spss多因素方差分析报告例子文档格式.docx

spss多因素方差分析报告例子文档格式.docx

《spss多因素方差分析报告例子文档格式.docx》由会员分享，可在线阅读，更多相关《spss多因素方差分析报告例子文档格式.docx（21页珍藏版）》请在冰豆网上搜索。

选择Fullfactorial，TypeIIISumofsquares，Includeinterceptinmodel（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𝑀

𝑀

𝑒

rror，即无法分开𝑀

intercept和𝑀

error，无法检测interaction的影响，无法进行方差分析，

重新Analyze->

选择好DependentVariable和FixedFactor（s），点击Model打开：

点击Custom，把主效应变量species和plot送入Model框，点击Continue回到Univariate主对话框，点击Plots：

把date送入HorizontalAxis，把depth送入SeparateLines，点击Add，点击Continue回到Univariate对话框，点击Options：

把OVERALL,species,plot送入DisplayMeansfor框，选择Comparemaineffects，Bonferroni，点击Continue回到Univariate对话框，

输出结果：

可以看到：

SSspecies=33.165，dfspecies=7，MSspecies=4.738；

SSplot=33.165，dfplot=7，MSplot=4.738；

SSerror=21.472，dferror=14，MSerror=1.534；

Fspecies=3.089，p=0.034<

0.05;

Fplot=12.130,p=0.005<

0.01;

所以故认为在5%的置信水平上，不同样地，不同物种之间的草高度是存在差异的。

该表说明：

物种间存在差异：

不同的物种间在差异：

由边际分布图可知：

类似结论：

草的高度在不同样地的条件之间有差异（Fplot=12.130,p=0.005<

0.01），具体是，样地一和样地三之间存在的差异最大；

八种不同草的高度也存在差异（Fspecies=3.089，p=0.034<

0.05），具体是第四种草和第五种草的差异最大。

再次检验不同种类草的高度差异：

重新进行方差分析，Analyze->

Univariate：

把species送入FixedFactor（s），把high送入DependentVariable，点击Plots：

把species送入HorizontalAxis，点击Add，点击Continue回到Univariate，点击PostHoc（因为我们已经知道species效应显著）：

把species送入PostHocTestsfor框，选择Tukey，

各组均值从小到大向下排列。

最大的是第五组，最小的是第四组，其中有些种类草的高度存在差异，有些不存在。

再次检验不同样地草的高度差异：

过程和上相似：

结果如下

不同样地的草高度存在差异，其中一样地的草高度最短，3样地的草高度最高，且三组之间都存在差异。

2，data0807-flower，某种草的开花初期高度在两种温度和两个海拔之间有无差异？

多因素单因变量方差分析通过Analyze->

Univariate实现，把因变量height送入DependentVariable栏，把因素变量temperature和attitude送入FixedFactor（s）栏

点击Model选项卡，打开：

选着fullfactorial，type3，点击）Includeinterceptinmodel。

点击Plots对话框，打开：

：

可选择attitude到HorizontalAxis，然后选择temperature到HorizontalAxis，再选择attitude到SeparateLines，Plots框显示attitude,temperature,attitude*temperature，

EstimatedMarginalMeans选择OVERALL，产生边际均值的均值Display框选择要输出的统计量，Descriptivestatistics描述统计量，Homogeneitytests方差齐性检验。

主效应各因素各水平以及样本量，

各水平的均值和标准差。

把样本分为四组，进行方差齐性检验，方差不一致。

SSaltitude=503.167，dfaltitude=1，MSaltitude=503.167；

SStemperature=1149.798，dftemperature=1，MStemperature=1149.798；

SSinteraction=338.486，dfinteraction=1，MSinteraction=338.486；

SSerror=935.748，dferror=83，MSerror=935.748；

Faltitude=44.63，

p=0.034<

0.001;

Ftemperature=101.986,p=0.005<

Ftemperature=101.986,<

Finteraction=34.458，p<

所以故认为在0.1%的置信水平上，不同温度，不同海拔之间的草高度是存在差异的。

在四个样本总体中，在95%的置信区间，花的平均高度范围为137.719到139.172之间。

在海拔为3200米处，在95%的置信区间，花的平均高度范围为139.852到141.920之间。

在海拔为3400米处，在95%的置信区间，花的平均高度范围为134.985到137.036之间。

aititude各水平的边际均值的多重比较，在本试验中，事实上𝐻

0:

平均aititude（3200）=aititude（3400）；

但是平均aititude（3200）花高度—平均aititude（3400）花高度，在95%置信区间为3.427到6.333.故均值存在差异。

，

SSaltitude=503.167，dfaltitude=1，MSaltitude=503.167；

SSerror=935.748，dferror=83，MSerror=935.748；

Faltitude=44.63，P<

0.001.不同海拔的花高度不存在差异的的概率＜0.001.

在温度为T1处，在95%的置信区间，花的平均高度范围为141.149到143.119之间。

在温度为T2处，在95%的置信区间，花的平均高度范围为133.689到135.825之间。

温度各水平的边际均值的多重比较，在本试验中，事实上𝐻

（T1时，平均花高度）=（T2时，平均花高度）；

但是（T1时，平均花高度）—（T2时，平均花高度），在95%置信区间为5.924到8.830，故均值存在差异，不接受H0假设。

Ftemperature=101.986,p<

不同温度下，花的高度存在差异。

在温度为T1，海拔3200米处，在95%的置信区间，花的平均高度范围为145.433到148.004之间。

在温度为T2处，海拔3200米处在95%的置信区间，花的平均高度范围为133.433到136.673之间。

在温度为T1处，海拔3400米处，在95%的置信区间，花的平均高度范围为136.057到139.043之间。

在温度为T2处，海拔3400米处，在95%的置信区间，花的平均高度范围为133.068到135.853之间。

不同海拔下的的边际均值图

两个因素的边际均值交互效应图，该图直线相互交叉（即斜率不一样）表明有交互效应。

结论如下：

某种草的开花初期高度在两种温度之间有差异（Ftemperature=101.986,p<

），T1时草的开花初期高度高于T2时草的开花初期高度.

某种草的开花初期高度在两种海拔之间有差异（Faltitude=44.63，P<

0.001.），海拔3200时草的开花初期高度高于海拔3400时草的开花初期高度.

温度和海拔对草的开花初期高度的影响存在交互效应（Finteraction=34.458，p<

0.001）。