1、spss多因素方差分析报告例子作业8:多因素方差分析1,data0806-height是从三个样方中测量的八种草的高度,问高度在三个取样地点,以及八种草之间有无差异?具体怎么差异的?打开spss软件,打开data0806height数据,点击Analyze-General Linear ModelUnivariate打开:把plot和species送入Fixed Factor(s),把height送入Dependent Variable,点击Model打开:选择Full factorial,Type III Sum of squares,Include intercept in model(即
2、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𝑀𝑀 𝑒rror,即无法分开𝑀𝑀 intercept 和𝑀𝑀 error,无法检测interaction的影响,无法进行方差分析,重新AnalyzeGeneral Linear ModelUnivariate打开: 选择好Dependent Variable和Fixed Factor(s),点击Model打开:点击Custom,把主效应变量species和plot送入M
3、odel框,点击Continue回到Univariate主对话框,点击Plots:把date送入Horizontal Axis,把depth送入Separate Lines,点击Add,点击Continue回到Univariate对话框,点击Options:把OVERALL,species, plot送入Display Means for框,选择Compare main effects,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。16
4、5,dfplot=7,MSplot=4.738;SSerror=21.472,dferror=14,MSerror=1.534;Fspecies=3.089,p=0.0340。05;Fplot=12。130,p=0。0050。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:SSspecies=33.165,dfspecies=7,MSspecies=4。738;SSerror=21。472,dferror=14,MSerror=1。534;Fspecies=3.089,p=0。0340.05;物种间存在差异:SSplot=33.165,dfplot=7
5、,MSplot=4.738;SSerror=21。472,dferror=14,MSerror=1。534;Fplot=12.130,p=0。0050.01;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。0050.01),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=0.034Univariate:把species送入Fixed Factor(s),把high送入Dependent Variable,点击Plots:把species送入Horizontal Axi
6、s,点击Add,点击Continue回到Univariate,点击Post Hoc(因为我们已经知道species效应显著):把species送入Post Hoc Tests for框,选择Tukey, 输出结果: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,data0807flower,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?具体怎么差异的?多因素单因变量方差分析通过Analy
7、ze-General Linear Model-Univariate实现,把因变量height送入Dependent Variable栏,把因素变量temperature和attitude送入Fixed Factor(s)栏点击Model选项卡,打开:选着full factorial,type 3,点击)Include intercept in model。点击Plots 对话框,打开::可选择attitude 到Horizontal Axis,然后选择temperature 到Horizontal Axis,再选择attitude到Separate Lines,Plots 框显示attitu
8、de, temperature, attitude * temperature,Estimated Marginal Means选择OVERALL,产生边际均值的均值Display框选择要输出的统计量,Descriptive statistics描述统计量,Homogeneity tests方差齐性检验。结果输出: 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。可以看到:SSaltitude=503。167,dfaltitude=1,MSaltitude=503.167;SStemperature=1149。798,dftemperatur
9、e=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。0340.001;Ftemperature=101.986,p=0.0050.001;Ftemperature=101。986,0.001; Finteraction=34.458 ,p0.001;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
10、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𝐻0: 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,dfalt
11、itude=1,MSaltitude=503.167; SSerror=935.748,dferror=83,MSerror=935.748;Faltitude=44.63,P0。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𝐻0: (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
12、间为5。924到8.830,故均值存在差异,不接受H0假设. SStemperature=1149.798,dftemperature=1,MStemperature=1149.798; SSerror=935.748,dferror=83,MSerror=935。748;Ftemperature=101。986,p0.001; 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34
13、00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,p0。001;),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,P0.001。),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 ,p0.001)。
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1