单因素方差分析(详细版)课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,ppt课件,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,ppt课件,*,单因素方差分析,(One-Way ANOVA),1,ppt课件,单因素方差分析(One-Way ANOVA)1ppt课件,1,、问题与数据,有研究者认为，体力活动较多的人能更好地应对职场的压力。为了验证这一理论，某研究招募了,31,名受试者，测量了他们每周进行体力活动的时间,(,分钟,),，以及应对职场压力的能力。,根据体力活动的时间数，受试者被分为,4,组：久坐组、低、中、高体力活动组，变量名为,group,。利用,Likert,量表调查的总得分来评估应对职场压力的能力，分数越高，表明应对职场压力的能力越强，变量名为,coping_stress,。应对职场压力的能力，可以简写为,CWWS,得分。,研究者想知道，,CWWS,得分的高低是否取决于体力活动的时间，即,coping_stress,变量的平均得分是否随着,group,变量的不同而不同（部分数据如右图）,2,ppt课件,1、问题与数据有研究者认为，体力活动较多的人能更好地应对职场,2,、对问题的分析,研究者想分析不同,group,间的,coping_stress,得分差异，可以采用单因素方差分析。单因素方差分析适用于,2,种类型的研究设计：,1,）判断,3,个及以上独立的组间均数是否存在差异；,2,）判断前后变化的差值是否存在差异。,使用单因素方差分析时，需要考虑,6,个假设。,假设,1,：因变量为连续变量；,假设,2,：有一个包含,2,个及以上分类、且组别间相互独立的自变量；,假设,3,：每组间和组内的观测值相互独立；,假设,4,：每组内没有明显异常值；,假设,5,：每组内因变量符合正态分布；,假设,6,：进行方差齐性检验，观察每组的方差是否相等。,那么，进行单因素方差分析时，如何考虑和处理这,6,项假设呢？,3,ppt课件,2、对问题的分析研究者想分析不同group间的coping_,3,、思维导图,4,ppt课件,3、思维导图4ppt课件,5,ppt课件,5ppt课件,4,、对假设的判断,假设,1,：因变量为连续变量；,假设,2,：有一个包含,2,个及以上分类、且组别间相独立的自变量；,假设,3,：每组间及组内的观测值相互独立。,和研究设计有关，需根据实际情况判断。,假设,4,：每组内没有明显异常值。,如果某个组别中的某些因变量取值和其他值相比特别大或者特别小，则称之为异常值。异常值会影响该组的均数和标准差，因此会对最终的统计检验结果产生很大的负面影响。对于小样本研究，异常值的影响尤其显著，必须检查每组内是否存在明显异常值。,以下将说明如何在,SPSS,中利用箱线图（,Boxplots,）检查是否存在异常值，以及存在异常值时的几种处理方法。,6,ppt课件,4、对假设的判断假设1：因变量为连续变量；假设4：每组内没有,(1),在主菜单点击,Analyze Descriptive Statistics Explore.,： 出现右图,Explore,对话框：,利用箱线图（,Boxplots,）检查是否存在异常值，以及存在异常值时的几种处理方法,7,ppt课件,(1)在主菜单点击Analyze Descriptive,(2),把因变量,coping_stress,送入,Dependent List,框中，把自变量,group,送入,Factor List,框中：,(3),点击,Plots.,，出现,Explore: Plots,对话框：,8,ppt课件,(2)把因变量coping_stress送入Dependen,(4),在,Boxplots,模块内保留系统默认选项,Factor levels together,，在,Descriptive,模块内取消选择,Stem-and-leaf,，在下方勾选,Normality plots with tests,（执行,Shapiro-Wilks,检验）：,点击,Continue,，返回,Explore,对话框。,(5),在,Display,模块内点击,Plots,：,如果使用偏度和峰度（,skewness and kurtosis,）进行正态性判断，则保留,Display,模块内的默认选项,Both,或者选择,Statistics,。,(6),点击,OK,，输出结果。,9,ppt课件,(4)在Boxplots模块内保留系统默认选项Factor,根据如下输出的箱线图，判断每个组别内是否存在异常值。,10,ppt课件,根据如下输出的箱线图，判断每个组别内是否存在异常值。