spss多因素方差分析例子

1， data0806-height 是从三个样方中测量的八种草的高度，问高度在三个取样地点，以及
八种草之间有无差异？具体怎么差异的？
打 开 spss 软 件 ， 打 开 data0806-height 数 据 ， 点 击 Analyze->General Linear Model->Univariate 打开：
把 plot 和 species 送入 Fixed Factor(s) ，把 height 送入 Dependent Variable ，点击 Model 打开：
选择 Full factorial ， Type III Sum of squares ， Include intercept in model (即 全部默认选项) ，点击 Continue 回到 Univariate 主对话框，对其他选项卡不做任何选 择， 结果输出：
因无法计算 ???? ??rror ，即无法分开 ???? intercept
的影响，无法进行方差分析，
重新 Analyze->General Linear Model->Univariate 打开：
选择好 Dependent Variable 和 Fixed Factor(s) 点击Custom,把主效应变量 species 和plot 送入 Model 框，点击 Continue 回到Univariate 主对话框，点击 Plots ： 把 date 送入 Horizontal Axis ，把 depth 送入 Separate Lines ，点击 Add ，点击 Continue 回到 Univariate 对话框，点击 Options ：
把 OVERALL,species, plot 送入 Display Means for 框,选择 Compare main effects , Bonferroni ,点击 Continue 回到 Univariate 对话框,
输出结果：
可以看到： SS species =, df species =7, MS species= ；SS plot =, df plot =7, MS plot= ；SS error =, df error =14, MS error= ；
Fspecies= , p=<;Fplot=,p=<;
所以故认为在 5%的置信水平上,不同样地,不同物种之间的草高度是存在差异的。

该表说明： SSspecies= ,dfspecies=7 ,MSspecies= ；SSerror= ,dferror=14 ,MSerror= ；
Fspecies= , p=<; 物种间存在差异：
SSplot= , dfplot=7 , MSplot= ； SSerror= , dferror=14 , MSerror= ； Fplot=,p=<; 不同的物种间在差异：
由边际分布图可知：类似结论：草的高度在不同样地的条件之间有差异( Fplot=,p=< )，具 体是，样地一和样地三之间存在的差异最大；八种不同草的高度也存在差异( Fspecies= ， p=<),具体是第四
和 ???? error ，无法检测 interaction ，点击 Model 打开：
种草和第五种草的差异最大。

再次检验不同种类草的高度差异：重新进行方差分析，Analyze->General Linear
Model->Univariate ：把species 送入Fixed Factor(s) ，把high 送入Dependent
Variable ，点击Plots ：
把species 送入Horizo ntal Axis ，点击Add，点击Co nti nue 回到Uni variate ，点击Post Hoc
(因为我们已经知道species 效应显著)：
把species 送入Post Hoc Tests for 框，选择Tukey，
输出结果：
各组均值从小到大向下排列。

最大的是第五组，最小的是第四组，其中有些种类草的高度存在差异，有些不存在。

再次检验不同样地草的高度差异：过程和上相似：结果如下
不同样地的草高度存在差异，其中一样地的草高度最短，3 样地的草高度最高，且三组之间都存在差异。

2，data0807-flower ，某种草的开花初期高度在两种温度和两个海拔之间有无差异？具体怎么差异的？
多因素单因变量方差分析通过Analyze->General Linear Model->Univariate 实现，把因变量height 送入Dependent Variable 栏，把因素变量temperature 和attitude 送入Fixed
Factor(s) 栏
点击Model 选项卡，打开：选着full factorial , type 3,点击)Include intercept in model。

点击Plots 对话框，打开：：可选择attitude 到Horizontal Axis ，然后选择temperature 到Horizontal Axis ，再选择attitude 到Separate Lines ，Plots 框显示attitude, temperature, attitude * temperature ，
Estimated Marginal Means选择OVERALL产生边际均值的均值Display框选择要输岀的统计量，Descriptive statistics 描述统计量，Homogeneity tests 方差齐性检验。

结果输岀：
主效应各因素各水平以及样本量，
各水平的均值和标准差。

把样本分为四组，进行方差齐性检验，方差不一致。

可以看到：SSaltitude= ，dfaltitude=1 ，MSaltitude= ；SStemperature= ，
dftemperature=1 ，MStemperature= ；SSinteraction= ，dfinteraction=1 ，MSinteraction= ；SSerror= ，dferror=83 ，MSerror= ；Faltitude= ，
p=<;Ftemperature=,p=<;Ftemperature=,<; Finteraction= ，p<;
所以故认为在%的置信水平上，不同温度，不同海拔之间的草高度是存在差异的。

在四个样本总体中，在95%的置信区间，花的平均高度范围为到之间。

在海拔为3200 米处，在95%的置信区间，花的平均高度范围为到之间。

在海拔为3400 米处，在95%的置信区间，花的平均高度范围为到之间。

aititude 各水平的边际均值的多重比较，在本试验中，事实上?? 0: 平均aititude （3200）= aititude （3400）；但是平均aititude （3200）花高度—平均aititude
（3400）花高度，在95%置信区间为到. 故均值存在差异。

，SSaltitude= ，dfaltitude=1 ，MSaltitude= ；SSerror= ，dferror=83 ，
MSerror= ；
Faltitude= , P<.不同海拔的花高度不存在差异的的概率v
在温度为T1 处，在95%的置信区间，花的平均高度范围为到之间。

在温度为T2 处，在95%的置信区间，花的平均高度范围为到之间。

温度各水平的边际均值的多重比较，在本试验中，事实上? 0: （T1时，平均花高度）=（T2时，平均花高度）；
但是（T1 时，平均花高度）—（T2 时，平均花高度），在95%置信区间为到，故均值存在差异，不接受H0假设。

SStemperature= ，dftemperature=1 ，MStemperature= ；SSerror= ，dferror=83 ，MSerror= ；Ftemperature=,p<; 不同温度下，花的高度存在差异。

在温度为T1,海拔3200米处，在95%勺置信区间，花的平均高度范围为到之间。

在温度为T2 处，海拔3200 米处在95%的置信区间，花的平均高度范围为到之间。

在温度为T1 处，海拔3400 米处，在95%的置信区间，花的平均高度范围为到之间。

在温度为T2 处，海拔3400 米处，在95%的置信区间，花的平均高度范围为到之间。

不同海拔下的的边际均值图
两个因素的边际均值交互效应图，该图直线相互交叉（即斜率不一样）表明有交互效应。

结论如下：
某种草的开花初期高度在两种温度之间有差异（Ftemperature=,p<; ），T1 时草的开花初期高度高于T2 时草的开花初期高度.
某种草的开花初期高度在两种海拔之间有差异（Faltitude= , P<.）,海拔3200时草的
开花初期高度高于海拔3400 时草的开花初期高度.
温度和海拔对草的开花初期高度的影响存在交互效应（Finteraction= ，p<。