spss中一般線性模型

一般線性模型（一）2024/1/231精選2021版課件一般線性模型一般線性模型單變量分析的基本過程完全隨機(jī)設(shè)計(jì)資料的方差分析隨機(jī)區(qū)組（單位組）設(shè)計(jì)資料的方差分析2024/1/232精選2021版課件一、一般線性模型單變量分析的基本過程GeneralLinearModel（GLM，一般線性模型）包括：Univariate（單因變量多因素方差分析），Multivariate（多因變量方差分析），RepeatedMeasures（重復(fù)測(cè)量方差分析），Variance（方差分量分析）

GLM可完成多自變量、多水平、多因變量、重復(fù)測(cè)量方差分析以及協(xié)方差分析等。2024/1/233精選2021版課件Univariate（單因變量方差分析）基本過程2024/1/234精選2021版課件1主對(duì)話框DependentVariable:因變量FixedFacter:固定因子，所有可能的水平都出現(xiàn)在樣本中，如分組等RandomFacter:隨機(jī)因子，所有可能的取值并不都在樣本中出現(xiàn)，如觀察個(gè)體Covariates:協(xié)變量，協(xié)方差分析時(shí)用WLSWeight:WLS權(quán)重。用于加權(quán)最小二乘分析。2024/1/235精選2021版課件2功能按鈕Model：分析模型Contrast：對(duì)照方法Plots：分布圖形PostHoc：多重比較Save：保存運(yùn)算值Option：選擇輸出項(xiàng)。2024/1/236精選2021版課件2.1Model按鈕

Ⅰ、在SpecifyModel欄中指定模型類型FullFactorial，全模型，系統(tǒng)默認(rèn)。包括所有因素的主效應(yīng)和所有的交互效應(yīng)。例如有三個(gè)因素變量，全模型包括三個(gè)因素的主效應(yīng)、兩兩的交互效應(yīng)和三個(gè)因素的高級(jí)交互效應(yīng)。Custom，自定義模型。選擇此項(xiàng)激活下面各操作框2024/1/237精選2021版課件Ⅱ、建立自定義模型Factors＆Covariates框中自動(dòng)列出可以作為因素的變量名，其后面的括號(hào)中標(biāo)有字母“F”（固定因子）、“R”（隨機(jī)因子）或者“C”（協(xié)變量）。2024/1/238精選2021版課件A、選擇效應(yīng)類型Interactin：交互效應(yīng)Maineffects：主效應(yīng)All2-way：所有2維交互效應(yīng)All3-way：所有3維交互效應(yīng)All4-Way：所有4維交互效應(yīng)All5-Way：所有5維交互效應(yīng)2024/1/239精選2021版課件B、選擇模型中的主效應(yīng)（Model）首先定義效應(yīng)類型為Maineffects鼠標(biāo)鍵單擊某一個(gè)因素，該變量名背景將改變顏色（一般變?yōu)樗{(lán)色），單擊BuildTerm（s）欄中下面的箭頭，該變量出現(xiàn)在Mode1中。一個(gè)變量名占一行稱為主效應(yīng)項(xiàng)。欲在模型中包括幾個(gè)主效應(yīng)項(xiàng)，就進(jìn)行幾次如上的操作。2024/1/2310精選2021版課件C、建立模型中的交互項(xiàng)

例如，因素有Light(F)、Device（F）、Target（F），若要求模型中包括變量Light與Device交互效應(yīng)。首先定義效應(yīng)類型為Interactin，然后在Factors＆Covariates框內(nèi)的變量表中，用鼠標(biāo)單擊Device變量使其背景改變顏色，再用鼠標(biāo)單擊變量Light變量使其背景改變顏色；單擊BuildTerm（s）欄內(nèi)殘數(shù)框的箭頭按鈕，一個(gè)交互效應(yīng)出現(xiàn)在Model框中。模型增加了一個(gè)交互效應(yīng)項(xiàng)：Device*Light。2024/1/2311精選2021版課件

C.建立模型中的交互項(xiàng)模型中包括三個(gè)變量的所有2維交互效應(yīng)項(xiàng)，定義效應(yīng)類型為All2-way，單擊light、Device、Target三個(gè)變量名，單擊箭頭按鈕。Model中出現(xiàn)三個(gè)2維交互效應(yīng)項(xiàng)：Light*Device、Light*Target、Device*Target。模型中包括所有3維效應(yīng)，定義效應(yīng)類型為All3－way，單擊變量Llight、Device、Target。單擊箭頭按鈕，Model框中出現(xiàn)3維交互效應(yīng)項(xiàng)：Ligh*Device*Target。

