spss之统计挖掘第6章 方差分析

5．“两两比较”
6．“保存”
▪ 单击“保存”按钮，弹出图6-18所示的“单变 量：保存”对话框
7．“选项”
▪ 单击“选项”按钮，弹出图6-19所示的“单变 量：选项”对话框。
析因设计方差分析
▪ 例6.3 A、B两种药物联合应用对红细胞增加数 的影响，数据见表6-8。数据库见6-3.sav。
▪ 1．操作步骤
▪ （4）单击“选项”按钮，将“因子与因子交互 ”列表中的“组别”移入右侧“显示均值”框 ，同时勾选“比较主效应”复选框；“输出” 列表中选择“描述统计”和“方差齐性检验” ，单击“继续”按钮，返回主对话框，单击“ 确定”按钮运行。
▪ 2．主要结果解读
▪ 图6-33所示给出两组的例数、均值和标准差； 图6-34所示为两组治疗后血压的Levene方差齐 性检验，本例F=0.049，P=0.826>0.05，因此 方差齐性，符合方差分析条件要求；图6-35所 示为协方差分析结果，可见组别因素F=0.820， P=0.373，组别因素（即两种药物）对降压效果 没有差别；而治疗前血压因素的F=6.463， P=0.017，说明治疗前血压确实对治疗后血压有 影响。
▪ （1）单击“分析”|“一般线性模型”|“单变 量”命令。
▪ （2）将“治疗后血压”放入“因变量”框；将 分组变量“组别”放入“固定因子”框；将“ 治疗前血压”放入“协变量”框。
▪ （3）单击“模型”按钮，在弹出框中将“因子 与协变量”列表中的“组别”和“治疗前血压 ”放入右侧“模型”列表。“构建项”中类型 选择“主效应”。其他默认，单击继续返回。
▪ 实例详解
▪ 例6.1：比较三个不同电池生产企业生产电池的 寿命，见例6-1.sav。此例企业为因素，不同厂 家为水平，本例为单因素3水平设计。
▪ 1．操作步骤
▪ （1）选择“分析”|“比较均值”|“单因素ANOVA” 命令，如图6-6所示；
▪ （2）将因变量“寿命”放入“因变量列表”框；将因 素“企业”放入“因子”框；
▪ （5）图6-11所示为均值图，对不同电池生产企 业电池寿命的均值进行作图，可形象展示各组 间均值的差异，图中可见企业2与企业1、3均值 相差较大，结果与LSD法相同。
随机区组设计方差分析
▪ 例6.2 某研究机构研究了3种动物饲料对4种品系 小鼠体重增加的影响，数据见表6-5，数据库文 件见6-2.sav。
▪ 3．“两两比较”按钮
▪ 单击“两两比较”按钮，弹出图6-3所示的“ 两两比较”对话框。
▪ 4．“选项按钮”
▪ （1）统计量栏包含如下5项：
▪ 描述性：选中该项，则结果中输出每个因变量的个案数、均 值、标准差、均值的标准误、最小值、最大值和均值的95% 可信区间。
▪ 固定和随机效果：表示显示固定效应模型的标准差、标准误 和95%置信区间以及显示随机效应模型的标准误、95%置信 区间、方差成分间的估计值。
▪ （5）“WLS权重”：为权重变量框，在该框中给出 加权二乘分析的权重变量。权重变量必须是数值型 变量，如果权重是零、负数或者缺失，则该变量将 不计入模型。另外如果一个变量已经放入上面某个 对话框，就不能在作为权重变量。
2．“模型”
▪ “模型”对话框中含有两种设定类型，其一为 “全因子”模型，其二为“设定”模型。
▪ 模块解读
▪ 1．调用单变量程序
▪ 单击“分析”|“一般线性模型”|“单变量”命 令，弹出图6-12所示的“单变量”对话框。
▪ （1）“因变量”：为本次所要研究的结果变量。下 面几个变量框均为影响结果变量的原因变量，按照变 量性质分为几种。
▪ （2）“固定因子”：指的是该因素在样本中所有可 能的水平都出现了，一般为该变量自身属性为分类变 量，如血型、不同治疗方案、不同宣传方法等。
▪ （1）“因子”列表：其 中显示主对话框中选择 的因素。每个因素后面 括号内显示其对比的方 法。
▪ （2）“更改对比”框： 选中“因子”列表中某 因素，单击“对比”下 拉列表，选择对比方法 ，单击更改，即可完成 设置。
▪ 4．“绘制”
