用SPSS进行单因素方差分析和多重比较
方差分析方差分析可以用来检验来多个均值之间差异的显著性，可以看成是两样本t检验的扩展。
统计学原理中涉及的方差分析主要包括单因素方差分析、两因素无交互作用的方差分析和两因素有交互作用的方差分析三种情况。
虽然Excel可以进行这三种类型的方差分析，但对数据有一些限制条件，例如不能有缺失值，在两因素方差分析中各个处理要有相等的重复次数等；功能上也有一些不足，例如不能进行多重比较。
而在方差分析方面SPSS的功能特别强大，很多输出结果已经超出了统计学原理的范围。
用SPSS检验数据分布的正态性方差分析需要以下三个假设条件：（1）、在各个总体中因变量都服从正态分布；（2）、在各个总体中因变量的方差都相等；（3）、各个观测值之间是相互独立的。
在SPSS中我们很方便地对前两个条件进行假设检验。
同方差性检验一般与方差分析一起进行，这一小节我们只讨论正态性的检验问题。
[例7.4] 检验生兴趣对考试成绩的影响的例子中各组数据的正态性。
在SPSS中输入数据（或打开数据文件），选择Analyze→Descriptive Statistics→Explore，在Explore对话框中将统计成绩作为因变量，兴趣作为分类变量（Fator），单击Plots按钮，选中“Histogram”复选框和“Normality plots with Test”，单击“Continue”按钮，在单击主对话框中的“OK”，可以得到分类别的描述统计信息。
从数据的茎叶图、直方图和箱线图都可以对数据分布的正态性做出判断，由于这些内容前面已经做过讲解，这里就不再进一步说明了。
图7-2 用Expore过程进行正态性检验top↑输出结果中的Q-Q图是观察数据分布正态性的一种常用图形。
这类图形大致是这样绘制的：计算数据在样本中对应的经验分布函数值（类似于累积分布的函数值，取值在0-1之间）；然后计算标准正态分布（或者均值、方差相同的正态分布）对应于经验分布函数值的分位数。
以实际值为横坐标，正态分布的分位数为纵坐标作散点图，如果图形中的点大致在一条直线上则说明数据服从正态分布。
图7-3是不太喜欢统计学的学生统计成绩的Q-Q图，从图中可以判断数据并没有严重背离正态分布。
图7-3 Q-Q图表7-8是对数据进行正态性检验的结果。
SPSS中采用的是Kolmogorov-Smirnov检验和Shapiro-Wilk检验。
这两种检验方法都属于非参数统计的内容，统计量的计算方法可以参考有关书籍。
我们可以根据软件给出的p-值对数据是否服从正态分布进行检验：由于表7-8中的p-值都大于0.05，因而我们不能拒绝零假设，也就是说没有证据表明各组的数据不服从正态分布（检验中的零假设是数据服从正态分布）。
* This is a lower bound of the true significance.a Lilliefors Significance Correctiontop↑用SPSS进行单因素方差分析和多重比较SPSS的One-Way ANOVA过程可以进行单因素方差分析和均值的多重比较。
[例7.5] 对不同兴趣的学生的统计成绩进行多重比较。
单击Analyze→mpare Means →One-Way ANOVA，在对话框中将变量“统计成绩”选入Dependent List框，将变量“兴趣”移入Factor栏，如图7-4。
单击对话框中的“Options”按钮，在弹出的对话框中选中“Discriptive（描述统计）”、“Homogeneity of variance test （同方差检验”和“Means plot（均值的图形）”复选框（图7-5）。
单击主对话框中的“Post Hoc（事后多重比较）”，选中“LSD（最小显著差异方法）”复选框。
单击主对话框中的“OK”按钮，就可以得到相应的分析结果了。
图7-4 单因素方差分析对话框图7-5 单因素方差分析的选项设定在SPSS的输出结果中，表7-9是对同方差性的检验。
SPSS采用的是Levene检验，这是一种非参数检验方法，与F检验类似，但不依赖于正态性假设，比F检验更稳健。
从检验结果看，在5%的显著性水平下不能认为个总体的方差不相等。
表7-9 同方差性检验top↑表7-10是SPSS生成的方差分析表，与Excel的计算结果完全一致。
表7-11是用LSD法进行多重比较的结果。
在表-11中的均值差（Mean Difference）一栏中加有星号的值是在5%的显著性水平下显著不等于零的值。
例如，很不喜欢统计学的学生的考试成绩与不太喜欢的学生的平均成绩相差19.083分，这一差异在5%的显著性水平下是显著的。
在加有星号的行中，相应的置信区间没有包含“0”值。
