2. 程式人生 > >SPSS-多元方差分析

SPSS-多元方差分析

阿新 • • 發佈：2018-11-14

SPSS之多變數方差分析

軟體：SPSS 23

單因素方差分析：如果方差不齊，就看Brown-Forsythe和Welch修正值


Analyze→General linear model→multivariate

多因素方差分析的其他功能

* 均值檢驗

SPSS中利用多因素方差分析對各控制變數不同水平下的均值是否存在顯著性差異可以通過多重比較檢驗（Post Hoc）、對比檢驗（Contrast）實現。

Contrast：採用的是單樣本t檢驗的方法，將控制變數不同水平下的觀測變數值看作是來自不同總體的樣本，並依次檢驗這些總體的均值是否與某個指定的檢驗值存在顯著差異。                

單變數組間比較
 檢驗值
Deviation
 偏差，將每個水平的均數與所有水平的總均數進行比較。
Simple 簡單，將各水平均數與指定水平均數進行比較，特別適合有對照的設計。
Different 差值，將每個水平的均數與前一水平的均數進行比較（第一水平除外）
Helmert 將每個水平的均數與後一水平均數進行比較（最後一個水平除外）。
Repeated 重複，將每個水平的均數與其後各水平均數進行比較（最後一個水平除外）。
Polynomial 多項式，比較線性效應，二次效應，三次效應等，用於估計多項式趨勢。

Post Hoc:

Plots:控制變數互動作用的圖形分析，如果控制變數之間無互動作用，各水平對應的直線近於平行，有互動作用，各水平對應直線則會相交。

Save:對模型進行分析，並將結果以變數形式存入SPSS資料編輯視窗。

Options:

結果分析

Descriptive Statistics:每個水平對應樣品數，均值和標準物等。

Box's Test of Equality of Covariance Matrices：協方差矩陣等同性的Box檢驗，Sig的值大於0.05即適合作多元方差分析。

Multivariate Tests:多變數檢驗，四種多元方差分析方法，Wilks' Lambda檢驗具有簡單的優點，並且與似然比準則有關，觀察三組向量間均有顯著差異，概率為0.001，可進一步兩兩比較；但是該過程不能作向量兩兩比較。

Levene's Test of Equality of Error Variances：誤差方差等同性檢驗，sig大於0.05即接受原假設，無顯著差異。

Tests of Between-Subjects Effects：主體間效應檢驗，由校正模型知，PNR在不同控制變數之間有顯著性差異。

估計”是單變數多重比較的基本統計量。

“成對比較”是LSD多重比較結果，單變數多重比較，對於血紅蛋白，B組最高，C組其次，A組最後。紅細胞計數的結果也是B組最高，C組其次，A組最後。

spss教程：多元方差分析

spss教程：多元方差分析

正態性檢驗

觀察資料分佈

變數分佈形狀 引數 引數值說明
左右是否對稱 Skewness(偏差度) Skewness=0代表完全對稱；大於0代表正偏態；小於0代表負偏態。絕對值大於標準誤差的1.96倍，則認為與正態分佈有顯著性差異。
峰態是否陡緩適度 Kurtosis(峰態) Kurtosis=0表示變數分佈峰態正合適；大於0表示峰態太陡峭；小於0表示峰態太平緩；若絕對值大於標準誤差的1.96倍則與正態分佈有顯著性差異。

正態分佈顯著性檢驗

結果分析：漸近顯著性（雙尾）=0.000<0.05， 拒絕原假設，說明該資料分佈不符合正態分佈。

轉換資料：進行方差分析的資料不滿足正態分佈或方差齊性就需要對資料進行轉換，以滿足資料分析的需要。

變數資料轉化為正態分佈，需要根據原始變數及其分佈形狀確定相應的轉換公式，常用的變數正態變換方法有對數變換、平方根變換、倒數變換、平方根反正弦變換等。

資料正態檢驗結果 正態轉換方法
正中度偏態（Skewness為其標準誤差2-3倍） SQRT（x）
正高度偏態（Skewness為其標準誤差3倍以上） LN(x)；LG10糾偏能力最強，有時會將正偏態糾正為負偏態。Box-Cox轉換
負偏態 需要先對原始變數作reflection(反向轉換)，即將所有值反過來。COMPUTE nx = max – x + 1

