SPSS在食品统计分析中的应用

1、SPSS在食品统计分析中的应用博学之， 审问之， 慎思之， 明辨之，笃行之。 礼记 中庸 且思、且学、且行是一个信息的时代，每天都有铺天盖地的信息堆向我们，需要处理大量文字或者数字型的数据。SPSS在线且思21世纪我们的时代？如何高效处理数据？开发出的各种各样的数据处理分析软件。SPSS软件（Statistical Product and Service Solutions）“统计产品与服务解决方案”软件SPSS软件介绍【1】且学软件的下载和安装我们小组使用的是13.0版本各个部分的功能作用软件的界面数据的输入数据分析直接键入文件导入统计量表检验表介绍流程数据的输入例子变量age和IQ是数值形

2、式的，而gender和employment为字符型。要在SPSS中对变量执行分析，必须用数值形式。因此，在把数据输入SPSS之前，需要把目前为字符型的变量转化为数值型的。即： 指定男性：1 女性：2 指定有工作的：1 无工作的：21、数据的修正2、数据的输入的步骤（1）变量的生成（2）变量值标签的制定（3）手动输入文件导入EXCEL文件如何导入？（1）打开spss软件（2）菜单栏 打开数据库 新建查询 以上述为例做一个基本分析：Case Summeries： 关于变量的概括报告 数据的分析分析的概要分析的结果结果的分析文件的打印数据文件扩展名为“.sav”,输出文件扩展名为“.spo”文件的保

3、存SPSS软件在推断统计学中的应用【2】且行t 检验方差分析 一维方差分析二维方差分析组间方差分析组内方差分析组间方差分析组内方差分析 Description of the contents Description of the contents单样本t检验 Description of the business Description of the business使用样本归纳总体的一种统计方法。讲解人：李妍讲解人：范方辉推断统计学独立样本t检验相依样本t检验单样本t检验目的： 确定一个样本均值是否显著不同于某个已知或估计的总体样本均值。资料满足条件： 样本所在的总体资料必须服从正态分布；总

4、体方差未知的小样本资料。例一食品企业生产线工作时间问题？对一家大型食品企业的若干条不同生产线每周平均工作时间进行调查，观察其平均工作时间是否显著不同于每周52小时的国家平均水平。对其随即抽取16条不同的生产线，记录其在三个月期间平均每周工作小时数，如下表：ParticipantHours worked per weekParticipantHours worked per week1549712481060368115545312635601368645146475715568621660例1调查企业各个生产线每周工作小时数是否不同于国家平均水平52h。 2.数据要求 一个样本、 因变量 连续

5、；1.分析该研究中的因变量是每周工作的小时数，自变量是 16个不同的生产线。题目分析：研究目的：spass执行t检验提出假设：（1）原假设H0：企业各生产线每周工 作小时数等于全国平均水平； 1=2=52h （2）对立假设H1：企业各生产线每周 工作小时数不等于全国平均水平； 12=52h 步骤：在EXCEL中先输入好数据 2.数据资料： 3.导入数据资料 4.数据分析（1）单样本统计量表：样本平均值样本容量标准差均数标准误该均值比全国平均水平的52h多了7h,能否说明该企业生产线工作时间更长5.解释结果（2）单样本检验表：两尾概率P值均值差置信区间科恩准则： 规定单样本t检验的小、中和大的效

6、应量分别对应着0.20、0.50和0.80。这些值表明可以用标准差表示样本均值和总体均值的差异有多大。0.20表示两者之间有1/5的标准差，0.50表示两者之间有一半的标准差，0.80表示两者之间有8/10的标准差。（3）效应量：衡量差异的程度d值为0.98对应实践中一个大的效应，表明该企业的某食品生产线与国家规定的工作时间的差异基本上是1倍标准差。说明该企业食品生产线的工作时间显著高于国家平均水平。本研究效应量APA格式可用于社会科学领域的论文写作，是一个为广泛接受的研究论文撰写格式，规范学术文献的书写。 6.结论表达APA格式的结果表达该食品企业的各个生产线（M=59，SD=7.15）每周

7、工作时间显著多于52小时的全国平均水平，t(15)=3.92，p0.05，d=0.98。例1结果表达独立样本t检验目的： 检验两个组别中关于因变量均值是否存在显著差异。资料满足条件：（1）样本来源的资料必须服从正态分布；（2） 两个样本总体方差相等 1= 2= ，无论样本大小，服从df=n1+n2-2的t分布例二花生饼和菜籽饼中粗蛋白含量的问题？即成组资料：分别从两个处理中各随机抽取一个样本而构成的资料。这两组数据相互独立，个数可等可不等。在选择作为酱油原料的蛋白质来源时，分别从花生饼和菜籽饼中各随机抽取15个杨平来做对比，数据如下（1代表花生饼，2代表菜籽饼）：例2ParticipantPr

8、oteinResultParticipantProteinResult115716247216117242316718259416319237515120235615521242714522238816223249914124261101362524311155262471215727249131702823714162292411515830248测定两种原料的粗蛋白含量，试估计它们在粗蛋白含量上是否存在显著差异。 2.数据要求 具有两个不同 组别的一个自 变量一个连续因变量。1.分析该研究中的因变量是粗蛋白含量，自变量是两种不同的酱油蛋白原料。题目分析：研究目的：spass执行t检验提出假

