用spss20进行二因素设计的简单效应分析
在SPSS里实现被试间设计简单效应分析的方法
被试内、被试间、混合实验设计简单效应分析作者: Highway 发布时间: 2008-7-7简单效应(simple effect)分析简单效应(simple effect)分析通常是在作方差分析时存在交互效应的情况下的进一步分析。
你需要在SPSS中编写syntax实现。
一、完全随机因素实验中简单效应得分析程序假如一个两因素随机实验中，A因素有两个水平、B因素有三个水平，因变量是Y，检验B因素在A因素的两个水平上的简单效应分析。
TWO-FACTOR RANDOMIZED EXPERIMENTaaaSIMPLE EFFECTS.DA TA LIST FREE /A B Y.BEGIN DATA1 3 41 1 21 1 32 2 52 1 61 2 82 1 91 2 82 3 102 3 112 3 92 3 8END DATA.MANOV A y BY A(1,2) B(1,3)/DESIGN/DESIGN=A WITHIN B(1)A WITHIN B(2)A WITHIN B(3).若A与B存在交互作用而进行的进一步分析（即简单效应分析）。
同时你可以再加一个design: /DESIGN=B WITHIN A(1)B WITHIN A(2).自编数据试试y A B4.00 1.00 3.002.00 1.00 1.003.00 1.00 1.005.00 2.00 2.006.00 2.00 1.008.00 1.00 2.009.00 2.00 1.008.00 1.00 2.0010.00 2.00 3.0011.00 2.00 3.009.00 2.00 3.008.00 1.00 2.00当然，你可也直接贴下述语句至syntax编辑框：应会输出下述结果：The default error term in MANOV A has been changed from WITHIN CELLS toWITHIN+RESIDUAL. Note that these are the same for all full factorialdesigns.* * * * * * A n a l y s i s o f V a r i a n c e * * * * * *12 cases accepted.0 cases rejected because of out-of-range factor values.0 cases rejected because of missing data.6 non-empty cells.3 designs will be processed.- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -* * * * * * A n a l y s i s o f V a r i a n c e -- design 1 * * * * * *Tests of Significance for Y using UNIQUE sums of squaresSource of Variation SS DF MS F Sig of FWITHIN CELLS 10.00 6 1.67X1 15.00 1 15.00 9.00 .024X2 6.46 2 3.23 1.94 .224X1 BY X2 33.00 2 16.50 9.90 .013(Model) 80.92 5 16.18 9.71 .008 (Total) 90.92 11 8.27R-Squared = .890Adjusted R-Squared = .798- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -* * * * * * A n a l y s i s o f V a r i a n c e -- design 2 * * * * * *Tests of Significance for Y using UNIQUE sums of squaresSource of Variation SS DF MS F Sig of FWITHIN+RESIDUAL 16.46 8 2.06X1 WITHIN X2(1) 25.00 1 25.00 12.15 .008X1 WITHIN X2(2) 8.15 1 8.15 3.96 .082 X1 WITHIN X2(3) 43.74 1 43.74 21.26 .002(Model) 74.46 3 24.82 12.06 .002 (Total) 90.92 11 8.27R-Squared = .819Adjusted R-Squared = .751- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -* * * * * * A n a l y s i s o f V a r i a n c e -- design 3 * * * * * * Tests of Significance for Y using UNIQUE sums of squaresSource of Variation SS DF MS F Sig of F WITHIN+RESIDUAL 25.00 7 3.57X2 WITHIN X1(1) 30.30 2 15.15 4.24 .062 X2 WITHIN X1(2) 35.58 2 17.79 4.98 .045 (Model) 65.92 4 16.48 4.61 .039 (Total) 90.92 11 8.27R-Squared = .725Adjusted R-Squared = .568另外，三因素完全随机实验中的简单效应和简单简单效应的分析。