10pp,SPSS,中将距离箱子边缘超过,1.5,倍箱身长度的数据点定义为异常值，以圆点表示；,将距离箱子边缘超过,3,倍箱身长度的数据点定义为极端值（极端异常值），以星号（*）表示。,为容易识别，在,Data View,窗口异常值均用其所在行数标出。,本例数据箱线图无圆点或星号，因此无异常值。,假如数据中存在异常值和极端异常值，其箱线图如右：,箱线图是一种比较简单和流行的异常值检验方法，当然同样存在一些更为复杂的方法，这里不过多介绍。,11,ppt课件,SPSS中将距离箱子边缘超过1.5倍箱身长度的数据点定义为异,如何处理数据中存在的异常值,异常值的处理方法分为,2,种：,(1),保留异常值：,1,）采用非参数,Kruskal-Wallis H,检验；,2,）用非最极端的值来代替极端异常值（如用第二大的值代替）；,3,）因变量转换成其他形式；,4,）将异常值纳入分析，并坚信其对结果不会产生实质影响。,(2),剔除异常值：,直接删除异常值很简单，但却是没有办法的办法。当我们需要删掉异常值时，应报告异常值大小及其对结果的影响，最好分别报告删除异常值前后的结果。而且，应该考虑有异常值的个体是否符合研究的纳入标准。如果其不属于合格的研究对象，应将其剔除，否则会影响结果的推论。,导致数据中存在异常值的原因有,3,种：,(1),数据录入错误：首先应该考虑异常值是否由于数据录入错误所致。如果是，用正确值进行替换并重新进行检验；,(2),测量误差：如果不是由于数据录入错误，接下来考虑是否因为测量误差导致（如仪器故障或超过量程）；,(3),真实的异常值：如果以上两种原因都不是，那最有可能是一种真实的异常数据。这种异常值不好处理，但也没有理由将其当作无效值看待。目前它的处理方法比较有争议，尚没有一种特别推荐的方法。,需要注意的是，如果存在多个异常值，应先把最极端的异常值去掉后，重新检查异常值情况。这是因为有时最极端异常值去掉后，其他异常值可能会回归正常。,12,ppt课件,如何处理数据中存在的异常值异常值的处理方法分为2种：导致数,如果样本量较小（,50,），并且对正态,Q-Q,图或其他图形方法的结果诠释不够有把握，推荐采用,Shapiro-Wilk,检验。每组自变量都会有一个,Shapiro-Wilk,正态性检验结果。本例结果见如下,Tests of Normality,表格。,假设,5,：每组内因变量符合正态分布,正态性检验有很多方法，这里只介绍最常用的一种：,Shapiro-Wilk,正态性检验（其他还有偏度和峰度值、直方图等）。在假设,4,的判断中，我们在,Explore: Plots,对话框中勾选了,Normality plots with tests,，输出结果中会给出,Shapiro-Wilk,检验的结果。,如果样本量大于,50,，推荐使用正态,Q-Q,图等图形方法进行正态判断，因为当样本量较大时，,Shapiro-Wilk,检验会把稍稍偏离正态分布的数据也标记为有统计学差异，即数据不服从正态分布。,如果数据符合正态分布，显著性水平（蓝框中的,Sig.,）应该大于,0.05,。,Shapiro-Wilk,检验的无效假设是数据服从正态分布，备择假设是数据不服从正态分布。因此，如果拒绝无效假设（,P0.05,），表示数据不服从正态分布；如果不能拒绝无效假设，则不能认为数据不服从正态分布。本例中每组正态性检验,P,值均大于,0.05,，因此不能认为每组因变量不服从正态分布。,13,ppt课件,如果样本量较小（ Compare Means One-Way ANOVA,：,5,、,SPSS,操作,出现,One-Way ANOVA,对话框：,5.1,单因素方差分析（,ONEWAY procedure,）事后两两比较（,post hoc test,）,15,ppt课件,(1)点击Analyze Compare Means ,(2),把因变量,coping_stress,送入,Dependent List,框中，自变量,group,送入,Factor,框中：,(3),点击,Options,，出现,One-Way ANOVA: Options,对话框：,16,ppt课件,(2)把因变量coping_stress送入Dependen,(4),在,Statistics,模块勾选,Descriptive,，,Homogeneity of variance test,和,Welch,，同时勾选,Means plot,：,(5),点击,Continue,，返回,One-Way ANOVA,对话框。