∙“>Conbo1”“右边检验。
②方差不具有齐次性时（EqualVarancenotassumed），检验各均数间是否有差异的方祛有四种可供选择：
Tamhane'sT2,t检验进行配对比较。
Dunnett'sT3，采用基于学生氏最大模的成对比较法。
Games-Howell，Games-Howell比较，该方法较灵活。
Dunnett'sC，采用基于学生氏极值的成对比较法。
③Significance选择项，各种检验的显著性概率临界值，默认值为0.05，可由用户重新设定。
本例选择“LSD”和“Duncan”比较，检验的显著性概率临界值0.05。
6）设置输出统计量
单击“Options”按钮，打开“Options”对话框，如图5-5所示。
选择要求输出的统计量。
并按要求的方式显示这些统计量。
在该对话框中还可以选择对缺失值的处理要求。
各组选择项的含义如下：
图5-5输出统计量的设置
“Statistics”栏中选择输出统计量:
Descriptive，要求输出描述统计量。
选择此项输出观测量数目、均值、标准差、标准误、最小值、最大值、各组中每个因变量
的95％置信区间。
Fixedandrandomeffects,固定和随机描述统计量
Homogeneity-of-variance，要求进行方差齐次性检验，并输出检验结果。
用“Levenelest”检验，即计算每个观测量与其组均
值之差，然后对这些差值进行一维方差分析。
Brown-Forsythe布朗检验
Welch,韦尔奇检验
Meansplot，即均数分布图，根据各组均数描绘出因变量的分布情况。
“MissingValues”栏中，选择缺失值处理方法。
Excludecasesanalysisbyanalysis选项，被选择参与分析的变量含缺失值的观测量，从分析中剔除。
Excludecaseslistwise选项，对含有缺失值的观测量，从所有分析中剔除。
以上选择项选择完成后，按“Continue”按钮确认选择并返回上一级对话框；单击“Cancel”按钮作废本次选择；单击“Help”按钮，显示有关的帮助信息。
本例子选择要求输出描述统计量和进行方差齐次性检验，缺失值处理方法选系统缺省设置。
6）提交执行
设置完成后，在单因素方差分析窗口框中点击“OK”按钮，SPSS就会根据设置进行运算，并将结算结果输出到SPSS结果输出窗口中。
7）结果与分析
输出结果：
表5-2描述统计量，给出了水稻品种分组的样本含量N、平均数Mean、标准差Std.Deviation、标准误Std.Error、95%的置信区间、最小值和最大值。
表5-3为方差齐次性检验结果，从显著性慨率看，p>0.05，说明各组的方差在a=0.05水平上没有显著性差异，即方差具有齐次性。
这个结论在选择多重比较方法时作为一个条件。
表5-4方差分析表：
第1栏是方差来源，包括组间变差“BetweenGroups”；组变差“WithinGroups”和总变差“Total”。
第2栏是离差平方和“SumofSquares”，组间离差平方和87.600，组离差平方和为24.000，总离差平方和为111.600，是组间离差平方和与组离差平方和相加之和。
第3栏是自由度df，组间自由度为4，组自由度为10；总自由度为14。
第4栏是均方“MeanSquare”，是第2栏与第3栏之比；组间均方为21.900，组均方为2.400。
第5栏是F值9.125（组间均方与组均方之比）。
第6栏：
F值对应的概率值，针对假设H0：
组间均值无显著性差异（即5种品种虫数的平均值无显著性差异）。
计算的F值9.125，对应的概率值为0.002。
表5-5LSD法进行多重比较表，从表5-4结论已知该例子的方差具有其次性，因此LSD方法适用。
第1栏的第1列“[i]品种”为比较基准品种，第2列“[j]品种”是比较品种。
第2栏是比较基准品种平均数减去比较品种平均数的差值（MeanDifference），均值之间具有0.05水平（可图5-4对话框里设置）上有显著性差异，在平均数差值上用“*”号表明。
第3栏是差值的标准误。
第4栏是差值检验的显著性水平。
第5栏是差值的95%置信围的下限和上限。
表5-6是多重比较的Duncan法进行比较的结果。
第1栏为品种，按均数由小到大排列。
第2栏列出计算均数用的样本数。
第3栏列出了在显著水平0.05上的比较结果，表的最后一行是均数方差齐次性检验慨率水平，p>0.05说明各组方差具有齐次性。
多重比较比较表显著性差异差异的判读：
在同一列的平均数表示没有显著性差异，反之则具有显著性的差异。
例如，品种3横向看，平均数显示在第3列“2”小列，与它同列显示的有品种2的平均数，说明与品种2差异不显著（0.05水平），再往右看，平均数显示在第3列“3”小列，与它同列显示的有品种4的平均数，说明与品种4差异不显著（0.05水平）。
