SPSS教程02(帶圖)_協(xié)方差分析_chenxy

《SPSS教程02(帶圖)_協(xié)方差分析_chenxy》由會(huì)員分享，可在線閱讀，更多相關(guān)《SPSS教程02(帶圖)_協(xié)方差分析_chenxy（13頁珍藏版）》請?jiān)谘b配圖網(wǎng)上搜索。

1、簡單教程 02 1. 相關(guān)配套數(shù)據(jù) 已經(jīng) 上傳百度文庫： 2. 配套軟件 SPSS 17.0 已經(jīng)上傳百度文庫； 百度文庫搜索“SPSS簡單教程配套數(shù)據(jù)及軟件_chenxy” 百度云盤鏈接； 3 協(xié)方差分析 2 3.1 單因素協(xié)方差分析 2 3.2 雙因素協(xié)方差分析 8 3.2.1 無交互作用的協(xié)方差分析 8 3.2.2 有交互作用的協(xié)方差分析 11 3 協(xié)方差分析 課程內(nèi)容： 協(xié)方差分析 這種不是在試驗(yàn)中控制某個(gè)因素，而是在試驗(yàn)后對該因素的影響進(jìn)行估計(jì)，并對試驗(yàn)指標(biāo)的值作出調(diào)整的方法稱為統(tǒng)計(jì)控制 以統(tǒng)計(jì)控制為目的，利用線性回歸消除混雜因素的影響

2、后再進(jìn)行的方差分析，稱為協(xié)方差分析； 所需要統(tǒng)計(jì)控制的一個(gè)或多個(gè)因素，稱為協(xié)變量； 1. 自變量是分類變量，協(xié)變量是定距變量，因變量是連續(xù)變量； 2. 對連續(xù)變量或定距變量的協(xié)變量的測量不能有誤差； 3. 協(xié)變量與因變量之間的關(guān)系是線性關(guān)系，可以用協(xié)變量和因變量的散點(diǎn)圖來檢驗(yàn)是否違背這一假設(shè)； 4. 協(xié)變量的回歸系數(shù)是相同的。在分類變量形成的各組中，協(xié)變量的回歸系數(shù)（即各回歸線的斜率）必須是相等的，即各組的回歸線是平行線。如果違背了這一假設(shè)，就有可能犯第一類錯(cuò)誤，即錯(cuò)誤地接受虛無假設(shè)。 5. 自變量與協(xié)變量是直角關(guān)系，即互不相關(guān)，它們之間沒有交互作用。如果協(xié)方差受自變量的影響，

3、那么協(xié)方差分析在檢驗(yàn)自變量的效應(yīng)之前對因變量所作的控制調(diào)整將是偏倚的，自變量對因變量的間接效應(yīng)就會(huì)被排除。 分類變量：以班級(jí)將學(xué)生分類 班級(jí)即為分類變量 定距變量：刻度級(jí)變量 定距 定比 連續(xù)變量：可以用小數(shù)表示的變量 協(xié)方差分析：將回歸分析與方差分析相結(jié)合的一種分析方法 3.1 單因素協(xié)方差分析 判斷是否需要做協(xié)方差分析 1） 對自變量做單因素方差分析 2） 對自變量和因變量做相關(guān)分析 方差齊性檢驗(yàn)和回歸系數(shù)的假設(shè)檢驗(yàn)（斜率同質(zhì)性檢驗(yàn)），只有滿足上述條件后才能應(yīng)用，否則不宜適用 操作步驟1 （數(shù)據(jù)見文件 20151022_單因素協(xié)方差分析） 1. 在 V

4、ariable View 窗口定義變量 肥料（nominal 并設(shè)定標(biāo)簽值 1~3 肥料A~C ） 第一年產(chǎn)量（Scale） 第二年產(chǎn)量（Scale） （ 判斷需不需要做協(xié)方差分析 ） 操作步驟 1 ： 先對第一年產(chǎn)量為協(xié)變量進(jìn)行單因素協(xié)方差分析： Analyze -> Compare Means -> one-way ANOVA Continue -> OK 結(jié)果如下： 由表可知： F=6.340 sig.(P值)=0.007 < 0.05 表明拒絕原假設(shè)H0，有95%的把握認(rèn)為第一年的產(chǎn)量是有顯著性差異的 操作步驟2 ： Analyze ->Cor

