薛薇第四版SPSS第六章

,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,*,第六章,SPSS,的方差分析,主要内容,多个总体的均值比较,:,利用多个独立样本,单因素方差分析,多因素方差分析,协方差分析,多个总体的均值检验,目的：对多个总体的均值是否有显著差异进行推断,例：不同专业大学生月平均收入是否存在显著差异,手段：利用两独立样本的均值差对两总体的均值差进行逐对检验（多次采用两独立样本的,t,检验,）,问题：犯第一类错误的概率明显增大,例,:K,个总体做两两,t,检验需作,N=k!,(2!,(k-2)!),次。若,为0.05，则每次不犯错的概率为0.95。,N,次检验均不犯错的概率为0.95,N,，,犯错的概率为1-0.95,N,，,远远大于设定的0.05,解决方法：,方差分析,方差分析概述,目的：试验设计中最优方案的设计,例：不同品种的亩产量分析,例：为获得最佳的产品销售量研究：哪些因素是影响销售量的主要因素；哪些因素的那种情况更利于提高销售量；哪些因素的组合更利于提高销售量,特点：从分析数据的差异入手，分析哪些因素是影响数据差异的众多因素中的主要因素,相关概念：,观测变量；控制变量及水平；随机因素,控制因素,观测变量,三个水平,研究对象：来自观测变量多个总体的多个独立样本,核心思路：从数据差异角度看:,观测变量的差异=控制因素造成+随机因素造成,当控制因素对结果有显著影响时,和随机因素共同作用必然使观测变量产生显著变动;反之,观测变量的变动较小,将归结为随机性造成的(指抽样误差),方差分析概述,类型：,单因素方差分析:只考虑一个控制因素的影响,多因素方差分析:考虑两个以上的控制因素和它们的交互作用对观测变量的影响,协方差分析：在尽量排除其他因素的影响下，分析单个或多个控制因素对观测变量的影响(引入协变量),研究一个数值型变量和多个分类型变量之间的关系,单因素方差分析,目的：检验某个控制因素的改变是否会给观察变量带来显著影响,例：考察不同肥料对某农作物亩产量是否有显著差异；,例：考察不同温度下某化工产品的获得率,例：考察妇女生育率在不同地区是否有显著差异,例：考察不同学历是否对工资收入产生显著影响,单因素方差分析,基本思路,入手点:检验控制变量的不同水平下，各总体的分布是否存在显著差异，进而判断控制变量是否对观测变量产生了显著影响.,前提:各组样本独立；不同水平下各总体服从方差相等的正态分布.,H,0,:,不同水平下,各总体均值无显著差异.即:不同水平下控制因素的影响不显著,单因素方差分析,检验统计量：总变差=组间差异+组内差异,SST,=,SSA,+,SSE(,设,:,k,个水平，每个水平有,n,i,个数据),考察平均的组间差异与平均的组内差异的比值,:,F(k-1,n-k),方差齐性检验,各水平下的方差齐性检验,SPSS,方差齐性,F,检验：,Levene F,检验,H,0,:,两总体方差无显著差异.,方法：计算各观测与所属组均值之差的绝对值；对绝对离差进行单因素方差分析.,单因素方差分析中的多重比较,目的：若各总体均值存在差异,F,检验不能说明哪个水平造成了观察变量的显著差异,对每个水平的均值逐对进行比较检验,几种常用,的多重比较方法,LSD(Least significant Difference),最小显著性差异法,特点,:,利用全部样本数据,;,在一定程度上克服了放大犯一类错误的问题,多因素方差分析,目的,:,检验若干个控制因素的不同水平以及交叉是否给观测变量带来显著影响,例如：,多因素方差分析,基本思路：认为观测变量的变动是由各控制变量独立作用、它们的交互作用、以及随机因素造成的,以两个控制变量为例:,SST=SSA+SSB+SSAB+SSE,(,main effects) (N-way,交互,) (,Residual),(explained),其中：,SSAB,表示两个控制变量交互影响带来的变差,基本思路：,SST=SSA+SSB+SSAB+SSE,A,有,p,个水平，,B,有,q,个水平，每组有,r,个样本,多因素方差分析说明,多因素方差分析中因素的划分：,固定效应因素：该因素的所有可能水平在样本中都出现。