SPSS-變數正態轉換步驟


參考文獻：

https://jingyan.baidu.com/article/cbf0e500e96f5e2eab289355.html 正態分佈與資料轉換： https://wenku.baidu.com/view/f0c8bd04f11dc281e53a580216fc700abb685237.html https://jingyan.baidu.com/article/ed2a5d1f87d87b09f6be17d0.html 如何將資料轉換成正態分佈-非引數檢驗 http://bbs.pinggu.org/thread-2476554-1-1.html http://www.dxy.cn/bbs/thread/2135706#2135706 https://wenku.baidu.com/view/0b46bb23a517866fb84ae45c3b3567ec102ddc93.html

附件列表

     

    相關推薦

    SPSS-多元方差分析

    SPSS之多變數方差分析 軟體：SPSS 23 單因素方差分析：如果方差不齊，就看Brown-Forsythe和Welch修正值 Analyze→General linear model→multivariate 多因素方差分析的其他

    SPSS協方差分析

    1、分析原理 協方差分析是迴歸分析與方差分析的結合。在作兩組和多組均數之間的比較前，用直線迴歸的方法找出各組因變數Y與協變數X之間的數量關係，求得在假定X相等時的修正均數，然後用方差分析比較修正均數之間的差別。 要求X與Y的線性關係在各組均成立，且在各組間迴歸係數近似相等，即迴歸直線平行；X的取

    使用spss做方差分析

    還記得上學那會老師專門敲了黑板，強調方差分析很重要。。單因素方差分析（Analysis of Variance, ANOVA），如果變數多，就是多因素方差分析，還需要考慮到多重共線性， 也就是線性代數裡的那些知識了。 現在寫paper，基本上要用兩種不同的方法做資料分析相互驗證。比如用R和SPSS或者SA

    SPSS-方差分析

    沒有 差異 基本概念 控制 src 研究 color ima 檢驗 方差分析（單因素方差分析、多因素方差分析、協方差分析） 基本概念：進行兩組以上均數的比較，檢驗兩個或兩個以上樣本均數差別的顯著性（T檢驗主要是檢驗兩個樣本均數差別的顯著性

    SPSS：T檢驗、方差分析、非參檢驗、卡方檢驗的使用要求和適用場景

    一、T檢驗 1.1 樣本均值比較T檢驗的使用前提 正態性；（單樣本、獨立樣本、配對樣本T檢驗都需要） 連續變數；（單樣本、獨立樣本、配對樣本T檢驗都需要） 獨立性；（獨立樣本T檢驗要求） 方差齊性；（獨立樣本T檢驗要求） 1.2 樣本均值比較T

    Covariance 協方差分析

    images var .cn htm baidu ima tps 分析 ges PDF文檔 https://wenku.baidu.com/view/1ad38cacc850ad02df80415d.html Covariance 協方差分析

    方差分析法

    分析法 tar 需要 strong tlab tla 不同類 工程 tro 前言 工程實現的過程中需要對提取的特征指標進行有效性分析，評價各個特征指標與不同類別的顯著性關系，篩選出對不同類別判別貢獻率最佳的指標，為設計分類器等提供支持。 本文主要針對單因子方差分析法。 實現

    R語言-方差分析

    評估 car 方差 bsp rac 一個 grey pla span 方差分析指的是不同變量之間互相影響從而導致結果的變化 1.單因素方差分析: 　　案例:50名患者接受降低膽固醇治療的藥物,其中三種治療條件使用藥物相同(20mg一天一次,10mg一天兩次,5mg一天四次)

    ANOVA | 方差分析

    href IE .com pap 現在 tps www 問題 使用 老早就看見過ANOVA這個單詞了，也沒去查是什麽意思，今天要用了，一百度居然是方差分析。 統計學基礎： 假設檢驗可以用於比較單組、兩組之間的均值和方差的差異，那到三組及以上怎麽辦？那就是方差分析了，最最

