《方差分析spss過程》ppt課件

1、n隨機(jī)從三個(gè)班級(jí)分別抽取5名同窗參與數(shù)學(xué)競(jìng)賽，得分如下，問這三個(gè)班級(jí)同窗在“數(shù)學(xué)競(jìng)賽得分上有沒有顯著的差別？第五節(jié)第五節(jié) SPSS方差分析過程方差分析過程1方差分析根本概念方差分析根本概念n方差分析：從分解數(shù)據(jù)差別來源入手，檢驗(yàn)兩方差分析：從分解數(shù)據(jù)差別來源入手，檢驗(yàn)兩個(gè)以上總體均數(shù)能否相等或能否具有差別的方個(gè)以上總體均數(shù)能否相等或能否具有差別的方法?？捎糜趯ひ掙P(guān)鍵性的影響要素，分析影響法?？捎糜趯ひ掙P(guān)鍵性的影響要素，分析影響要素的不同程度及其組合是如何影響觀測(cè)變量要素的不同程度及其組合是如何影響觀測(cè)變量的。的。n觀測(cè)變量：方差分析的因變量，即進(jìn)展差別分觀測(cè)變量：方差分析的因變量，即進(jìn)展差別分

2、析的數(shù)值型變量。析的數(shù)值型變量。n控制變量：方差分析中的影響要素，分組變量、控制變量：方差分析中的影響要素，分組變量、自變量。自變量。n其不同類別，稱為控制變量的不同程度。其不同類別，稱為控制變量的不同程度。2如何分解數(shù)據(jù)差別？如何分解數(shù)據(jù)差別？n實(shí)習(xí)一的思索題：分組分組NMeanSD甲甲20788乙乙307210合計(jì)合計(jì)50？3方差分析的思緒方差分析的思緒n分解離均差平方和：SSTSSASSEn分解自在度：n-1=(k-1)+(n-k) 注：n=kln比較組間方差與組內(nèi)方差有無異同：n假設(shè)組間方差顯著大于組內(nèi)方差，超越F統(tǒng)計(jì)量的界值，那么不能以為各組所代表的總體均數(shù)一樣，只能以為三個(gè)班級(jí)的得

3、分有顯著差別。MSEMSAknSSEkSSAF)/() 1/(211211211211)()()()()(kiljikiljiijkiljiiijkiljijxxxxxxxxxx4方差分析表方差分析表ANOVAANOVASCORE40.000220.00030.000.0008.00012.66748.00014Between GroupsWithin GroupsTotalSum of SquaresdfMean SquareFSig.組間方差MS離均差平方和SS差別來源組內(nèi)自在度P0.05，顯示三個(gè)班級(jí)競(jìng)賽得分有顯著差別F值P值5與其他統(tǒng)計(jì)過程的聯(lián)絡(luò)與其他統(tǒng)計(jì)過程的聯(lián)絡(luò)n方差分析常用于均數(shù)

4、比較，研討控制要素定方差分析常用于均數(shù)比較，研討控制要素定性與觀測(cè)變量定量間的關(guān)系。性與觀測(cè)變量定量間的關(guān)系。n與與t檢驗(yàn)：方差分析是檢驗(yàn)多個(gè)總體的均值間檢驗(yàn)：方差分析是檢驗(yàn)多個(gè)總體的均值間差別能否具有統(tǒng)計(jì)意義的一種方法，比較時(shí)是差別能否具有統(tǒng)計(jì)意義的一種方法，比較時(shí)是經(jīng)過分解方差進(jìn)展分析的。經(jīng)過分解方差進(jìn)展分析的。n與回歸分析：方差分析是回歸分析的一種特例，與回歸分析：方差分析是回歸分析的一種特例，可以用回歸模型來表示?？梢杂没貧w模型來表示。6內(nèi)容內(nèi)容n單要素方差分析單要素方差分析n多要素方差分析多要素方差分析n協(xié)方差分析協(xié)方差分析7一、單要素方差分析一、單要素方差分析n擬研討：一個(gè)控制要素