,17,ppt课件,(4)在Statistics模块勾选Descriptive，,(6),点击,Post Hoc,，出现,One-Way ANOVA: Post Hoc Multiple Comparisons,对话框：,对话框根据方差齐性检验的假设是否满足，分为,2,个主要区域：,18,ppt课件,(6)点击Post Hoc，出现One-Way ANOVA:,(7),在,Equal Variances Assumed,模块内勾选,Tukey,，在,Equal Variances Not Assumed,模块内勾选,Games-Howell,：,(8),可以在,Significance level,框中修改显著性水平的大小（系统默认为,0.05,，表示当,P General Linear Model Univariate.,5.2,一般线性模型（,GLM procedure,）求效应量（偏,2,）,20,ppt课件,出现Univariate对话框：(1)点击Analyze ,(2),把因变量,coping_stress,送入,Dependent List,框中，自变量,group,送入,Fixed Factor(s),框中,(3),点击,Options.,，出现,Univariate: Options,对话框：,21,ppt课件,(2)把因变量coping_stress送入Dependen,(4),在,Display,模块内勾选,Estimates of effect size,：,(6),点击,OK,，输出结果。,(5),点击,Continue,，返回,Univariate,对话框。,22,ppt课件,(4)在Display模块内勾选Estimates of e,(1),点击,Analyze General Linear Model Univariate.,5.3,一般线性模型（,GLM procedure,）自定义组间比较（,custom contrasts,）,如果只关心特定组别间的差异，你需要知道如何进行自定义比较（,custom contrasts,），以及如何对多重比较结果进行调整，这就要用到,SPSS,软件中的,Syntax Editor,窗口编写相应程序语句。,当满足方差齐性条件时，推荐采用,GLM,程序进行自定义组间比较,。,23,ppt课件,(1)点击Analyze General Linear,(2),把因变量,coping_stress,送入,Dependent List,框中，自变量,group,送入,Fixed Factor(s),框中,出现,Univariate,对话框：,24,ppt课件,(2)把因变量coping_stress送入Dependen,(3),点击,Paste,，出现,IBM SPSS Statistics Syntax Editor,窗口：,25,ppt课件,(3)点击Paste，出现IBM SPSS Statisti,(4),在,/PRINT,和,/CRITERIA,两行中间，输入,/LMATRIX = group -1 1 0 0,本例中久坐组系数为,-1,，“低”体力活动组系数为,1,，其他组别均为,0,，则是要比较久坐组和“低”体力活动组的,CWWS,得分差异，看二者的平均,CWWS,得分差值是否为,0,（用“低”体力活动组得分减去久坐组得分，即系数为,1,的组别减去系数为,-1,的组别，以系数为,-1,的组别为参照组，系数赋值的正负与研究设计和研究假设有关）。,注：自定义比较包括了简单比较（,simple contrasts,）和复合比较（,complex contrasts,）。简单比较为只比较自变量某两个组别间的差异，需要建立线性比较函数（,linear contrast,，,）。它包含一系列系数和每个组别对应的均数，系数取值只能为,1,，,-1,，,0,。我们把要比较的两组的系数分别赋值为,1,和,-1,，其他不比较的组别系数赋值为,0,。,/LMATRIX=,旨在告诉,SPSS,我们要做一个自定义假设；,group,表示将要进行比较的自变量组别；,-1 1 0 0,表示要进行比较的系数，系数的顺序和,SPSS,里输入的组别顺序有关：这里从左到右（,-1 1 0 0,）分别对应着久坐组、“低”、“中”和“高”体力活动组，表示将“低”体力活动组与久坐组进行比较。,26,ppt课件,(4)在 /PRINT 和 /CRITERIA两行中间，输入,(5),用,/LMATRIX,指令增加另外,2,种比较：,/LMATRIX = group -1 1/3 1/3 1/3,/LMATRIX = group -1/2 -1/2 1/2 1/2,本例中，,/LMATRIX = group -1 1/3 1/3 1/3,表示“低”、“中”和“高”体力活动组的组合整体与久坐组,CWWS,得分差异的比较，,/LMATRIX = group -1/2 -1/2 1/2 1/2,表示“中”和“高”体力活动组的组合与“低”体力活动组和久坐组组合的比较。