(新)方差分析操作步骤详解.docx

SPSS11.0单因素方差分析步骤1 .数据输入后点击“分析”（analyze）菜单2 .进入"CompareMeans"（均值比较LOneTayANOVA（单因素方差分析）百施分析数据（胰岛细胞葡萄糖刺激试验金二SPSSgroup低糖StGenefalLinearModelCorrelateRegressionClassifyOne-ampleTTest.Independent-SamplesTTest.Paired-SamplesTTest.ar11.0X023.622100002746EOne-WayANOVA.34100002.000035.5635.347QataReductionSc,leNOnPardmeECTestsMultipleResponse-52.0X019.25E62000018,6制73.000011.054117.9383000019053720.54FieEditViewQataTransformAnalyzeGraphsUtMiesWindow11ev凶旦画国1:函无函CompareMeans3.点击"One-WayANOVA,:4 .确定“DependentList"（相关要分析的组）（图中分别为低糖St和高糖St）,左侧匡中选中点击箭头键：5.确定"Factor”（因素）（图中为group）:5.ContraSt子对话框:该对话框有两个用途：对均数的变动趋势进行趋势检验：定义根据研究目的需要进行的某些精确两两比较。由于该对话框太专业，也较少用，这里只做简单介绍，在综合实例中会结合具体例题讲解。1） .Polynomial：定义是否在方差分析中进行趋势检验，即随着组别的变化,各组均数是否呈现某种变化趋势。2） .Degree下拉列表：和Polynomial复选框配合使用，用于定义需检验的趋势曲线的最高次方项，可选择从线性趋势一直到五次方曲线。如果你选择了高次方曲线，系统会给出所有相应各低次方曲线的拟合优度检验结果（比如选择3次方曲线时，系统会给出线性、二次方、三次方三个结果），以供你选择。3） .Coefficients框：精确定义某些组间均数的比较。这里按照分组变量升序给每组一个系数值，注意最终所有系数值相加应为。比如说在上例中要对第一、三组进行单独比较，则在这里给三组分配系数为1、0、-1,就会在结果中给出相应的检验内容。6 .点击"PostHoc"确定两两比较方法（当各组方差齐时适用）：equalvariancesassume复选框：方差齐时比较结果有效，根据需要选择，通常选LSD、Tukey等，点击"Contimue"返回。EquaivariancesNotAssunied复选框组：提供了方差不齐时可以采用的两两比较方法，共有四种可以选择，-般认为是GameS-HoWelI法稍好一些，推荐使用。不过在我看来，由于这方面统计学界尚无定论，建议大家最好在方差不齐时直接使用非参数检验方法，具体的非参数两两比较方法会在相应章节中讲述。注：1.SD法：即LSD法，实际上就是t检验的变形，只是在变异和自由度的计算上利用了整个样本信息，而不仅仅是所比较两组的信息。因此它敏感度最高，在比较时仍然存在放大a水准（一类错误）的问题，但换言之就是总的二类错误非常的小，要是LSD法都没检验出差别，那恐怕是真的没差别。S-N-K法：即StudentNewmanKeuls法，是运用最广泛的一种两两比较方法。它采用StudentRange分布进行所有各组均值间的配对比较。该方法保证在Ho真正成立时总的a水准等于实际设定值，即控制了一类错误。Bonferroni法：由LSD法修正而来，通过设置每个检验的a水准来控制总的a水准，该方法的敏感度介于LSD法和Scheffe法之间。Sidak:也是从t检验修正而采，和BOnferrOni法非常相似，但比BOnferroni法保守。TUKEY法：即Tukey'shonestlysignificantdifference法（TUkey'sHSD）,同样采用Student-Range统计量进行所有组间均值的两两比较。但与S-N-K法不同的是，它控制的是所有比较中最大的一类错误概率值不超过a水准。SchefTe法：当各组人数不相等，或者想进行复杂的比较时，用此法较为稳妥。它检验的是各个均数的线性组合，而不是只检验某一对均数间的差异，并控制整体a水准等于0.05。但正因如此，它相对比较保守，有时候方差分析F值有显著性，用该法两两比较却找不出差异来。（当方差不齐时应用此检验的数据较可靠）DUnnett法：将所有的处理组均数分别与指定的对照组均数进行比较，并控制所有比较中最大的一类错误概率值不超过a水准，请注意该方法并不适用于完全两两比较的情况。选定此方法后会激活下面韵ControlCategory框，用于设定对照组及单双侧检验。如何在如此之多的两两比技方法中选由舍it的一种是个令人头痛的问题。以前国内外都以SNK法最为常用，但根据研究，当两两比校的次数极多时，读方法的假阳性非常之商，量终可以达到100%1因此比校次数较多时，包括SPSS和SAS在内的权威统计软件都不再推荐使用此法.根据对相关研究的检索储果，除了参照所研究领域.的惯例外，一般可以参照如下标准：如果存在明确的对照组，要进行的是验证性研究，即计划好的某两个或几个蛆间（和对照组）的比校，宜用Balferroni（LSD）法：若需要进:行的是多个均数间的两两比校（榛索性研究），且各组人数相等，适宜用TUkey法：其他情况宜用SCheffe法。该标准仅供大家参考。SignificanceLevel:定义两两比较时的显著性水平，默认是0.05,一般来说不用更改。7 .点击"Options"对话框：Statistcs复选框组：提供了一些可选的统计指标，请注意它们并非可有可无。Descriptive：为各组输出常用统计描述指标，如均数、标准差等。Fixedandrandomeffects：为11.0版新增，按固定效应模型输出标准差、标准误和95%可信区间，同时按随机效应模型输出标准误、95%可信区间和成分间方差。关于这两种模型的详情请参见一般线性模型部分。HomOgeneity-Of-VarianCe:方差齐性检验，这是常常被人忽略的一项重要功能。Brown-Forsvthe:为11.0版新增，采用BrOWn-FOrSythe统计量检验各组均数是否相等，当方差不齐时，该方法要比方差分析更为稳健。Welch：为11.0版新增，采用WeICh统计量检验各组均数是否相等，当方差不齐时，该方法要比方差分析更为稳健。Meansplot：用各组均数做图，同时可辅助对均数间趋势做出判断。通常选择"Homogeneityofvariancetest”（方差齐性检验），点击"Continue”返回。MissingValues单选框组：定义分析中对缺失值的处理方法。8 .