SPSS分析技术:单因素方差分析
接下来将会介绍如何用SPSS做各种类型的方差分析,包括单因素方差分析,多因素方差分析,协方差分析,多元方差分析,重复测量方差分析和方差成分分析等应用原理和案例。
单因素方差分析
单因素方差分析用于分析单个自变量的不同水平是否对因变量产生显著影响。单因素方差分析将总方差分为两部分:可以由自变量解释的系统误差和无法由自变量解释的随机误差,若系统误差显著超过随机误差,则认为该自变量在取不同水平时因变量均值存在显著差异。
方差分析的原理
前面的文章虽然介绍过单因素方差分析的数据分析过程,这里再简单强调一遍。当样本数据可以做这样的归类处理,如下图所示:
首先,单因素方差分析的成对假设是:
原假设:因素的k个水平的均值相等;
备择假设:因素的k个水平的均值不完全相等;注意是不完全相等,而不是k个均值互不相等。
其次,求取组内方差和组间方差;
组间方差的计算公式为:
组内方差的计算公式为:
第三步是计算F统计量的值,以及做出假设检验判断;
上式中MSB和MSE分布称为组间方差和组内方差。在原假设为真的条件下,统计量服从自由度为k-1和k(n-1)的F分布。如果F统计量观测值较小,说明组内方差大,组间方差小,此时不能拒绝原假设;相反,就要拒绝原假设,认为自变量(因素)的k个水平对自变量有显著影响。SPSS会自动计算F统计量的观测值以及相应的概率P值,根据P值就可以完成统计检验。
案例分析
某体育高校对来自全国各地的2016级新生做了一次抽样检查,对抽到学生的身高、体重和胸围作了测量和记录,并将所有参与抽样体检的学生按省份划分为东部、中部和西部,试图分析来自不同地区学生的身高是否有差异。
问题分析
研究的问题是来自全国不同地区学生的身高是否有差异,可以理解为地区因素是否对学生身高有影响,影响因素(自变量)是地区,地区因素有三个水平(东部,中部和西部),所以适用单因素方差分析(单因素,三水平)。
分析步骤
1、选择菜单【分析】-【比较平均值】-【单因素ANOVA】,在【单因素方差分析】中选择变量【身高】,选入因变量列表;选择【地区】,将其选入因子。程序可以同时对多个因变量进行单因素方差分析,但是【因子】只能选取一个自变量。
2、单击【对比】,打开【单因素ANOVA:对比】。该选项是用来做因素不同水平的均值对比的。将多项式选中,在度中可以选择线性、二次项到五次项,表示可以利用不同的多项式对均值进行对比。我们选中线性,然后再系数中输入-1,0.5,0.5,点击下一页,再输入0.5,-1,0.5,再点击下一页,输入0.5,0.5,-1。表示将东部,中部和西部的均值配上系数进行加减对比。例如第一组系数-1,0.5,0.5,表示-1*东部均值+0.5*中部值+0.5*西部均值。
3、事后多重比较设置
单击【事后多重设置】,打开【单因素ANOVA:事后多重比较】。该对话框包括假定方差齐性和未假定方差齐性的总共18种两两对比方式,具体不同可以点击SPSS的帮助文档。这里我们选择LSD、Tukey和Tamhane’s T2检验。
4、单击【选项】,打开【单因素ANVOA】,选中描述性、方差齐性检验和平均值图。
结果解释
1、描述性统计表。
从描述性统计量表可以看出东部地区学生的平均身高和中西部的差异较大,而中西部学生的身高平均值接近。
2、方差分析表
由方差齐性检验表可得显著性概率P为0.640,大于0.05,说明东部、中部和西部三组间的方差在0.05水平上没有显著差异,即方差齐性检验通过,这是能够进行方差分析的必要条件。
3、方差分析表和线性对比
从方差分析表可以知道,F值为12.164,对应的显著性为0.000,小于0.05,所以方差分析结果是显著的,表明东部,中部和西部三组学生身高之间是有显著性差异的,具体那一组或那几组之间有差异,需要看事后两两比较。
对三组学生身高的均值赋予不同的系数,然后进行检验。由于是方差齐性的,所以看三个结果,显著性分别为0.000,0.008和0.030,说明三组系数的均值对比均有显著性差异。
4、事后检验表
可以得到两种检验方法的结果基本一致:东部与中部和东部与西部两组均值对比检验的P值均为0.000,说明两组同学间的平均身高差异显著。
5、子集检验表
将没有显著性的水平进行子集检验,可以得到中部和西部学生身高之间没有显著性差异,但是与东部学生身高有显著性差异。
6、身高均值折线图
身高均值折线图一样也可看出东部地区和中西部差异显著。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11