,注：复合比较为比较自变量超过,2,个组别的组合间的差异，如比较,B,组与,C,、,D,两组的组合间的差异，或,C,、,D,两组间的组合与,A,、,D,两组间组合的差异。同样采用线性比较函数的方法，某组合的系数赋值为,1,或,-1,除以组合内的组数，但是要保证要比较的组间组合与另一组（组合）的所有系数加起来为,0,，系数赋值的正负与研究设计和研究假设有关。,27,ppt课件,(5)用/LMATRIX指令增加另外2种比较：本例中，/LM,(6),多重比较的校正,接下来，我们需要校正显著性水平（,），通常也可以校正每次比较的,P,值和可信区间，得到调整后,P,值和联合可信区间（,simultaneous confidence intervals,）。我们首先采用,Bonferroni,方法对显著性水平,进行校正，公式如下：,调整后,=,调整前, ,比较的次数,本例中我们需要进行,3,次比较，则调整后,=0.053=0.01667,。,(7),箭头标注处为,SPSS,软件默认的显著性水平,=0.05,：,/,CRITERIA=ALPHA(.05),28,ppt课件,(6)多重比较的校正接下来，我们需要校正显著性水平（），通,(8),我们将其改为调整后的显著性水平,=0.1667,：,/,CRITERIA=ALPHA(.01667),29,ppt课件,(8)我们将其改为调整后的显著性水平=0.1667：29p,(9),在菜单栏点击,Run All,：,30,ppt课件,(9)在菜单栏点击Run All：30ppt课件,(1),点击,Analyze Compare Means One-Way ANOVA,：,出现,One-Way ANOVA,对话框：,5.4,单因素方差分析（,ONEWAY procedure,）自定义组间比较（,custom contrasts,）,31,ppt课件,(1)点击Analyze Compare Means ,(2),把因变量,coping_stress,送入,Dependent List,框中，自变量,group,送入,Factor,框中：,(3),点击,Contrasts,，出现,One-Way ANOVA: Contrasts,对话框：,32,ppt课件,(2)把因变量coping_stress送入Dependen,(4),在,Coefficients,模块中输入第一组比较（如,-1 1 0 0,）的第一个系数，点击,Add,：,(5),在,Coefficients,模块中输入第一组比较（如,-1 1 0 0,）的其他系数，点击,Add,：,33,ppt课件,(4)在Coefficients模块中输入第一组比较（如-1,(6),点击,Next,，输入新的自定义比较组，此时下图中红框区域内将变为,Contrast 2 of 2,：,(7),按照之前的方式输入第二个比较组（如,-1 1/3 1/3 1/3,）：,注：,Coefficients,模块中无法输入分数，最多只能输入,3,位小数的数值来代替。因此本例中输入,0.333,代替,1/3,，但是由于最后总和不等于,1,（,0.3333=0.999,），因此我们将在后面的第（,11,）（,12,）步中进行调整。,34,ppt课件,(6)点击Next，输入新的自定义比较组，此时下图中红框区域,(8),继续点击,Next,，输入新的自定义比较组，此时下图中红框区域内将变为,Contrast 3 of 3,：,(9),按照之前的方式输入第三个比较组（如,-1/2 -1/2 1/2 1/2,）：,35,ppt课件,(8)继续点击Next，输入新的自定义比较组，此时下图中红框,(10),点击,Continue,，返回,One-Way ANOVA,对话框。,(11),点击,Paste,，进入,IBM SPSS Statistics Syntax Editor,窗口：,36,ppt课件,(10)点击Continue，返回One-Way ANOVA,(12),手动增加小数位数，如把小数位数从,3,位改为,10,位（,0.333,改为,0.3333333333,）：,37,ppt课件,(12)手动增加小数位数，如把小数位数从3位改为10位（0.,(13),在菜单栏中点击,Run All,：,38,ppt课件,(13)在菜单栏中点击Run All：38ppt课件,6,、结果解释,SPSS,会给出自变量每个组别的基本情况统计表，以便对数据有个初步的了解：,6.1,基本描述,各列变量含义对应如下：,基本情况统计表中每一行均代表着,group,（自变量）不同组别的,coping_stress,（因变量）统计结果。