SPSS單因素方差分析

SPSS單因素方差分析


1.單因素方差分析的作用

1)判斷3個及以上獨(dú)立的組間均數(shù)是否存在差異;

2)判斷前后變化的差值是否存在差異嘹害。

2.需要滿足的前提假設(shè)

假設(shè)1:因變量為連續(xù)變量渤刃;

假設(shè)2:有一個包含2個及以上分類宠默、且組別間相互獨(dú)立的自變量;

假設(shè)3:每組間和組內(nèi)的觀測值相互獨(dú)立运怖;

假設(shè)4:每組內(nèi)沒有明顯異常值拼弃;

假設(shè)5:每組內(nèi)因變量符合正態(tài)分布;

假設(shè)6:進(jìn)行方差齊性檢驗(yàn)摇展,觀察每組的方差是否相等吻氧。

3.與獨(dú)立樣本 t/u 檢驗(yàn)的區(qū)別

單因素方差分析與獨(dú)立樣本 t/u 檢驗(yàn)的區(qū)別

4.對比與比較

1.方差分析拒絕H0,只能說明多個樣本總體均數(shù)不相等或不全相等咏连。若要得到各組均數(shù)間更詳細(xì)的信息盯孙,應(yīng)在方差分析的基礎(chǔ)上進(jìn)行多個樣本均數(shù)的兩兩比較;兩兩比較分為事前比較和事后比較祟滴,前者借助于對比(Contrast)振惰,后者借助于兩兩比較(Post Hoc )提供的許多方法;

2.在分組變量包含次序信息時垄懂,如果方差分析做出了各組間差異有統(tǒng)計學(xué)意義的結(jié)論骑晶,并且Means-Plot均數(shù)圖提示各組均數(shù)的某種趨勢時,可以利用趨勢分析討論觀察值與分組變量取值間的數(shù)量依存關(guān)系草慧。借助于對比(Contrast)完成桶蛔。

5.單因素方差分析的分析步驟

分析步驟

6.實(shí)例描述

一、問題描述

有研究者認(rèn)為漫谷,體力活動較多的人能更好地應(yīng)對職場的壓力仔雷。為了驗(yàn)證這一理論,某研究招募了31名受試者,測量了他們每周進(jìn)行體力活動的時間(分鐘)碟婆,以及應(yīng)對職場壓力的能力电抚。根據(jù)體力活動的時間數(shù),受試者被分為4組:久坐組脑融、低、中缩宜、高體力活動組肘迎,變量名為group。利用Likert量表調(diào)查的總得分來評估應(yīng)對職場壓力的能力锻煌,分?jǐn)?shù)越高妓布,表明應(yīng)對職場壓力的能力越強(qiáng),變量名coping_stress宋梧。研究者想知道coping_stress變量的平均得分是否隨著group變量的不同而不同匣沼。

部分?jǐn)?shù)據(jù)視圖


二、spss操作

前三假設(shè)需要自己根據(jù)實(shí)際情況判斷捂龄,這里不贅述释涛。在SPSS中利用箱圖(Boxplots)驗(yàn)證假設(shè)4:每組內(nèi)沒有明顯異常值。點(diǎn)擊【分析】-【探索】模塊實(shí)現(xiàn)倦沧。

SPSS中將距離箱子邊緣超過1.5倍箱身長度的數(shù)據(jù)點(diǎn)定義為異常值唇撬,以圓點(diǎn)表示;將距離箱子邊緣超過3倍箱身長度的數(shù)據(jù)點(diǎn)定義為極端值(極端異常值)展融,以星號(*)表示窖认。為容易識別,在Data View窗口異常值均用其所在行數(shù)標(biāo)出告希。

本例數(shù)據(jù)箱線圖無圓點(diǎn)或星號扑浸,因此無異常值??

下面驗(yàn)證假設(shè)5:每組內(nèi)因變量符合正態(tài)分布。

正態(tài)性檢驗(yàn)有很多方法燕偶,這里只介紹最常用的一種:Shapiro-Wilk正態(tài)性檢驗(yàn)(其他還有偏度和峰度值喝噪、直方圖等)。如果樣本量較小指么,并且對正態(tài)Q-Q圖或其他圖形方法的結(jié)果詮釋不夠有把握仙逻,推薦采用Shapiro-Wilk檢驗(yàn)。如果樣本量大于50涧尿,推薦使用正態(tài)Q-Q圖等圖形方法進(jìn)行正態(tài)判斷系奉,因?yàn)楫?dāng)樣本量較大時,Shapiro-Wilk檢驗(yàn)會把稍稍偏離正態(tài)分布的數(shù)據(jù)也標(biāo)記為有統(tǒng)計學(xué)差異姑廉,即數(shù)據(jù)不服從正態(tài)分布缺亮。

顯著性水平(藍(lán)框中的Sig.)大于0.05? ,?說明數(shù)據(jù)符合正態(tài)分布??