5、能否對(duì)一個(gè)觀測(cè)變量有擬研討：一個(gè)控制要素能否對(duì)一個(gè)觀測(cè)變量有影響。即控制要素不同程度下觀測(cè)變量均值能影響。即控制要素不同程度下觀測(cè)變量均值能否有差別；多個(gè)總體間的均值比較問題。否有差別；多個(gè)總體間的均值比較問題。n前提條件：前提條件：n各樣本彼此獨(dú)立各樣本彼此獨(dú)立n各總體的方差相等各總體的方差相等n觀測(cè)變量各總體應(yīng)服從正態(tài)分布觀測(cè)變量各總體應(yīng)服從正態(tài)分布8n統(tǒng)計(jì)思想：觀測(cè)變量的總方差可分解為組間方差和組統(tǒng)計(jì)思想：觀測(cè)變量的總方差可分解為組間方差和組內(nèi)方差，前者反映控制要素的影響，后者表達(dá)隨機(jī)誤內(nèi)方差，前者反映控制要素的影響，后者表達(dá)隨機(jī)誤差，假設(shè)前者顯著大于后者，那么可以為控制要素對(duì)差，假設(shè)前

6、者顯著大于后者，那么可以為控制要素對(duì)觀測(cè)值有影響。觀測(cè)值有影響。n分析步驟：分析步驟：n明確控制要素和觀測(cè)變量明確控制要素和觀測(cè)變量n分析觀測(cè)變量的離均差平方和：分析觀測(cè)變量的離均差平方和：nSST=SSA+SSEn分解自在度分解自在度n比較組間和組內(nèi)的方差大小，根據(jù)比較組間和組內(nèi)的方差大小，根據(jù)F分布界值做出統(tǒng)分布界值做出統(tǒng)計(jì)結(jié)論。計(jì)結(jié)論。9數(shù)學(xué)模型數(shù)學(xué)模型)0;,.,2 , 1;,.,2 , 1(1kiiijiijiiijiijarjkiaxax組別i觀測(cè)值j10假設(shè)檢驗(yàn)根本步驟假設(shè)檢驗(yàn)根本步驟n提出假設(shè) H0：a1=a2=ak=0n確定顯著性程度n構(gòu)造檢驗(yàn)統(tǒng)計(jì)量并計(jì)算n統(tǒng)計(jì)結(jié)論與結(jié)果解釋

7、MSEMSAknSSEkSSAF)/() 1/(11SPSS單要素方差分析過程單要素方差分析過程n操作操作AnalyzeCompare MeansOne Way ANOVA研討不同的廣告方式研討不同的廣告方式能否對(duì)銷售額有影響？能否對(duì)銷售額有影響？12ANOVA銷售額5866.08331955.36113.483.00020303.22140145.02326169.31143Between GroupsWithin GroupsTotalSum ofSquaresdfMean SquareFSig.闡明廣告方式不同對(duì)銷售額有影響。13單要素方差分析的進(jìn)一步分析單要素方差分析的進(jìn)一步分析n多重

8、比較檢驗(yàn)：判別控制要素確有作用后，進(jìn)多重比較檢驗(yàn)：判別控制要素確有作用后，進(jìn)一步確定控制要素不同程度對(duì)觀測(cè)變量的影響一步確定控制要素不同程度對(duì)觀測(cè)變量的影響程度，即各程度下觀測(cè)變量的均值兩兩比較。程度，即各程度下觀測(cè)變量的均值兩兩比較。n為何不用為何不用t檢驗(yàn)檢驗(yàn):棄真錯(cuò)誤棄真錯(cuò)誤的概率增大的概率增大14多重比較方法多重比較方法nLSD：Least Significant Difference，最小顯著差法，檢驗(yàn)統(tǒng)計(jì)量t服從n-k個(gè)自在度的t分布，并未對(duì)犯類錯(cuò)誤的概率予以限制。是t檢驗(yàn)的變形，只是在變異和自在度的計(jì)算上利用了整個(gè)樣本信息。nBonferroni方法：是對(duì)LSD法的校正，將除以兩