,可以由此判断：,1,）哪两组间例数（,N,）相同；,2,）哪些组的平均得分（,Mean,）较高或较低；,3,）是否每组的变异情况相同（,Std. Deviation,）。,39,ppt课件,6、结果解释SPSS会给出自变量每个组别的基本情况统计表，以,本例中，各组的样本量不相等（范围,7-9,），并且随着体力活动水平的增加（即自变量,group,），应对职场压力的能力有上升趋势（,CWWS,得分，即因变量,coping_stress,）。,例如从“久坐组”到“高”体力活动组，平均得分从,4.1513,增加为,7.5054,，但是各组标准差明显不同（范围,0.77137-1.69131,）。,不同体力活动组别的,CWWS,得分见右图：,40,ppt课件,本例中，各组的样本量不相等（范围7-9），并且随着体力活动水,单因素方差分析假设不同组别的因变量变异相等。,如果不相等，则会增加犯,I,型错误的概率。,使用,Levenes,方差齐性检验来检验方差齐的假设，检验结果见如下,Test of Homogeneity of Variances,表格：,6.2,方差齐性检验结果,Sig.,一列数值代表了检验的,P,值。,如果,Levenes,检验的差异具有统计学意义（,P,0.05,），则不能拒绝方差齐的假设。,本例中，,P,=0.120,，表示各组方差相等。,41,ppt课件,单因素方差分析假设不同组别的因变量变异相等。6.2 方差齐性,在满足方差齐性假设的前提下，单因素方差分析结果如下：,6.3,满足方差齐性假设的结果,如果单因素方差分析显示差异具有统计学意义（,P,0.05,，则表示各组间均数差异无统计学意义。,本例中，,P,值显示为,0.000,，不代表,P,值实际为,0,，而是表示,P,0.001,。,本例各组间（,group,）的得分（,coping_stress,）均数差异具有统计学意义。,即在不同水平的体力活动组间，应对职场压力的能力（,CWWS,得分）差异具有统计学意义，,F(3,27)=8.316,P,0.05,，表示两组间差异无统计学意义（即两组间均数差值等于,0,）。两组间均数差值的,95%,可信区间为,-0.20583.6610,，该区间范围包括,0,，等同于,P,0.05,，差异无统计学意义。,47,ppt课件,让我们解读一下标黄的久坐组和“低”体力活动组比较结果：“低”,我们再来解读一下标黄的“高”体力活动组和久坐组比较结果：,可以看出，“高”体力活动组的,CWWS,平均分比久坐组高,3.35409,分，,P,=0.001,。我们可以报告：“高”体力活动组的平均,CWWS,得分,(7.51.2),比久坐组,(4.20.8),高,3.4(95%CI,：,1.35.4),，差异具有统计学意义,(,P,=0.001),。,48,ppt课件,我们再来解读一下标黄的“高”体力活动组和久坐组比较结果：可以,目前许多杂志要求除了列出上述结果，还要报告效应量。,因此，本例的,2,计算结果如下：,公式里的各指标见,ANOVA,表格：,计算单因素方差分析的效应量有很多方法，比较推荐的是计算,2,，公式如下：,49,ppt课件,目前许多杂志要求除了列出上述结果，还要报告效应量。因此，本例,结果显示，偏,2,=0.480,。,偏,2,表示控制了其他自变量后，因变量被某一自变量解释的百分比（单因素方差分析时，即自变量对因变量的解释程度），代表样本的效应量；,与偏,2,相比，,2,还考虑了抽样误差，可以提供相对准确的总体效应量的估计。,同样地，我们也可以报告偏,2,，,在,Tests of Between-Subjects Effects,表格中,group,一行，列名为,Partial Eta Squared,（已标黄）：,50,ppt课件,结果显示，偏2=0.480。同样地，我们也可以报告偏2，,当方差不齐时，必须使用校正的单因素方差分析。本例采用,Welch,方差分析，结果见,Robust Tests of Equality of Means,表格：,6.5,不满足方差齐性假设的结果,可以报告：,不同水平的体力活动组间，应对职场压力的能力（,CWWS,得分）差异具有统计学意义，,Welch F(3,14.574)=14.821,P,0.0005,。,当差异无统计学意义时，我们也可以报告：,不同水平的体力活动组间，应对职场压力的能力（,CWWS,得分）差异无统计学意义，,Welch F(3,12.325)=1.316,P,=0.523,。,51,ppt课件,当方差不齐时，必须使用校正的单因素方差分析。