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/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.截距假设1524883353.546 1 1524883353.546 41177.914 .000误差74063.167 2 37031.584aa假设5090978.401 2 2545489.201 257.340 .000误差39566.096 4 9891.524bb假设2253126.736 2 1126563.368 79.838 .000误差169326.808 12 14110.567cr假设74063.167 2 37031.584 3.744 .121误差39566.096 4 9891.524br(a)假设39566.096 4 9891.524 .701 .606误差169326.808 12 14110.567ca * b假设836244.524 4 209061.131 14.816 .000误差169326.808 12 14110.567ca. MS(r)b. MS(r(a))c. MS(错误) 主区a 副区b 重复r 籽粒产量xm26 10万 1 6942 xm26 10万 2 6725.3 xm26 10万 3 6692 xm26 15万 1 7658.7 xm26 15万 2 7467 xm26 15万 3 7375.4xm26 20万1 7642 xm26 20万 2 7683.7 xm26 20万3 7467 9398 10万 1 6775.3 9398 10万 2 6900.3 9398 10万 3 6748.7 9398 15万 1 6950.3 9398 15万 2 6825.3 9398 15万 3 6775.3 9398 20万 1 7725.4 9398 20万 2 7575.4 9398 20万 3 7883.7 ts28 10万 1 8167.1 ts28 10万 2 8033.7 ts28 10万 3 7858.7 ts28 15万 1 7975.4 ts28 15万 2 8025.4 ts28 15万 3 7908.7 ts28 20万 1 8450.4 ts28 20万 2 8200.4 ts28 20万 3 8475.4表1显示互作显著，因此有必要进行简单效应分析。
简单效应SPSS编程
被试、被试间、混合实验设计简单效应分析简单效应(simple effect)分析简单效应(simple effect)分析通常是在作方差分析时存在交互效应的情况下的进一步分析。
你需要在SPSS中编写syntax实现。
一、完全随机因素实验中简单效应得分析程序假如一个两因素随机实验中，A因素有两个水平、B因素有三个水平，因变量是Y，检验B因素在A因素的两个水平上的简单效应分析。
TWO-FACTOR RANDOMIZED EXPERIMENTSIMPLE EFFECTS.DATA LIST FREE /A B Y.BEGIN DATA1 3 41 1 21 1 32 2 52 1 61 2 82 1 91 2 82 3 102 3 112 3 92 3 8END DATA.MANOVA y BY A(1,2) B(1,3) /DESIGN/DESIGN=A WITHIN B(1)A WITHIN B(2)A WITHIN B(3).若A与B存在交互作用而进行的进一步分析（即简单效应分析）。
同时你可以再加一个design: /DESIGN=B WITHIN A(1)B WITHIN A(2).自编数据试试y A B4.00 1.00 3.002.00 1.00 1.003.00 1.00 1.005.00 2.00 2.006.00 2.00 1.008.00 1.00 2.009.00 2.00 1.008.00 1.00 2.0010.00 2.00 3.0011.00 2.00 3.009.00 2.00 3.008.00 1.00 2.00当然，你可也直接贴下述语句至syntax编辑框：应会输出下述结果：The default error term in MANOVA has been changed from WITHIN CELLS to WITHIN+RESIDUAL. Note that these are the same for all full factorial designs.