单因素方差分析1

VAR00001 VAR00002 31.90 1.00 27.90 1.00 31.80 1.00 28.40 1.00 35.90 1.00 24.80 2.00 25.70 2.00 26.80 2.00 27.90 2.00 26.20 2.00 22.10 3.00 23.60 3.00 27.30 3.00 24.90 3.00 25.80 3.00 27.00 4.00 30.80 4.00 29.00 4.00 24.50 4.00 28.50 4.00

单击Analyze Compare Means One-Way ANOVA，打开 One-Way ANOVA对话框。

1.VAR00001进入Dependent list框内，VAR00002进入Factor框内

2.“Contrasts”默认；“post hoc”：LSD，Duncan；Options：√Descriptive √Homogeneity of variance test。 3.点击OK 4.表格

VAR00001

Test of Homogeneity of Variances

该表是方差极性检验。P值是0.299>0.05,故因素变量的各水平间的方差是没有显著差异的。

VAR00001

ANOVA

该表是方差分析表，由于F统计量值的P值明显小于显著性水平0.05，故拒绝

假设H0，认为四种饲料之间存在显著性差异。

从这个表中我们可以看出饲料1和饲料2、3、4之间存在显著性差异，饲料2、3、4之间没有显著性差异。

这是多重比较中的Duncan法检验结果表，1与2、3、4之间有差异。

饲料 1 2 3 4

胸围 体重 68.00 50.00 70.00 60.00 70.00 68.00 71.00 65.00 71.00 69.00 71.00 72.00 73.00 71.00 74.00 73.00 76.00 75.00 76.00 77.00

平均数 31.18 27.96 26.28 24.74

差异显著性（a=0.05）

a b b b

单击Analyze Regression Curve Estimation打开Curve Estimation对话框 “胸围”点击进入dependent（s）框；“体重”点击进入independent框； 在models框内选几个模型函数，在这里我们选Linear和cubic两个函数演示一下。

Save按钮弹出的框默认。然后点击OK。 表格：

Dependent Variable: ÐØΧ

Model Summary and Parameter Estimates

The independent variable is ÌåÖØ.

从这个表中我们可以看出胸围和体重的相关系数是显著的，而对r值进行比

较得出cubic函数拟合更好。

初重 后重 配方 1.50 12.40 1.00 1.85 12.00 1.00 1.35 10.80 1.00 1.45 10.00 1.00 1.40 11.00 1.45 11.80 1.50 12.50 1.55 13.40 1.40 11.20 1.50 11.60 1.60 12.60 1.70 12.50 1.35 10.20 1.20 9.40

1.45 12.20 1.20 10.30 1.40 11.30 1.30 11.40 1.15 12.80 1.30 10.90 1.35 11.60 1.15 8.50

1.35 12.20 1.20 9.30

1.15 10.00 1.10 10.60 1.10 10.40 1.05 9.20

1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 2.00 2.00

2.00 2.00 2.00 2.00 2.00 2.00 2.00 2.00

2.00 2.00

3.00 3.00 3.00 3.00

1.40 13.00 3.00 1.45 13.50 3.00 1.30 13.00 3.00 1.70 14.80 3.00 1.40 12.30 3.00 1.45 13.20 3.00 1.25 12.00 3.00 1.30 12.80 3.00 1.20 12.40 4.00 1.00 9.80

4.00

1.15 11.60 4.00 1.10 10.60 4.00 1.00 9.20

4.00

1.45 13.90 4.00 1.35 12.80 4.00 1.15 9.30 1.10 9.60

4.00 4.00

1.20 12.40 4.00 1.05 11.20 4.00 1.10 11.00 4.00

Analyze → General Liner Model(一般线性模型) → Univariate(单变量) → 将后重移入Dependent variable方格中 → 将配方移入Fixed Factors方格中 → 将初重移入Covariates方格中 → 点击Model次指令 → 点击Custom选项 → 将Include intercept in model 选项前的打勾取消 →在Build Terms方格中选择main effect，并用鼠标同时选择Factor & Covariates中的自变量和协变量，将二者移入Model方格中→ 在Build Terms方格中选择Interaction，并用鼠标同时选择Factor & Covariates中的自变量和协变量，将二者的交互作用移入Model方格中 → 点击Continue回到Univariate窗口 →点击contrast指令→选simple，first，再点击change，然后continue→点击option指令→点击Factors & Factor Interactions方格中的配方，移入Display Means for方格，同时点击下方的Compare main Effects选项，选择LSD→display中选择Homogeneity tests，continue→点击OK

本文来源：https://www.bwwdw.com/article/mcci.html