9、兩檢驗(yàn)的總次數(shù)N / N ，使犯類錯(cuò)誤的概率減少N分之一。)11()()(jiiinnMSExxtjj15nTukey法：法：q檢驗(yàn)，計(jì)算統(tǒng)計(jì)量檢驗(yàn)，計(jì)算統(tǒng)計(jì)量q，服從，服從k,n-k個(gè)個(gè)自在度的自在度的q分布。適用于各程度樣本量相等的情形，分布。適用于各程度樣本量相等的情形，對(duì)犯對(duì)犯類錯(cuò)誤的最大實(shí)驗(yàn)誤差率予以了控制。檢驗(yàn)效類錯(cuò)誤的最大實(shí)驗(yàn)誤差率予以了控制。檢驗(yàn)效果高于果高于BON、SIDAK、 Scheffe方法。方法。nScheffe方法：采用方法：采用S統(tǒng)計(jì)量，服從統(tǒng)計(jì)量，服從k-1,n-k個(gè)自個(gè)自在度的在度的S分布。當(dāng)各程度個(gè)案數(shù)不相等，或者想進(jìn)展分布。當(dāng)各程度個(gè)案數(shù)不相等，或者想進(jìn)展

10、復(fù)雜的比較時(shí)用此法，結(jié)果與方差分析相容。但它相復(fù)雜的比較時(shí)用此法，結(jié)果與方差分析相容。但它相對(duì)比較保守。對(duì)比較保守。nSNK：劃分類似子集，適用于各程度樣本量相等的情：劃分類似子集，適用于各程度樣本量相等的情形。是運(yùn)用最廣泛的一種兩兩比較方法。它采用形。是運(yùn)用最廣泛的一種兩兩比較方法。它采用Student Range 分布進(jìn)展一切各組均值間的配對(duì)比分布進(jìn)展一切各組均值間的配對(duì)比較。該方法保證在較。該方法保證在H0真正成立時(shí)總的真正成立時(shí)總的水準(zhǔn)等于實(shí)踐水準(zhǔn)等于實(shí)踐設(shè)定值，即控制了完全無效假設(shè)下的實(shí)驗(yàn)誤差率。設(shè)定值，即控制了完全無效假設(shè)下的實(shí)驗(yàn)誤差率。16nSidak法：根據(jù)法：根據(jù)Sidak不

11、等式調(diào)整各組均值，不等式調(diào)整各組均值，對(duì)均值進(jìn)展配對(duì)對(duì)均值進(jìn)展配對(duì)t檢驗(yàn)。檢驗(yàn)。CER1-1-1/NnDunnett：指定對(duì)照組，其他組均與對(duì)照組比：指定對(duì)照組，其他組均與對(duì)照組比較的兩兩比較法?？蛇x擇雙尾或單尾檢驗(yàn)較的兩兩比較法?？蛇x擇雙尾或單尾檢驗(yàn)17多重比較方法的選擇戰(zhàn)略多重比較方法的選擇戰(zhàn)略n尊重相關(guān)研討領(lǐng)域的統(tǒng)計(jì)慣例。尊重相關(guān)研討領(lǐng)域的統(tǒng)計(jì)慣例。n假設(shè)存在明確的對(duì)照組，要進(jìn)展的是驗(yàn)證性研假設(shè)存在明確的對(duì)照組，要進(jìn)展的是驗(yàn)證性研討，即方案好的某兩個(gè)或幾個(gè)組間和對(duì)照組討，即方案好的某兩個(gè)或幾個(gè)組間和對(duì)照組的比較，宜用的比較，宜用BonferroniLSD法法n假設(shè)需求進(jìn)展的是多個(gè)均數(shù)間的