* * * * * * A n a l y s i s o f V a r i a n c e * * * * * *12 cases accepted.0 cases rejected because of out-of-range factor values.0 cases rejected because of missing data.6 non-empty cells.3 designs will be processed.- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -* * * * * * A n a l y s i s o f V a r i a n c e -- design 1 * * * * * *Tests of Significance for Y using UNIQUE sums of squares Source of Variation SS DF MS F Sig of FWITHIN CELLS 10.00 6 1.67X1 15.00 1 15.00 9.00 .X2 6.46 2 3.23 1.94 .224X1 BY X2 33.00 2 16.50 9.90 .013(Model) 80.92 5 16.18 9.71 .008(Total) 90.92 11 8.27R-Squared = .890Adjusted R-Squared = .798- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -* * * * * * A n a l y s i s o f V a r i a n c e -- design 2 * * * * * *Tests of Significance for Y using UNIQUE sums of squares Source of Variation SS DF MS F Sig of FWITHIN+RESIDUAL 16.46 8 2.06X1 WITHIN X2(1) 25.00 1 25.00 12.15 .008X1 WITHIN X2(2) 8.15 1 8.15 3.96 .082X1 WITHIN X2(3) 43.74 1 43.74 21.26 .002(Model) 74.46 3 24.82 12.06 .002(Total) 90.92 11 8.27R-Squared = .819Adjusted R-Squared = .751- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -* * * * * * A n a l y s i s o f V a r i a n c e -- design 3 * * * * * * Tests of Significance for Y using UNIQUE sums of squares Source of Variation SS DF MS F Sig of FWITHIN+RESIDUAL 25.00 7 3.57X2 WITHIN X1(1) 30.30 2 15.15 4.24 .062X2 WITHIN X1(2) 35.58 2 17.79 4.98 . (Model) 65.92 4 16.48 4.61 .039(Total) 90.92 11 8.27R-Squared = .725Adjusted R-Squared = .568另外，三因素完全随机实验中的简单效应和简单简单效应的分析。
两因素实验设计SPSS操作技巧
两因素重复测量实验设计SPSS操作
简单效应检验
GLM 无标记短句 无标记中句 无标记长句 有标记短句 有标记中句 有标记长句 /WSFACTOR=标记类型 2 Polynomial 句长类型 3 Polynomial /METHOD=SSTYPE(3) /PLOT=PROFILE(标记类型*句长类型) /EMMEANS=TABLES(标记类型*句长类型) COMPARE(标记类型) ADJ(LSD) /EMMEANS=TABLES(标记类型*句长类型) COMPARE(句长类型) ADJ(LSD) /PRINT=DESCRIPTIVE /CRITERIA=ALPHA(.05) /WSDESIGN=标记类型 句长类型 标记类型*句长类型.
短句与长句的差异不显著（P=.107） 中句与长句的差异是显著的（P=.002）
两因素完全随机实验设计SPSS操作
输出结果
（5）均值显示图
代表中句和长句的两 条直线大体平行，而代表 短句的直线与两条直线交 叉。因此，大致可以判断 两个因素之间存在交互效 应。
两因素完全随机实验设计SPSS操作
简单效应检验
交互作用显著时，通常需要进行简单效应分析，如果某因素在另一因素的某一个水 平内简单效应显著，还需要进行多重比较，以发现具体的差异所在。
用spss20进行可重复单因素随机区组、两因素随机区组、两因素裂区试验设计及方差分析
