SPSS处理多元方差分析例子Word格式.docx
- 文档编号:18022868
- 上传时间:2022-12-13
- 格式:DOCX
- 页数:14
- 大小:103.42KB
SPSS处理多元方差分析例子Word格式.docx
《SPSS处理多元方差分析例子Word格式.docx》由会员分享,可在线阅读,更多相关《SPSS处理多元方差分析例子Word格式.docx(14页珍藏版)》请在冰豆网上搜索。
【表一】
常规线性模型
主体间因子
值标签
N
1.00
8
2.00
3.00
居民
12
描述性统计量
均值
标准差
56.0000
9.93311
4
64.2500
11.02648
总计
60.1250
10.66955
59.7500
8.99537
67.2500
9.10586
63.5000
9.28901
62.0000
7.61577
70.2500
7.84750
66.1250
8.40812
59.2500
8.45442
8.89458
63.2500
9.41899
24
82.7500
10.68878
90.2500
7.93200
86.5000
9.59166
80.0000
8.28654
85.7500
8.18026
82.8750
8.21910
73.2500
7.13559
80.7500
8.77021
77.0000
8.41767
78.6667
9.00841
85.5833
8.53291
82.1250
9.27977
协方差矩阵等同性的Box检验(a)
Box的M
12.397
F
.587
df1
15
df2
1772.187
Sig.
.887
检验零假设,即观测到的因变量的协方差矩阵在所有组中均相等。
a设计:
Intercept+A+B+A*B
多变量检验(d)
效应
值
假设df
误差df
偏Eta方
非中心。
参数
观察到的幂(a)
截距
Pillai的跟踪
.995
1832.265(b)
2.000
17.000
.000
3664.530
1.000
Wilks的Lambda
.005
Hotelling的跟踪
215.561
Roy的最大根
A
.901
7.378
4.000
36.000
.450
29.511
.991
.101
18.305(b)
34.000
.683
73.221
8.930
35.720
32.000
.817
142.882
8.928
80.356(c)
18.000
.899
160.712
B
.205
2.198(b)
.142
4.397
.386
.795
.259
A*B
.016
.071
.008
.282
.063
.984
.067(b)
.268
.062
.992
.253
.061
.142(c)
.868
.284
.069
a使用alpha的计算结果=.05
b精确统计量
c该统计量是F的上限,它产生了一个关于显著性级别的下限。
d设计:
误差方差等同性的Levene检验(a)
.643
5
18
.670
.615
.690
检验零假设,即在所有组中因变量的误差方差均相等。
4.实验结果分析
在“协方差矩阵等同性的Box检验(a)”中可以看出,p=0.887,大于0.05,故接受原假设,即认为方差是齐性的,可以进行方差分析。
在“多变量检验”中,仅以wilks的Lambda为例进行分析,在效应A中p值接近0,故拒绝原假设,认为民族(A)对文化水平和收入有显著影响,在效应B中p=0.142,故接受原假设,即认为B(居民)对对文化水平和收入没有显著影响。
在A*B中,p=0.991,大于0.05,故接受原假设,即认为AB的交互作用对文化水平和收入的影响不显著。
故应该不考虑交互作用,重新改进该试验。
步骤如下:
1.第一、二步和前面一样,只需要点击“模型”,将“全因子”改为“定制”,“建立项”中改为“主效应”接着将“A,B”添加到“模型”中,如下图三所示:
【图三】
2.点击“继续”“确定”,得到如下表二结果:
【表二】
主体间因子
协方差矩阵等同性的Box检验(a)
Intercept+A+B
2020.700(b)
19.000
4041.400
212.705
.900
8.176
40.000
32.702
.996
.102
20.265(b)
38.000
.681
81.059
8.802
39.608
.815
158.434
8.800
88.002(c)
20.000
.898
176.004
2.457(b)
.112
4.914
.433
主体间效应的检验
源
因变量
III型平方和
df
均方
校正模型
528.750(b)
176.250
2.332
.105
6.995
.500
654.792(c)
218.264
3.292
.042
.331
9.877
.662
96013.500
1270.230
161868.375
2441.761
144.750
72.375
.957
.401
.087
1.915
.192
367.750
183.875
2.774
.086
.217
5.547
.484
384.000
5.080
.036
.203
.573
287.042
4.330
.051
.178
.508
误差
1511.750
20
75.588
1325.833
66.292
98054.000
163849.000
校正的总计
2040.500
23
1980.625
bR方=.259(调整R方=.148)
cR方=.331(调整R方=.230)
主体间SSCP矩阵
假设
124665.750
-225.750
332.000
1360.000
基于III型平方和
3.实验结果分析
去掉A与B的交互作用后,在“协方差矩阵等同性的Box检验(a)”表格中,p=0.887,大于0.05,故接受原假设,即认为方差是齐性的,可以进行方差分析。
在“多变量检验”中,仅以Wilks的Lambda为例进行分析,在效应A中p值接近0,故拒绝原假设,认为民族(A)对文化水平和收入有显著影响,在效应B中p=0.205,故接受原假设,即认为B(居民)的不同对文化水平和收入没有显著影响。
在“多变量检验”中,“A”与“人均收入”的p=0.401,大于0.05,故接受原假设,即认为民族的不同对人均收入没有显著影响,“A”与“文化程度”的p=0.086,大于0.05,故接受原假设,即认为民族的不同对文化程度没有显著影响,但这个显著性强于对人均收入的显著性。
同样,可以分析出,居民的身份(农村或城市)对人均收入有显著影响,但对文化程度没有显著影响。
四、存在问题与解决情况
本次试验主要进行多元方差分析,主要对“协方差矩阵等同性的Box检验(a)”,“多变量检验”和“多变量检验”中的数据进行分析,和以往一样,都是通过p值来判断是否接受原假设。
现将一些实习后的收获总结如下:
在此实验中要注意,第一方差分析后发现其交互作用对文化程度和收入水平影响不显著,因此应将其去掉,再此进行方差分析。
由于总是对原假设难以把握,故将其列在此,以提醒自己:
1.在“协方差矩阵等同性的Box检验(a)”中,原假设是:
方差是齐性的,可以进行方差分析。
2.在“多变量检验”和“多变量检验”中,原假设是:
两因素间的影响不显著。
附:
记
为总的组间离差阵
为组内离差阵
1.Pillai’strace
Pillai’strace=trace
2.Hotelling-Lawley’strace
Hotelling-Lawley’strace=trace(
)
3.Wilk’slambda
Wilk’slambda=
4.Roy’slargestroot
Roy’slargestroot=
。
其中
为
的最大特征根
其中:
Pillai’strace是最为稳定的,值恒为正数,值越大表示该效应对模型的贡献越大。
Hotelling-Lawley’strace检验矩阵的特征根之和,值越大贡献越大。
Wilk’slambda值在0-1之间,值越小贡献越大。
Roy最大根统计量,为检验矩阵特征根中最大值,值越大贡献越大。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- SPSS 处理 多元 方差分析 例子
![提示](https://static.bdocx.com/images/bang_tan.gif)