方差分析中的交互作用分析

方差分析中的交互作用分析
方差分析中的交互作用分析

XX XXXXXXX

一、实验室名称

心理统计学实验室

二、实验目的及要求

实验目的:运用Word 95.sav 中的数据演示两因素方差分析中交互作用的分析。(用log_gdp做因变量)

实验要求:熟悉SPSS两因素方差分析的过程,能整理两因素方差分析的过程方法,掌握两因素方差分析的相关标准;能够从方差分析的结果中分析出,两因素方差分析中的交互作用。

三、实验内容

(一)实验器材

1. 安装有SPSS16.0版本的电脑1台。

2. “Word95.sav”SPSS数据库.

(二)实验步骤

1.用SPSS16.0打开“Word95.sav”数据库。

2.选择菜单Analyze---Desriptive Statistics---Frequencies 选择“People who read”到Variable(s)框中,单击Statistics按钮,在页面中选择Precentile(s)选项,并在框中输入50,单击按钮Add---Continue---Ok,得中位数88.

3.重复步骤2,但将“People who read”改为“People living in cities”,得中位数60。

4.选择菜单Transform---Recode into Different Variable选择

“People who read”到Numeric Variable->Output Variable框中,在Output Variable处的name处输入“pwr”,并单击Change按钮确认,单击Old and New Values按钮进行分组区间定义,选择Range,LOERST through value,填入88,在value处输入1,单击Add 按钮,选择Range,value through HIGHEST,填入88,在value处输入2,单击Add按钮---Continue---Ok。

5.重复步骤4,但将“People who read”改为“People living in cities”,“pwr”改为“plic”,88改为60.

6.选择菜单Analyze---General linaer modle---Univariate,选择“log_gdp”到Dependent Variable ,选择“pwr”和“plic”到Fixed Factor中,单击Ok,得表。

四、实验数据及结果分析

(一)实验结果:

(二)结果分析

由上表可知,校正模型的df=3,F=51.783,均方为8.241,sig=0;pwr的df=1,F=37.611,均方为5.986,sig=0;plic的df=1,F=46.408,均方为7.386,sig=0;pwr*plic的df=1,F=3.487,均方为0.555,sig=0.065;

由此可知,“People who read”与“People living in cities”在方差分析中的交互作用不显著,但每个因素的主效应显著,这需要进行事后检验。

五、实验结论

本实验采用方案采用方差分析的方法,选用两种因素作为自变量,研究它们对某一因变量的影响,结果显示两因素得主效应显著,两因素在方差分析中的交互作用不显著,需要事后检验。

六、对本实验过程及方法、手段的改进建议

1. 对于有很多缺失值的被试的数据应当弃掉,不予采用。

2. 对于录入错误的数据,将其当做缺失值处理带来的误差比较大。

3.最好应该查找原始数据,找出其正确数值。

spss方差分析操作示范-步骤-例子

第五节方差分析的SPSS操作 一、完全随机设计的单因素方差分析 1.数据 采用本章第二节所用的例1中的数据,在数据中定义一个group变量来表示五个不同的组,变量math表示学生的数学成绩。数据输入格式如图6-3(为了节省空间,只显示部分数据的输入): 图 6-3 单因素方差分析数据输入 将上述数据文件保存为“6-6-1.sav”。 2.理论分析 要比较不同组学生成绩平均值之间是否存在显著性差异,从上面数据来看,总共分了5个组,也就是说要解决比较多个组(两组以上)的平均数是否有显著的问题。从要分析的数据来看,不同组学生成绩之间可看作相互独立,学生的成绩可以假设从总体上服从正态分布,在各组方差满足齐性的条件下,可以用单因素的方差分析来解决这一问题。单因素方差分析不仅可以检验多组均值之间是否存在差异,同时还可进一步采取多种方法进行多重比较,发现存在差异的究竟是哪些均值。 3.单因素方差分析过程 (1)主效应的检验 假如我们现在想检验五组被试的数学成绩(math)的均值差异是否显著性,可依下列操作进行。 ①单击主菜单Analyze/Compare Means/One-Way Anova…,进入主对话框,请把math选入到因变量表列(Dependent list)中去,把group选入到因素(factor)中去,如图6-4所示:

图6-4:One-Way Anova主对话框 ②对于方差分析,要求数据服从正态分布和不同组数据方差齐性,对于正态性的假设在后面非参数检验一章再具体介绍;One-Way Anova可以对数据进行方差齐性的检验,单击铵钮Options,进入它的主对话框,在Homogeneity-of-variance项上选中即可。设置如下图6-5所示: 图6-5:One-Way Anova的Options对话框 点击Continue,返回主对话框。 ③在主对话框中点击OK,得到单因素方差分析结果 4.结果及解释 (1)输出方差齐性检验结果 Test of Homogeneity of Variances MATH Levene Statistic df1 df2 Sig. 1.238 4 35 .313 上表结果显示,Levene方差齐性检验统计量的值为1.238,Sig=0.313>0.05,所以五个组的方差满足方差齐性的前提条件,如果不满足方差齐性的前提条件,后面方差分析计算F统计量的方法要稍微复杂,本章我们只考虑方差齐性条件满足的情况。 (2)输出方差分析主效应检验结果(方差分析表)

方差分析中的交互作用分析

XX xxxxxxx 一、实验室名称 心理统计学实验室 二、实验目的及要求 实验目的:运用Word 95.sav中的数据演示两因素方差分析中交互作用的分析。(用log_gdp做因变量) 实验要求:熟悉SPSS两因素方差分析的过程,能整理两因素方差分析的过程方法,掌握两因素方差分析的相关标准;能够从方差分析的结果中分析出,两因素方差分析中的交互作用。 三、实验内容 (一)实验器材 1. 安装有SPSS16.0版本的电脑1台。 2. “Word95.sav” SPSS数据库. (二)实验步骤 1. 用SPSS16.0打开“ Word95.sav”数据库。 2. 选择菜单Analyze---Desriptive Statistics---Frequencies 选择“ People who read ”至U Variable(s)框中,单击Statistics 按钮,在页面中选择Precentile(s)选项,并在框中输入50,单击按钮Add---Continue---Ok ,得中位数88. 3. 重复步骤2,但将“ People who read ” 改为“ People living in cities ” ,得中位数60。

4. 选择菜单Transform---Recode in to Differe nt Variable 选择“ People who read ”至U Numeric Variable->Output Variable 框中,在Output Variable 处的name处输入“ pwr” ,并单击Change按钮确认,单击Old and New Values按钮进行分组区间定义,选择 Range,LOERSThrough value,填入88,在value 处输入1,单击Add 按钮,选择Range,value through HIGHEST,填入88,在value 处输入2,单击Add按钮---Continue---Ok 。 5. 重复步骤4,但将“ People who read” 改为“ People living in cities ” , “ pwr” 改为“ plic ” ,88 改为60. 6. 选择菜单Analyze---Gen eral li naer modle---Uni variate, 选择“ log_gdp”i至Dependent Variable ,选择“ pwr” 和“ plic ” 至U Fixed Factor中,单击Ok,得表。 四、实验数据及结果分析 (一)实验结果: Statistics P EOD I E who re旨d (%) Statistics Tests of Between-Subjects Effects Denendent Variab eiLoa fbase 101 of GDP CAP

方差分析中的交互作用分析

XX XXXXXXX 一、实验室名称 心理统计学实验室 二、实验目的及要求 实验目的:运用Word 95.sav 中的数据演示两因素方差分析中交互作用的分析。(用log_gdp做因变量) 实验要求:熟悉SPSS两因素方差分析的过程,能整理两因素方差分析的过程方法,掌握两因素方差分析的相关标准;能够从方差分析的结果中分析出,两因素方差分析中的交互作用。 三、实验内容 (一)实验器材 1. 安装有SPSS16.0版本的电脑1台。 2. “Word95.sav”SPSS数据库. (二)实验步骤 1.用SPSS16.0打开“Word95.sav”数据库。 2.选择菜单Analyze---Desriptive Statistics---Frequencies 选择“People who read”到Variable(s)框中,单击Statistics按钮,在页面中选择Precentile(s)选项,并在框中输入50,单击按钮Add---Continue---Ok,得中位数88. 3.重复步骤2,但将“People who read”改为“People living in cities”,得中位数60。 4.选择菜单Transform---Recode into Different Variable选择

“People who read”到Numeric Variable->Output Variable框中,在Output Variable处的name处输入“pwr”,并单击Change按钮确认,单击Old and New Values按钮进行分组区间定义,选择Range,LOERST through value,填入88,在value处输入1,单击Add 按钮,选择Range,value through HIGHEST,填入88,在value处输入2,单击Add按钮---Continue---Ok。 5.重复步骤4,但将“People who read”改为“People living in cities”,“pwr”改为“plic”,88改为60. 6.选择菜单Analyze---General linaer modle---Univariate,选择“log_gdp”到Dependent Variable ,选择“pwr”和“plic”到Fixed Factor中,单击Ok,得表。 四、实验数据及结果分析 (一)实验结果:

方差分析操作

1、单因素方差分析(One-Way ANOV A)操作原理 依次选择Analyze→Compare Means→One-Way ANOV A,见图1。 图1 进入One-Way ANOV A图 打开One-Way ANOV A主对话框,见图2。 图2 One-Way ANOV A主对话框 Dependent list:因变量栏; factor:因素变量; Contrasts:均值多项式比较; Post Hoc:各组均值多重比较检验; Options:定义选项,指定要输出的统计量和处理缺失值等方法。 ?One-Way ANOV A : Contrasts:单因素方差分析Contrasts子对话框:单击Contrasts按钮,打开Contrasts对话框,见图3。

图3 One-Way ANOV A Contrasts子对话框 Polynominal:多项式。选择就可以激活其右边的Degree小菜单;Degree:程度:可选择linear(线性)、quadratic(二次多项式)、cubic(三次多项式)、4th(四次多项式) 、5 th(五次多项式); Coeffients: 系数。为多项式指定各组均值的系数,因素变量有几组就输入几个系数。 Coeffients Total:系数总计。 ?One-Way ANOV A :Post Hoc :单因素方差分析Post Hoc子对话框: 单击Post Hoc 按钮,打开Post Hoc子对话框,见图4。 图4 One-Way ANOV A Post Hoc子对话框 Equal variances assumed:假定方差齐性。在该条件下,由十四种比较均值的方法可供选择,常用的有以下几种: LSD:最小显著差异法,用T检验完成各组均值之间的两两比较; Bonferroni:修正最不显著差异法,用T检验完成各组均值之间的配对比较; S-N-K:用student range 分布进行所有各组均值间的配对比较; Scheffe:佛检验法,对所有可能的组合进行同步进入的配对比较;

多元统计分析-考虑交互作用的双因子方差分析

考虑交互作用的双因子方差分析 年级:研2009级专业:农业生物环境与能源工程学号:姓名:在某化工生产中为了提高收率,选了3种不同浓度,4种不同温度做试验,在同一浓度与温度组合下各做两次试验,其收率数据如下表所列(数据均减去75),α=0.05试在显著性水平下检验不同浓度、不同温度以及它们问的交互作用对收率有无显著影响。 表1 两次实验的收率数据表 解: 第一步: 定义一个分组变量为group1(即在Variable View 中“name”列中的第一行输入group1,并设置“Decimals”的值为O),该变量表示因子A的3个不同水平, 其值1,2,3分别表示A 1,A 2 ,A 3 。 定义一个变量为data(即在Variable View 中“name”列中的第二行输入data)。 定义另一个分组变量为group2(即在Variable View 中“name”列的第三行输入group2,并设置“Decimals”的值为O),该变量表示因子B的四个不同水平, 其值1,2,3,4分别表示B 1,B 2 ,B 3 ,B 4 。按照行的顺序(即先输入A 1 行的数据,

然后输入A 行的数据,依此类推)依次输入SPSS(在Data View 中的“data”列 2 中输入表中的24个数据。输入后的数据如图1所示)。 图1 第二步:在菜单上选择Analyze→General Linear Models→Univariate单击,出现Univariate框,将data选入Dependent Variable框,将group1,group2选入Fixed Factor(s)框。单击“Model”按钮,选择Full factorial,单击“Continue”按钮。 第三步:单击“0K”按钮,得出如下结果。

多元统计分析-不考虑交互作用的双因子方差分析

不考虑交互作用的双因子方差分析 多元统计分析生命科学学院农业生物环境与能源工程 为了考察蒸馏水的pH直和硫酸铜溶液浓度对化验血清中自蛋白与球蛋白的影响,对蒸馏水的pH直(A)取了4个不同水平,对硫酸铜的浓度(B)取了3个不同水平,在不同水平组合(A i,B)下各测一次白蛋白与球蛋白之比,其结果列于下表中,试在0=0.05显著性水平下检验 两个因子对化验结果有无显著差异。 解: 第一步:定义一个分组变量为group2(即在Variable View 中“ name列中的第一行输入group2,并设置“ Decimals ”的值为O),该变量表示因子B的3个不同水平,其值1, 2, 3分别表示B, B2, R。定义一个变量为data(即在Variable View中“name列中的第二行输入data),定义另一个分组变量为group1(即在Variable View 中“name列的第三行输入groupl,并设置“ Decimals” 的值为0),该变量表示因子A的四个不同水平,其值1, 2, 3, 4分别表示A, A, A3, A o按照列的顺序(即先输入A 列的数据,然后输入A列的数据,依此类推)依次输入SPSS在Data View中的“data”列中输入表中的12个数据。输入后的数据如图1所示)o 图1