一、可重复单因素随机区组试验设计8个小麦品种的产比试验，采用随机区组设计，3次重复，计产面积25平米，产量结果如下，进行方差分析和多重比较。
表1 小麦品比试验产量结果（公斤）品种区组产量1 1 10.92 1 10.83 1 11.14 1 9.15 1 11.86 1 10.17 1 108 1 9.31 2 9.12 2 12.33 2 12.54 2 10.75 2 13.96 2 10.67 2 11.58 2 10.41 3 12.22 3 143 3 10.54 3 10.15 3 16.86 3 11.87 3 14.18 3 14.42、执行：分析-一般线性模型-单变量。
3、将产量放进因变量，品种和区组放进固定因子。
4、单击模型，选择设定单选框，将品种和区组放进模型中，只分析主效应。
5、在两两比较中进行多重比较，这里只用分析品种。
可以选择多种比较方法。
6、分析结果。
主体间效应的检验因变量: 产量源III 型平方df 均方 F Sig.和校正模型61.641a9 6.849 4.174 .009截距3220.167 1 3220.167 1962.448 .000区组27.561 2 13.780 8.398 .004品种34.080 7 4.869 2.967 .040误差22.972 14 1.641总计3304.780 24校正的总计84.613 23a. R 方 = .729（调整 R 方 = .554）这里只须看区组和品种两行，两者均达到显著水平，说明土壤肥力和品种均影响产量结果。
下面是多重比较，只有方差分析达到显著差异才进行多重比较。
多个比较因变量: 产量(I) 品种(J) 品种均值差值(I-J)标准误差Sig. 95% 置信区间下限上限LSD 1.002.00 -1.6333 1.04591 .141 -3.8766 .60993.00 -.6333 1.04591 .555 -2.8766 1.60994.00 .7667 1.04591 .476 -1.4766 3.00995.00 -3.4333* 1.04591 .005 -5.6766 -1.19016.00 -.1000 1.04591 .925 -2.3433 2.14337.00 -1.1333 1.04591 .297 -3.3766 1.10998.00 -.6333 1.04591 .555 -2.8766 1.6099 2.001.00 1.6333 1.04591 .141 -.6099 3.87663.00 1.0000 1.04591 .355 -1.2433 3.24334.00 2.4000* 1.04591 .038 .1567 4.64335.00 -1.8000 1.04591 .107 -4.0433 .44336.00 1.5333 1.04591 .165 -.7099 3.77667.00 .5000 1.04591 .640 -1.7433 2.74338.00 1.0000 1.04591 .355 -1.2433 3.2433 3.001.00 .6333 1.04591 .555 -1.60992.87662.00 -1.0000 1.04591 .355 -3.2433 1.24334.00 1.4000 1.04591 .202 -.8433 3.64335.00 -2.8000* 1.04591 .018 -5.0433 -.55676.00 .5333 1.04591 .618 -1.7099 2.77667.00 -.5000 1.04591 .640 -2.7433 1.74338.00 .0000 1.04591 1.000 -2.2433 2.2433 4.001.00 -.7667 1.04591 .476 -3.0099 1.47662.00 -2.4000* 1.04591 .038 -4.6433 -.15673.00 -1.4000 1.04591 .202 -3.6433 .84335.00 -4.2000* 1.04591 .001 -6.4433 -1.95676.00 -.8667 1.04591 .421 -3.1099 1.37667.00 -1.9000 1.04591 .091 -4.1433 .34338.00 -1.4000 1.04591 .202 -3.6433 .8433 5.001.00 3.4333* 1.04591 .005 1.1901 5.67662.00 1.8000 1.04591 .107 -.4433 4.04333.00 2.8000* 1.04591 .018 .5567 5.04334.00 4.2000* 1.04591 .001 1.9567 6.44336.00 3.3333* 1.04591 .007 1.0901 5.57667.00 2.3000* 1.04591 .045 .0567 4.54338.00 2.8000* 1.04591 .018 .5567 5.04336.00 1.00 .1000 