spss方差分析两两比较

方差分析中均值比较的方法

最近看文献时，多数实验结果用到方差分析，但选的方法不同，主要有LSD，SNK-q,TukeyHSD法等，从百度广库里找了一篇文章，大概介绍这几种方法，具体公式不列了，软件都可以计算。这几种方法主要用于方差分析后，对均数间进行两两比较。

均数间的两两比较根据研究设计的不同分为两种类型 ： 一种常见于探索性研究，在研究设计阶段并不明确哪些组别之间的对比是更为关注的，也不明确哪些组别问的关系已有定论、无需再探究，经方差分析结果提示 “ 概括而言各组均数不相同”后，对每一对样本均数都进行比较，从中寻找有统计学意义的差异： 另一种是在设计阶段根据研究目的或专业知识所决定的某些均数问的比较．常见于证实性研究中多个处理组与对照组、施加处理后的不同时间点与处理前比较。最初的设计方案不同．对应选择的检验方法也不同． 下面分述两种不同设计均数两两比较的方法选择。

1.事先计划好的某对或某几对均数间的比较：适用于证实性研究。在设计时就设定了要比较的组别，其他组别间不必作比较。常用的方法有： Dunnett-t 检验 、LSD-t 检验 (Fisher ’s least significant difference t test) 。这

方差分析中均值比较的方法

最近看文献时，多数实验结果用到方差分析，但选的方法不同，主要有LSD，SNK-q,TukeyHSD法等，从百度广库里找了一篇文章，大概介绍这几种方法，具体公式不列了，软件都可以计算。这几种方法主要用于方差分析后，对均数间进行两两比较。

均数间的两两比较根据研究设计的不同分为两种类型 ： 一种常见于探索性研究，在研究设计阶段并不明确哪些组别之间的对比是更为关注的，也不明确哪些组别问的关系已有定论、无需再探究，经方差分析结果提示 “ 概括而言各组均数不相同”后，对每一对样本均数都进行比较，从中寻找有统计学意义的差异： 另一种是在设计阶段根据研究目的或专业知识所决定的某些均数问的比较．常见于证实性研究中多个处理组与对照组、施加处理后的不同时间点与处理前比较。最初的设计方案不同．对应选择的检验方法也不同． 下面分述两种不同设计均数两两比较的方法选择。

1.事先计划好的某对或某几对均数间的比较：适用于证实性研究。在设计时就设定了要比较的组别，其他组别间不必作比较。常用的方法有： Dunnett-t 检验 、LSD-t 检验 (Fisher ’s least significant difference t test) 。这

SPSS超详细操作：两因素多元方差分析(Two

医咖会在之前的推文中，推送过多篇方差分析相关的文章，包括：

单因素方差分析(One-Way ANOVA) 双因素方差分析(Two-way ANOVA) 三因素方差分析(Three-way ANOVA) 单因素重复测量方差分析 两因素重复测量方差分析 三因素重复测量方差分析

单因素多元方差分析(One-way MANOVA)

每种方差分析的应用场景，以及该如何进行SPSS操作和解读结果，各位伙伴请点击相应的文章链接查看~~今天，我们再来介绍一种统计方法：两因素多元方差分析(Two-way Manova)。 一、问题与数据

某研究者想研究三种干预方式（regular—常规干预；rote—死记硬背式干预；reasoning—推理式干预）对学生学习成绩的影响。

研究者记录了学生两门考试的成绩：文科成绩

（humanities_score）和理科成绩（science_score）。另外，基于之前的知识，研究者假设干预方式对男女两种性别学生

的效果可能不同。换言之，研究者想知道不同干预方式对学习成绩的影响在男女学生中是否不同。也就是说，干预方式和性别两个自变量之间是否存在交互作用（interacti

第6章 方差分析

6.1实验目的

在现实生活中，影响具体某个事物的因素往往很多，我们常常需要正确确定哪些因素的影响是显著的，方差分析（简称为ANOVA）就是解决这一问题的有效方法。由于方差分析在统计分析工作中，是不可或缺的关键性的一个环节，因此掌握方差分析的原理及方法使非常必要的。本实验的目的在于利用方差分析（简称为ANOVA）来进行相关的假设检验和统计决策。具体有以下三个方面：