则品种3与品种5和品种1具有显著性的差异（0.05水平）。
品种3和品种4都显示有平均数值。
结果分析:
根据方差分析表输出的p值为0.002可以看出，无论临界值取0.05，还是取0.01，p值均小于临界值。
因此否定Ho假设，水稻品种对稻纵卷叶螟幼虫抗虫性有显著性意义，结论是稻纵卷叶螟幼虫数量的在不同品种间有明显的不同。
根据该结论选择抗稻纵卷叶螟幼虫水稻品种，犯错误的概率几乎为0.008。
只有在方差分析中F检验存在差异显著性时，才有比较的统计意义。
LSD法多重比较表明：
品种1与品种2、品种3和品种5之间存在显著性差异；
品种2与品种1和品种4之间存在显著性差异；
品种3与品种1和品种5之间存在显著性差异；
品种4与品种2和品种5之间存在显著性差异；
品种5与品种1、品种3和品种4之间存在显著性差异。
Duncan法多重比较表明：
品种5与品种3、品种4和品种1之间存在显著性差异。
品种2与品种4和品种1之间存在显著性差异；
品种3与品种5和品种1之间存在显著性差异；
品种4与品种5和品种2之间存在显著性差异；
品种1与品种5、品种2和品种3之间存在显著性差异；
两种方法比较结果一致。
多因素方差分析
多因素方差分析是对一个独立变量是否受一个或多个因素或变量影响而进行的方差分析。
SPSS调用“Univariate”过程，检验不同水平组合之间因变量均数，由于受不同因素影响是否有差异的问题。
在这个过程中可以分析每一个因素的作用，也可以分析因素之间的交互作用，以及分析协方差，以及各因素变量与协变量之间的交互作用。
该过程要求因变量是从多元正态总体随机采样得来，且总体中各单元的方差相同。
但也可以通过方差齐次性检验选择均值比较结果。
因变量和协变量必须是数值型变量，协变量与因变量不彼此独立。
因素变量是分类变量，可以是数值型也可以是长度不超过8的字符型变量。
固定因素变量（FixedFactor）是反应处理的因素;随机因素是随机地从总体中抽取的因素。
[例子]
研究不同温度与不同湿度对粘虫发育历期的影响，得试验数据如表5-7。
分析不同温度和湿度对粘虫发育历期的影响是否存在着显著性差异。
表5-7不同温度与不同湿度粘虫发育历期表
相对湿度（%）
温度℃
重复
1
2
3
4
100
25
91.2
95.0
93.8
93.0
27
87.6
84.7
81.2
82.4
29
79.2
67.0
75.7
70.6
31
65.2
63.3
63.6
63.3
80
25
93.2
89.3
95.1
95.5
27
85.8
81.6
81.0
84.4
29
79.0
70.8
67.7
78.8
31
70.7
86.5
66.9
64.9
40
25
100.2
103.3
98.3
103.8
27
90.6
91.7
94.5
92.2
29
77.2
85.8
81.7
79.7
31
73.6
73.2
76.4
72.5
数据保存在“DATA5-2.SAV”文件中，变量格式如图5-1。
1）准备分析数据
在数据编辑窗口中输入数据。
建立因变量历期“历期”变量，因素变量温度“A”，湿度为“B”变量，重复变量“重复”。
然后输入对应的数值，如图5-6所示。
或者打开已存在的数据文件“DATA5-2.SAV”。
图5-6数据输入格式
2）启动分析过程
点击主菜单“Analyze”项，在下拉菜单中点击“GeneralLinearModel”项，在右拉式菜单中点击“Univariate”项，系统打开单因变量多因素方差分析设置窗口如图5-7。
图5-7多因素方差分析窗口
3）设置分析变量
设置因变量:
在左边变量列表中选“历期”，用
向右拉按钮选入到“DependentVariable：
”框中。
设置因素变量:
在左边变量列表中选“a”和“b”变量，用
向右拉按钮移到“FixedFactor（s）:
”框中。
可以选择多个因素变量。
由于存容量的限制，选择的因素水平组合数（单元数）应该尽量少。
设置随机因素变量:
在左边变量列表中选“重复”变量，用向右拉按钮移到“到RandomFactor（s）”框中。
可以选择多个随机变量。
设置协变量：
如果需要去除某个变量对因素变量的影响，可将这个变量移到“Covariate（s）”框中。
设置权重变量：
如果需要分析权重变量的影响，将权重变量移到“WLSWeight”框中。
4）选择分析模型
在主对话框中单击“Model”按钮，打开“UnivariateModel”对话框。
见图5-8。
图5-8“UnivariateModel”定义分析模型对话框
在SpecifyModel栏中，指定分析模型类型。
①FullFactorial选项
此项为系统默认的模型类型。
该项选择建立全模型。
全模型包括所有因素变量的主效应和所有的交互效应。
例如有三个因素变量，全模型包括三个因素变量的主效应、两两的交互效应和三个因素的交互效应。