12、兩兩比較探假設(shè)需求進(jìn)展的是多個(gè)均數(shù)間的兩兩比較探求性研討，且各組個(gè)案數(shù)相等，適宜用求性研討，且各組個(gè)案數(shù)相等，適宜用Tukey法；法；SNK也很常用。也很常用。n其它情況宜用其它情況宜用Scheffe法。法。18其他檢驗(yàn)其他檢驗(yàn)n先驗(yàn)對(duì)比檢驗(yàn)：事先確定各均值的系數(shù)先驗(yàn)對(duì)比檢驗(yàn)：事先確定各均值的系數(shù)(Ci=0)，對(duì)類似性子集進(jìn)展差別比較的方法。，對(duì)類似性子集進(jìn)展差別比較的方法。n趨勢(shì)檢驗(yàn)：當(dāng)控制要素的不同程度為有序程度趨勢(shì)檢驗(yàn)：當(dāng)控制要素的不同程度為有序程度時(shí)，分析隨著控制要素程度的等級(jí)變化，觀測(cè)時(shí)，分析隨著控制要素程度的等級(jí)變化，觀測(cè)變量的變化趨勢(shì)。變量的變化趨勢(shì)。n方差齊性檢驗(yàn)：方差齊性檢驗(yàn)

13、：Homogeneity of variance，對(duì)多組數(shù)據(jù)的方差進(jìn)展齊性檢驗(yàn)。對(duì)多組數(shù)據(jù)的方差進(jìn)展齊性檢驗(yàn)。19SPSS單要素方差分析的其他選項(xiàng)單要素方差分析的其他選項(xiàng)nOptions選項(xiàng)：方差齊性檢驗(yàn)；輸出其他相關(guān)選項(xiàng)：方差齊性檢驗(yàn)；輸出其他相關(guān)統(tǒng)計(jì)量；對(duì)缺失值的處置統(tǒng)計(jì)量；對(duì)缺失值的處置nPost Hoc選項(xiàng)：多重比較檢驗(yàn)，提供了選項(xiàng)：多重比較檢驗(yàn)，提供了18種種方法。方法。nContrasts選項(xiàng)：先驗(yàn)對(duì)比檢驗(yàn)和趨勢(shì)檢驗(yàn)。選項(xiàng)：先驗(yàn)對(duì)比檢驗(yàn)和趨勢(shì)檢驗(yàn)。20212223例子：廣告、城市與銷售額例子：廣告、城市與銷售額n控制要素：控制要素：n廣告方式：報(bào)紙、廣播、宣傳品、體驗(yàn)廣告方式：報(bào)紙

14、、廣播、宣傳品、體驗(yàn)n城市：按照人口密度從高到低陳列的城市：按照人口密度從高到低陳列的18個(gè)城市個(gè)城市n觀測(cè)變量：銷售額，詳細(xì)數(shù)值型變量觀測(cè)變量：銷售額，詳細(xì)數(shù)值型變量n分析要求：分析要求：n分析不同的廣告方式對(duì)銷售額能否有影響？分析不同的廣告方式對(duì)銷售額能否有影響？n分析不同的城市對(duì)銷售額能否有影響？分析不同的城市對(duì)銷售額能否有影響？n對(duì)城市與銷售額的關(guān)系進(jìn)展趨勢(shì)檢驗(yàn)。對(duì)城市與銷售額的關(guān)系進(jìn)展趨勢(shì)檢驗(yàn)。n研討報(bào)紙的效果與廣播、體驗(yàn)的兩組的平均效果能研討報(bào)紙的效果與廣播、體驗(yàn)的兩組的平均效果能否有差別？否有差別？24二、多要素方差分析二、多要素方差分析25研討內(nèi)容與前提條件研討內(nèi)容與前提條件n