1.帮助学生深入了解理解方差及方差分析的基本概念，掌握方差分析的基本思想和原理。理解总离差（SST）、组间平方和（SSR）、组内平方和或残差平方和（SSE）、组间均方差(MSR)、组内均方差(MSE)、自由度、F统计量等基本概念及其相互关系。

2.掌握方差分析的过程：One-Way过程：单因素简单方差分析过程。在Compare Means菜单项中，可以进行单因素方差分析、均值多重比较和相对比较；General Linear Model(简称GLM)过程：GLM过程由Analyze菜单直接调用。这些过程可以完成简单的多因素方差分析和协方差分析，不但可以分析各因素的主效应，还可以分析各因素间的交互效应。

3.增强学生的实践能力，使学生能够利用SPSS统计软件，熟练

统计作业（3）

1、

抽查某地区三所小学五年级男学生的身高，数据见文件：“男生身高”。设各小学五年级男学生的身高服从同方差的正态分布。问该地区三所小学五年级男学生的平均身高是否有显著差异（α=0.05）？

解： Test of Homogeneity of Variances 身高 Levene Statistic 5.243 df1 2 df2 15 Sig. .019 ANOVA 身高 Between Groups Within Groups Total Sum of Squares 465.881 799.255 1265.136 df 2 15 17 Mean Square 232.941 53.284 F 4.372 Sig. .032 因为sig=0.019<0.05，所以所用样本的方差不相等。所以选择Tamhane 又因为P=0.032<0.05，所以三所小学五年级男学生的平均身高有显著差异。

Multiple Comparisons 身高 Tamhane (I) 001 1 (J) 001 2 3 2 1 3 3 1 2 (I-J) -10.8500 -10.7333 10.8500 .1167 10.7333 -.1167 ** 95% Confidence Interval VAR00VAR00Mean Difference

spss操作+详细解释

多元方差分析

1992年美国总统选举的三位候选人为布什、佩罗特、克林顿。从支持三位候选人的选民中分别

分析：该题自变量为三位候选人，因变量为年龄段和受教育程度。从自变量来看要进行方差分析，从因变量来看是二元分析，所以最终确定使用多变量分析

具体操作（spss）

1、 打开spss，录入数据，定义变量和相应的值在此不作详述。结果如图1

spss操作+详细解释

图1 被投票人：1、布什 2、佩罗特 3、克林顿

2、 在spss窗口中选择分析——一般线性模型——多变量，调出多变量分析主界面，将年龄段和受

教育程度移入因变量框中，被投票人移入固定因子框中。如图2

图2 多变量分析主界面

3、 点击选项按钮在输出框中选择方差齐性分析（既包括协方差矩阵等同性分析也包括误差方差齐

性分析），其它使用默认即可，点击继续返回主界面。如图

3

spss操作+详细解释

图3 选项子对话框

4、 点击确定，运行多变量分析过程。

结果解释

1、 协方差矩阵等同性的Box检验结果，如图4

图4 协方差矩阵检验

结果说明：此Box检验的协方差矩阵为三位候选人每个人的支持者的年龄段和受教育程度的协方差矩阵。因为sig>0.05，所以差异不显著，即各个因变量的协方差矩阵在所有三个候选人组