2024/1/2312精選2021版課件Ⅲ、選擇平方和分解的方法Sumofsquares:TYPEⅠ（嵌套設(shè)計(jì)）、TYPEⅡ（平衡設(shè)計(jì)、僅主效應(yīng)）、

TYPEⅢ（系統(tǒng)默認(rèn)、最常用）TYPEIV（不完整數(shù)據(jù)）。

2024/1/2313精選2021版課件2.2Contrasts按鈕Factors框中顯示出所有在主對(duì)話框中選中的因素，其后的括號(hào)中是當(dāng)前的對(duì)比方法了；ChangeContrast欄中改變對(duì)照方法。2024/1/2314精選2021版課件可供選擇的對(duì)照方法None：不進(jìn)行均數(shù)比較；Deviation：比較預(yù)測(cè)變量或因素的每個(gè)水平的效應(yīng)。選擇Last或First作為參照的水平；Simple：對(duì)預(yù)測(cè)變量或因素變量的每一水平都與參照水平進(jìn)行比較。選擇Last或First作為參照水平；Difference：對(duì)預(yù)測(cè)變量或因素每一水平的效應(yīng)，除第一水平以外，都與其前面各水平的平均效應(yīng)進(jìn)行比較。與Helmert對(duì)照方法相反；注：只有Deviation和Simple需要選擇參考水平，Last（系統(tǒng)默認(rèn)）和First。2024/1/2315精選2021版課件2.3Plots按鈕Factor：主對(duì)話框中所選因素變量名；Horizontal：橫坐標(biāo)框SeparateLines：確定分線變量SeparatePlots：確定分圖變量2024/1/2316精選2021版課件2.4PostHoc按鈕均數(shù)多重比較（事后檢驗(yàn)）2024/1/2317精選2021版課件2.5Save按鈕(選擇保存運(yùn)算值)通過在對(duì)話框中的選擇，可以將所計(jì)算的預(yù)測(cè)值、殘差和診斷值（回歸分析時(shí)）作為新的變量保存在編輯數(shù)據(jù)文件中。以便在其他統(tǒng)計(jì)分析中使用這些值。2024/1/2318精選2021版課件2.5Save按鈕(選擇保存運(yùn)算值)

PredictedValues（預(yù)測(cè)值）Unstandardized：非標(biāo)準(zhǔn)化預(yù)測(cè)值Weighted：如果在主對(duì)話框選擇了WLS變量，選中該復(fù)選項(xiàng)將保存加權(quán)非標(biāo)準(zhǔn)化預(yù)測(cè)值StandardError：預(yù)測(cè)值的標(biāo)準(zhǔn)誤

Residuals（殘差欄）Unstandarized:非標(biāo)準(zhǔn)化殘差Weighted:加權(quán)非標(biāo)準(zhǔn)化殘差Standardized:標(biāo)準(zhǔn)化殘差Studentized:學(xué)生化殘差Deleted:剔除殘差2024/1/2319精選2021版課件2.5Save按鈕(選擇保存運(yùn)算值)