1.04591 .925 -2.1433 2.34332.00 -1.5333 1.04591 .165 -3.7766 .70993.00 -.5333 1.04591 .618 -2.7766 1.70994.00 .8667 1.04591 .421 -1.3766 3.10995.00 -3.3333* 1.04591 .007 -5.5766 -1.09017.00 -1.0333 1.04591 .340 -3.2766 1.20998.00 -.5333 1.04591 .618 -2.7766 1.70997.00 1.00 1.1333 1.04591 .297 -1.1099 3.37662.00 -.5000 1.04591 .640 -2.7433 1.74333.00 .5000 1.04591 .640 -1.7433 2.74334.00 1.9000 1.04591 .091 -.3433 4.14335.00 -2.3000* 1.04591 .045 -4.5433 -.05676.00 1.0333 1.04591 .340 -1.2099 3.2766 8.00 .5000 1.04591 .640 -1.7433 2.74338.00 1.00 .6333 1.04591 .555 -1.6099 2.87662.00 -1.0000 1.04591 .355 -3.2433 1.24333.00 .0000 1.04591 1.000 -2.2433 2.24334.00 1.4000 1.04591 .202 -.8433 3.64335.00 -2.8000* 1.04591 .018 -5.0433 -.55676.00 .5333 1.04591 .618 -1.7099 2.77667.00 -.5000 1.04591 .640 -2.7433 1.7433基于观测到的均值。
双因素方差分析spss步骤
双因素方差分析spss步骤双因素方差分析SPSS步骤导言：双因素方差分析是一种常用的统计分析方法，用于分析两个或两个以上因素对于研究对象的影响是否存在差异。
在实际研究中，我们通常使用SPSS软件来进行双因素方差分析的计算和结果呈现。
本文将介绍使用SPSS软件进行双因素方差分析的步骤和注意事项。
一、准备数据在进行双因素方差分析之前，我们首先需要准备好所需的数据。
数据应该是一个二维矩阵，其中行代表不同的观测对象，列代表不同的变量。
变量可以分为两个因素，分别是因素A和因素B。
确保数据的格式正确，并且每一列都应该有对应的变量名称。
二、导入数据到SPSS打开SPSS软件，选择“文件”-“打开”-“数据”，然后选择包含你准备好的数据的文件。
在打开数据之后，你将看到数据被加载到SPSS软件的数据编辑器中。
三、设置变量属性在SPSS软件的数据编辑器中，右键点击每个变量的列，然后选择“变量视图”。
在变量视图中，你可以设置每个变量的属性，包括变量的名称、标签、测量尺度等。
对于因素A和因素B，你可以将它们设为分类变量。
四、进行双因素方差分析在SPSS软件中，选择“分析”-“一般线性模型”-“单因素”。
在对话框中，将因变量添加到“因变量”框中，将因素A和因素B 添加到“因子”框中。
确保选择双因素方差分析选项，并点击“确定”按钮。
五、检查假设条件在进行双因素方差分析之前，我们需要确保满足一些假设条件。
首先，各个观测值是彼此独立的，且满足正态分布假设。
其次，各个因子水平的方差相等。
可以使用一些统计方法，如Shapiro-Wilk 检验和Levene检验，来验证这些假设条件。
六、解读结果SPSS软件将为我们提供双因素方差分析的结果。
主要包括因素A 和因素B的主效应、交互效应以及误差项。
对于主效应，我们可以通过检查P值来决定该因素是否对因变量有显著影响。
对于交互效应，我们可以通过检查因素A和因素B的交互作用项的P值来判断是否存在显著交互效应。
spss操作--双因素方差分析(无重复)
F 40.948 25.800
Sig. .000 .001
PA 0.000 0.05, 拒绝原假设，认为因素A对指标有影响 PB 0.001 0.05, 拒绝原假设，认为因素B对指标有影响
1）描述性统计结果
D es c ri p ti v e S ta t i st i cs
Dependent Variable: 含量比
PH 值 1 2 3 4 To ta l
浓度 1 2 3 To ta l 1 2 3 To ta l 1 2 3 To ta l 1 2 3 To ta l 1 2 3 To ta l
Me an 3. 50 0 2. 30 0 2. 00 0 2. 60 0 2. 60 0 2. 00 0 1. 90 0 2. 16 7 2. 00 0 1. 50 0 1. 20 0 1. 56 7 1. 40 0 .8 00 .3 00 .8 33 2. 37 5 1. 65 0 1. 35 0 1. 79 2
-1.180
-1.920
Байду номын сангаас
-.747
-1.320
-.147
结论：…..