多元方差分析

1992年美国总统选举的三位候选人为布什、佩罗特、克林顿。从支持三位候选人的选民中分别抽取20人，登记他们的年龄段（X1）和受教育程度（X2）资料如下表所示： X1 X2 X1 X2 投票人 投票人 布什 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 投票人 克林顿 1 2 1 3 1 3 3 1 2 2 3 1 4 4 3 3 2 2 3 1 1 1 3 3 3 1 1 1 3 1 1 1 1 0 4 3 2 2 3 1 1 佩罗特 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 投票人 11 2 1 1 1 3 2 1 1 4 3 2 1 2 1 2 3 1 3 4 2 1 2 0 3 1 1 1 3 1 3 1 3 1 1 1 1 1 1 3 1 X1 4 X2 1 X1 3 X2 4 1 2 3 2 12 2 1 4 0 3 13 4 1 2 1 4 14 2 1 4 1 5 15 4 3 2 2 6 16 3 0 3 3 7 17 4 2 3 2 8 18 2 0 3 1 9 19 3

。

利用SPSS做方差分析教程

在分享了SPSS安装包后，除了问我SPSS怎么安装的外，还有人问怎么做方差分析的。其实大家如果林业应用统计理论部分还记得的话，是可以用Excel来做方差分析的，不过稍显繁琐一点。当然，既然部分人已经装好了SPSS，而且SPSS做方差分析有具有很大的方便性，今天我就分享一下如何利用SPSS做方差分析。

方差分析可分为单变量单因素、单变量多因素和多变量多因素方差分析三种，单变量单因素在林业应用统计书中第228页有详细介绍，相对简单，在这里不做重复，需要的同学可自行查阅。不过，操作方法都大同小异，只在输入数据和选项上有所不同。

在这里不对方差分析的理论部分进行介绍，一句话来说，方差分析是用来比较不同处理之间是否存在显著性差异的。在我看来，大家的试验类型还是以单变量多因素为主的，如果分不清变量与因素，可以再去看书，也不再展开了。

下面我以书中第172页例三为例，

作业8：多因素方差分析

1， data0806-height是从三个样方中测量的八种草的高度，问高度在三个取样地点，以及八

种草之间有无差异？具体怎么差异的？ 打开spss软件，打开data0806-height数据，点击Analyze->General Linear Model->Univariate打开：

把plot和species送入Fixed Factor(s)，把height送入Dependent Variable，点击Model打开：

选择Full factorial，Type III Sum of squares，Include intercept in model（即全部默认选项），点击Continue回到Univariate主对话框，对其他选项卡不做任何选择，

结果输出：

因无法计算???? ??rror，即无法分开???? intercept 和???? error，无法检测interaction的影响，无法进行方差分析，

重新Analyze->General Linear Model->Univariate打开：

选择好Dependent Variable和Fixed Factor(s)，点击Model打开：

点击Cust

作业一

1. 这10种酸奶口味均值是否存在差异？ 10种酸奶口味均值存在差异：

由描述性统计量表，可见试制品1平均口味最高6.75.而平均口味最低的伊*的均值为5.6。其他各种口味的酸奶的口味均值在这两者之间波动，但是没有完全相同的 ，可见不同的品牌的酸奶在消费者吃起来口味是不同的，与城市的差异无关。

Levene's误差齐次检验表中F=1.818 sig.=0.002<0.05 拒绝各组方差相同的假设，说明各组因变量的标准差存在差异是由于一些必然的因素引起的。不是偶然的

根据Spread-versus-level (分布-水平图)可以看到散点图没有明显的变化趋势，没有迹象表明各组因变量均值与标准差之间存在关系

2. 4个不同城市消费者对10种酸奶口味评分是否存在差异？ Levene's误差齐次检验表中F=1.818 sig.=0.002<0.05 拒绝各组方差相同的假设，说明各组因变量的标准差存在差异是由于一些必然的因素引起的。4个不同城市消费者对10种酸奶口味评分存在差异

3. 在酸奶评价中，品牌和城市是否存在交互作用？

由轮廓图可以明显的看到各条折线之间存在很多交叉，表明这两个因素之间存在着交互作用 4. 试制品的口味评分和其它8种品牌酸奶是否存在差异，能否选出最优的一种。

Descriptive Statistics

Dependent Variable:口感评分 城市 上海

样品品牌 世* 伊*

Mean

5.98 5.63 6.78 5.89 6.19 5.73 6.71