SPSS处理多元方差分析例子Word格式.docx

1、 【表一】常规线性模型 主体间因子值标签N1.0082.003.00居民12描述性统计量均值标准差56.00009.93311464.250011.02648总计60.125010.6695559.75008.9953767.25009.1058663.50009.2890162.00007.6157770.25007.8475066.12508.4081259.25008.454428.8945863.25009.418992482.750010.6887890.25007.9320086.50009.5916680.00008.2865485.75008.1802682.87508.219

2、1073.25007.1355980.75008.7702177.00008.4176778.66679.0084185.58338.5329182.12509.27977 协方差矩阵等同性的 Box 检验（a）Box 的 M12.397F.587df115df21772.187Sig.887检验零假设，即观测到的因变量的协方差矩阵在所有组中均相等。a 设计: Intercept+A+B+A * B多变量检验（d）效应值假设 df误差 df偏 Eta 方非中心。参数观察到的幂（a）截距Pillai 的跟踪.9951832.265（b）2.00017.000.0003664.5301.000Wi

3、lks 的 Lambda.005Hotelling 的跟踪215.561Roy 的最大根A.9017.3784.00036.000.45029.511.991.10118.305（b）34.000.68373.2218.93035.72032.000.817142.8828.92880.356（c）18.000.899160.712B.2052.198（b）.1424.397.386.795.259A * B.016.071.008.282.063.984.067（b）.268.062.992.253.061.142（c）.868.284.069a 使用 alpha 的计算结果 = .05b

4、精确统计量c 该统计量是 F 的上限，它产生了一个关于显著性级别的下限。d 设计:误差方差等同性的 Levene 检验（a）.643518.670.615.690检验零假设，即在所有组中因变量的误差方差均相等。4.实验结果分析在“协方差矩阵等同性的 Box 检验（a）”中可以看出，p=0.887,大于0.05，故接受原假设，即认为方差是齐性的，可以进行方差分析。在“多变量检验”中，仅以wilks的Lambda为例进行分析，在效应A中p值接近0，故拒绝原假设，认为民族（A）对文化水平和收入有显著影响，在效应B中p=0.142，故接受原假设，即认为B（居民）对对文化水平和收入没有显著影响。在A*B

5、中，p=0.991，大于0.05，故接受原假设，即认为AB的交互作用对文化水平和收入的影响不显著。故应该不考虑交互作用，重新改进该试验。步骤如下：1.第一、二步和前面一样，只需要点击“模型”，将“全因子”改为“定制”，“建立项”中改为“主效应”接着将“A,B”添加到“模型”中，如下图三所示： 【图三】2点击“继续”“确定”，得到如下表二结果： 【表二】主体间因子协方差矩阵等同性的 Box 检验（a） Intercept+A+B2020.700（b）19.0004041.400212.705.9008.17640.00032.702.996.10220.265（b）38.000.68181.05

6、98.80239.608.815158.4348.80088.002（c）20.000.898176.0042.457（b）.1124.914.433主体间效应的检验源因变量III 型平方和df均方校正模型528.750（b）176.2502.332.1056.995.500654.792（c）218.2643.292.042.3319.877.66296013.5001270.230161868.3752441.761144.75072.375.957.401.0871.915.192367.750183.8752.774.086.2175.547.484384.0005.080.036.2

7、03.573287.0424.330.051.178.508误差1511.7502075.5881325.83366.29298054.000163849.000校正的总计2040.500231980.625b R 方 = .259（调整 R 方 = .148）c R 方 = .331（调整 R 方 = .230）主体间 SSCP 矩阵假设124665.750-225.750332.0001360.000基于 III 型平方和3.实验结果分析去掉A与B的交互作用后，在“协方差矩阵等同性的 Box 检验（a）”表格中，p=0.887,大于0.05，故接受原假设，即认为方差是齐性的，可以进行方差分

8、析。在“多变量检验”中，仅以Wilks的Lambda为例进行分析，在效应A中p值接近0，故拒绝原假设，认为民族（A）对文化水平和收入有显著影响，在效应B中p=0.205，故接受原假设，即认为B（居民）的不同对文化水平和收入没有显著影响。在“多变量检验”中，“A”与“人均收入”的p=0.401，大于0.05，故接受原假设，即认为民族的不同对人均收入没有显著影响，“A”与“文化程度”的p=0.086，大于0.05，故接受原假设，即认为民族的不同对文化程度没有显著影响，但这个显著性强于对人均收入的显著性。同样，可以分析出，居民的身份（农村或城市）对人均收入有显著影响，但对文化程度没有显著影响。四、存

9、在问题与解决情况本次试验主要进行多元方差分析，主要对“协方差矩阵等同性的 Box 检验（a）”，“多变量检验”和“多变量检验”中的数据进行分析，和以往一样，都是通过p值来判断是否接受原假设。现将一些实习后的收获总结如下：在此实验中要注意，第一方差分析后发现其交互作用对文化程度和收入水平影响不显著，因此应将其去掉，再此进行方差分析。由于总是对原假设难以把握，故将其列在此，以提醒自己：1.在“协方差矩阵等同性的 Box 检验（a）”中，原假设是：方差是齐性的，可以进行方差分析。2.在“多变量检验”和“多变量检验”中，原假设是：两因素间的影响不显著。附：记为总的组间离差阵 为组内离差阵 1.Pill

10、ais trace Pillais trace = trace2.Hotelling-Lawleys trace Hotelling-Lawleys trace = trace（）3.Wilks lambda Wilks lambda =4.Roys largest root Roys largest root = 。其中为的最大特征根其中：Pillais trace是最为稳定的，值恒为正数，值越大表示该效应对模型的贡献越大。 Hotelling-Lawleys trace检验矩阵的特征根之和，值越大贡献越大。 Wilks lambda 值在0-1之间，值越小贡献越大。 Roy最大根统计量，为检验矩阵特征根中最大值，值越大贡献越大。