第二步:在菜单上选择 An alyze — Gen eral Lin ear Models — Uni variate 单击, 出现 Uni variate 框,将 data 选入 Depe ndent Variable 框,将 groupl , group2 选入 Fixed Factor(s) 框。单击“ Model ” 按钮,选择 Custom,将groupl , group2 选人 Model ,在 Build Term (s) 中选择 Ma in effects ,单击“ Co ntinue ” 按钮。 第三步:单击“ OK 按钮,得出如下结果。 E.ilt Edit w 厦1>2 打呦止虫贰 Srisirt ^xtlyzt 底*Kdlilbts £indw 厭tip 审旧風割? | E3|fc 臥划副f|| -1*1 'I 引日刖 回回匚UpJ B 固 nF Vartents 卓辱Title e S Betw wn - Sdspct-s F K I DT -S T.血 crt Between-Siio|e±5: Elferls lesq 暑lil B 禎雹氓i 油Uli 裙匸眄EITecDg f ShSS T&'4>34XS ?F is 表2 SPSS 寻到的双因子方差分析结果数据(不考虑交互作用) Tests 刑 Bet ween-Subjects Effects a 第四步: 结果分析:从上表可知,groupl 和group2的P 值均小于0. 05,所以,a =0.05 在显著性水平下,因子A 的不同水平及因子?的不同水平都对化验结果有显著影 响。 1 1 1 : d q groupl 1 J I __ !_I __ d ■+ Univariate Analysis of Variance f ■可口口! *

有交互影响的双因素方差分析

2、有交互影响的双因素方差分析 假设两个因素A 和B ,因素A 有a 个水平,因素B 有b 个水平,对每一个水平A i B j 重复了n 次试验。X ijk 为在因素A 的第i 个水平,因素B 的第j 个水平下进行第k 次试验时的观察值(i =1,2... a ;j =1,2,...b ;k =1,2,...,n)。有交互影响的双因素方差分析表如下: 表9-12 有交互影响的双因素分析表 其中: 2 1( ) a i SSA bn i X A ==*∑- 2 1 () b j SSB na j X B ==*-∑ 2 11 (()) a b i j SSAB n i j ij X AB A B =-=--+∑∑ 2 111 ()() a b n i j k SSE ijk ij A B X ====-?∑∑∑ 在显著性水平α下,如果F>临界值F α,则拒绝原假设,认为差异显著。 小案例9-2:不同路段和不同时间段对行车时间的影响 城市道路交通管理部门为研究不同的路段和不同的时间段对行车时间的影响,让一名交通警察分别在两个路段和高峰期与非高峰期亲自驾车进行试验,通过试验共获得了20个行车时间的数据,如表9-13。试分析路段、时段以及路段和时段的交互作用对行车时间的影响。 路段与时段对行车时间的影响: 交互作用 无交互作用

图9-1 有无交互作用的图示 表9-13 不同的路段和不同的时间段对行车时间的影响数据表 (单位:min) 路段(列变量) 路段1 路段2 时段(行变量) 高 峰 期 26 19 24 20 27 23 25 22 25 21 非 高 峰 期 20 18 17 17 22 13 21 16 17 12 通过计算,可以得到如表9-14所示的交互作用方差分析表。可以得到:不同路段对行车时间有显著影响,不同时段对行车时间有显著影响,而路段与时段的交互作用对行车时间 没有显著影响。 表9-14 交互作用方差分析表 差异源 SS df MS F P 值 样本 174.0500 1 174.0500 44.0633 0.00000 列 92.4500 1 92.4500 23.4051 0.00002 交互 0.0500 1 0.0500 0.0127 0.9118 内部 63.200 16 3.9500 总计 329.75 19

《方差分析》spss实例操作

方差分析

方差分析的应用条件 ?各样本是相互独立的随机样本; ?各组样本均来自正态总体; ?各组的总体方差相等 ?各单元格样本含量比较大(>30)且各单元格样本含量相同的情况下,方差 是否相等对结果影响几乎没有

方差分析的基本思想 ?全部数据的总变异分成多个部分(离均差平方和SS) ?均方MS=SS/df ?各部分变异的MS与随机误差的MS做比,形成F统计量 ?注意:H0为各组总体均数不全相等

?完全随机设计方差分析?多组样本均数两两比较?随机区组设计方差分析?析因设计方差分析

?例题: ?某人研究北京机关工作人员血脂水平,随机抽取不同年龄组男性受试者各10名,检测他们的总胆固醇(TC)的含量(mmol/L),其结果如下: ?青年组5.00 4.85 4.93 5.18 4.95 4.78 5.18 4.89 5.07 5.21 ?中年组5.12 5.13 4.89 5.20 4.99 5.14 5.16 4.98 5.16 5.25 ?老年组5.24 5.26 5.23 5.10 5.31 5.23 5.21 4.98 5.15 5.19 ?请问:三个年龄组的总胆固醇平均含量之间的差别是否具有统计学意义?

