spss统计分析与应用教程

第5章 方差分析,第5章 方差分析,本章学习目标 理解方差分析的基本思想与原理； 掌握单因素、双因素方差分析实验目的、实验内容和实验步骤； 掌握实验结果的统计分析； 了解方差分析在经济管理数据分析中的应用。,第5章 方差分析,方差分析是通过对各样本观测数据误差来源的分析来检验多个总体均值是否相等或者是否具有显著性差异的方法。方差分析方法在不同领域的各个分析研究中都得到了广泛应用。,第5章 方差分析,方差分析从对观测变量的方差分解入手，认为观测变量取值的变化受两类因素的影响: 控制变量 随机变量,第5章 方差分析,方差分析的基本思想 方差分析的基本假设条件 根据控制变量的个数，可以将方差分析分为：单因素方差分析、多因素方差分析和协方差分析。,实验一 单因素方差分析,实验目的 明确单因素方差分析有关的概念； 理解单因素方差分析的基本思想与原理； 熟练掌握单因素方差分析的方法； 能用SPSS软件进行单因素方差分析； 培养运用单因素方差分析解决实际问题的能力。,实验一 单一样本t检验,准备知识 单因素方差分析定义,单因素方差分析是测试某一个控制变量的不同水平是否给观测变量造成了显著性差异和变动，也称一维方差分析。,单因素方差分析基本原理 方差分析认为，观测变量值的变动会受到控制变量和随机变量两方面的影响，据此，将观测变量总的离差平方和分解为两部分：组内离差平方和与组间离差平方和。,定义观测变量总离差平方和(SST)为： 其中，k为控制变量的水平数：为控制变量第i水平下第j个样本值：为控制变量第i个水平下样本个数：又为观测变量均值。总的离差平方和(SST)反映了全部数据总的误差程度。,定义组间离差平方和(SSA)为： 其中，k为控制变量的水平数；为控制变量第i个水平下样本个数；为控制变量第i水平下观测变量的样本均值，又为观测变量均值。组间离差平方和(SSA)是各水平组均值和总体均值离差的平方和，反映了控制变量的不同水平对观测变量的影响。,定义组内离差平方和(SSE)为： 其中，k为控制变量的水平数；为控制变量第i个水平下样本个数；为控制变量第i水平下观测变量的样本均值。组内离差平方和(SSE)是每个样本数据与本水平组均值离差的平方和，反映了数据抽样误差的大小程度。,于是有：SST=SSA+SSE。可见，在观测变量总离差平方和中，如果组间离差平方和所占比例较大，则说明观测变量的变动主要是由控制变量引起的，可以由控制变量来解释，控制变量给观测变量带来了显著影响：反之，如果组内离差平方和所占的比例较大，则说明观测变量的变动主要是由随机因素引起的，不可以由控制变量来解释，控制变量没有给观测变量带来显著影响。,单因素方差分析基本步骤,单因素方差分析的原假设Ho：控制变量不同水平下观测变量的均值无显著性差异，即Ho ：u1=u2=.=uk (所有总体的均值相等)。,单一样本t检验基本原理和步骤,方差分析采用的检验统计量是F统计量，数学定义为： 其中，n为总样本容量，k-1和n-k分别为SSA和SSE的自由度；MSA是平均组间平方和，MSE为平均组内平方和， 目的是为了消除水平数和样本数对分析带来的影响。这里，FF(k-1,nk)。,单一样本t检验基本原理和步骤,由F的计算公式可以看出，如果控制变量的不同水平对观测变量有显著影响，那么观测变量的组间离差平方和必然大，F值也就越大。 反之，如果控制变量的不同水平没有对观测变量造成显著影响，那么，组内离差平方和影响就会必然大，F值就比较小。,单一样本t检验基本原理和步骤,单一样本t检验基本原理和步骤,对给定的显著性水平，与检验统计量相对应的p值进行比较。如果p值小于显著性水平，则拒绝原假设，认为总体均值与检验值之间存在显著差异; 反之，如果p值大于显著性水平，则不能拒绝原假设，认为总体均值与检验值之间无显著性差异。,多重比较,当方差分析F检验否定了原假设，即认为至少有两个总体的均值存在显著性差异时，须进一步确定是哪两个或哪几个均值显著地不同，则需要进行多重比较检验。 