15、擬研討：兩個(gè)及以上控制要素對(duì)觀測(cè)變量的影擬研討：兩個(gè)及以上控制要素對(duì)觀測(cè)變量的影響，包括各要素的獨(dú)立作用和交互作用。是實(shí)響，包括各要素的獨(dú)立作用和交互作用。是實(shí)驗(yàn)設(shè)計(jì)的常用分析方法，常用于尋覓最正確的驗(yàn)設(shè)計(jì)的常用分析方法，常用于尋覓最正確的實(shí)驗(yàn)要素組合。實(shí)驗(yàn)要素組合。n前提條件：同單要素方差分析，要求每一單元前提條件：同單要素方差分析，要求每一單元格的樣本數(shù)據(jù)符合獨(dú)立性、正態(tài)性及方差齊性。格的樣本數(shù)據(jù)符合獨(dú)立性、正態(tài)性及方差齊性。但對(duì)正態(tài)性和方差齊性的要求不嚴(yán)厲。只需無但對(duì)正態(tài)性和方差齊性的要求不嚴(yán)厲。只需無極端值，前提條件稍有偏離是可以耐受的。極端值，前提條件稍有偏離是可以耐受的。n單元格無

16、反復(fù)數(shù)據(jù)時(shí)，不要求正態(tài)性及方差齊單元格無反復(fù)數(shù)據(jù)時(shí)，不要求正態(tài)性及方差齊性。性。26雙因子方差分析的數(shù)據(jù)構(gòu)造雙因子方差分析的數(shù)據(jù)構(gòu)造27利用下表資料分析研討不同地域和不同時(shí)間對(duì)農(nóng)民家庭人均利用下表資料分析研討不同地域和不同時(shí)間對(duì)農(nóng)民家庭人均純收入元的影響純收入元的影響28分析步驟分析步驟n確定觀測(cè)變量和假設(shè)干個(gè)控制變量確定觀測(cè)變量和假設(shè)干個(gè)控制變量n分析觀測(cè)變量的離均差平方和分析觀測(cè)變量的離均差平方和SSTn控制變量的獨(dú)立作用控制變量的獨(dú)立作用SSA、SSBn控制變量的交互作用控制變量的交互作用SSABn隨機(jī)要素的影響隨機(jī)要素的影響SSEnSST=SSA+SSB+SSAB+SSEn分解自在度分

17、解自在度n比較各部分方差的大小比較各部分方差的大小29雙因子方差分析數(shù)學(xué)模型雙因子方差分析數(shù)學(xué)模型n設(shè)要素設(shè)要素A有有r個(gè)程度，要素個(gè)程度，要素B有有s個(gè)程度，在每個(gè)程度，在每個(gè)單元格內(nèi)有個(gè)單元格內(nèi)有l(wèi)個(gè)樣本，那么在要素個(gè)樣本，那么在要素A的的Ai程度程度和要素和要素B的的Bj程度下的第程度下的第k個(gè)樣本值個(gè)樣本值xijk,可定可定義為：義為：0)()(00)(,),.,2 , 1;,.,2 , 1;,.,2 , 1()(1111risjijijsjjriijiijijjjiiijkijjiijkababbaxxxabxbxalksjriabbax，且，其中，30雙因子雙因子(有交互作用有交互

18、作用)方差分析表方差分析表31相關(guān)概念相關(guān)概念n飽和模型飽和模型Full Factorial：即全要素模型，：即全要素模型，方差分析模型中包含一切要素的獨(dú)立作用和能方差分析模型中包含一切要素的獨(dú)立作用和能夠的交互作用。夠的交互作用。n不飽和模型：非全要素模型。不飽和模型：非全要素模型。n主效應(yīng)：控制變量的獨(dú)立作用。主效應(yīng)：控制變量的獨(dú)立作用。n交互效應(yīng)：控制變量之間的相互作用，假設(shè)一交互效應(yīng)：控制變量之間的相互作用，假設(shè)一個(gè)要素的效應(yīng)大小在另一要素不同程度下明顯個(gè)要素的效應(yīng)大小在另一要素不同程度下明顯不同，那么二者存在交互效應(yīng)。不同，那么二者存在交互效應(yīng)。32交互作用交互作用A、B無交互作用A

