SPSS单因素方差分析步骤
SPSS 教程 第五章 方差分析
目录1、单因素方差分析1)准备分析数据2)启动分析过程3)设置分析变量4)设置多项式比较5)多重比较6)提交执行7)结果与分析2、多因素方差分析1)准备分析数据2)调用分析过程3)设置分析变量4)选择分析模型5)选择比较方法6)选择均值图7)选择多重比较8)保存运算值9)选择输出项10)提交执行11)结果分析方差分析是用于两个及两个以上样本均数差别的显著性检验。
由于各种因素的影响，研究所得的数据呈现波动状，造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。
方差分析的基本思想是：通过分析研究不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。
方差分析主要用途：①均数差别的显著性检验，②分离各有关因素并估计其对总变异的作用，③分析因素间的交互作用，④方差齐性检验。
在科学实验中常常要探讨不同实验条件或处理方法对实验结果的影响。
通常是比较不同实验条件下样本均值间的差异。
例如医学界研究几种药物对某种疾病的疗效；农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响；不同化学药剂对作物害虫的杀虫效果等，都可以使用方差分析方法去解决。
方差分析原理方差分析的基本原理是认为不同处理组的均数间的差别基本来源有两个：(1) 随机误差，如测量误差造成的差异或个体间的差异，称为组内差异，用变量在各组的均值与该组内变量值之偏差平方和的总和表示，记作SS w，组内自由度df w。
(2) 实验条件，实验条件，即不同的处理造成的差异，称为组间差异。
用变量在各组的均值与总均值之偏差平方和表示，记作SS b，组间自由度df b。
总偏差平方和 SS t = SS b + SS w。
组内SS t、组间SS w除以各自的自由度(组内dfw =n-m，组间dfb=m-1，其中n为样本总数，m为组数)，得到其均方MS w和MS b，一种情况是处理没有作用，即各组样本均来自同一总体，MS b/MS w≈1。
用SPSS进行单因素方差分析和多重比较
用SPSS进行单因素方差分析和多重比较．单因素方差分析SPSS——单因素方差分析也称作一维方差分析。
它检验由单一因素影响的一个单因素方差分析因变量由因素各水平分组的均值之间的差异是否具有统计)(或几个相互独立的平分组中哪一组与其他各组均值间具有显著性意义。
还可以对该因素的若干水过程要求因变量属于正差异进行分析，即进行均值的多重比较。
One-Way ANOVA 态分布总体。
如果因变量的分布明显的是非正态，不能使用该过程，而应该使Repeated Measu用非参数分析过程。
如果几个因变量之间彼此不独立，应该用过程。
re][例子所示。
调查不同水稻品种百丛中稻纵卷叶螟幼虫的数量，数据如表1-11-1图分析水稻品种对稻纵卷叶螟幼虫抗虫性是否存在显著性差异。
）启动分析过程2”项，”项，在下拉菜单中点击“Compare Means 点击主菜单“Analyze在右拉式菜单中点击“0ne-Way ANOVA”项，系统。
打开单因素方差分析设置窗口如图1-2单因素方差分析窗口1-2 图）设置分析变量3”框中。
本选择一个或多个因子变量进入“Dependent List 因变量: 例选择“幼虫”。
Factor”框中。
本例选择“品种”选择一个因素变量进入因素变量: “）设置多项式比较4所示的对话框。
该对话框用”按钮，将打开如图单击“Contrasts1-3于设置均值的多项式比较。
”对话框图Contrasts“1-3定义多项式的步骤为：中显示1-3 均值的多项式比较是包括两个或更多个均值的比较。
例如图值的 H0：第一组均mean1-1×mean2”的值，检验的假设的是要求计算“1.1×”过程允许进倍与第二组的均值相等。
单因素方差分析的“0ne-Way ANOVA1.1次的均值多项式比较。
多项式的系数需要由读者自己根据研究的需要行高达5输入。