表7-11 LSD法多重比较的结果(I) 兴趣(J) 兴趣MeanDifference(I-J)Std. Error Sig.95% ConfidenceInterval1 很不喜欢2 不太喜欢-19.083* 6.720.008-32.81-5.363 无所谓-12.4647.009.086-26.78 1.854 比较喜欢-17.875* 6.848.014-31.86-3.895 非常喜欢-23.893*7.009.002-38.21-9.582 不太喜欢 1 很不喜欢19.083* 6.720.008 5.3632.813 无所谓 6.619 5.636.249-4.8918.134 比较喜欢 1.208 5.434.826-9.8912.315 非常喜欢-4.810 5.636.400-16.32 6.703 无所谓 1 很不喜欢12.4647.009.086-1.8526.782 不太喜欢-6.619 5.636.249-18.13 4.894 比较喜欢-5.411 5.788.357-17.23 6.415 非常喜欢-11.429 5.978.065-23.64.784 比较喜欢 1 很不喜欢17.875* 6.848.014 3.8931.862 不太喜欢-1.208 5.434.826-12.319.893 无所谓 5.411 5.788.357-6.4117.235 非常喜欢-6.018 5.788.307-17.84 5.805 非常喜欢 1 很不喜欢23.893*7.009.0029.5838.212 不太喜欢 4.810 5.636.400-6.7016.323 无所谓11.429 5.978.065-.7823.644 比较喜欢 6.018 5.788.307-5.8017.84* The mean difference is significant at the .05 level.图7-6是以因素水平为横轴，以各组平均考试成绩为纵轴绘制的散点图可看出各组均数的分布状况。
从图中可以看出，总体来说学生的学习兴趣越大平均考试成绩越好，但“不太喜欢”统计学的一组是个例外。
图7-6 不同学习兴趣学生的平均考试成绩top↑用SPSS进行双因素方差分析SPSS的General Linear Model中的Univariate过程可以用来进行单因素或多因素方差分析，检验不同因素以及因素之间的交互作用对均值的影响是否显著。
[例7.6] 7.1.3小节的数据为例在SPSS中进行双因素无交互作用的方差分析。
要用SPSS处理表7-6的数据需要先将数据整理成列表的形式（表7-12）。
在SPSS 中建立数据表以后，选择Analyze→General Linear Model→Univariate，在主对话框中将“收入”放入Dependent Variable 矩形框，将“地区”和“险种”放入Fixed Factor(s)矩形框中（图7-7）。
图7-7 Univariate主对话框在主对话框中点击Model按钮进入Model对话框，选择Custom，在效应下拉框中选择Main effect，把“险种”和“地区”变量选入右边的模型框中，单击Continue 返回主对话框（图7-8）。
其它选项采用默认值，单击主对话框中的“OK”按钮，可以得到无交互作用的双因素方差分析结果，分析结果见表7-13。
这一模型在Excel中是不能直接分析的。
图7-8 Univariate过程的模型定义对话框top↑表7-13 SPSS输出的有重复双因素、无交互作用的方差分析表险种 3.376 2 1.688 .544 .586地区20.627 3 6.876 2.216 .107Error 93.073 30 3.102Total 57397.520 36Corrected Total 117.076 35根据表7-13的分析结果，在无交互作用的双因素方差分析模型中，险种和地区因素对保险销售人员的收入都没有显著影响：险种因素的p-值等于0.586，地区因素的p-值等于0.107。
表中的Corrected Total是我们常用的“总离差平方和”，“Total”是总平方和（与0的离差平方和）。
然而，如果地区和险种因素的交互作用对收入有显著影响，而我们在模型中忽略了二者的交互作用，我们所作的双因素方差分析就是错误的。
下面我们来作有交互作用的方差分析。
[例7.7]使用例7.5中的数据进行双因素有交互作用的方差分析。
调用Univariate过程，变量的设置保持不变，在模型设置对话框中选择Custom，在效应下拉框中选择Interaction，同时选中“险种”和“地区”变量，点击中间的右箭头，右面Model下面的矩形框中会出现入“险种*地区”这一变量，这表示模型中包含了二者的交互作用（图7-9）。
返回主对话框，单击Plots按钮，在弹出的对话框中把“地区”变量指定为Horizontal Axis，把“险种”指定为Spearate Lines，点击下面的Add按钮，表示我们需要做一个以地区为横轴，每个险种按险种的平均值为一条线的图形（图7-10）。
返回主对话框，在options对话框中选中“Homogeneity test（同方差检验）”复选框。
最后单击主对话框中的“OK”按钮就可以得到有交互作用的双因素方差分析结果了。
图7-9 有交互作用的双因素模型设定图7-10 要求SPSS输出均值图形的设定top↑表7-14是同方差性检验的结果，检验的p-值等于0.358，表明没有证据表明各个总体的方差不相等。
表7-14 同方差性的Levene检验a零假设是各组中的因变量误差的方差都相等。
a Design: Intercept+险种+地区+险种* 地区表7-15是SPSS输出的方差分析表。