19、、B有交互作用33固定效應(yīng)與隨機(jī)效應(yīng)固定效應(yīng)與隨機(jī)效應(yīng)n固定效應(yīng)：調(diào)查要素的程度數(shù)是可控的，在研固定效應(yīng)：調(diào)查要素的程度數(shù)是可控的，在研討中對(duì)該要素的一切能夠程度都進(jìn)展了調(diào)查，討中對(duì)該要素的一切能夠程度都進(jìn)展了調(diào)查，不需求進(jìn)一步外推，如性別。要素的效應(yīng)是固不需求進(jìn)一步外推，如性別。要素的效應(yīng)是固定。定。n隨機(jī)效應(yīng)：調(diào)查要素難以控制在固定的程度上，隨機(jī)效應(yīng)：調(diào)查要素難以控制在固定的程度上，或要素的一切能夠程度并未都出如今樣本中?；蛞氐囊磺心軌虺潭炔⑽炊汲鋈缃駱颖局?。因此要用樣本來推論總體情況，包括未出現(xiàn)的因此要用樣本來推論總體情況，包括未出現(xiàn)的程度。這不可防止的存在誤差即隨機(jī)效應(yīng)，程度。這不可

20、防止的存在誤差即隨機(jī)效應(yīng)，需求估計(jì)該誤差的大小，因此其效應(yīng)具有隨機(jī)需求估計(jì)該誤差的大小，因此其效應(yīng)具有隨機(jī)性。如家庭。性。如家庭。34根本步驟根本步驟n提出假設(shè) H0：各控制變量不同程度下觀測(cè)變量各總體的均值無統(tǒng)計(jì)學(xué)差別。n確定顯著性程度n構(gòu)造模型、并計(jì)算檢驗(yàn)統(tǒng)計(jì)量n固定效應(yīng)模型 Fixed factor MSEMSABlrsSSEsrSSABFMSEMSBlrsSSEsSSBFMSEMSAlrsSSErSSAFABBA) 1(/) 1)(1/() 1(/) 1/() 1(/) 1/(35p隨機(jī)效應(yīng)模型(Random factor)：p統(tǒng)計(jì)結(jié)論與結(jié)果解釋MSEMSABlrsSSEsrSSABF

21、MSABMSBsrSSABsSSBFMSABMSAsrSSABrSSAFABBA) 1(/) 1)(1/() 1)(1/() 1/() 1)(1/() 1/(36SPSS多要素方差分析過程多要素方差分析過程GLMn操作AnalyzeGeneral Linear ModelUnivariate，即單變量普通線性模型37Tests of Between-Subjects EffectsDependent Variable: 銷售額20094.306a71283.0183.354.000642936.6941642936.6947619.990.0005866.08331955.36123.175.

22、0009265.30617545.0186.459.0004962.9175197.3121.153.2866075.0007284.375669106.00014426169.306143SourceCorrected ModelInterceptX1X2X1 * X2ErrorTotalCorrected TotalType III Sumof SquaresdfMean SquareFSig.R Squared = .768 (Adjusted R Squared = .539)a. 飽和模型飽和模型38多要素方差分析的其他選項(xiàng)多要素方差分析的其他選項(xiàng)n不飽和模型的建立不飽和模型的建立(

23、Model)n均值檢驗(yàn)均值檢驗(yàn)n多重比較檢驗(yàn)多重比較檢驗(yàn)Post Hoc：兩兩比較：兩兩比較n對(duì)比檢驗(yàn)對(duì)比檢驗(yàn)Contrast：單樣本：單樣本t檢驗(yàn)的思想，檢驗(yàn)的思想，檢驗(yàn)值可指定：檢驗(yàn)值可指定：n觀測(cè)變量的均值觀測(cè)變量的均值Deviation：選擇忽略程：選擇忽略程度度n第一程度或最后程度的觀測(cè)變量的均值第一程度或最后程度的觀測(cè)變量的均值Simplen該程度前的一切程度的觀測(cè)變量的均值該程度前的一切程度的觀測(cè)變量的均值Differencen該程度后的一切程度的觀測(cè)變量的均值該程度后的一切程度的觀測(cè)變量的均值Helmertn前一程度的觀測(cè)變量的均值前一程度的觀測(cè)變量的均值Repeatedn多項(xiàng)