完全随机设计方差分析 ?库结构 ?分组检验正态性 ?Analyze-Compare Means-One-Way ANOVA-Dependent List选入指标-Factor选入组别-(Post Hoc两两比较-勾选两两比较方法-continue-Option-勾选Homogeneity of variance test-continue)-OK

有交互作用的方差分析

因素A 因素B (m个水平) 总和Ti.. 平均Xi.. B1 B2 Bm A1 X111 X121 X1m1 X112 X1m2 X11r X1mr T1j. T11. T1m. T1.. X1j. X11. X1m. X1.. A2 X111 X121 X1m1 X112 X1m2 X11r X1mr T2j. T21. T2m. T1.. X2j. X21. X2m. X1.. Ak X111 X121 X1m1 X112 X1m2 X11r X1mr Tkj. Tk1. T1m. T1.. Xkj. X11. X1m. X1.. 总和T.j. T.1. T.m.. T 平均X.J. X.1. X.m. X

假设 H01 A1=A2=AK H02 B1=B2=BM H03 ABkm=0 计算步骤 求总和与平均 见表格数据 求平方和 ∑∑∑∑∑∑-=-=- kmr T Xijr Xijr SST X 2 2 2 )( dfT=kmr-1 ∑∑-= -==kmr T Ti mr X Xi mr SSA k i 2..1)..(2 2 1 dfA=k-1 同理求SSB dfB=m-1 ∑∑---= kmr T SSB SSA Tij r B A SS 2.1)*(2 dfAB=(k-1)(m-1) )*(B A SS SSB SSA SST SSE ---= dfE=dfT-dfA-dfB-dfAB

因素A (肥料) 因素B (m个水平) 土壤 总和Ti.. 平均Xi.. B1 B2 Bm A1 21.4 19.6 17.6 21.2 18.8 16.6 20.1 16.4 17.5 T1j. 62.7 54.8 51.7 169.2 X1j. 20.9 18.3 17.2 18.8 A2 12.0 13.0 13.3 14.2 13.7 14.0 12.1 12.0 13.9 T2j. 38.3 38.7 41.2 118.2 X2j. 12.8 12.9 13.7 13.1 Ak 12.8 14.2 12.0 13.8 13.6 14.6 13.7 13.7 14.0 Tkj. 40.3 41.1 40.6 122.0 Xkj. 13.4 13.7 13.5 13.5 总和T.j. 141.3 134.6 133.5 409.4 平均X.J. 15.7 15.7 14.8 15.16

生物统计上机操作第五讲 方差分析

研究生《生物统计学》课程 第五讲方差分析 主要内容: 一、单因素方差分析 二、两因素方差分析 三、多因素方差分析 一、单因素方差分析[Analyze]=>[Compare Means]=>[ One-Way ANOV A] 1、案例分析:某水产研究所比较四种饲料对鱼的饲喂效果 (1)建立数据文件,在Variable Vew中定义变量“饲料”、“增重”,“饲料”小数位数为0,用1、2、3、4分别代表甲、乙、丙、丁4种饲料。输入数据。 (2)方差分析:[Analyze]=>[Compare Means]=>[ One-Way ANOVA],打开[One-Way ANOVA]主对话框。选定“增重”使之进入[Dependent List](样本观测值)框,选定“饲料”使之进入[Factor](因素)框 (3)单击[Options]进入“选项”对话框,选择[Descriptive]要求输出描述统计量,[Homogeneity of Variance tese](方差齐性检验),[Continue]返回; (4)单击[Post Hoc]打开[One-Way ANOV A: Post Hoc Multiple Comparisions](单因素方差分析:验后多重比较)对话框,可选择确定多重比较方法,如LSD法、Duncan 法,[Continue]返回; (5)单击[OK],运行单因素方差分析。 结果显示:方差分析表: (P=0.005<0.01 不同饲料对鱼增重的作用差异极显著) 多重比较:LSD法 (解释:甲与其他三种饲料都具有显著差异,乙、丙、丁间差异不显著) Duncan法 (解释:用Duncan法划分的相似性子集,在显著性水平为0.05的情况下,第一组包括

相关文档
最新文档