一般线性模型的SPSS应用.ppt

一般线性模型的SPSS应用.ppt

《一般线性模型的SPSS应用.ppt》由会员分享，可在线阅读，更多相关《一般线性模型的SPSS应用.ppt（20页珍藏版）》请在冰豆网上搜索。

三、一般线性三、一般线性模型的模型的SPSSSPSS应用应用一般线性模型，简称一般线性模型，简称GLMGLM。

方差分析的分类按照自变量的个数分类：

单因素ANOVA和多因素ANOVA。

按照因变量的个数分类：

一元方差分析和多元方差分析（元指因变量）此外，还包括连续性自变量（协变量），这种方差分析称为协方差分析（ANCOVA）。

多元方差/协方差分析可用来解决多自变量（和多协变量）、多因变量的方差/协方差分析。

一般线性模型可视为是对多元回归的发展，其功能大体相当于多元方差/协方差分析。

在SPSS中，真正的多元方差/协方差分析是一个独立的过程，不过只能在Syntax模式下运行。

MANOVAMANOVA和和GLMGLM的主要区别的主要区别多元方差/协方差分析和GLM过程中的多因变量的主要区别是：

二者对分类变量的参数估计方法不同。

前者是将各水平与总均值进行比较，采用的是偏差对比。

后者是设定某参照水平，将其他水平与之比较，即简单对比。

GLM所提供的功能和灵活性相比多元方差/协方差分析更胜一筹。

SPSS的GLM菜单中包括单因变量、多因变量、重复测量和方差成分四个过程。

可以解决完全随即设计、随机区组设计、交叉设计、析因设计、拉丁方设计、正交设计、嵌套设计、重复测量设计、裂区设计和均匀设计等类型的方差/协方差分析问题。

这节课我们重点来学习Univariate（单因变量）和RepeatedMeasures（重复测量）两个过程的SPSS操作特点。

（一）Univariate过程单因变量过程主要解决的是但因变量的方差分析问题，从功能上来讲相当于多因素方差/协方差分析，即可对连续性自变量进行统计控制。

在Univariate过程中，自变量包括三类：

固定因素，随机因素，协变量。

还需要为自变量设定权值系数。

固定因素：

指的是某因素所有可能的水平都出现在样本中，这时考察的效应称为固定效应，即样本限定的具体处理间的差异。

随机因素：

指的是某因素所有可能的取值并不都在样本中出现，这时考察的效应称为随机效应，即随机选取的若干处理间的差异。

协变量通常无法在实验中进行随机化控制，需要借助协方差模型考察其效应。

ModelSavePlotsContrastPostHocOptionsModel设定模型（第一个）Plots画均值图（第三个）Save保存（第五个）Contrast对比（第二个）PostHoc方差分析的事后检验（第四个）Options其他选项（最后一个）

（二）RepeatedMeasures过程在GLM中，重复测量过程可以用于被试内设计数据的方差分析。

被试内实验设计中每个被试接受多个甚至全部处理。

某因素的所有水平均实施了重复观测，则称该因素为被试内因素，如测量的时间点。

而在重复测量中对于被试个体保持恒定的因素称被试间因素，如性别。

在这里输入变量水平数最后点击这里在这里输入变量名然后点击添加（三）GLM中的其他过程MultivariateGLM中的其他过程VarianceComponents