Diagnostics（診斷值欄）Cook’sdistance：Cook距離；Leveragevalues：非中心化Leverage值；Savetonewfile將參數(shù)協(xié)方差矩陣保存到一個(gè)新文件中2024/1/2320精選2021版課件2.6Option按鈕(選擇輸出項(xiàng))DisplayMeansfor：顯示分組因素Display：指定輸出的統(tǒng)計(jì)量Descriptivestatistics：描述統(tǒng)計(jì)量，均值、標(biāo)準(zhǔn)差，樣本量EstimatesOfeffectsize：效應(yīng)量估計(jì)。Observedpower：檢驗(yàn)假設(shè)的功效。Parameterestimates：各因素變量的模型參數(shù)估計(jì)、標(biāo)準(zhǔn)誤、t檢驗(yàn)的t值、P值和95％的置信區(qū)間。Sigificancelevel：指定Confidenceintervals的顯著性水平2024/1/2321精選2021版課件Descriptivestatistics：描述統(tǒng)計(jì)量，均值、標(biāo)準(zhǔn)差，樣本量EstimatesOfeffectsize：效應(yīng)量估計(jì)。Observedpower：檢驗(yàn)假設(shè)的功效。Parameterestimates：各因素變量的模型參數(shù)估計(jì)、標(biāo)準(zhǔn)誤、t檢驗(yàn)的t值、P值和95％的置信區(qū)間。Contrastcoefficientmatrix：變換系數(shù)矩陣或L矩陣。Homogeneitytests：方差齊性檢驗(yàn)。SpreadVslevelplot：繪制觀測(cè)量均值-標(biāo)準(zhǔn)差圖、觀測(cè)量均值-方差圖。Residualsplot：繪制殘差圖。Lackoffit：檢查因素和因變量間的關(guān)系是否被充分描述。Generalestimablefunction：可以根據(jù)一般估計(jì)函數(shù)自定義假設(shè)檢驗(yàn)。對(duì)比系數(shù)矩陣的行與一般估計(jì)函數(shù)是線性組合的。2024/1/2322精選2021版課件例1為研究多酚保健飲料對(duì)急性缺氧的影響，將60只Wistar小白鼠隨機(jī)分為低、中、高三個(gè)劑量組和一個(gè)對(duì)照組，每組15只小白鼠。對(duì)照組給予蒸餾水0.25ml灌胃，低、中、高劑量組分別給予2.0、4.0、8.0g/kg的飲料溶于0.2~0.3ml蒸餾水后灌胃，每天一次。40天后，對(duì)小白鼠進(jìn)行耐缺氧存活時(shí)間實(shí)驗(yàn)，結(jié)果如表1。試比較不同劑量的茶多酚保健飲料對(duì)延長(zhǎng)小白鼠的平均耐缺氧存活時(shí)間有無差別。二、完全隨機(jī)設(shè)計(jì)資料的方差分析2024/1/2323精選2021版課件對(duì)照組低劑量組中劑量組高劑量組21.3123.4820.1626.1335.0724.3330.2338.4723.1420.3424.4925.2428.1133.9736.8435.1027.4826.9821.3220.2324.7421.8638.6128.0119.5419.5619.4622.4729.7928.6527.1323.3718.0317.3925.6329.3822.6825.1328.7928.4424.0324.3728.8120.1623.0134.4433.2434.2222.8216.0118.7422.5128.3231.6931.6835.0818.7218.4229.0428.29表1各組小白鼠耐缺氧時(shí)間/min2024/1/2324精選2021版課件建立數(shù)據(jù)文件：耐缺氧時(shí)間.sav.定義變量2024/1/2325精選2021版課件建立數(shù)據(jù)文件：耐缺氧時(shí)間.sav.定義變量輸入數(shù)據(jù)2024/1/2326精選2021版課件建立數(shù)據(jù)文件：耐缺氧時(shí)間.sav.定義變量輸入數(shù)據(jù)開始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup→FixedFactors2024/1/2327精選2021版課件建立數(shù)據(jù)文件：耐缺氧時(shí)間.sav.定義變量輸入數(shù)據(jù)開始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup→FixedFactorsPostHoc：Group→PostHocTestsforLSD，SNK,Bonferroni2024/1/2328精選2021版課件建立數(shù)據(jù)文件：耐缺氧時(shí)間.sav.定義變量輸入數(shù)據(jù)開始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup→FixedFactorsPostHoc：Options：Group→DisplayMeansforDescriptiveStatistics，Homogeneitytests2024/1/2329精選2021版課件主要結(jié)果---描述性統(tǒng)計(jì)量2024/1/2330精選2021版課件主要結(jié)果方差齊性檢驗(yàn)的P值方差齊性檢驗(yàn)的統(tǒng)計(jì)量F值結(jié)論：尚不能認(rèn)為各總體方差不齊2024/1/2331精選2021版課件方差分析的P值方差分析F值方差分析MS值(均方）方差分析自由度方差分析SS值(平方和）總變異組間變異組內(nèi)變異（誤差變異）結(jié)論：各組總體均數(shù)不等。