本例采用Welc,结果叙述里的指标与,Robust Tests of Equality of Means,表格对应如下：,每部分的含义如下：,52,ppt课件,结果叙述里的指标与Robust Tests of Equal,当方差不齐，而且关心所有组间的两两比较时，推荐采用,Games-Howell,检验。,Games-Howell,检验不仅提供了每两个组间比较的,P,值，也给出了均数差值的可信区间。,本例结果见如下,Multiple Comparisons,表格：,6.6 Games-Howell,检验,Games-Howell,检验的结果解释与,Tukey,检验相同，这里不再赘述。大家可以参阅第,4,部分,Tukey,检验结果的解读。,53,ppt课件,当方差不齐，而且关心所有组间的两两比较时，推荐采用Games,当我们在,GLM,程序中的,syntax,编辑器输入了自定义比较的组别后，我们会得到如下,Contrast Results (K Matrix),表格。,此表为久坐组和“低”体力活动组比较的结果，与我们当时输入的比较顺序对应一致。,6.7,当方差齐时，自定义组间比较的结果,54,ppt课件,当我们在GLM程序中的syntax编辑器输入了自定义比较的组,首先，我们来看,Contrast Estimate,、,Lower Bound,和,Upper Bound,这三行的结果。,Contrast Estimate,一行结果为,1.728,，这是所比较的,2,组间的均数差值，见下图：,均数差值的,95%,（联合）,CI,为,-0.0763.531,。但是，我们注意到最后一行写的是,98.333% CI for difference,，和我们表述的,95% CI,略有差异。这是因为为了使三次比较的总体,CI,达到,95%,，每次比较的,CI,实际会高于,95%,。,同时，由于之前为了计算联合,CI,调整了显著水平,，并没有调整,P,值，因此,Sig.=0.021,为未调整的,P,值（调整后,P,值,=,报告,P,值,比较次数，本例为,0.0213=0.063,）。如果调整后,P,值,0.05,，两组差异无统计学意义。,55,ppt课件,首先，我们来看Contrast Estimate、Lower,第二组比较为久坐组与非久坐组（“低”、“中”、“高”体力活动组的组合）均数的比较（,/LMATRIX = group -1 1/3 1/3 1/3,），即复合比较的第一组，见下图：,相应结果见如下,Contrast Results (K Matrix),表格：,Contrast Estimate,一行结果为,2.684,，计算方法为,2.684= (5.879+7.123+7.505) / 3-4.151,。其他结果解释和,P,值的调整方法与第一组相同。本次比较调整后,P,值,=0.0004,，差异具有统计学意义。,56,ppt课件,第二组比较为久坐组与非久坐组（“低”、“中”、“高”体力活动,第三组比较为,2,个高水平体力活动组（“中”、“高”体力活动组的组合）与,2,个低体力活动组（久坐组、“低”体力活动组的组合）均数的比较（,/LMATRIX = group -1/2 -1/2 1/2 1/2,），即复合比较的第二组，,Contrast Results (K Matrix),表格结果见下图：,Contrast Estimate,一行结果为,2.299,，计算方法为,2.299= (7.123+7.505) / 2- (5.879+4.151) / 2=7.314-5.015,。其他结果解释和,P,值的调整方法与之前相同。本次比较调整后,P,值,=0.0003,，差异具有统计学意义。,注：另一种校正多重比较的方法是将未调整的,P,值与调整后的显著性水平,进行比较。本例要进行,3,次比较，故调整后,=0.05/3=0.01667,。如果未调整,P,值,0.01667,，则差异具有统计学意义。,57,ppt课件,第三组比较为2个高水平体力活动组（“中”、“高”体力活动组的,当方差不齐时，我们在,SPSS,软件中使用,ONEWAY ANOVA,程序来进行自定义组间比较。首先，我们看,Contrast Coefficients,表格：,6.8,当方差不齐时，自定义组间比较的结果,该表格列出了我们之前输入的每个自定义比较组的各组别系数。,Contrast Tests,表格分为,2,部分：,Assume equal variances,（方差齐）和,Does not assume equal variances,（方差不齐）。