51　方差分析.ppt

广义线性模型(GLM)
方差分析及协方差分析
单因变量分析Univariate
一方差分析
一)单因素方差分析(One-Way ANOVA)
其适用条件: (吴cha-7)
自变量为多分(二分以上)的离散型变量
因变量为连续变量
操作程序:
pare means
/One-Way ANOVA
注意:分组变量无需定义。
可选项:
比较对话框
多均值比较
输出选项(常用)
事后比较方法
二)单因变量方差分析(Univariate)
其适用条件: (吴cha-7)
自变量为多分(二分以上)的离散型变量
因变量为连续变量
操作程序:
Analyze/General Linear Model /Univariate
可选项:
注意上述两种方法的结果比较
结果相同
表格输出项有差别
一般情况下建议使用第一种方法
第二种方法的优点是选项中可以选择R2、统计检验力等指标
One-way与Univariate的关系
在单因子变异数分析中,如果样本很大,差异显著性检验很容易达到显著水准。
因为受试样本很大,MSw=SSw÷(N—k)的算式中,(N—K)值就会变得很大,MSw值会变得很小;
相对的在Msb÷MSw的F值算式中,F值也会变得较大,因而F检验很容易达到显著水准。
进一步的探究应求其“关连强度”(ω2)指数,以补充说明假设检验的结果,并了解变量间的关系程度,关连强度即是因变量总变异可以由自变量解释的百分比,关连强度指数如同多元回归分析中之R平方一样,均表示自变量对因变量所能解释的变异量。
关连强度
在变异数分析中,如果F值达到显著,但ω2 值很小,表示自变量对因变量的影响不大,此种结果只有统计显著意义存在,欠缺实质应用的价值。
关连强度指数与复回归之决定系数R2的解释意义一样,在于说明因变量总变异量中,有多少百分比的变异量可以被自变量(或实验处理效果或预测变量)所解释到。因而在变异数分析中,如果F值达到显著,也应该呈现关连强度ω2值。
关连强度
结果分析