用spss20进行可重复单因素随机区组两因素随机区组两因素裂区实验设计的方差分析.docx
《用spss20进行可重复单因素随机区组两因素随机区组两因素裂区实验设计的方差分析.docx》由会员分享，可在线阅读，更多相关《用spss20进行可重复单因素随机区组两因素随机区组两因素裂区实验设计的方差分析.docx（23页珍藏版）》请在冰点文库上搜索。
用spss20进行可重复单因素随机区组两因素随机区组两因素裂区实验设计的方差分析
一、可重复单因素随机区组实验设计8个小麦品种的产比实验，采纳随机区组设计，3次重复，计产面积25平米，产量结果如下，进行方差分析和多重比较。
表1小麦品比实验产量结果（千克）
品种
区组
产量
1
1
2
1
3
1
4
1
5
1
6
1
7
1
10
8
1
1
2
2
2
3
2
4
2
5
2
6
2
7
2
8
2
1
3
2
3
14
3
3
4
3
5
3
6
3
7
3
8
3
一、打开程序把上述数据输入进去。
二、执行：
分析-一样线性模型-单变量。
3、将产量放进因变量，品种和区组放进固定因子。
4、单击模型，选择设定单项选择框，将品种和区组放进模型中，只分析主效应。
五、在两两比较中进行多重比较，那个地址只用分析品种。
能够选择多种比较方式。
六、分析结果。
主体间效应的检验
因变量:
产量
源
III型平方和
df
均方
F
Sig.
校正模型
9
.009
截距
1
.000
区组
2
.004
品种
7
.040
误差
14
总计
24
校正的总计
23
a.R方=.729（调整R方=.554）
那个地址只须看区组和品种两行，二者均达到显著水平，说明土壤肥力和品种均阻碍产量结果。
下面是多重比较，只有方差分析达到显著不同才进行多重比较。
多个比较
因变量:
产量
（I）品种
（J）品种
均值差值（I-J）
标准误差
Sig.
95%置信区间
下限
上限
LSD
.141
.6099
.555
.7667
.476
*
.005
.925
.297
.555
.141
.355
*
.038
.1567
.107
.4433
.165
.5000
.640
.355
.6333
.555
.355
.202
*
.018
.5333
.618
.640
.0000
.476
*
.038
.202
.8433
*
.001
.421
.091
.3433
.202
.8433
*
.005
.107
*
.018
.5567
*
.001
*
.007
*
.045
.0567
*
.018
.5567
.1000
.925
.165
.7099
.618
.8667
.421
*
.007
.340
.618
.297
.640
.5000
.640
.091
*
.045
.340
.5000
.640
.6333
.555
.355
.0000
.202
*
.018
.5333
.618
.640
基于观测到的均值。
误差项为均值方（错误）=。
*.均值差值在级别上较显著。
产量
品种
N
子集
1
2
Duncana,b
3
3
3
3
3
3
3
3
Sig.
.060
.055
已显示同类子集中的组均值。
基于观测到的均值。
误差项为均值方（错误）=。
a.使用调和均值样本大小=。
b.Alpha=。
二、两因素可重复随机区组实验设计
下面是水稻品种和密度对产量的阻碍，采纳随机区组实验设计，3次重复，品种3个水平，密度3个水平，共27个观测值。
小区计产面积20平米。
表2水稻品种与密度产比实验
品种
密度
区组
产量
1
1
1
8
1
1
2
8
1
1
3
8
1
2
1
7
1
2
2
7
1
2
3
6
1
3
1
6
1
3
2
5
1
3
3
6
2
1
1
9
2
1
2
9
2
1
3
8
2
2
1
7
2
2
2
9
2
2
3
6
2
3
1
8
2
3
2
7
2
3
3
6
3
1
1
7
3
1
2
7
3
1
3
6
3
2
1
8
3
2
2
7
3
2
3
8
3
3
1
10
3
3
2
9
3
3
3
9
一、输入数据，执行：
分析-一样线性模型-单变量。
注意区组作为随机因子。
二、选择模型。
注意模型中有三者的主效和品种与密度的交互。
3、分析结果。
注意自由度的分解。
利用一个误差（）计算F值。
主体间效应的检验
因变量:
产量
源
III型平方和
df
均方
F
Sig.
截距
假设
1
.001
误差
2
品种
假设
2
.009
误差
16
.486b
密度
假设
2
.778
.233
误差
16
.486b
区组
假设
2
.080
误差
16
.486b
品种*密度
假设
4
.000
误差
16
.486b
a.MS（区组）
b.MS（错误）
4、语句。
UNIANOVA产量BY品种密度区组
/RANDOM=区组
/METHOD=SSTYPE（3）
/INTERCEPT=INCLUDE
/POSTHOC=品种密度（DUNCAN）
/CRITERIA=ALPHA
/DESIGN=品种密度区组品种*密度.