我们来看方差不齐的结果，第一组比较（久坐组和“低”体力活动组）的结果，见下图标黄的第“,1”,行：,58,ppt课件,当方差不齐时，我们在SPSS软件中使用ONEWAY ANOV,Contrast Tests,表格分为,2,部分：,Assume equal variances,（方差齐）和,Does not assume equal variances,（方差不齐）。我们来看方差不齐的结果，第一组比较（久坐组和“低”体力活动组）的结果，见下图标黄的第“,1”,行：,Value of Contrast,一列结果为,1.728,，这是所比较的,2,组间的均数差值，见左图：,两组均数差值的标准误（,Std. Error,）为,0.635,，,P,（,Sig. (2-tailed),）,=0.019,。单独看这组自定义的比较（不考虑其他两组自定义的比较），如果,P,0.05,，两组差异无统计学意义。,59,ppt课件,Contrast Tests表格分为2部分：Assume e,第二组比较为久坐组与非久坐组（“低”、“中”、“高”体力活动组的组合）均数的比较，即复合比较的第一组，结果见下图标黄的第“,2”,行：,Value of Contrast,一列结果为,2.684,，这是所比较的,2,组间的均数差值，其标准误（,Std. Error,）为,0.423,，,P,（,Sig. (2-tailed),）,0.0005,。,60,ppt课件,第二组比较为久坐组与非久坐组（“低”、“中”、“高”体力活动,第三组比较为,2,个高水平体力活动组（“中”、“高”体力活动组的组合）与,2,个低体力活动组（久坐组、“低”体力活动组的组合）均数的比较，即复合比较的第二组，结果见下图标黄的第“,3”,行：,Value of Contrast,一列结果为,2.299,，这是所比较的,2,组间的均数差值，其标准误（,Std. Error,）为,0.483,，,P,（,Sig. (2-tailed),）,0.0005,。,如果要同时进行多重自定义比较，我们需要采用,Bonferroni,方法对显著性水平,进行调整。,本例要进行,3,次比较，故调整后,=0.05/3=0.01667,。,如果未调整,P,值,0.01667,，组间差异无统计学意义。,本例第一组自定义比较的,P,=0.019,，如果与校正后的,=0.01667,比较，则久坐组和“低”体力活动组的差异不再具有统计学意义。,61,ppt课件,第三组比较为2个高水平体力活动组（“中”、“高”体力活动组的,7,、结论,采用单因素方差分析方法，判断不同水平体力活动组间的应对职场压力的能力（,CWWS,得分）是否有差异。受试者被分为,4,组：久坐组（,7,人）、“低”体力活动组（,9,人）、“中”体力活动组（,8,人）、“高”体力活动组（,7,人）。,经箱线图判断，数据无异常值；经,Shapiro-Wilk,检验，各组数据服从正态分布（,P,0.05,）；经,Levenes,方差齐性检验，各组数据方差齐（,P,=0.120,）。数据以均数,标准差的形式表示。,CWWS,得分按照从久坐组,(4.20.8),、“低”体力活动组,(5.91.7),、“中”体力活动组,(7.11.6),、“高”体力活动组,(7.51.2),的顺序增加，但是不同体力活动组间的,CWWS,得分差异无统计学意义，,F(3,27)=1.116,P,=0.523,。,7.1,当方差齐，方差分析显示组间差异无统计学意义时,62,ppt课件,7、结论采用单因素方差分析方法，判断不同水平体力活动组间的应,采用,Welch,方差分析方法，判断不同水平体力活动组间的应对职场压力的能力（,CWWS,得分）是否有差异。受试者被分为,4,组：久坐组（,7,人）、“低”体力活动组（,9,人）、“中”体力活动组（,8,人）、“高”体力活动组（,7,人）。,经箱线图判断，数据无异常值；经,Shapiro-Wilk,检验，各组数据服从正态分布（,P,0.05,）；经,Levenes,方差齐性检验，各组数据方差不齐（,P,=0.002,）。数据以均数,标准差的形式表示。,CWWS,得分按照从久坐组,(4.20.8),、“低”体力活动组,(5.91.7),、“中”体力活动组,(7.11.6),、“高”体力活动组,(7.51.2),的顺序增加，但是不同体力活动组间的,CWWS,得分差异无统计学意义，,Welch F(3,12.325)=1.316,P,=0.523,。,7.2,当方差不齐，方差分析显示组间差异无统计学意义时,63,ppt课件,采用Welch方差分析方法，判断不同水平体力活动组间的应对职,采用单因素方差分析方法，判断不同水平体力活动组间的应对职场压力的能力（,CWWS,得分）是否有差异。