SPSS处理多元方差分析.doc

实验三 多元方差分析民族农村城市人均收入文化程度人均收入文化程度146，50，60，6870，78，90，9352，58，72，7582，85，96，98252，53，63，7171，75，86，8859，60，73，7776，82，92，93354，57，68，6965，70，77，8163，64，76，7871，76，86，90一、实验目的用多元方差分析说明民族和城乡对人均收入和文化程度的影响二、实验要求 调查24个社区，得到民族与城乡有关数据如下表所示，其中人均收入为年均，单位百元文化程度指15岁以上小学毕业文化程度者所占百分比试依此数据通过方差分析说明民族和城乡对人均收入和文化程度的影响三、实验内容1．依次点击“分析”---- “常规线性模型”----“多变量”，将“人均收入”和“文化程度”加到“因变量”中，将“民族”和“居民”加到“固定因子”中，如下图一所示 【图一】2.点击“选项”，将“输出”中的相关选项选中，如下图二所示： 【图二】3.点击“继续”，“确定”得到如下表一的输出： 【表一】常规线性模型 主体间因子 值标签N民族1.00182.00283.0038居民1.00农村122.00城市12 描述性统计量 民族居民均值标准差N人均收入1农村56.00009.933114城市64.250011.026484总计60.125010.6695582农村59.75008.995374城市67.25009.105864总计63.50009.2890183农村62.00007.615774城市70.25007.847504总计66.12508.408128总计农村59.25008.4544212城市67.25008.8945812总计63.25009.4189924文化程度1农村82.750010.688784城市90.25007.932004总计86.50009.5916682农村80.00008.286544城市85.75008.180264总计82.87508.2191083农村73.25007.135594城市80.75008.770214总计77.00008.417678总计农村78.66679.0084112城市85.58338.5329112总计82.12509.2797724 协方差矩阵等同性的 Box 检验(a)Box 的 M12.397F.587df115df21772.187Sig..887检验零假设，即观测到的因变量的协方差矩阵在所有组中均相等。

a 设计: Intercept+A+B+A * B多变量检验(d)效应 值F假设 df误差 dfSig.偏 Eta 方非中心参数观察到的幂(a)截距Pillai 的跟踪.9951832.265(b)2.00017.000.000.9953664.5301.000Wilks 的 Lambda.0051832.265(b)2.00017.000.000.9953664.5301.000Hotelling 的跟踪215.5611832.265(b)2.00017.000.000.9953664.5301.000Roy 的最大根215.5611832.265(b)2.00017.000.000.9953664.5301.000APillai 的跟踪.9017.3784.00036.000.000.45029.511.991Wilks 的 Lambda.10118.305(b)4.00034.000.000.68373.2211.000Hotelling 的跟踪8.93035.7204.00032.000.000.817142.8821.000Roy 的最大根8.92880.356(c)2.00018.000.000.899160.7121.000BPillai 的跟踪.2052.198(b)2.00017.000.142.2054.397.386Wilks 的 Lambda.7952.198(b)2.00017.000.142.2054.397.386Hotelling 的跟踪.2592.198(b)2.00017.000.142.2054.397.386Roy 的最大根.2592.198(b)2.00017.000.142.2054.397.386A * BPillai 的跟踪.016.0714.00036.000.991.008.282.063Wilks 的 Lambda.984.067(b)4.00034.000.991.008.268.062Hotelling 的跟踪.016.0634.00032.000.992.008.253.061Roy 的最大根.016.142(c)2.00018.000.868.016.284.069a 使用 alpha 的计算结果 = .05b 精确统计量c 该统计量是 F 的上限，它产生了一个关于显著性级别的下限。

d 设计: Intercept+A+B+A * B误差方差等同性的 Levene 检验(a) Fdf1df2Sig.人均收入.643518.670文化程度.615518.690检验零假设，即在所有组中因变量的误差方差均相等a 设计: Intercept+A+B+A * B4.实验结果分析在“协方差矩阵等同性的 Box 检验(a)”中可以看出，p=0.887,大于0.05，故接受原假设，即认为方差是齐性的，可以进行方差分析在“多变量检验”中，仅以wilks的Lambda为例进行分析，在效应A中p值接近0，故拒绝原假设，认为民族（A）对文化水平和收入有显著影响，在效应B中p=0.142，故接受原假设，即认为B（居民）对对文化水平和收入没有显著影响在A*B中，p=0.991，大于0.05，故接受原假设，即认为AB的交互作用对文化水平和收入的影响不显著故应该不考虑交互作用，重新改进该试验步骤如下：1.第一、二步和前面一样，只需要点击“模型”，将“全因子”改为“定制”，“建立项”中改为“主效应”接着将“A,B”添加到“模型”中，如下图三所示： 【图三】2．点击“继续”“确定”，得到如下表二结果： 【表二】常规线性模型主体间因子 值标签N民族1.00182.00283.0038居民1.00农村122.00城市12协方差矩阵等同性的 Box 检验(a)Box 的 M12.397F.587df115df21772.187Sig..887检验零假设，即观测到的因变量的协方差矩阵在所有组中均相等。

a 设计: Intercept+A+B多变量检验(d)效应 值F假设 df误差 dfSig.偏 Eta 方非中心参数观察到的幂(a)截距Pillai 的跟踪.9952020.700(b)2.00019.000.000.9954041.4001.000 Wilks 的 Lambda.0052020.700(b)2.00019.000.000.9954041.4001.000 Hotelling 的跟踪212.7052020.700(b)2.00019.000.000.9954041.4001.000 Roy 的最大根212.7052020.700(b)2.00019.000.000.9954041.4001.000APillai 的跟踪.9008.1764.00040.000.000.45032.702.996 Wilks 的 Lambda.10220.265(b)4.00038.000.000.68181.0591.000 Hotelling 的跟踪8.80239.6084.00036.000.000.815158.4341.000 Roy 的最大根8.80088.002(c)2.00020.000.000.898176.0041.000BPillai 的跟踪.2052.457(b)2.00019.000.112.2054.914.433 Wilks 的 Lambda.7952.457(b)2.00019.000.112.2054.914.433 Hotelling 的跟踪.2592.457(b)2.00019.000.112.2054.914.433 Roy 的最大根.2592.457(b)2.00019.000.112.2054.914.433a 使用 alpha 的计算结果 = .05b 精确统计量c 该统计量是 F 的上限，它产生了一个关于显著性级别的下限。

d 设计: Intercept+A+B主体间效应的检验源因变量III 型平方和df均方FSig.偏 Eta 方非中心参数观察到的幂(a)校正模型人均收入528.750(b)3176.2502.332.105.2596.995.500 文化程度654.792(c)3218.2643.292.042.3319.877.662截。