5、relate -> Bivariate 進(jìn)入 Bivariate Correlations 窗口 勾選 Pearson 進(jìn)行Pearson計(jì)算要求變量必須是刻度級(jí)數(shù)據(jù)，點(diǎn)擊OK結(jié)果如下： 相關(guān)系數(shù)大于0,5以上 存在顯著相關(guān) 0.8以上高度相關(guān) 0.9以上極度相關(guān) 1. 相關(guān)系數(shù)為0.834；第一年產(chǎn)量與第二年產(chǎn)量是高度相關(guān)的； 2. 檢驗(yàn)統(tǒng)計(jì)量對應(yīng)的P值為0.000<0.01；拒絕原假設(shè)Ho，有99.9%的把握認(rèn)為兩年產(chǎn)量是有顯著性差異的； 由操作步驟 1,2的結(jié)論可知，所以需要做協(xié)方差分析。 操作步驟 3 ：（ 判斷能不能做協(xié)方差分析 ） Analyze -> G

6、eneral Linear Model -> Univariate 按住 shift 全選兩個(gè) 協(xié)方差因素 點(diǎn)擊 model 進(jìn)入 model 窗口 Continue -> OK得到結(jié)果如下 由此可知： 實(shí)質(zhì)上是檢驗(yàn)自變量與協(xié)變量之間是否有交互作用。由交互作用雙因素方差分析結(jié)果可知，肥料和協(xié)變量的交互作用的Sig. (P值)=0.605 > 0.05，接受原假設(shè)H0，說明沒有交互作用，即可以做方差分析； 操作步驟 4 ： Analyze -> General Linear Model -> Univariate 直接OK 得到結(jié)果如下： 由肥料種類因素

7、 Sig.P值 = 0.00 <0.05，故拒絕原假設(shè)H0，有95%的把握認(rèn)為在添加協(xié)變量的情況下，施用不同種肥料的產(chǎn)量有顯著性差異 操作步驟 5 ： Analyze -> General Linear Model -> Univariate 不添加 協(xié)變量 點(diǎn)擊OK 結(jié)果為： 由步驟4表中（添加協(xié)變量情況下不同肥料種類）Sig. = 0.00 < 0.05 拒絕原假設(shè)H0 認(rèn)為添加協(xié)變量的情況下三種肥料的產(chǎn)量矯正后有極顯著的差異 而在步驟5表中單因素方差分析：不添加協(xié)變量情況下，肥料種類對應(yīng) Sig. = 0.477 > 0.05 所借接受

8、原假設(shè)H0，即認(rèn)為不添加協(xié)變量的三種肥料的產(chǎn)量矯正后無顯著性差異 操作步驟 6 ： 查看各肥料均值，比較肥料效果： Analyze -> General Linear -> Univariate 點(diǎn)擊 options Continue -> OK 得到結(jié)果如下： 比較：均值最大的 標(biāo)準(zhǔn)差最小的 另外通過計(jì)算標(biāo)準(zhǔn)差系數(shù)評判產(chǎn)量好壞 標(biāo)準(zhǔn)差系數(shù)等于標(biāo)準(zhǔn)差除以均值。且系數(shù)越小，表明均值的代表性越好 計(jì)算得到： 各系數(shù)為： 0.11099 0.09150 0.10837 操作步驟 7： 繼續(xù) Analyze -> General Linear ->