受试者被分为,4,组：久坐组（,7,人）、“低”体力活动组（,9,人）、“中”体力活动组（,8,人）、“高”体力活动组（,7,人）。,经箱线图判断，数据无异常值；经,Shapiro-Wilk,检验，各组数据服从正态分布（,P,0.05,）；经,Levenes,方差齐性检验，各组数据方差齐（,P,=0.120,）。数据以均数,标准差的形式表示。,不同体力活动组间的,CWWS,得分差异具有统计学意义，,F(3,27)=8.316,P,0.05,）；经,Levenes,方差齐性检验，各组数据方差不齐（,P,=0.003,）。,不同体力活动组间的,CWWS,得分差异具有统计学意义，,F(3,，,14.574)=14.821,，,P,0.0005,。,CWWS,得分按照从久坐组,(4.20.8),、“低”体力活动组,(5.91.7),、“中”体力活动组,(7.11.6),、“高”体力活动组,(7.51.2),的顺序增加。,Games-Howell,检验结果表明，从久坐组到“中”体力活动组，,CWWS,平均得分增加,2.97,（,95%CI,：,1.074.88,），差异具有统计学意义（,P,=0.003,）；从久坐组到“高”体力活动组，,CWWS,平均得分增加,3.35,（,95%CI,：,1.665.05,），差异具有统计学意义（,P,=0.001,）。,7.4,当方差不齐，方差分析显示组间差异有统计学意义，并进行了两两比较时,65,ppt课件,采用Welch方差分析方法，判断不同水平体力活动组间的应对职,各组间均数差异有统计学意义（,P,0.05,）。因此，不能拒绝无效假设，不能接受备择假设。,7.6,从无效假设和备择假设的角度出发，当单因素方差分析或,Welch,方差分析显示组间差异无统计学意义时,66,ppt课件,各组间均数差异有统计学意义（P Chart Builder.,：,8.1,在,SPSS,软件中生成柱状图,出现如右图所示,Chart Builder,对话框：,67,ppt课件,8 绘制图表(1) 在菜单栏中，点击Graphs Cha,(2),在,Chart Builder,对话框的左下角，,Choose from:,模块中选择“,Bar”,：,68,ppt课件,(2)在Chart Builder对话框的左下角，Choos,(3),在,Chart Builder,对话框的中下部，出现,8,个不同的柱状图选项，把左上角的第一个（,Simple Bar,）拖进上面的主要图表预览窗口，并点击,Element Properties,：,69,ppt课件,(3)在Chart Builder对话框的中下部，出现8个不,(4),出现下图，图表预览窗口的柱状图横纵轴分别显示“,X-Axis?”,和“,Y-Axis?”,：,70,ppt课件,(4)出现下图，图表预览窗口的柱状图横纵轴分别显示“X-Ax,(5),从,Variables:,模块中把自变量,group,拖进“,X-Axis?”,，把因变量,coping_stress,拖进“,Y-Axis?”,：,71,ppt课件,(5)从Variables:模块中把自变量group拖进“X,(6),在,Element Properties,对话框中勾选,Display error bars,，激活,Error Bars Represent,模块，勾选,Confidence intervals,，,Level (%):,设定为,95,，当然也可以根据需要勾选,Standard error,或者,Standard deviation,，如右图所示。,(7),点击,Apply,，进行确认。,(8),如果想改变自变量分组的顺序，在,Edit Properties of:,模块中点击,X-Axis1 (Bar1),进行设置。,(9),如果想改变因变量的范围或刻度，在,Edit Properties of:,模块中点击,Y-Axis1 (Bar1),进行设置。,(10),在,Chart Builder,对话框中点击,OK,。,72,ppt课件,(6)在Element Properties对话框中勾选Di,按照上述操作步骤，生成简单柱状图如下：,8.2,简单柱状图结果,图中每个柱子的高度表示各组均值的大小，,error bar,表示均值的,95%CI,。,SPSS,软件会自动生成灰色背景、米黄色柱子的柱状图，但是这种样式的图对于学术文章的发表可能不太适用。,73,ppt课件,按照上述操作步骤，生成简单柱状图如下：8.2 简单柱状图结果,我们可以使用,SPSS,软件的图形编辑工具，得到如下更适用于学术研究的柱状图：,74,ppt课件,我们可以使用SPSS软件的图形编辑工具，得到如下更适用于学术,Thanks,75,ppt课件,Thanks75ppt课件,