驗(yàn)證假設(shè)6:方差齊性檢驗(yàn),觀察每組的方差是否相等萌踱。

把因變量coping_stress送入Dependent List框中葵礼,自變量group送入Factor框中
點(diǎn)擊Options,在Statistics模塊勾選Descriptive(描述性)并鸵,Homogeneity of variance test(方差同質(zhì)性檢驗(yàn))和Welch鸳粉,同時勾選Means plot(均值圖)
點(diǎn)擊Post Hoc,對話框根據(jù)方差齊性檢驗(yàn)的假設(shè)是否滿足园担,分為2個主要區(qū)域届谈。勾選Tukey和Games-Howell。當(dāng)滿足方差齊性的條件時弯汰,推薦使用Tukey檢驗(yàn)進(jìn)行組間兩兩比較艰山。Tukey檢驗(yàn)不僅提供了每兩個組間比較的P值,也給出了均數(shù)差值的可信區(qū)間(即Tukey區(qū)間)咏闪;?當(dāng)不滿足方差齊性的條件時曙搬,推薦使用Games-Howell方法

三、結(jié)果解讀

給出自變量每個組別的基本情況統(tǒng)計表鸽嫂,以便對數(shù)據(jù)有個初步的了解 纵装。本例中,隨著體力活動水平的增加(即自變量group)据某,應(yīng)對職場壓力的能力有上升趨勢(即因變量coping_stress)搂擦,但是各組標(biāo)準(zhǔn)差明顯不同(范圍0.77137-1.69131)
Means plot均值圖
單因素方差分析假設(shè)不同組別的因變量變異相等。如果不相等哗脖,則會增加犯I型錯誤的概率瀑踢。使用Levene方差齊性檢驗(yàn)來檢驗(yàn)方差齊的假設(shè)。本例中才避,P=0.120橱夭,表示各組方差相等。
P值顯示為0.000桑逝,不代表P值實(shí)際為0棘劣,而是表示P<0.001。本例各組間(group)的得分(coping_stress)均數(shù)差異具有統(tǒng)計學(xué)意義楞遏。即在不同水平的體力活動組間茬暇,應(yīng)對職場壓力的能力(CWWS得分)差異具有統(tǒng)計學(xué)意義,F(xiàn)(3,27)=8.316,P<0.0005寡喝。

A糙俗、當(dāng)滿足方差齊性的條件時:

Tukey檢驗(yàn)。?本例中自變量分為4組预鬓,因此會有6種不同的組間組合巧骚。 如圖中黃字,低體力活動組的CWWS平均分比久坐組高1.72762分,P=0.092>0.05劈彪,表示兩組間差異無統(tǒng)計學(xué)意義(即兩組間均數(shù)差值等于0)竣蹦。兩組間均數(shù)差值的95%可信區(qū)間為-0.2058~3.6610,該區(qū)間范圍包括0沧奴,等同于P>0.05痘括,差異無統(tǒng)計學(xué)意義。

B滔吠、當(dāng)不滿足方差齊性的條件時:

當(dāng)方差不齊時纲菌,必須使用校正的單因素方差分析。本例采用Welch方差分析 屠凶,可以看出:不同水平的體力活動組間驰后,應(yīng)對職場壓力的能力(CWWS得分)差異具有統(tǒng)計學(xué)意義肆资,Welch F(3,14.574)=14.821, ?P<0.0005矗愧。

當(dāng)方差不齊,而且關(guān)心所有組間的兩兩比較時郑原,推薦采用Games-Howell檢驗(yàn)唉韭。Games-Howell檢驗(yàn)不僅提供了每兩個組間比較的P值,也給出了均數(shù)差值的可信區(qū)間

Games-Howell檢驗(yàn)的結(jié)果解釋與Tukey檢驗(yàn)相同犯犁,這里不再贅述

四属愤、撰寫結(jié)論

采用單因素方差分析方法,判斷不同水平體力活動組間的應(yīng)對職場壓力的能力(CWWS得分)是否有差異酸役。受試者被分為4組:久坐組7人住诸、“低”體力活動組9人、“中”體力活動組8人涣澡、“高”體力活動組7人贱呐。

1)經(jīng)箱線圖判斷,數(shù)據(jù)無異常值入桂;

2)經(jīng)Shapiro-Wilk檢驗(yàn)奄薇,各組數(shù)據(jù)服從正態(tài)分布(P>0.05);