多重比较检验的原假设是，相应两水平下观测变量总体均值不存在显著性差异。 SPSS提供了诸多多重比较检验的方法，包括LSD法、Bonferroni法、Tukey法、Scheffe法、S-N-K法等。,LSD法 LSD法称为最小显著性差异法，水平间的均值只要存在一定程度的微小差异就可能被检出来，LSD法的检验统计量为t统计量，其定义为： 其中MSE为观测值的组内方差，它利用了全部观测变量值，而非仅使用某两水平组的数据。t统计量服从自由度为n-k的t分布。,实验一 单因素方差分析,实验内容 单因素方差分析由SPSSl7.0的比较均值过程过程中的单因素ANOVA子过程实现。下面以案例说明单因素方差分析的单因素ANOVA子过程的基本操作步骤。,实验一 单因素方差分析,实验步骤,（1）准备工作 在SPSSl7.0中打开数据文件4-1.sav，通过选择“文件打开”命令将数据调入SPSSl7.0的工作文件窗口,结果如图。,旅游投资数据文件,（2）选择“分析比较均值单因素ANOVA”命令，打开单因素方差分析对话框，如图所示,(3)在图所示的单因素ANOVA对话框中 ，相关内容介绍如下： 因变量列表：用于选择观测变量。 因子：用于选择控制变量。控制变量有几个不同的取值就表示控 制变量有几个水平。 本例在单因素ANOVA对话框左端的变量列表中将变量“旅游投资”添加到右边的因变量列表中，选择“投资来源”变量移入因子框中。,(4)单击“选项”按钮，出现如图所示对话框，该对话框用来对方差分析的前提条件进行检验，方差分析的前提是各个水平下的总体服从方差相等的正态分布，其中对于方差相等的要求比较严格，因此必须对方差齐性进行检验。另外，该对话框还用来指定输出其他相关统计量和对缺失值如何进行处理。,统计量框：用来指定输出相关统计量。 描述性：输出观测变量的基本描述统计量，包括样本容量、平均数、标准差、均值的标准误差、最小值、最大值、95的置信区间。 固定与随机效应：显示标准离差和误差检验。 方差齐性检验：计算分组方差齐性检验的Levene统计量。 SPSS的运行结果中就会出现关于方差是否相等的检验结果和伴随概率。,Brown-Forsythe：布朗均值检验，输出分组均值相等的Brown-Forsythe统计量。 Welch：维茨均值检验，输出分组均值相等的Welch统计量。 均值图：表示输出各水平下观测变量均值的折线图。 缺失值选框提供了两种缺失值的处理方法。 按分析排序排除个案：剔除各分析中含有缺失值的个案。 按列表排除个案：剔除含有缺失值的全部个案。,(5)单击“对比”按钮，出现如图所示对话框，该对话框用来实现先验对比检验和趋势检验。,多项式：将组间平方和分解为多项式趋势成分，即进行趋势检验。选中多项式选型，其后的度菜单将被激活，变为可选。 度：在下拉菜单中可以设定多项式趋势的形式，可选择线性、 二次多项、三次多项、四次多项)、五次多项式。 对比：用来实现先验对比检验。 系数：为多项式指定各组均值的系数，因素变量有几组就输入几个系数。 系数总计：在大多数程序中系数的总和应该等于0，否则会出现警告信息。,(6)单击“两两比较”按钮，出现如图所示对话框，该对话框用来实现多重比较检验,定方差齐性：适合于各水平方差齐性的情况。在该条件下有14种比较均值的方法可供选择： LSD：最小显著差异法，用t检验完成各组均值之间的两两比较。 Bonferroni：修正最不显著差异法，用t检验完成各组均值之间的配对比较。 Sidak：Sidak法，根据t统计量进行配对多重比较，调整多重比较的显著性水平。 Scheffe：塞弗检验法，对所有可能的组合进行同步进入的配对检验。 R-E-G-WF：Ryan-Einot-Gabriel-Welsch F法，根据F检验的多重下降过程。 R-E-G-WO：Ryan-Einot-Gabriel-Welsch Q法，根据Student极差的多重下降过程。