▪ 单击“绘制”按钮，弹出图6-16所示的对话框。此对话框可以绘 制一个或多个因素变量作用后的因变量的均值分布图。“因子” 列表中显示出此次参与分析的因素列表，“水平轴”是指横坐标 轴，放入该框的变量作为均值图的横坐标，“单图”为均值线分 割依据，放入该框变量的每一水平将会产生独立一条均值线。“ 多图”框，放入变量含义为，以此变量水平分类，做出多个统计 图。“单图”框中变量为同一统计图中分成的多条线。
IBM-SPSS
第6章 方差分析
▪ 方差分析的应用条件如下：
▪ （1）独立，各组数据相互独立，互不相关；（ 2）正态：即各组数据符合正态分布；（3）方 差齐性：即各组方差相等。
▪ 统计学上的因素是指研究者所关心的实验条件 ，而水平是指因素的具体表现形式。如温度（ 30、60、90）℃、药物种类（A、B、C）药， 产地（山东、安徽、江苏）。此处的温度、药 物种类和产地就是因素，而每个因素里具体的 不同形式就称为水平。
▪ 1．操作步骤
▪ （1）单击“分析”|“一般线性模型”|“单变 量”命令，弹出单变量对话框，将凝血酶原时 间（tt）移入“因变量”列表，将阶段（stage ）和药物类型（drug）放入“固定因子”框， 将（subject）放入“随机因子”框。
▪ （2）单击“模型”按钮，弹出模型对话框，选 中“设定”，将stage、drug和subject移入右侧 模型框中，并将“构建项”框中“类型”改为 主效应模型，单击“继续”返回，单击“确定 ”运行。
嵌套设计方差分析
▪ 嵌套设计被称为巢式设计（nested design）有些教科书上称 这类资料为组内又分亚组的分类资料。根据因素数的不同， 套设计可分为二因素（二级）、三因素（三级）等设计。 将 全部k个因素按主次排列，依次称为1级，2级 … k级因素， 再将总离差平和及自由度进行分解，其基本思想与一般方差 分析相同。所不同的是分解法有明显的区别，它侧重于主要 因素，并且，第i级因素的显著与否，是分别用第i级与第i+1 级因素的均方为分子和分母来构造F统计量，并以F测验为其 理论根据的。
▪ （3）图6-9所示为单因素方差分析的结果，并 且进行了趋势检验，结果显示不同企业间方差 分析统计量F=38.771，P值=0.000<0.01，因此 认为不同企业间生产电池的寿命不同。
▪ （4）图6-10所示为两两比较的结果，分别为 LSD法和Tamhane法，显著性小于0.05表示有 差异。本例应该看LSD的结果，因为前面 Levene方差齐性检验显示方差齐。
单因素设计方差分析
▪ 例6.1 比较三个不同电池 生产企业生产电池的寿 命，见例6-1.sav。此例 企业为因素，不同厂家 为水平，本例为单因素3 水平设计。

▪ 2．“对比”按钮
▪ 单击“对比”按钮，弹 出图6-2所示的“对比 ”对话框，此对话框是 用于对组间平方和进行 分解并确定均值的多项 式比较。
▪ （1）单击“分析”|“一般线性模型”|“单变 量”命令。
▪ （2）将红细胞增加数“X”变量放入“因变量 ”框，将药物“A”、“B”放入“固定因子” 框。
▪ （3）单击“模型”按钮，选择系统默认的“全 因子模型”，单击“继续”返回主对话框。
▪ （4）单击“选项”按钮，选择输出栏的“描述 统计”复选框，单击“继续”返回主对话框， 单击“确定”运行。本例为2因素，每因素2个 水平，因此不必进行“两两比较”。
▪ 2．主要结果解读
▪ 主要结果如图6-28所示，本例不同药物drug间 比较，F=0.580，P=0.456，不能拒绝H0，两种 药物间凝血酶原时间差异无显著性意义；不同 阶段stage间比较，F=1.470，P=0.241，不能拒 绝H0，两阶段间凝血酶原时间差异无显著性意 义；不同个体subject间比较，F=3.108， P=0.010，拒绝H0，接收H1，可以认为不同个体 间凝血酶原时间差异有显著性意义。
▪ （3）单击“对比”按钮，弹出图6-2所示的对话框，选 中“多项式”复选框，并在“度”下拉菜单中选择“线 性”选型，单击“继续”按钮，返回主对话框。