具体的操作步骤如下：”参数框。
Degree 选中“Polynomial”复选项，该操作激活其右面的“①”线参数框右面的向下箭头展开阶次菜单，可以选择“Linear 单击Degree②”五次多项式。
spss常用分析方法操作步骤
SPSS常用分析方法操作步骤一、单变量单因素方差分析例题：某个年级有三个班，现在对他们的一次数学考试成绩进行随机抽（见下表），试在显著性水平0.005下检验各班级的平均分数有无显著差异（数据文件：数学考试成绩.sav）。
（1）建立数学成绩数据文件。
（2）选择“分析”→“比较均值”→“单因素方差”，打开单因素方差分析窗口，将“数学成绩”移入因变量列表框，将“班级”移入因子列表框。
（3）单击“两两比较”按钮，打开“单因素ANOV A两两比较”窗口。
（4）在假定方差齐性选项栏中选择常用的LSD检验法，在未假定方差齐性选项栏中选择Tamhane’s检验法。
在显著性水平框中输入0.05，点击继续，回到方差分析窗口。
（5）单击“选项”按钮，打开“单因素ANOV A选项”窗口，在统计量选项框中勾选“描述性”和“方差同质性检验”。
并勾选均值图复选框，点击“继续”，回到“单因素ANOV A选项”窗口，点击确定，就会在输出窗口中输出分析结果。
二、单变量多因素方差分析研究不同温度与不同湿度对粘虫发育历期的影响，得试验数据如表5-7。
分析不同温度和湿度对粘虫发育历期的影响是否存在着显著性差异（数据文件：粘虫.sav）。
（1）建立数据文件“粘虫.sav”。
（2）选择“分析”→“一般线性模型”→“单变量”，打开单变量设置窗口。
（3）分析模型选择：此处我们选用默认；（4）比较方法选择：在窗口中单击“对比”按钮，打开“单变量：对比”窗口进行设置，单击“继续”返回；（5）均值轮廓图选择：单击“绘制”按钮，设置比较模型中的边际均值轮廓图，单击“继续”返回；（6）“两两比较”选择，用于设置两两比较检验，本例中设置为“温度”和“湿度”。
三、相关分析调查了29人身高、体重和肺活量的数据见下表，试分析这三者之间的相互关系。
（1）建立数据文件“学生生理数据.sav”。
（2）选择“分析”→“相关”→“双变量”，打开双变量相关分析对话框。
（3）选择分析变量：将“身高”、“体重”和“肺活量”分别移入分析变量框中。
SPSS实验3-单因素方差分析
SPSS作业3：方差分析不同学校专业类别对报名人数的分析（一）单因素方差分析基本操作：（1）选择菜单Analyz e－Compare means―One-Way ANOVA；（2）分别选择“报名人数”“专业类别”和“报名人数”“学校”做分析，结果如下：a.专业类别对报名人数的单因素方差分析结果b.不同学校对报名人数的单因素方差分析结果1分析：提出零假设―选择检验统计量―计算检验统计量的观测值及概率p值―给出显著性水平a，做出决策。
零假设：不同专业类别对报名人数没有显著影响；备择假设：不同专业类别对报名人数有显著影响。
图a是专业类别对报名人数的单因素方差分析结果。
可以看出，报名人数的总离差平方和为2.617E8；如果仅考虑专业类别单个因素的影响，则报名人数总变差中，专业类别可解释的变差为5.866E7，抽样误差引起的变差为2.030E8，他们的方差分别为1.955E7和1450230.159，相除所得的F统计量为13.483，对应的p值近似为0。
如果显著水平为a=0.05,由于p值小于a，则应拒绝原假设，认为不同专业类别对报名人数产生了显著影响，它对报名人数的影响效应应不全为0。
零假设：不同学校对报名人数没有显著影响：备择假设：不同学校对报名人数有显著影响。
图b是不同学校对报名人数的单因素方差分析结果。
可以看出，报名人数的总离差平方和为2.617E8；如果仅考虑学校单个因素的影响，则报名人数总变差中，不同学校可解释的变差为9.265E7，抽样误差引起的变差为1.690E8，他们的方差分别为5450179.739和1341587.302，相除所得的F统计量为4.062，对应的p值近似为0。