,S-N-K：Student-Newman-Kenls法，用Student极差分布对所有均值进行配对检验。 Tukey：可靠显著差异法，用Student极差统计量对所有组间进行配对比较。 Tukeys-b：用Student极差统计量对所有组间进行配对比较。 Duncan：修复极差法，使用SNK检验进行逐步配对比较。 Hochbergs GT2：使用Student最大模数的多重比较及极差检验。 Gabriel：使用Student最大模数的多重比较试验。 Waller-Duncan：根据t统计量使用Bayesian过程的多重比较试验。 Dunnett：用配对多重比较t检验与一个对照组的均数进行比较。,未假定方差齐性：适合于各水平方差不齐性的情况。选择4种方法： Tamhanes T2：根据t检验的保守配对比较。 DunnettsT3：根据Student最大模数的配对比较试验。 Games-Howell：Games-Howell法，使用较为灵活。 DunnettsC：根据Student极差的配对检验。,Significance level：显著性水平，系统默认值为0.05。 本例选择方差齐性栏下的LSD法、Bonferroni法、Scheffe法、S-N-K进行多重比较检验。单击继续按钮，返回单因素方差分析对话框。 单击“确定”按钮，SPSS自动完成计算。SPSS结果输出窗口查看器中就会给出所需要的结果。,实验结果,描述性统计分析,实验结果,单个样本检验,实验结果,方差（ANOVA）分析表,多重比较检验,相似子集,观测变量均值的相似子集,实验总结 方差分析一般应满足三个基本假设，即要求各个总体应服从正态分别，各个总体的方差应相同以及观测值是独立的。,2. 单因素方差分析将观测变量总的离差平方和(SST)分解为两部分，组内离差平方(SSE)和与组间离差平方和(SSA)，其数学公式为：SST=SSE+SSA。,3. 单因素方差分析的基本分析只能得到控制变量是否对观测变量有显著影响。如果控制变量对观测变量产生了显著性影响，要进一步研究控制变量的不同水平对观测变量的影响程度，则需要进行多重比较检验，实现对各个水平下观测变量总体均值的逐对比较。,实验二 多因素方差分析,实验目的 明确多因素方差分析有关的概念； 理解多因素方差分析的基本思想与原理； 熟练掌握多因素方差分析的方法； 能用SPSS软件进行多因素方差分析； 培养运用多因素方差分析解决身边实际问题的能力。,实验二 多因素方差分析,准备知识 多因素方差分析定义,多因素方差分析用来研究两个及两个以上控制变量是否对观测变量产生显著影响。多因素方差分析不仅能够分析多个控制变量对观测变量的独立影响，还能够分析多个控制变量的交互作用能否对观测变量的结果产生显著影响，进而最终找到有利于观测变量的最优组合。,多因素方差分析基本原理 多因素方差分析中，观测变量取值的变动会受到控制变量独立作用、控制变量交互作用和随机变量三方面的影响，据此，将观测变量总的离差平方和分解为三部分内容：控制独立作用引起的变差，控制变量交互作用引起的变差和随机因素引起的变差。以两个控制变量为例,定义组内离差平方和(SSE)为： 其中，k为控制变量的水平数；为控制变量第i个水平下样本个数；为控制变量第i水平下观测变量的样本均值。组内离差平方和(SSE)是每个样本数据与本水平组均值离差的平方和，反映了数据抽样误差的大小程度。,SSA为： 其中， 为控制变量A第i个水平下和控制变量B第j个水平下的样本观测值个数， 为控制变量A第i个水平下观测变量的样本均值。,SSB为： 其中， 为控制变量B第i个水平下和控制变量A第j个水平下的样本观测值个数， 为控制变量B第i个水平下观测变量的样本均值。,定义观测变量总离差平方和(SST)为： 总的离差平方和(SST)反映了全部数据总的误差程度。设控制变量A有k个水平，变量