spss多因素方差分析例子Word文件下载.docx
《spss多因素方差分析例子Word文件下载.docx》由会员分享,可在线阅读,更多相关《spss多因素方差分析例子Word文件下载.docx(21页珍藏版)》请在冰豆网上搜索。
![spss多因素方差分析例子Word文件下载.docx](https://file1.bdocx.com/fileroot1/2023-1/30/763f71da-bb37-4ed8-8a69-f63697c6f12a/763f71da-bb37-4ed8-8a69-f63697c6f12a1.gif)
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)。