,如:性别；糖尿病有无:糖尿病,糖耐量异常,正常人-固定效应模型,随机效应因素：无法对所有水平值进行准确控制和观测，研究的水平值是随机挑选出的,如:城市规模,教育水平等- 随机效应模型,混合效应模型,交互效应：两个或多个控制变量各水平搭配对观测变量的影响。若一个因素所产生的效应在另一个因素的不同水平下有明显差异，则称这两因素存在交互效应,直观上：饮食习惯、适量运动对减肥的作用；排球对的二传手和主攻手对赢球的作用,交互作用的图形观察：,A1 A2 A1 A2,B1 2 5 B1 2 5,B2 7 10 B2 7 3,当,A,从,A1,变化到,A2,时，,A,对观测变量值的影响与,B,取什么,观测变量值均增加且幅度相同,，,水平有关,与,B1,或,B2,无关；同理,B,协方差分析,目的：将无法或很难控制的因素作为协变量,在排除协变量影响下分析控制变量对观测变量的影响.,例：,协方差分析,基本思路：,观测变量总变差：协变量、控制变量、交互作用、随机因素,用线性回归的方法找出观测变量与协变量之间的数量关系，求得在假定协变量相等情况下的修正的观测变量值，然后再进行方差分析,H0:,协变量对观测变量没有显著影响；在剔除协变量影响的条件下，控制变量各水平下观测变量的总体均值无显著差异.,协方差分析,对协变量的要求：,协变量是数值型的；协变量与观测变量的线性关系在各水平均成立，且斜率大致相同,协方差分析是界于方差分析和回归分析之间的一种分析方法（定距型变量、分类变量）,检验统计量：,F= MSA,/,MSE,F=MSB,/,MSE,F= MSAB,/,MSE,F= MSZ,/,MSE,协方差分析,例：不同饲料是否对小猪体重的增加产生显著差异,一般单因素方差分析,注意：,R,2,值不很高,存在的问题：初始体重有显著差异(单因素方差分析),第一种饲料猪的初始体重最低，第三种饲料猪的初始体重最高,如果初始体重对猪的催肥有显著影响，则它与饲料的效应就会混杂,观测每种饲料下初始体重与增重的关系：散点图可见，线性关系，且斜率大致相同，可考虑采用协方差分析,例：采用协方差分析,注意：,R,2,值有提高，变差分析发生变化,变差的分解：,SSA,的分解：,SSA,是各水平均值与总均值差的平方和。为排除协变量影响，应从总体上将协变量作用扣除后再计算,SSA,利用所有数据计算回归方程：,从体重增量的总变差中扣除回归平方和后的剩余平方和为喂养前体重不能解释的变差,(,934.834,),，为剔排除协变量影响后的观测变量的总变差,饲料可解释的变差,：,SST-SSE=SSA,变差的分解：,SSE,的分解：,SSE,是各观测值与各组均值差的平方和。为排除协变量影响，应在各组内部将协变量的作用扣除后再计算,SSE：,（1）分别建立三个水平下的回归方程：,分别计算三个水平下协变量和观测变量的差积,S,zy,以及协变量离差平方和,S,zz,(,利用已知的,SSR,和,B,计算,),S,zy,=,SSR/B,S,zz,=S,zy,/B,变差的分解：,SSE,的分解,(2),计算共同的,B,*,(3),计算各水平下具有共同斜率的三个回归方程,:,SSE,为：对剔除协变量影响后的残差的组内离差平方和,(,227.615,),变差的分解：协变量可解释的总变差,(,1010.76,),：,S,zy,=,SSR/B,S,zz,=S,zy,/B,各水平均值的对比：,利用均值进行比较,利用修正的均值进行比较：,修正是将各水平下本组协变量的效益从本组观测变量中剔除,计算三种饲料下增重的修正均值分别约为：94.95、99.05、82.175。第一种饲料比第三种饲料平均多增重12.793，第二种比第三种平均多增重17.336，第二种比第一种平均多重4.52,