表中关于险种、地区因素以及二者交互作用的F检验值和p-值与Excel的计算结果是一致的，检验的结论同样是在5%的显著性水平下险种因素的影响不显著，地区的影响以及二者的交互作用影响显著。
如何在SPSS数据分析报告中进行方差分析？
如何在SPSS数据分析报告中进行方差分析？关键信息项：1、数据准备要求2、方差分析的类型选择3、假设检验设定4、效应量的计算与解释5、结果的呈现与解读6、多重比较方法的应用7、异常值处理方式8、数据正态性检验步骤9、方差齐性检验方法10、结果的报告格式11 数据准备要求111 数据的收集与录入：确保数据的准确性和完整性，避免错误或缺失值。
112 数据的编码与分类：对变量进行合理的分类和编码，以便于后续分析。
113 数据的清洗：检查并处理异常值和离群点，可采用Winsorization 或删除等方法。
12 方差分析的类型选择121 单因素方差分析：适用于研究一个自变量对因变量的影响。
122 多因素方差分析：用于探讨多个自变量及其交互作用对因变量的影响。
123 协方差分析：在控制协变量的情况下，分析自变量对因变量的作用。
13 假设检验设定131 零假设和备择假设的确定：明确研究的预期方向。
132 检验水平的选择：通常设定为 005 或 001。
14 效应量的计算与解释141 部分η²：反映自变量对因变量变异的解释程度。
142 ω²：用于校正样本量对效应量的影响。
15 结果的呈现与解读151 ANOVA 表的解读：包括自由度、均方、F 值和 P 值等。
152 图形展示：如箱线图、均值图等，直观呈现组间差异。
16 多重比较方法的应用161 LSD 法：适用于样本量相等且方差齐性的情况。
162 Bonferroni 校正：控制多重比较的总体误差率。
17 异常值处理方式171 识别异常值的方法：如使用箱线图或 Z 分数等。
172 对异常值的处理决策：根据具体情况决定保留、修正或删除。
18 数据正态性检验步骤181 绘制直方图和 QQ 图：初步判断数据的正态性。
182 采用 ShapiroWilk 检验或 KolmogorovSmirnov 检验：进行正式的正态性检验。
19 方差齐性检验方法191 Bartlett 检验：适用于正态分布的数据。
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。
SPSS单因素方差分析步骤-图文
SPSS单因素方差分析步骤-图文SPSS（Statistical Package for the Social Sciences）是一种常用的统计分析软件，可以用于进行各种统计分析，包括单因素方差分析。
单因素方差分析是一种用于比较三个或更多组之间平均值差异的统计方法。
下面是使用SPSS进行单因素方差分析的步骤：1.载入数据：打开SPSS软件，并导入数据文件。
可以通过“File”菜单中的“Open”选项来导入已有的数据文件，或是通过“File”菜单中的“New Data”选项创建新的数据文件。
2.数据检查：在进行方差分析之前，需要对数据进行检查，确保数据符合方差分析的假设要求。
主要包括以下几个方面：- 数据的正态性：使用“Explore”功能可以进行直方图和正态性检验。
在菜单栏中选择“Analyze”-“Descriptive Statistics”-“Explore”，然后选择需要检查的变量，并将其拖放到“Dependent List”框中。
点击“Plots”选项卡，勾选“Normality plots with tests”，然后点击“OK”进行正态性检验。
- 数据的同方差性：使用“Explore”功能可以进行散点图和相关统计检验。
同样地，在“Explore”对话框的“Plots”选项卡中，勾选“Scatter/Matrix”选项，并在“Options”选项卡中勾选“Flagextreme cases”，然后点击“OK”进行散点图和异常值检查。
-异常值：通过观察数据的散点图或是通过计算异常值统计量，可以确定是否存在异常值。
3.单因素方差分析：使用“Analyze”菜单中的“General Linear Model”选项来进行单因素方差分析。
在“General Linear Model”对话框中，将需要进行分析的因变量拖到“Dependent Variable”框中，将独立变量拖到“Fixed Factor(s)”框中，然后点击“OK”进行分析。
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的方差分析
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）4 3 10.15 3 16.86 3 11.87 3 14.18 3 14.41、打开程序把上述数据输入进去。
2、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 型平方和df 均方 F Sig. 校正模型61.641a 9 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。