24、式比較多項(xiàng)式比較Polynomial3940Tests of Between-Subjects EffectsDependent Variable: 銷售額15131.389a20756.5698.431.000642936.6941642936.6947164.505.0005866.08331955.36121.789.0009265.30617545.0186.073.00011037.91712389.739669106.00014426169.306143SourceCorrected ModelInterceptX1X2ErrorTotalCorrected TotalType I

25、II Sumof SquaresdfMean SquareFSig.R Squared = .578 (Adjusted R Squared = .510)a. 主效應(yīng)模型主效應(yīng)模型414243n圖形分析圖形分析(Profile plot)：均值折線圖，可直觀：均值折線圖，可直觀顯示交互作用顯示交互作用n保管新變量保管新變量(Save)：可計(jì)算觀測(cè)變量的預(yù)測(cè)值；：可計(jì)算觀測(cè)變量的預(yù)測(cè)值；可計(jì)算殘差，評(píng)價(jià)模型擬和優(yōu)度；異常點(diǎn)診斷?？捎?jì)算殘差，評(píng)價(jià)模型擬和優(yōu)度；異常點(diǎn)診斷。44nOptions選項(xiàng)：選項(xiàng)：nEstimated Marginal Means: 輸出均數(shù)比較輸出均數(shù)比較nDisplay

26、:一些常用的目的一些常用的目的nEstimates of effects:計(jì)算偏計(jì)算偏Eta統(tǒng)計(jì)量統(tǒng)計(jì)量nObserved power:觀測(cè)檢驗(yàn)效能觀測(cè)檢驗(yàn)效能nParameter estimates：參數(shù)估計(jì)：參數(shù)估計(jì)nHomogeneity：方差齊性檢驗(yàn)：方差齊性檢驗(yàn)nResidual plot:繪制實(shí)測(cè)值、預(yù)測(cè)值與殘差的繪制實(shí)測(cè)值、預(yù)測(cè)值與殘差的兩兩散點(diǎn)圖兩兩散點(diǎn)圖nLack of fit:：失擬檢驗(yàn)，檢驗(yàn)?zāi)Ｐ蛿M和優(yōu)度，：失擬檢驗(yàn)，檢驗(yàn)?zāi)Ｐ蛿M和優(yōu)度，零假設(shè)如被回絕，那么闡明模型不能刻劃觀測(cè)零假設(shè)如被回絕，那么闡明模型不能刻劃觀測(cè)變量與控制變量的關(guān)系。能夠有其他要素未發(fā)變量與控制變量的關(guān)系

27、。能夠有其他要素未發(fā)現(xiàn)?，F(xiàn)。45464748模型擬和普通流程模型擬和普通流程n先擬和飽和模型；先擬和飽和模型；n交互效應(yīng)無意義時(shí)，可剔除該項(xiàng)，再擬和不飽交互效應(yīng)無意義時(shí)，可剔除該項(xiàng)，再擬和不飽和模型；和模型；n要素有意義時(shí)，對(duì)要素的各個(gè)程度兩兩比較；要素有意義時(shí)，對(duì)要素的各個(gè)程度兩兩比較；n選擇一些常用選項(xiàng)；選擇一些常用選項(xiàng)；49例：例：n廣告、城市與銷售量廣告、城市與銷售量50三、協(xié)方差分析三、協(xié)方差分析51統(tǒng)計(jì)思想統(tǒng)計(jì)思想n研討控制變量對(duì)觀測(cè)變量的影響時(shí)，假設(shè)存在研討控制變量對(duì)觀測(cè)變量的影響時(shí)，假設(shè)存在對(duì)觀測(cè)變量確有影響的其他要素，而該要素又對(duì)觀測(cè)變量確有影響的其他要素，而該要素又不能在實(shí)