如果显著水平为a=0.05,由于p值小于a，则应拒绝原假设，认为不同学校对报名人数产生了显著影响，它对报名人数的影响效应应不全为0。
（二）单因素方差的进一步分析基本操作：在Optio n、Post Hoc、Contrasts框中，选择所需要的计算值，结果如下：不同专业类别对报名人数的基本描述统计量及95%置信区间2分析：在4中不同专业类别中，各有36个样本，其中，经管类的报名人数最多，其次是理工类，然后是艺术类，最少的是文学类。
单因素方差分析-SPSS
实用文档
13
多重比较（SNK法）
2007.01
均数
实用文档
P值
14
表1 不同年级学生的学习策略水平单因素方差分析
2007.01
实用文档
15
2007.01
实用文档
3
2007.01
实用文档
4
One-Way ANOVA 对话框
2007.01
实用文档
5
Post Hoc Multiple Comparisons 对话
框
2007.01
实用文档
6
Option对话框
2007.01
实用文档
7
点击“OK”，运行结果
2007.01
实用文档
8
➢ 结果输出
单因素方差分析
2007.01
实用文档
1
SPSS单因素方差分析过程名
完全随机设计方差分析：
Analyze →Compare Means→One－Way ANOVA
2007.01
实用文档
2
完全随机设计资料的方差分析One-Way ANOVA
对不同年级，学生的学习策略水平（测评之和）进 行单因素方差分析，并进行多种比较。
2007.01
实用文档
9
基本统计描述
标准误
最小值
均数
例数
标准差
均数95%可信区间
最大值
2007.01
实用文档
10
方差齐性检验
Levene
统计1
方差分析表
组间
平方 和
自由 度
均方
F值 P值
组内
2007.01
实用文档
12
spss方差分析报告操作示范-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 VariancesMATHLevene 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。
单因素方差分析-SPSS
2
1.2相关概念
（1）影响因素的分类：在所有的影响因素中根据是否可以人为控制可以分 为两类，一类是人为可以控制的因素，称为控制因素或控制变量，如种子 品种的选定，施肥量的多少；另一类因素是认为很难控制的因素，称为随 机因素或随机变量，如气候和地域等影响因素。在很多情况下随机因素指 的是实验过程中的抽样误差。 （2）控制变量的不同水平：控制变量的不同取值或水平，称为控制变量的 不同水平。如甲品种、乙品种；10公斤化肥、20公斤化肥、30公斤化肥等。 （3）观测变量：受控制变量和随机变量影响的变量称为观测变量，如农作 物的产量等。 方差分析就是从观测变量的方差入手，研究诸多控制变量中哪些变量是对 观测变量有显著影响的变量以及对观测变量有显著影响的各个控制变量其 不同水平以及各水平的交互搭配是如何影响观测变量的一种分析方法。
i 1
k
SSE ( xij xi ) 2
i 1 j 1
ni
6
各离差平方和的计算-例题
职称 基本工资 职称 基本工资
1 1014 3 848
1 1044 3 827
1 1014 3 938
2 984 3 887
2 859 3 887
2 989 4 824
2 889 4 824
3 866 4 824
先验对比检验 如果发现某些水平与另一些水平的均值差距显著，就可以进一 步比较这两组总的均值是否存在显著差异。在检验中，SPSS根 据用户确定的各均值的系数，再对其线性组合进行检验，来判 断各相似性子集间均值的差异程度。 趋势检验 当控制变量为定序变量时，趋势检验能够分析随着控制变量水 平的变化，观测变量值变化的总体趋势是怎样的。
13
① Option选项
SPSS——单因素方差分析报告详解
SPSS——单因素方差分析来源：李大伟的日志单因素方差分析单因素方差分析也称作一维方差分析。