二、两因素可重复随机区组试验设计下面是水稻品种和密度对产量的影响，采用随机区组试验设计，3次重复，品种3个水平，密度3个水平，共27个观测值。
小区计产面积20平米。
表2 水稻品种与密度产比试验1、输入数据，执行：分析-一般线性模型-单变量。
注意区组作为随机因子。
2、选择模型。
注意模型中有三者的主效和品种与密度的交互。
3、分析结果。
注意自由度的分解。
使用一个误差（0.486）计算F值。
主体间效应的检验因变量: 产量源III 型平方和df 均方 F Sig. 截距假设1496.333 1 1496.333 1035.923 .0014、语句。
用SPSS进行单因素方差分析和多重比较
SPSS——单因素方差分析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。
单因素方差分析的“0ne-Way ANOVA”过程允许进行高达5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输入。
具体的操作步骤如下：①选中“Polynomial”复选项，该操作激活其右面的“Degree”参数框。
②单击Degree参数框右面的向下箭头展开阶次菜单，可以选择“Linear”线性、“Quadratic”二次、“Cubic”三次、“4th”四次、“5th”五次多项式。
③为多项式指定各组均值的系数。
方法是在“Coefficients”框中输入一个系数，单击Add按钮，“Coefficients”框中的系数进入下面的方框中。
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。
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在SPSS中进行单因素方差分析和多重比较可以帮助研究人员分析各组之间的差异，并确定是否存在显著性差异。
本文将详细介绍如何使用SPSS进行单因素方差分析和多重比较。
一、单因素方差分析1.数据准备首先，将数据导入SPSS软件。
确保每个观测值都位于独立的行中，并且将每个因素作为一个变量列。
确保每个变量的测量水平正确设置。
对于要进行单因素方差分析的变量，应该是连续型变量。
2.描述性统计在执行方差分析之前，我们需要进行描述性统计，以了解每个组的均值、标准差和样本数量。
在SPSS中，可以通过选择“统计”菜单，然后选择“描述统计”来执行描述性统计。
在弹出的对话框中，选择想要分析的变量，并选择“均值”和“标准差”。
3.单因素方差分析要进行单因素方差分析，在SPSS中选择“分析”菜单，然后选择“一元方差分析”。
在弹出的对话框中，将要分析的变量移入“因素”框中。
然后，点击“选项”按钮，选择想要输出的结果，如方差分析表和均值表。
最后，点击“确定”执行单因素方差分析。
4.结果解读方差分析表提供了重要的统计信息，包括组间和组内的平方和、自由度、均方、F值和p值。
其中，F值表示组间变异性和组内变异性的比值。
p值表示在原假设下观察到的差异是否显著。
如果p值小于设定的显著性水平（通常为0.05），则可以拒绝原假设，即存在显著差异。
二、多重比较当在单因素方差分析中发现存在显著组间差异时，下一步是进行多重比较，以确定哪些组之间存在显著差异。
1.多重比较检验在SPSS中，可以使用多种方法进行多重比较检验，如Tukey HSD、Bonferroni、LSD等。
这些方法可以通过选择“分析”菜单，然后选择“比较手段”来执行。
在弹出的对话框中，选择要进行比较的变量和方法。
点击“确定”执行多重比较检验。
2.结果解读多重比较结果表提供了各组之间的均值差异估计、标准误差、置信区间和p值。
根据p值，可以确定哪些组之间存在显著差异。
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。
单因素方差分析与多重比较
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5-1所示。
表5-1 不同水稻品种百丛中稻纵卷叶螟幼虫数从复水稻品种1 2 3 4 51 41 33 38 37 312 39 37 35 39 343 40 35 35 38 34 数据保存在“DATA5-1.SAV”文件中，变量格式如图5-1。
图5-1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5-1所示。
或者打开已存在的数据文件“DATA5-1.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5-2。
图5-2 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5-3所示的对话框。
该对话框用于设置均值的多项式比较。
图5-3 “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5-3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。