3)經(jīng)Levene's方差齊性檢驗(yàn)抗愁,各組數(shù)據(jù)方差齊(P=0.120)馁蒂。數(shù)據(jù)以均數(shù)±標(biāo)準(zhǔn)差的形式表示。

不同體力活動組間的CWWS得分差異具有統(tǒng)計學(xué)意義蜘腌,F(xiàn)(3,27)=8.316,?P<0.0005沫屡,ω2=0.42。CWWS得分按照從久坐組(4.2±0.8)撮珠、“低”體力活動組(5.9±1.7)谁鳍、“中”體力活動組(7.1±1.6)、“高”體力活動組(7.5±1.2)的順序增加。?

??4)Tukey檢驗(yàn)結(jié)果表明倘潜,從久坐組到“中”體力活動組绷柒,CWWS平均得分增加2.97(95%CI:0.99~4.96),差異具有統(tǒng)計學(xué)意義(P=0.002)涮因;從久坐組到“高”體力活動組废睦,CWWS平均得分增加3.35(95%CI:1.30~5.40),差異具有統(tǒng)計學(xué)意義(P=0.001)养泡;其他組間兩兩比較的結(jié)果差異無統(tǒng)計學(xué)意義嗜湃。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市澜掩,隨后出現(xiàn)的幾起案子购披,更是在濱河造成了極大的恐慌,老刑警劉巖肩榕,帶你破解...
    沈念sama閱讀 218,682評論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件刚陡,死亡現(xiàn)場離奇詭異,居然都是意外死亡株汉,警方通過查閱死者的電腦和手機(jī)筐乳,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,277評論 3 395
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來乔妈,“玉大人蝙云,你說我怎么就攤上這事÷氛伲” “怎么了勃刨?”我有些...
    開封第一講書人閱讀 165,083評論 0 355
  • 文/不壞的土叔 我叫張陵,是天一觀的道長股淡。 經(jīng)常有香客問我身隐,道長,這世上最難降的妖魔是什么揣非? 我笑而不...
    開封第一講書人閱讀 58,763評論 1 295
  • 正文 為了忘掉前任抡医,我火速辦了婚禮,結(jié)果婚禮上早敬,老公的妹妹穿的比我還像新娘忌傻。我一直安慰自己,他們只是感情好搞监,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,785評論 6 392
  • 文/花漫 我一把揭開白布水孩。 她就那樣靜靜地躺著,像睡著了一般琐驴。 火紅的嫁衣襯著肌膚如雪俘种。 梳的紋絲不亂的頭發(fā)上秤标,一...
    開封第一講書人閱讀 51,624評論 1 305
  • 那天,我揣著相機(jī)與錄音宙刘,去河邊找鬼苍姜。 笑死,一個胖子當(dāng)著我的面吹牛悬包,可吹牛的內(nèi)容都是我干的衙猪。 我是一名探鬼主播,決...
    沈念sama閱讀 40,358評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼布近,長吁一口氣:“原來是場噩夢啊……” “哼垫释!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起撑瞧,我...
    開封第一講書人閱讀 39,261評論 0 276
  • 序言:老撾萬榮一對情侶失蹤棵譬,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后预伺,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體订咸,經(jīng)...
    沈念sama閱讀 45,722評論 1 315
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,900評論 3 336
  • 正文 我和宋清朗相戀三年扭屁,在試婚紗的時候發(fā)現(xiàn)自己被綠了算谈。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片涩禀。...
    茶點(diǎn)故事閱讀 40,030評論 1 350
  • 序言:一個原本活蹦亂跳的男人離奇死亡料滥,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出艾船,到底是詐尸還是另有隱情葵腹,我是刑警寧澤,帶...
    沈念sama閱讀 35,737評論 5 346
  • 正文 年R本政府宣布屿岂,位于F島的核電站践宴,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏爷怀。R本人自食惡果不足惜阻肩,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,360評論 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望运授。 院中可真熱鬧烤惊,春花似錦、人聲如沸吁朦。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,941評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽逗宜。三九已至雄右,卻和暖如春空骚,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背擂仍。 一陣腳步聲響...
    開封第一講書人閱讀 33,057評論 1 270
  • 我被黑心中介騙來泰國打工囤屹, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人逢渔。 一個月前我還...
    沈念sama閱讀 48,237評論 3 371
  • 正文 我出身青樓牺丙,卻偏偏與公主長得像,于是被迫代替她去往敵國和親复局。 傳聞我的和親對象是個殘疾皇子冲簿,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,976評論 2 355

推薦閱讀更多精彩內(nèi)容