它检验由单一因素影响的一个(或几个相互独立的)因变量由因素各水平分组的均值之间的差异是否具有统计意义。
还可以对该因素的若干水平分组中哪一组与其他各组均值间具有显著性差异进行分析，即进行均值的多重比较。
One-Way ANOVA过程要求因变量属于正态分布总体。
如果因变量的分布明显的是非正态，不能使用该过程，而应该使用非参数分析过程。
如果几个因变量之间彼此不独立，应该用Repeated Measure 过程。
[例子]调查不同水稻品种百丛中稻纵卷叶螟幼虫的数量，数据如表1-1所示。
表1-1 不同水稻品种百丛中稻纵卷叶螟幼虫数数据保存在“data1.sav”文件中，变量格式如图1-1。
图1-1分析水稻品种对稻纵卷叶螟幼虫抗虫性是否存在显著性差异。
1）准备分析数据在数据编辑窗口中输入数据。
建立因变量“幼虫”和因素水平变量“品种”，然后输入对应的数值，如图1-1所示。
或者打开已存在的数据文件“data1.sav”。
2）启动分析过程点击主菜单“Analyze”项，在下拉菜单中点击“Compare Means”项，在右拉式菜单中点击“0ne-Way ANOVA”项，系统打开单因素方差分析设置窗口如图1-2。
图1-2 单因素方差分析窗口3）设置分析变量因变量:选择一个或多个因子变量进入“Dependent List”框中。
本例选择“幼虫”。
因素变量:选择一个因素变量进入“Factor”框中。
本例选择“品种”。
4）设置多项式比较单击“Contrasts”按钮，将打开如图1-3所示的对话框。
该对话框用于设置均值的多项式比较。
图1-3 “Contrasts”对话框定义多项式的步骤为：均值的多项式比较是包括两个或更多个均值的比较。
例如图1-3中显示的是要求计算“1.1×mean1-1×mean2”的值，检验的假设H0：第一组均值的1.1倍与第二组的均值相等。
- 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)。
spss教程：单因素方差分析
用来测试某一个控制变量的不同水平是否给观察变量造成显著差异和变动。
方差分析前提：不同水平下，各总体均值服从方差相同的正态分布。
所以方差分析就是研究不同水平下各个总体的均值是否有显著的差异。
统计推断方法是计算F统计量，进行F检验，总的变异平方和 SST，控制变量引起的离差SSA（Between Group离差平方和），另一部分随机变量引起的SSE（组内Within Group离差平方和），SST=SSA+SSE。
方法/步骤
1.计算检验统计量的观察值和概率P_值：Spss自动计算F统计值，
如果相伴概率P小于显著性水平a，拒绝零假设，认为控制变量不同水平下各总体均值有显著差异，反之，则相反，即没有差异。
2.方差齐性检验：控制变量不同水平下各观察变量总体方差是否
相等进行分析。
采用方差同质性检验方法（Homogeneity of variance），原假设“各水平下观察变量总体的方差无显著差异，思路同spss两独立样本t检验中的方差分析”。
图中相伴概率
0.515大于显著性水平0.05，故认为总体方差相等。
趋势检验：趋势检验可以分析随着控制变量水平的变化，观测变量值变化的总体趋势是怎样的，线性变化，二次、三次等多项式。
趋势检验可以帮助人们从另一个角度把握控制变量不同水平对观察
变量总体作用的程度。
图中线性相伴概率为0小于显著性水平0.05，故不符合线性关系。
3.多重比较检验：单因素方差分析只能够判断控制变量是否对观
察变量产生了显著影响，多重比较检验可以进一步确定控制变量的不同水平对观察变量的影响程度如何，那个水平显著，哪个不显著。
常用LSD、S-N-K方法。
LSD方法检测灵敏度是最高的，但也容易导致第一类错误（弃真）增大，观察图中结果，在LSD项中，报纸与广播没有显著差异，但在别的方法中，广告只与宣传有显著差异。
4.相似性子集：由图可知，划分的子集结果是一样的。
通常在相
似性子集划分时多采用S-N-K方法的结论。
其结论可以与上述多重比较检验结合起来看，验证在LSD项中，报纸与广播没有显著差异的结论。