9、Univariate 錄入 數(shù)據(jù)后 點(diǎn)擊 options 勾選 parameter Estimates Continue OK 得到結(jié)果如下 由結(jié)論可知： 第一年產(chǎn)量越好，第二年產(chǎn)量越好 3.2 雙因素協(xié)方差分析 3.2.1 無交互作用的協(xié)方差分析 操作步驟1：（數(shù)據(jù)見文件 20151022_無交互的雙因素協(xié)方差分析） 在Variable窗口定義變量 產(chǎn)量（Scale） 品種（nominal 設(shè)置標(biāo)簽值 1-5：品種1~5 ） 小區(qū)（nominal 設(shè)置標(biāo)簽值 1-3：小區(qū)1~3 ） 株數(shù)（Scale）檢驗(yàn)因素 點(diǎn)擊 Analyze -> General

10、 Linear -> Univariate Means effect 結(jié)果如下： 80%以上 若達(dá)到80%以上則說明因素找的好；否則找的不好； 小區(qū)：Sig. = 0.153> 0.05故接受原假設(shè)H0，認(rèn)為各小區(qū)的產(chǎn)量矯正后沒有顯著性差異， 品種：Sig = 0.002< 0.05故拒絕原假設(shè)H0，認(rèn)為各品種的產(chǎn)量矯正后有極顯著性差異 操作步驟 2 ： 不加入?yún)f(xié)方差因素的情況下 相關(guān)性 降低 假設(shè)檢驗(yàn)結(jié)果不表 將協(xié)變量對因變量的影響從自變量中分離出去，可以進(jìn)一步提高實(shí)驗(yàn)精確度和統(tǒng)計(jì)檢驗(yàn)靈敏度。 方差是用來度量單個(gè)變量 “自身變異”大小的總體

11、參數(shù)，方差越大，該變量的變異越大； 協(xié)方差是用來度量兩個(gè)變量之間 “協(xié)同變異”大小的總體參數(shù)，即二個(gè)變量相互影響大小的參數(shù)，協(xié)方差的絕對值越大，兩個(gè)變量相互影響越大。 3.2.2 有交互作用的協(xié)方差分析 鮮花出售量問題 在Variable View 窗口定義變量 1. 濕度：（nominal） 定義標(biāo)簽（1濕度低 2 濕度高） 2. 花種：（nominal）定義標(biāo)簽（1花種LP 2 花種WB） 3. 試驗(yàn)田大?。╯cale） 4. 出售鮮花量（scale） 操作步驟 1 （數(shù)據(jù)見文件 20151029_有交互作用的多

12、因素協(xié)方差分析） Analyze-> General Linear model-> 點(diǎn)擊 model 按鈕 添加因素 Continue->OK 得到結(jié)果如下： 分析協(xié)變量x與花種a和濕度b的交互項(xiàng) 濕度*花種*實(shí)驗(yàn)田大小 的P值 由濕度*花種*實(shí)驗(yàn)田大小 交互作用下 P值 = 0.67 > 0.05 故接受原假設(shè)H0，有95%的把握認(rèn)為 濕度*花種*實(shí)驗(yàn)田大小交互作用 對鮮花出售量無顯著性影響 操作步驟 2 Analyze-> General Linear model-> 同上 點(diǎn)擊 model 后選取model 因素不同 Contin

13、ue->OK 得到結(jié)果如下： 分析上述表格 （a.R.Squared > 0.6 勉強(qiáng) >0.8最好）判別評價(jià)的因素好壞以及對因變量的重要程度 依次對 濕度 花種 濕度*花種 三種因素提出假設(shè)，做假設(shè)檢驗(yàn) 根據(jù)各P值得到結(jié)果 1 由濕度對應(yīng) P值 = 0.000 < 0.01 故拒絕原假設(shè) H0 有 99% 的把握認(rèn)為濕度對鮮花出售量有顯著性影響 2 由花種對應(yīng)P值 = 0.001 < 0.05 故拒絕原假設(shè) H0 有 95% 的把握認(rèn)為花種對鮮花出售量有顯著性影響 3 由 濕度*花種 交互作用對應(yīng) P值 = 0.127 >0.05 故接受原假設(shè)H0 有 95%的把握認(rèn)為 濕度*花種的交互作用對鮮花出售量無顯著性影響