    R教材7 方差分析

    方差分析：組間差別分析aov(formula,data)，將組別因子加入到函式 雙因素方差分析中，若不同的分組中組內觀測數不同則模型的順序具有唯一性；ANOVA模型的順序很重要，模型Y~A+B+A:B，其中Y為因變數，A,B為分組量 序貫型：後面對線出現的效應做調整，A

    奇怪的方差分析結果:三方互動的pvalue 1

    我執行一個三路互動,預測“判斷”從“factor_1”(主題,兩個水平),“factor_2”(主題,兩個水平)和factor_3(主題內,兩個級別)。 我有120名參與者在每個級別的factor_1和factor_2(30) model <- aov(judgment ~ factor_1facto

    方差分析

    ats 方式 col 選擇 因子 多個 學院 方差 方案 方差分析是研究一種或多種因素的變化對試驗結果的觀測值是否有顯著影響，從而找出較優的試驗條件或生產條件的一種數理統計方法。 方差分析按 影響分析指標 的因素（自變量）個數的多少 ，分為單因素、多因素方差分析

    one-way ANOVA(analysis of variance) 單向方差分析

    問題描述：在比較兩組獨立正態分佈樣本的均值時用t test，那麼比較多組樣本的均值呢？要用one-way ANOVA。 Note: 使用ANOVA時，要假定k個組的方差相同。如果k個組的方差並不相同，就不應該使用ANOVA，要分別對兩組間用t檢驗。 當我們看到這種要同時比較多組樣本的

    R語言開發之協方差分析瞭解下

    我們通常使用迴歸分析來建立描述預測變數變數對響應變數的影響的模型，有時，如果我們有類似於是/否或男/女等值的分類變數，簡單迴歸分析為分類變數的每個值提供多個結果。在這種情況下，我們可以通過使用分類變數和預測變數來研究分類變數的影響，並比較分類變數的每個級別的迴歸線。 這樣的分

    方差分析中均值比較的方法

    轉載：http://blog.sina.com.cn/s/blog_5de124240101q55q.html 最近看文獻時，多數實驗結果用到方差分析，但選的方法不同，主要有LSD，SNK-q,TukeyHSD法等，從百度廣庫裡找了一篇文章，大概介紹這幾種方法，具體公式不列了，軟體都可以計算。這幾種方法主要

    python做單因素方差分析

    方差分析的主要功能就是驗證兩組樣本，或者兩組以上的樣本均值是否有顯著性差異，即均值是否一樣。 這裡有兩個大點需要注意：①方差分析的原假設是：樣本不存在顯著性差異（即，均值完全相等）；②兩樣本資料無互動作用（即，樣本資料獨立）這一點在雙因素方差分析中判斷兩因素是否獨立時用。 原理： 方差分析的原理就一個方程：S

    資料探勘之方差分析實驗

    本部落格根據非常好的excel資料而編寫，使用python語言操作，預計使用一週的時間更新完成。需要《非常好的excel資料》word文件，歡迎發郵件給[email protected]，免費發放。這篇部落格對應《非常好的excel資料》裡的第5章節。 1.1 單因素方差分析

    用R語言進行方差分析

    R語言中與方差分析有關的包有car、gplots、HH、rrcov、multicomp、effects、MASS和mvoutlier。 單因素方差分析 #運用multcomp包中的cholesterol資料 library(multcomp) attach(cholesterol) #檢視

    R語言中的含一個組間因子和一個組內因子的重複測量方差分析

    我們關注寒帶植物。因變數是二氧化碳吸收量（uptake），單位為ml/L，自變數是植 物型別Type（魁北克VS密西西比州）和七種水平（95~1000 umol/m^2 sec）的二氧化碳濃度（con

    Python資料科學：方差分析！

    之前已經介紹的變數分析： ①相關分析：一個連續變數與一個連續變數間的關係。 ②雙樣本t檢驗：一個二分分類變數與一個連續變數間的關係。 本次介紹： 方差分析：一個多分類分類變數與一個連續變數間的關係。 其中分類個數大於兩個，分類變數也可以有多個。 當分類變