SPSS基础学习方差分析—多因素方差分析

⽬的：⽤来研究两个及两个以上的控制变量是否对观测变量产⽣显著影响。基本思想：举例说明：分析不同品种、不同施肥量对农作物产量的影响；观测变量：农作物产量，控制变量：品种和施肥量；

通过多因素⽅差分析，可以选出哪种品种在怎么样的施肥量下农作物的产量最好，这在⽣活中是⾮常实⽤的。案例分析：分析地区和⼴告形式对销售额的影响。（数据来源：薛薇《统计分析与SPSS的应⽤》第6章）

原假设：不同的⼴告形式对销售额没有显著影响，不同地区对销售额没有显著影响，⼴告形式和地区对销售额没有显著影响。步骤：分析—⼀般线性模型—单变量；关键步骤截图：注意因变量和固定因⼦；因变量：即为⽬标变量，是唯⼀变量；

固定因⼦：固定控制变量，主要⽤来分组，⼈为可以控制的（实验的温度、⽔分……），可为数字也可以是字符；随机因⼦：随机控制变量，主要⽤来分组，不是⼈为可以控制的（体重、⾝⾼……）；

协变量：与因变量相关的定量变量，是⽤来控制其他与因⼦变量有关⽽且影响⽅差分析的⽬标变量的其他⼲因素；WLS权重：为最⼩⼆乘分析指定权重变量。

结果分析：

分析：第⼆列表⽰：由⼴告形式（x1）引起的变差是5866.083，由地区（x2）引起的变差是9265.306，由⼴告形式和地区交互作⽤引起的变差是4962.917；

最后⼀列表⽰：⼴告形式和地区的P-都⼩于显著⽔平（0.05），所以拒绝原假设；⽽x1*x2的P-值⼤于显著性⽔平（0.05），因此不拒绝原假设，认为不同的⼴告形式和地区没有对

销售额产⽣显著的交互作⽤，不同地区⽆论采⽤哪种⼴告形式都不会对销售额产⽣显著影响。多因素⽅差分析的进⼀步分析：1、建⽴⾮饱和模型

在上述题⽬中，我们分析出两个控制变量的交互作⽤不显著，所以这⾥建⽴⾮饱和模型是合理的；点击“模型”：

全因⼦：包括所有因⼦主效应、所有协⽅差主效应以及所有因⼦间的交互；设定：可以选择要分析的因⼦到“模型”框中，然后再进⾏分析；

构建项类型：“交互”指模型中含有的交互项，“主效应”指模型中仅仅考虑个控制变量的主效应⽽不考虑变量之间的交互项； 结果：

交互⾏就被去掉了。2、均值⽐较

在更改对⽐中：

⽆：表⽰不进⾏因⼦个⽔平间的任何对⽐；

偏差：表⽰因⼦变量每个⽔平与总⽔平均值进⾏对⽐；

简单：表⽰对因⼦变量各个⽔平与第⼀个和最后⼀个⽔平的均值进⾏对⽐；差值：表⽰对因⼦变量的个⽔平都与前⼀个⽔平进⾏做差对⽐；Helmert:表⽰对因⼦变量的个⽔平都与后⼀个⽔平进⾏做差对⽐；多项式：表⽰对每个⽔平按因⼦顺序进⾏趋势分析；3、控制变量交互作⽤的图形分析

前⾯研究发现⼴告形式和地区没有对商品的销售额产⽣显著的交互影响，可以通过“轮廓图”更加直观的看出来。

结果分析：

我们可以看出，随着地区的改变，⼴告形式的变化趋势是⼀样的。 参考书籍：

薛薇《统计分析与SPSS的应⽤》第五版吴骏《SPSS统计分析从零开始》