95% Confidence Interval
Lower Bound Upper Bound
-.153
1.020
.447
1.620
1.180
2.353
-1.020
.153
1.350E-02
1.187
.747
1.920
-1.620
-.447
-1.187 -1.350E-02
.147
1.320
-2.353
2）将“含量比”设置为变量，将“PH值”、 “浓度”设置为因素
在SPSS里实现被试间设计简单效应分析的方法
被试内、被试间、混合实验设计简单效应分析作者: Highway 发布时间: 2008-7-7简单效应(simple effect)分析简单效应(simple effect)分析通常是在作方差分析时存在交互效应的情况下的进一步分析。
你需要在SPSS中编写syntax实现。
一、完全随机因素实验中简单效应得分析程序假如一个两因素随机实验中，A因素有两个水平、B因素有三个水平，因变量是Y，检验B因素在A因素的两个水平上的简单效应分析。
TWO-FACTOR RANDOMIZED EXPERIMENTaaaSIMPLE EFFECTS.DATA LIST FREE /A B Y.BEGIN DATA1 3 41 1 21 1 32 2 52 1 61 2 82 1 91 2 82 3 102 3 112 3 92 3 8END DATA.MANOVA y BY A(1,2) B(1,3)/DESIGN/DESIGN=A WITHIN B(1)A WITHIN B(2)A WITHIN B(3).若A与B存在交互作用而进行的进一步分析（即简单效应分析）。
同时你可以再加一个design: /DESIGN=B WITHIN A(1)B WITHIN A(2).自编数据试试y A B4.00 1.00 3.002.00 1.00 1.003.00 1.00 1.005.00 2.00 2.006.00 2.00 1.008.00 1.00 2.009.00 2.00 1.008.00 1.00 2.0010.00 2.00 3.0011.00 2.00 3.009.00 2.00 3.008.00 1.00 2.00当然，你可也直接贴下述语句至syntax编辑框：应会输出下述结果：The default error term in MANOVA has been changed from WITHIN CELLS toWITHIN+RESIDUAL. Note that these are the same for all full factorialdesigns.* * * * * * A n a l y s i s o f V a r i a n c e * * * * * *12 cases accepted.0 cases rejected because of out-of-range factor values.0 cases rejected because of missing data.6 non-empty cells.3 designs will be processed.- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -* * * * * * A n a l y s i s o f V a r i a n c e -- design 1 * * * * * *Tests of Significance for Y using UNIQUE sums of squaresSource of Variation SS DF MS F Sig of FWITHIN CELLS 10.00 6 1.67X1 15.00 1 15.00 9.00 .024X2 6.46 2 3.23 1.94 .224X1 BY X2 33.00 2 16.50 9.90 .013(Model) 80.92 5 16.18 9.71 .008 (Total) 90.92 11 8.27R-Squared = .890Adjusted R-Squared = .798- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -* * * * * * A n a l y s i s o f V a r i a n c e -- design 2 * * * * * *Tests of Significance for Y using UNIQUE sums of squaresSource of Variation SS DF MS F Sig of FWITHIN+RESIDUAL 16.46 8 2.06X1 WITHIN X2(1) 25.00 1 25.00 12.15 .008X1 WITHIN X2(2) 8.15 1 8.15 3.96 .082 X1 WITHIN X2(3) 43.74 1 43.74 21.26 .002(Model) 74.46 3 24.82 12.06 .002 (Total) 90.92 11 8.27R-Squared = .819Adjusted R-Squared = .751- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -* * * * * * A n a l y s i s o f V a r i a n c e -- design 3 * * * * * * Tests of Significance for Y using UNIQUE sums of squaresSource of Variation SS DF MS F Sig of F WITHIN+RESIDUAL 25.00 7 3.57X2 WITHIN X1(1) 30.30 2 15.15 4.24 .062 X2 WITHIN X1(2) 35.58 2 17.79 4.98 .045 (Model) 65.92 4 16.48 4.61 .039 (Total) 90.92 11 8.27R-Squared = .725Adjusted R-Squared = .568另外，三因素完全随机实验中的简单效应和简单简单效应的分析。
