.990 .000 599.829 1022.475
15万97.227 96.990 .336 -114.096 308.550 基于估算边际均值
*. 均值差值在 0.05 级别上较显著。
b. 对多个比较的调整:最不显著差别(相当于未作调整)。
表5 成对比较
因变量: 单产
密度(I) 品种(J) 品种均值差值 (I-J) 标准误差Sig.b差分的 95% 置信区间b
下限上限
10万9398
ts28 -1211.727*96.990 .000 -1423.050 -1000.404
xm26 21.668 96.990 .827 -189.655 232.991 ts28
9398 1211.727*96.990 .000 1000.404 1423.050
xm26 1233.395*96.990 .000 1022.072 1444.718 xm26
9398 -21.668 96.990 .827 -232.991 189.655
ts28 -1233.395*96.990 .000 -1444.718 -1022.072
15万9398
ts28 -1119.500*96.990 .000 -1330.823 -908.178
xm26 -650.033*96.990 .000 -861.355 -438.710 ts28
9398 1119.500*96.990 .000 908.178 1330.823
xm26 469.468*96.990 .000 258.145 680.791 xm26
9398 650.033*96.990 .000 438.710 861.355
ts28 -469.468*96.990 .000 -680.791 -258.145
20万9398
ts28 -647.255*96.990 .000 -858.577 -435.932
xm26 130.562 96.990 .203 -80.761 341.885 ts28
9398 647.255*96.990 .000 435.932 858.577
xm26 777.817*96.990 .000 566.494 989.140 xm26
9398 -130.562 96.990 .203 -341.885 80.761
ts28 -777.817*96.990 .000 -989.140 -566.494
基于估算边际均值
*. 均值差值在 0.05 级别上较显著。
b. 对多个比较的调整:最不显著差别(相当于未作调整)。