spss方差分析

spss方差分析 一、单因素方差分析 1.正态性检验 采用单样本K-S检验 (1)【Analyze】----【Nonparametric Tests】----【1-Sample K-S】出现 如图1所示窗口。选择将待检验的变量到【Test Variable List】框，选 择正态分布【Normal】,点击OK 图一 数据总体的单样本K-S检验 (2)输出检验结果 One-Sample Kolmogorov-Smirnov Test 亩产量N18 a,bNormal ParametersMean929.8889 Std. Deviation44.80794Most ExtremeAbsolute.152DifferencesPositive.141 Negative-.152Kolmogorov-Smirnov Z.645Asymp. Sig. (2-tailed).799 a. Test distribution is Normal. b. Calculated from data. 上表表明，数据的均值为929.8889，标准差为44.80794，概率P值为0.799。如果显著性水平为0.05，P值大于显著性水平，因此不能拒绝原假设，则认为该组数据服从正态分布。 2、方差分析过程 (1)【Analyze】---【Compare Means】---【One-Way ANOVA】,出现如下图所示窗口 (2)将观测变量“亩产量”选到Dependent List框中 (3)选择控制变量“施肥量”到Factor中。 (4)方差齐次性检验。点击Options,出现如下窗口，选择Homogeneity of variance test。 (5)多重比较检验。点击Post Hoc，出现如下图所示窗口 (6)点击ok，输出检验结果 表一 数据总体的方差齐次性检验 Test of Homogeneity of Variances亩产量 Levene Statisticdf1df2Sig. 3.009215.080 表一表明，不同施肥量情况下的亩产量的方差齐次性检验值为0.765，概率P值为0.515，取显著性水平，P值大于，应接受原假设， 即认为不同施肥量情况下的总体方差无显著差异。 表二 不同施肥量对亩产量的单因素方差分析结果 ANOVA 亩产量 Sum of SquaresdfMean SquareFSig.Between Groups28254.778214127.38936.058.000Within Groups5877.00015391.800 Total34131.77817 表二表明，观测变量亩产量的总的离差平方和为34131.778，不同施肥量可解释的变差为28254.778，抽样误差引起的变差为5877.000，它们的方差分别为14127.389和391.800，两者除所得F统计量的观测值为36.058，对应的概率P值为0，如果显著性水平为0.05，P值小于显著性水平，应该拒绝原假设，认为不同的施肥量对亩产量产生了显著性影响。 表三 不同施肥量的多重比较检验 Multiple Comparisons Dependent Variable: 亩产量 Mean95% Confidence IntervalDifference (I) 施肥量(J) 施肥量(I-J)Std. ErrorSig.Lower BoundUpper BoundTukey HSD1.002.00-78.50000*11.42804.000-108.1840-48.8160 3.00-88.66667*11.42804.000-118.3506-58.9827 2.001.0078.50000*11.42804.00048.8160108.1840 3.00-10.1666711.42804.655-39.850619.5173 3.001.0088.66667*11.42804.00058.9827118.3506 2.0010.1666711.42804.655-19.517339.8506Scheffe1.002.00-78.50000*11.42804.000-109.5133-47.4867 3.00-88.66667*11.42804.000-119.6799-57.6534 2.001.0078.50000*11.42804.00047.4867109.5133 3.00-10.1666711.42804.680-41.179920.8466 3.001.0088.66667*11.42804.00057.6534119.6799 2.0010.1666711.42804.680-20.846641.1799LSD1.002.00-78.50000*11.42804.000-102.8583-54.1417 3.00-88.66667*11.42804.000-113.0249-64.3084 2.001.0078.50000*11.42804.00054.1417102.8583 3.00-10.1666711.42804.388-34.524914.1916 3.001.0088.66667*11.42804.00064.3084113.0249 2.0010.1666711.42804.388-14.191634.5249Bonferroni1.002.00-78.50000*11.42804.000-109.2841-47.7159 3.00-88.66667*11.42804.000-119.4508-57.8825 2.001.0078.50000*11.42804.00047.7159109.2841 3.00-10.1666711.428041.000-40.950820.6175 3.001.0088.66667*11.42804.00057.8825119.4508 2.0010.1666711.428041.000-20.617540.9508*. The mean difference is significant at the .05 level. 表四 不同亩产量多重比较检验的相似性子集 亩产量 Subset for alpha = .05 N12施肥量aStudent-Newman-Keuls1.006874.1667 2.006952.6667 3.006962.8333 Sig.1.000.388aTukey HSD1.006874.1667 2.006952.6667 3.006962.8333 Sig.1.000.655aScheffe1.006874.1667 2.006952.6667 3.006962.8333 Sig.1.000.680Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 6.000. 表三和表四表明如果从获得亩产量高的角度选择施肥量，不应采用第一种施肥量形式。 二、多因素方差分析(以两因素为例) 1(正态性检验 (1)【Analyze】---【Descriptive Statistics】---【Explore】，出现如下窗口 () (2)点击plot，选中nomality plots with test，点击continue (3)点击paste,在bzfs和gtzl之间添加by，点击run---all，即出来结果 (4)检验结果 表五 两因素的正态性检验 Tests of Normality aKolmogorov-SmirnovShapiro-Wilk 包装方式柜台种类StatisticdfSig.StatisticdfSig.销售额1.001.00.3433..8423.220 2.00.3853..7503.000 3.00.2823..9363.510 2.001.00.1753.1.00031.000 2.00.3853..7503.000 3.00.1963..9963.878 3.001.00.3583..8123.144 2.00.3583..8123.144 3.00.2923..9233.463 a. Lilliefors Significance Correction 从上表可知，不同包装方式和柜台种类的检验P值分别为0.510， 0.878,0.463，如果取显著性水平为0.05，p值大于显著性水平，应该接受原假设，即认为两因素均服从正态分布。 2.等方差检验 (1)【Analyze】---【General liner model】---【Univarite】,出现如图所示窗口 (2)指定观测变量“销售额”到Dependent variable框中 (3)选择控制变量“包装方式和柜台种类”到Fixed factors中， (4)点击ok,输出结果 表六 销售额多因素方差分析结果 Tests of Between-Subjects EffectsDependent Variable: 销售额 Type III Sum Sourceof SquaresdfMean SquareFSig.aCorrected Model4.2808.5352.189.080Intercept950.5201950.5203888.491.000bzfs3.60721.8037.377.005gtzl.0422.021.086.918bzfs * gtzl.6314.158.645.637Error4.40018.244 Total959.20027 Corrected Total8.68026 a. R Squared = .493 (Adjusted R Squared = .268) 由表六可知，观测变量的总变差为8.680，由包装方式引起的变差为3.607，由柜台种类引起的变差为0.042，由这两者引起的变差为0.631，由随机因素引起的变差为4.4。这些变差除以各自的自由度得到方差，各F检验统计量的观测值在一定自由度下的概率P值。F1，F2，F1?2的概率P值分别为0.005，0.918,0.613.如果显著性水平为0.05，F1小于显著性水平，则可认为不同包装方式下对销售额总体均值存在显著性差异;F2和F1?2均大于显著性水平，因此不能拒绝原假设，可认为不同柜台种类与不同包装方式和柜台种类产生的交互作用对销售额总体均值没有差异。