- 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/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.截距假设1524883353.546 1 1524883353.546 41177.914 .000误差74063.167 2 37031.584aa假设5090978.401 2 2545489.201 257.340 .000误差39566.096 4 9891.524bb假设2253126.736 2 1126563.368 79.838 .000误差169326.808 12 14110.567cr假设74063.167 2 37031.584 3.744 .121误差39566.096 4 9891.524br(a)假设39566.096 4 9891.524 .701 .606误差169326.808 12 14110.567ca * b假设836244.524 4 209061.131 14.816 .000误差169326.808 12 14110.567ca. MS(r)b. MS(r(a))c. MS(错误) 主区a 副区b 重复r 籽粒产量xm26 10万 1 6942 xm26 10万 2 6725.3 xm26 10万 3 6692 xm26 15万 1 7658.7 xm26 15万 2 7467 xm26 15万 3 7375.4xm26 20万1 7642 xm26 20万 2 7683.7 xm26 20万3 7467 9398 10万 1 6775.3 9398 10万 2 6900.3 9398 10万 3 6748.7 9398 15万 1 6950.3 9398 15万 2 6825.3 9398 15万 3 6775.3 9398 20万 1 7725.4 9398 20万 2 7575.4 9398 20万 3 7883.7 ts28 10万 1 8167.1 ts28 10万 2 8033.7 ts28 10万 3 7858.7 ts28 15万 1 7975.4 ts28 15万 2 8025.4 ts28 15万 3 7908.7 ts28 20万 1 8450.4 ts28 20万 2 8200.4 ts28 20万 3 8475.4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2 单产品种N 子集1 2 3Duncan a,b 9398 9 7128.875xm26 9 7294.809ts28 9 8121.702 Sig. 1.000 1.000 1.000已显示同类子集中的组均值。
基于观测到的均值。
误差项为均值方 (错误) = 14110.567。
a. 使用调和均值样本大小 = 9.000。
b. Alpha = 0.05。
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 -253.547 169.09920万-920.046*96.990 .000 -1131.369 -708.723 15万10万42.224 96.990 .671 -169.099 253.54720万-877.822*96.990 .000 -1089.145 -666.499 20万10万920.046*96.990 .000 708.723 1131.36915万877.822*96.990 .000 666.499 1089.145ts28 10万15万50.002 96.990 .616 -161.320 261.32520万-355.573*96.990 .003 -566.896 -144.250 15万10万-50.002 96.990 .616 -261.325 161.32020万-405.576*96.990 .001 -616.899 -194.253 20万10万355.573*96.990 .003 144.250 566.89615万405.576*96.990 .001 194.253 616.899xm26 10万15万-713.925*96.990 .000 -925.247 -502.60220万-811.152*96.990 .000 -1022.475 -599.82915万10万713.925*96.990 .000 502.602 925.24720万-97.227 96.990 .336 -308.550 114.09620万10万811.152*96.990 .000 599.829 1022.475表3 单产密度N 子集1 2 3Duncan a,b10万9 7204.80515万9 7440.18720万9 7900.395Sig. 1.000 1.000 1.000已显示同类子集中的组均值。
基于观测到的均值。
误差项为均值方 (错误) = 14110.567。
a. 使用调和均值样本大小 = 9.000。
b. Alpha = 0.05。
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10万9398ts28 -1211.727*96.990 .000 -1423.050 -1000.404xm26 21.668 96.990 .827 -189.655 232.991 ts289398 1211.727*96.990 .000 1000.404 1423.050xm26 1233.395*96.990 .000 1022.072 1444.718 xm269398 -21.668 96.990 .827 -232.991 189.655ts28 -1233.395*96.990 .000 -1444.718 -1022.07215万9398ts28 -1119.500*96.990 .000 -1330.823 -908.178xm26 -650.033*96.990 .000 -861.355 -438.710 ts289398 1119.500*96.990 .000 908.178 1330.823xm26 469.468*96.990 .000 258.145 680.791 xm269398 650.033*96.990 .000 438.710 861.355ts28 -469.468*96.990 .000 -680.791 -258.14520万9398ts28 -647.255*96.990 .000 -858.577 -435.932xm26 130.562 96.990 .203 -80.761 341.885 ts289398 647.255*96.990 .000 435.932 858.577xm26 777.817*96.990 .000 566.494 989.140 xm269398 -130.562 96.990 .203 -341.885 80.761ts28 -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）。