三、两因素可重复裂区设计表3是中耕次数和施肥量对小麦产量的阻碍，采纳两因素裂区实验设计，3次重复，主区为中耕次数，3个水平，副区为施肥量，4个水平。
小区计产面积33平米。
表3中耕次数和施肥量对小麦产量的阻碍（千克）
主处理
副处理
重复
产量
1
1
1
29
1
2
1
37
1
3
1
18
1
4
1
17
2
1
1
28
2
2
1
31
2
3
1
13
2
4
1
13
3
1
1
30
3
2
1
31
3
3
1
15
3
4
1
16
1
1
2
28
1
2
2
32
1
3
2
14
1
4
2
16
2
1
2
29
2
2
2
28
2
3
2
13
2
4
2
12
3
1
2
27
3
2
2
28
3
3
2
14
3
4
2
15
1
1
3
32
1
2
3
31
1
3
3
17
1
4
3
15
2
1
3
25
2
2
3
29
2
3
3
10
2
4
3
12
3
1
3
26
3
2
3
31
3
3
3
11
3
4
3
13
一、输入数据，执行：
分析-一样线性模型-单变量。
注意区组作为随机因子。
二、模型。
注意，在填好模型后，点击继续，然后点击粘贴，进入语句编辑器。
3、原先是如此的，要做修改。
4、修改后是如此的，最后一句加个东西。
语句：
UNIANOVA产量BY副处置主处置重复
/RANDOM=重复
/METHOD=SSTYPE（3）
/INTERCEPT=INCLUDE
/POSTHOC=副处置主处置（DUNCANLSD）
/CRITERIA=ALPHA
/DESIGN=副处置主处置重复重复（主处置）主处置*副处置.
五、运行后得结果。
区别在于，副处置和交互的F值用求得，主处置和重复用求得。
事实上在两因素随机区组的基础上进一步分解自由度。
主体间效应的检验
因变量:
产量
源
III型平方和
df
均方
F
Sig.
截距
假设
1
.001
误差
2
主处理
假设
2
.011
误差
4
副处理
假设
3
.000
误差
18
重复
假设
2
.048
误差
4
重复（主处理）
假设
4
.894
.488
误差
18
主处理*副处理
假设
6
.466
.825
误差
18
a.MS（重复）
b.MS（重复（主处理））
c.MS（错误）
通过上面的分析能够看出几点：
一、随机区组设计中，重复即区组，区组作为一个因子进行分析。
二、固定因子和随机因子的区别，在单因素可重复随机区组和两因素可重复随机区组设计中，把区组看成一个因子，等同于两因素和三要素无重复设计，区组看成固定因子和随机因子结果一样（如下表），但在裂区设计中不一样，F值的求解不同。
3、方差分析重点在于自由度的分解。
单因素可重复随机区组设计
主体间效应的检验
源
III型平方和
df
均方
F
Sig.
截距
假设
1
.004
误差
2
品种
假设
7
.040
误差
14
区组
假设
2
.004
误差
14
主体间效应的检验
源
III型平方和
df
均方
F
Sig.
校正模型
9
.009
截距
1
.000
区组
2
.004
品种
7
.040
误差
14
总计
24
校正的总计
23
两因素可重复随机区组设计
主体间效应的检验
因变量:
产量
源
III型平方和
df
均方
F
Sig.
截距
假设
1
.001
误差
2
品种
假设
2
.009
误差
16
.486b
密度
假设
2
.778
.233
误差
16
.486b
区组
假设
2
.080
误差
16
.486b
品种*密度
假设
4
.000
误差
16
.486b
a.MS（区组）
b.MS（错误）
主体间效应的检验
因变量:
产量
源
III型平方和
df
均方
F
Sig.
校正模型
10
.000
截距
1
.000
品种
2
.009
密度
2
.778
.233
品种*密度
4
.000
区组
2
.080
误差
16
.486
总计
27
校正的总计
26
a.R方=.809（调整R方=.689）
裂区设计
主体间效应的检验
因变量:
产量
源
III型平方和
df
均方
F
Sig.
截距
假设
1
.001
误差
2
主处理
假设
2
.011
误差
4
副处理
假设
3
.000
误差
18
重复
假设
2
.048
误差
4
主处理*副处理
假设
6
.466
.825
误差
18
重复（主处理）
假设
4
.894
.488
误差
18
a.MS（重复）
b.MS（重复（主处理））
c.MS（错误）
主体间效应的检验
因变量:
产量
源
III型平方和
df
均方
F
Sig.
校正模型
17
.000
截距
1
.000
主处理
2
.000
副处理
3
.000
主处理*副处理
6
.466
.825
重复（主处理）
4
.894
.488
重复
2
.008
误差
18
总计
36
校正的总计
35
a.R方=.980（调整R方=.962）
升级会员 