用SPSS20进行二因素设计的简单效应分析

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）。