2024/1/2332精選2021版課件各組總體均數(shù)的95%置信區(qū)間按方差分析中的誤差均方計(jì)算的標(biāo)準(zhǔn)誤2024/1/2333精選2021版課件Bonferroni方法的P值，是校正了a后的2024/1/2334精選2021版課件均數(shù)標(biāo)在同一列的組間差異無統(tǒng)計(jì)學(xué)意義，在不同列的差異有統(tǒng)計(jì)學(xué)意義，即對(duì)照組與低劑量差異無統(tǒng)計(jì)學(xué)意義，其他均有統(tǒng)計(jì)學(xué)意義SNK檢驗(yàn)2024/1/2335精選2021版課件用CompareMeans→One-WayANOVA建立數(shù)據(jù)同前開始分析：analyze→CompareMeans→One-WayANOVAY→DependentListGroup→Factor2024/1/2336精選2021版課件用CompareMeans→One-WayANOVA建立數(shù)據(jù)同前開始分析：analyze→CompareMeans→One-WayANOVAY→DependentListGroup→FactorPostHoc：LSD，Bonferroni，SNK2024/1/2337精選2021版課件用CompareMeans→One-WayANOVA建立數(shù)據(jù)同前開始分析：analyze→CompareMeans→One-WayANOVAY→DependentListGroup→FactorPostHoc：LSD，Bonferroni，SNKOptions→Statistics→Descriptive，Homogeneitytests2024/1/2338精選2021版課件各組總體均數(shù)的95%置信區(qū)間按各自的方差計(jì)算的標(biāo)準(zhǔn)誤2024/1/2339精選2021版課件主要結(jié)果方差齊性檢驗(yàn)的P值方差齊性檢驗(yàn)的統(tǒng)計(jì)量F值2024/1/2340精選2021版課件方差分析的P值方差分析F值方差分析MS值(均方）方差分析自由度方差分析SS值(平方和）組內(nèi)變異（誤差變異）組間變異總變異2024/1/2341精選2021版課件Bonferroni方法的P值，是校正了a后的2024/1/2342精選2021版課件均數(shù)標(biāo)在同一列的組間差異無統(tǒng)計(jì)學(xué)意義，在不同列的差異有統(tǒng)計(jì)學(xué)意義，即對(duì)照組與低劑量差異無統(tǒng)計(jì)學(xué)意義，其他均有統(tǒng)計(jì)學(xué)意義SNK檢驗(yàn)2024/1/2343精選2021版課件練習(xí)1某人研究北京機(jī)關(guān)工作人員血脂水平，隨機(jī)抽取不同年齡男性各10名受試者，檢測(cè)他們的總膽固醇(TC)的含量(mmol/L)，其結(jié)果如下表：青年組中年組老年組5.004.785.125.145.245.234.855.185.135.165.265.214.934.894.894.985.234.985.185.075.205.165.105.154.955.214.995.255.315.192024/1/2344精選2021版課件三、隨機(jī)區(qū)組（單位組）設(shè)計(jì)資料的方差分析例2研究者欲比較生物蛋白粉飼料、血漿蛋白粉飼料和普通飼料喂養(yǎng)斷奶仔豬的增重效果。為了消除和控制其他因素的影響，研究者將斷奶仔豬配成若干區(qū)組(block)，每個(gè)區(qū)組3只仔豬，并且滿足同一區(qū)組的仔豬是同窩別、同性別、同日齡、體重接近，共配成10個(gè)區(qū)組。然后在每個(gè)區(qū)組內(nèi)隨機(jī)將3只仔豬分配到各實(shí)驗(yàn)組。比較喂養(yǎng)10天后各實(shí)驗(yàn)仔豬的平均體重增加量(kg)，結(jié)果見表2。試比較各種飼料的增重效果有無差異。2024/1/2345精選2021版課件表2生物蛋白粉、血漿蛋白粉和普通飼料飼養(yǎng)仔豬增重量/Kg2024/1/2346精選2021版課件建立數(shù)據(jù)文件：仔豬增重量.sav定義變量2024/1/2347精選2021版課件建立數(shù)據(jù)文件：仔豬增重量.sav定義變量輸入數(shù)據(jù)2024/1/2348精選2021版課件建立數(shù)據(jù)文件：仔豬增重量.sav定義變量輸入數(shù)據(jù)開始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup，Block→FixedFactors2024/1/2349精選2021版課件建立數(shù)據(jù)文件：仔豬增重量.sav定義變量輸入數(shù)據(jù)開始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup，Block→FixedFactorsModel→Custom→Maineffects（Group，Block）2024/1/2350精選2021版課件建立數(shù)據(jù)文件：仔豬增重量.sav定義變量輸入數(shù)據(jù)開始分析：analyze→GeneralLinearModel→UnivariateY→Dependent