28、驗(yàn)設(shè)計(jì)時(shí)予以排除，當(dāng)該要素為延續(xù)不能在實(shí)驗(yàn)設(shè)計(jì)時(shí)予以排除，當(dāng)該要素為延續(xù)性變量時(shí)，可用協(xié)方差分析其作用，該變量為性變量時(shí)，可用協(xié)方差分析其作用，該變量為協(xié)變量。協(xié)變量。n差別來源：控制要素的獨(dú)立作用、交互作用、差別來源：控制要素的獨(dú)立作用、交互作用、協(xié)變量的作用、隨機(jī)誤差協(xié)變量的作用、隨機(jī)誤差52特點(diǎn)特點(diǎn)n線性回歸方差分析線性回歸方差分析n線性回歸求出假定協(xié)變量相等時(shí)的控制要素線性回歸求出假定協(xié)變量相等時(shí)的控制要素各程度下的觀測(cè)變量修正均數(shù)。各程度下的觀測(cè)變量修正均數(shù)。n方差分析比較修正均數(shù)的差別。方差分析比較修正均數(shù)的差別。53前提前提n觀測(cè)變量與協(xié)變量間有顯著的線性關(guān)系。觀測(cè)變量與協(xié)變量間

29、有顯著的線性關(guān)系。n在控制要素不同程度下，觀測(cè)變量與協(xié)變量的在控制要素不同程度下，觀測(cè)變量與協(xié)變量的總體回歸系數(shù)應(yīng)相等。即控制要素與協(xié)變量無總體回歸系數(shù)應(yīng)相等。即控制要素與協(xié)變量無交互作用。交互作用。n多個(gè)協(xié)變量間無交互作用。多個(gè)協(xié)變量間無交互作用。n各比較組間協(xié)變量的取值范圍不宜相差過大。各比較組間協(xié)變量的取值范圍不宜相差過大。54數(shù)學(xué)模型與假設(shè)檢驗(yàn)數(shù)學(xué)模型與假設(shè)檢驗(yàn)n單要素協(xié)方差分析：n假設(shè)檢驗(yàn) H0 ：協(xié)變量對(duì)觀測(cè)變量的線性影響不顯著。余同前。n ijijiijzax55操作操作AnalyzeGeneral Linear ModelUnivariate56例：生豬與飼料例：生豬與飼料n研

30、討三種飼料研討三種飼料SL對(duì)生豬體重添加的影響對(duì)生豬體重添加的影響n協(xié)變量：生豬喂養(yǎng)前體重協(xié)變量：生豬喂養(yǎng)前體重WYQ57(一一)、前提條件預(yù)分析、前提條件預(yù)分析n分組散點(diǎn)圖直觀判別協(xié)變量與觀測(cè)變量的關(guān)分組散點(diǎn)圖直觀判別協(xié)變量與觀測(cè)變量的關(guān)系。系。n交互作用模型：檢驗(yàn)協(xié)變量與控制要素能否交互作用模型：檢驗(yàn)協(xié)變量與控制要素能否存在交互作用。存在交互作用。58喂養(yǎng)前體重40302010喂養(yǎng)后體重增加12011010090807060飼料種類 3.00 2.00 1.001. 操作操作GraphScatterSimple59Tests of Between-Subjects EffectsDepen

31、dent Variable: 喂養(yǎng)后體重增加2376.382a5475.27647.640.000204057.0421204057.04220453.84.0001317.5832658.79266.035.0001010.76011010.760101.314.00048.038224.0192.408.118179.576189.976206613.000242555.95823SourceCorrected ModelInterceptSLWYQSL * WYQErrorTotalCorrected TotalType I Sumof SquaresdfMean SquareFSig.

32、R Squared = .930 (Adjusted R Squared = .910)a. 2. 交互作用模型檢驗(yàn)交互作用模型檢驗(yàn)60(二二)比較修正均數(shù)比較修正均數(shù)61Tests of Between-Subjects EffectsDependent Variable: 喂養(yǎng)后體重增加2328.344a3776.11568.196.000980.4481980.44886.150.000707.2192353.60931.071.0001010.76011010.76088.813.000227.6152011.381206613.000242555.95823SourceCorrected ModelInterceptSLWYQErrorTotalCorrected TotalType III Sumof SquaresdfMean SquareFSig.R Squared = .911 (Adjust