选择该项后无需进行进一步的操作，即可单击“Continue”按钮返回主对话框。
此项是系统缺省项。
②Custom选项
建立自定义的分析模型。
选择了“Custom”后，原被屏蔽的“Factors&Covariates”、“Model”和“BuildTerm（s）”栏被激活。
在“Factors&Covariates”框中自动列出可以作为因素变量的变量名，其变量名后面的括号中标有字母“F”；和可以作为协变量的变量名，其变量名后面的括号中标有字母“C”。
这些变量都是由用户在主对话框中定义过的。
根据表中列出的变量名建立模型，其方法如下：
在“BuildTerm（s）”栏右面的有一向下箭头按钮（下拉按钮），单击该按钮可以展开一小菜单，在下拉菜单中用鼠标单击某一项，下拉菜单收回，选中的交互类型占据矩形框。
有如下几项选择：
∙Interaction选中此项可以指定任意的交互效应；
∙Maineffects选中此项可以指定主效应；
∙All2-way指定所有2维交互效应；
∙All3-way指定所有3维交互效应；
∙All4-way指定所有4维交互效应
∙All5-way指定所有5维交互效应。
③建立分析模型中的主效应：
在“BuildTerm（s）”栏用下拉按钮选中主效应“Maineffects”。
在变量列表栏用鼠标键单击某一个单个的因素变量名，该变量名背景将改变颜色（一般变为蓝色），单击“BuildTerm（s）”栏中的右拉箭头按钮，该变量出现在“Model”框中。
一个变量名占一行称为主效应项。
欲在模型中包括几个主效应项，就进行几次如上的操作。
也可以在标有“F”变量名中标记多个变量同时送到“Model”框中。
本例将“a”和“b”变量作为主效应，按上面的方法选送到“Model”框中。
④建立模型中的交互项
要求在分析模型中包括哪些变量的交互效应，可以通过如下的操作建立交互项。
例如，因素变量有“a（F）”和“b（F）”，建立它们之间的相互效应。
∙连续在“Factors&”框的变量表中单击“a（F）”和“b（F）”变量使其选中。
∙单击“BuildTerm（s）”栏下拉按钮，选中交互效应“Interaction”项。
∙单击“BuildTerm（s）”栏的右拉按钮，“a*b”交互效应就出现在“Model”框中，模型增加了一个交互效应项：
a*b
⑤Sumofsquares栏分解平方和的选择项
∙TypeI项，分层处理平方和。
仅对模型主效应之前的每项进行调整。
一般适用于：
平衡的AN0VA模型，在这个模型中一阶交互
效应前指定主效应，二阶交互效应前指定一阶交互效应，依次类推；多项式回归模型。
嵌套模型是指第一效应嵌套在第二
效应里，第二效应嵌套在第三效应里，嵌套的形式可使用语句指定。
∙TypeII项，对其他所有效应进行调整。
一般适用于：
平衡的AN0VA模型、主因子效应模型、回归模型、嵌套设计。
∙TypeIII项，是系统默认的处理方法。
对其他任何效应均进行调整。
它的优势是把所估计剩余常量也考虑到单元频数中。
对没
有缺失单元格的不平衡模型也适用，一般适用于：
TypeI、TypeII所列的模型：
没有空单元格的平衡和不平衡模型。
∙TypeIV顶，没有缺失单元的设计使用此方法对任何效应F计算平方和。
如果F不包含在其他效应里，TypeIV=TypeIIIl=
TypeII。
如果F包含在其他效应里，TypeIV只对F的较高水平效应参数作对比。
一般适用于：
TypeI、TypelI所列模型；
没有空单元的平衡和不平衡模型。
⑥Includeinterceptinmodel栏选项
系统默认选项。
通常截距包括在模型中。
如果能假设数据通过原点，可以不包括截距，即不选择此项。
5）选择比较方法
在主对话框中单击“Contrasts”按钮，打开“Contrasts”比较设置对话框，如图5-9所示。
如图5-9Contrasts对比设置框
在“Factors”框中显示出所有在主对话框中选中的因素变量。
因素变量名后的括号中是当前的比较方法。
①选择因子
在“Factors”框中选择想要改变比较方法的因子，即鼠标单击选中的因子。
这一操作使“ChangeContrast”栏中的各项被激活。
②选择比较方法
单击“Contrast”参数框中的向下箭头，展开比较方法表。
用鼠标单击选中的对照方法。
可供选择的对照方法有：
∙None，不进行均数比较。
∙Deviation，除被忽略的水平外，比较预测变量或因素变量的每个水平的效应。
可以选择“Last”（最后一个水平）或
“First”（第一个水平）作为忽略的水平。
∙Simple，除了作为参考的水平外，对预测变量或因素变量的每一水平都与参考水平进行比较。
选择“Last”或“First”作为
参考水平。
∙Difference，对预测变量或因素每一水平的效应，除第一水平以外，都与其前面各水平的平均效应进行比较。
与Helmert对照
升级会员 