1、结果输出:因无法计算𝑀𝑀 𝑒rror,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Model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Con
2、tinue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=33.165,dfplot=7,MSplot=4.738;SSerror=21.472,dferror=14,MSerror=1.534;Fspecies=3.089,p=0.0340.05;Fplot=12
3、.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: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=0.0050.01),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 Axis,点击Add,点击Con
4、tinue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,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
5、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attitude, temperature, attitude * temperature,Estimated
6、 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。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,dfinteractio
7、n=1,MSinteraction=338.486;SSerror=935.748,dferror=83,MSerror=935.748;Faltitude=44.63,p=0.0340.001;Ftemperature=101.986,p=0.005Ftemperature=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
8、。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,dfaltitude=1,MSaltitude=503.167; SSerror=935.748,dferror=83,MSerror=935.748;Faltitude
9、=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
10、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,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