▪ （4）单击“两两比较”按钮，弹出图6-3所示的对话框 ，本例选择LSD法和Tamhane’s T2法进行讲解。
▪ （5）单击“选项”按钮，弹出图6-4所示的对 话框，选择“描述性”、“方差同质性检验” 和“均值图”。
▪ （1）“全因子”模型：此项为系统默认，一旦 选择此项，系统将分析所有因素变量、协变量 主效应以及因素与因素间的交互作用，但不包 括协变量的交互作用，如图6-13所示。
▪ （2）“设定”模型：即自定义模型，如图6-14 所示。选择该项后，“因子与协变量”、“模 型”与“构建项”被激活。
▪ 3．“对比”
▪ （3）“缺失值”栏：选择处理缺失值的方式， “按分析顺序排除个案”表示在分析时，检验 变量中含有缺失值的将不被计算；“按列表排 除个案”表示任何一个变量中含有缺失值的个 案都不被计算。
▪ 5．“Bootstrap”按钮
▪ （1）“Bootstrap”（自助法）按钮主要功能为让 计算机对研究样本进行反复抽样，根据多次抽样的 结果对总体均数的置信区间进行估计。单击“自助 法”按钮，弹出图6-5所示的对话框，如选中“执行 Bootstrap”复选框，图6-5所示中其他复选框被激 活。建议样本数不低于1000，“设置Mersenne Twister种子”数，是为了让分析结果能够复制，即 再运行时，设置同样的种子数，会得到相同的结果 。
▪ （6）单击“继续”返回主菜单，单击“确定” 按钮运行，输出结果。
▪ 2．结果解读
▪ （1）图6-7所示为描述性统计量的结果，分别 列出了3个不同电池企业的样本量、均数、标准 差、标准误、均数的95%置信区间以及最大和 最小值。
▪ （2）图6-8所示为Levene方差齐性检验的结果 ，本例Levene统计量为0.390。显著性P值为 0.680>0.05，故3组数据方差齐性。
交叉设计方差分析
▪ 例6.4 为比较血液透析过程中，低分子肝素钙 (A)与速避凝（B）对凝血酶原时间（TT）的影 响，选择20例接受血液透析的病人为研究对象 ，采取二阶段交叉设计，试验数据如表6-11， 试对数据进行分析，数据库请见6-4.sav。
拉丁方设计方差分析
▪ 例6-5 为了比较5种防护服对脉搏数的影响，选 用5个受试者，在5个不同的日期进行试验。用 拉丁方设计，在行、列与字母上分别安排3个因 素（日期、受试者、防护服），得如表6-13结 果。
▪ 方差同质性检验：选中此项，计算Levene方差齐性检验。
▪ Brown-Forsythe：表示计算分组均值相等的Brown-Forsythe 统计量。当方差齐性未知时，此检验比F统计量更具优势。
▪ Welch选项：与Brown-Forsythe类似，当不能把握方差齐性 时，比F检验稳健。
▪ （2）“均值图”选项：输出各组的均值图，可 以辅助判断各组间的趋势。
协方差分析
▪ 例6.6 为研究A、B两种降压药对高血压病人收 缩压的降压效果，研究者将受试对象随机分为 两组，分别接受A、B降压药治疗2个月后，测量 患者收缩压，资料见表6-16。数据库见6-6.sav 。本例治疗前的血压专业上应该对治疗后的血 压存在影响，因此采用协方差分析较为合适。
▪ 1．操作步骤
▪ （3）“随机因子”：指该因素所有可能的取值在样 本中没有都出现，或不可能都出现，一般该变量自身 属性为连续性的定量变量。如研究不同温度（30℃、 40℃和50℃）对某药物提取产物的影响。
▪ （4）“协变量”：对因变量可能有影响，需要在分 析时对其作用加以控制的连续性变量。如研究不同 教学方法对学生英语成绩的影响，那么开始参加受 试的学生的英语成绩有可能会影响教学效果，因此 ，应该在分析时将学生初始成绩作为协变量加以控 制。
▪ 2．结果解读
▪ 图6-25所示显示四种组合的例数、均值与标准 偏差。图6-26所示显示析因设计方差分析的结 果，结果可见，总的校正模型F=98.750， P=0.000，有统计学意义。因素A、因素B以及 A×B两因素间交互作用均有统计学意义。结合 专业可以解释为A药和B药均能升高红细胞，同 时A×B药同时服用的红细胞升高效果更好。