按"OK”后开始检验并获得检验结果输出。双因素方差分析-析因设计(两因素两水平，2×2ANOVA,Factorialdesign)适用对象：分析两个因素同时作用时是否存在交互作用。如：动物实验时设四个组：对照、应激、高脂、应激+高脂。为了观察应激+高脂对动物是否存在交互作用(即协同)，可用此分析。两个因素：应激，高脂饮食两个固定水平：应激有无(1,0),高脂饮食有无(1,0)分析两个因素对血FFA升高是否有协同作用，数据如下：应变量：FFA高脂应激饱var1.00.00750002.00.00694443.00.00513.894,口口.00777785.00.00645.836.00.00923.6171.00.001270.8381,00.001458.3391.00.00133333101.00.00132639111.00CO1B52.78121.00月口13750013,001.00916.6714001.00986.1115JO10010416716.001.009722217.001.001451.3918.001.001270.83191.001.002402.78201.001002354,17211.00LOO2000.0022LOO1.00206250231.001.0023263924LDO1.002055561 .通过线性作图大致观察是否有交互作用(此步与以下分析无关，只是直观从线性图形观察)回血U,常，50d，皿a（双因素）."-SPSSDataEditorEileEditYieWRtaTransformAnalyzeGr&phsIUtilitiesWindowHelp选：Multiple/VSimpleDefineCancel竺 11MultipleDrop-lineHelpGglPl剧GljlM=QdgalleryInteractive>w曳18.Bar.高脂应激ffa）rvarva1.口口00750.0(Mea20000694.4Fie-3.0000513.8<High-LoW.4.0000777.7(Pac,eto,.Control.5.0000G45.8：6.0000923.6*71.00001270.8：Boxplot.81.00001458.31ErrorBar91.00001333.3;Scatter.101.00001326.35MiStOaaln111.00001652.7(P-P.121.00001375.0(Q-Q.13.001.00916.6；Sequence.14.001.00986TROCCSe.15001.001041.6；IimeSeries>16001.00972217001.001451.3S18001.001270.8DatainChartAre6SummariesforgroupsofcasesSummariesofseparatevariablesValuesofindividualcases点击“Define”：设置“LinesRwpresent",“Variable”（血变量），“CategoryAxis”,“DefineLinesby”（注："CategoryAxis''和uDefineLinesby,可互换,不影响作图）。.wiyr.-r点击“ok”：3囹OutputESGraph峪TideQNotes0Linetfmea（ffa）by高1高脂两条直线不平行，表明可能有交互作用。如果两条直线几乎平行，则不会有交互作用。2.2X2析因分析设置变量及因素:点击“Model”：“SpecifyModeI”选“Fullfactorial”，点击“Continue”回退后再点击“OPtiOnS'':选中"DescriptiveStatistics"（可显示结果均值、标准差）和"HomogeneityTests"（方差齐性检验）。点击"Continue”回退后再点击"Plots"："Horizontalaxis"框：高脂（或应激）"Separatelined"框：应激（或高脂）点击"Add、注：此项的作用是可以做出因素各种水平组合下的效应图点击"Continue"回退后再点击"OK"：DescriptiveStatisticsy三2ria11ct；5ualt>ubje高脂应激MeanStd,DeviationN7tr¾脂不h三717.5917137.329246对照组应激1106.482209.149086应激组Total912.0367264.0109512高月魄养不巫欺1402.777137,424216高脂组应激2200.233179.238056应激+高度组Total1801.505443,4236512Total不将欺1060.184381.463012应激1653.358600.6228712Total1356.771577.7208924DependentVariable:FFA均值株Jt差1.evene'sTestofEqualityofErrorVariancesFdfldf2Sig.1.427320264DependentVariable:FFATeststhenullhypothesisthattheerrorvarianceofthedependentvariableisequalacrossgroups.a.Design:InterCept+高脂+应激+高脂*应激方差齐性检验结果SourceTypeIIISumofSquaresdfMeanSquareFCorrectedModelIntercept高脂应激高脂，应激ErrorTotalCorrectedTotal7108441.198444179850.2604746923.4962111127.620250390.082568071.73651856363.1957676512.934311112024232369480.39944179850.34746923.4962111127.620250390.228403.58783.4221555.432167.12474.3268.815.0.0.000.0.8a.RSquared-.926(AdjustedRSquared-.915)检晚焦果(P)TestsofBetween-SubjectsEffects×vDePendentUariabIr:FFAMProfilePlotsEstimatedMarginalMeansofFFASueW -C-CT PalBuJ_】S山高脂此处的均数图也显示，无论是应激还是高脂，当与另一种刺激同时使用时其效果都明显优于单独使用如果二直线平行，则无交互作用;如果二直线不平行，则表示有交互作用注：利用本方法也可进行两因素以上的方差分析以检验几种因素间是否存在交互作用。如三因素二水平(3X2)分析。此时必须有8组数据(对照，a,b,c,a*b,a*c,b*c,a*b*c)