9、设：（1）原假设H0：两种原料中粗蛋白含量的 总体均值相等； 1=2（2）对立假设H1：两种原料中粗蛋白含量 的总体均值不相等； 1不等于2步骤：在EXCEL中先输入好数据 2.数据资料： 3.导入数据资料 4.数据分析（1）分组统计量表：样本平均值样本容量标准差均数标准误通过两种原料样本含粗蛋白的均值比较，能否说明花生饼含粗蛋白更多？5.解释结果（2）独立样本检验表：两尾概率P值均值差置信区间均数标准误方差相等的Levene检验d值1.28对应实践中一个大的效应，表明该企业的某食品生产线与国家规定的工作时间的差异基本上是1.28倍标准差。说明花生饼的粗蛋白含量高于菜籽饼的粗蛋白含量。本研究效

10、应量该食品企业的各个生产线（M=59，SD=7.15）每周工作时间显著多于52小时的全国平均水平，t(15)=3.92，p0.05，d=0.98。例2 结果表达相依样本t检验目的： 检验两个组别中关于因变量均值是否存在显著差异。资料满足条件： 样本所在的总体资料必须服从正态分布。例三电渗处理对草莓中Ca+含量的影响问题？成对资料 将条件、性质相同或相近的两个供试单元配成一对，并设有多个配对，然后对每一配对的两个供试单元分别随机给予不同处理后得到的样本资料（1）自身配对：即同一单元上处理前后对比（2）同源配对：处理条件不相近的两个试验单元组 成对子，再分别对配对的两个试验单元施以不 同的处理。特

11、点：两个处理的数据不是相互独立的，而是存在某种联系为研究电渗处理对草莓果实中钙离子含量的影响，选用10个草莓品种来进行电渗处理与对照的对比试验，结果见下表。问电渗处理对草莓钙离子含量是否有影响。例3项目12345678910电渗处理（x1）/mg22.2323.4223.2521.3824.4522.4224.3721.7519.8222.56对照（x2）/mg18.0420.3219.6416.3821.3720.4318.4520.0417.3818.42差数d=（x1-x2）4.193.103.615.003.081.995.921.712.444.14测定出电渗处理和无处理对草莓Ca+

12、含量的影响是否显著。 2.数据要求 具有相互联系的 两个组别的一个 自变量 一个连续因变量。1.分析该研究中的自变量是处理方式（电渗处理、无处理），因变量是草莓中Ca+含量题目分析：研究目的：spss执行t检验提出假设：（1）原假设H0：电渗处理和不处理对草莓 中Ca+含量的影响不大； 1=2（2）对立假设H1：电渗处理和不处理对草 莓中Ca+含量的影响显著。 12步骤：在EXCEL中先输入好数据 2.数据资料： 3.导入数据资料 4.数据分析（1）配对样本统计量表：样本平均值样本容量标准差均数标准误两种处理的均值差异是否达到足以具有统计显著性？5.解释结果（2）配对样本相关性样本容量相关性两

13、尾概率P值（3）配对样本检验：两尾概率P值均值差置信区间标准差均数标准误（2）独立样本检验表：两尾概率P值均值差置信区间均数标准误方差相等的Levene检验d=2.64值对应实践中一个大的效应，表明该企业的某食品生产线与国家规定的工作时间的差异基本上是2.64倍标准差。说明电渗处理能显著提高草莓果实钙离子含量。本研究效应量 电渗处理草莓后钙离子含量（M=22.57，SD=1.40）显著高于不做处理的样本（M=19.05，SD=1.56），t(20)=8.36，p0.05，d=2.64。例3 结果表达SPSS软件在方差分析中的应用介绍【2】且学方差分析起源Ronald Fisher（189019

14、62），生于伦敦，卒于 Adleaide（澳洲）。英国统计与遗传学家，现代统计科学的奠基人之一，并对达尔文演化论作了基础澄清的工作。 方差分析(Analysis of Variance，简称ANOVA)，又称“变异数分析”或“F检验”，是发明的，用于两个及两个以上样本均数差别的显著性检验。方差分析简介方差分析法是一种在若干能互相比较的资料组中，把产生变异的原因加以区分开来的方法与技术。其基本思想是把整个试验（k个样本，每个样本接受一种不同的处理）资料作为一个整体来考虑，把整个试验中所产生的总变异按照变异来源分解成相应于各个因素的变异，并构造统计量F，实现对各个样本所属总体均值是否相等的推断。方

15、差分析简介其最大的功用如下：a.能将引起变异的多种因素的各自作用一一剖析出来，做出量的估计，进而辨明哪些因素是起主要作用的，哪些因素是起次要作用的；b.能充分利用资料所提供的信息将试验中由于偶然因素造成的随机误差无偏的估计出来，从而大大提高了对实验结果分析的精确性，为统计假设试验的可靠性提供了科学的理论依据。方差分析的总前提效应的可加性分布的正态性方差的同质性效应的可加性方差分析是建立在线性可加模型的基础上的。以单项分组各处理重复数相等的试验资料为例：分布的正态性指所有实验误差都是随机的，彼此独立的，并且服从正态分布N（0，2）。因为方差分析中多样本的F检验是假定k个样本是从k个正态总体中随即

16、抽取的，所以从总体上考虑只有所分析的资料满足正态性要求才能进行正确的F检验。正态分布图方差的同质性所有试验处理必须具有共同的误差方差，即方差的同质性。因为方差分析中误差方差是将各处理的误差合并而得到的，故而必须假定资料中各处理有一个共同的误差方差存在，这个误差也要服从正态分布。方差的同质性如果方差异质，则没有理由将处理内各误差方差的合并方差作为检验各处理差异显著性的公用的误差方差，这样做在假设检验中必然会使某些处理的效应得不到正确的反映。方差分析的基本公式SPSSSPSS中常用的方差分析类型单项分组资料的方差分析一维组间方差分析两项分组资料的方差分析二维组间方差分析一维组内方差分析组间组内方差

17、分析单项分组资料的方差分析单项分组资料是指利用完全随机设计，观测值仅按一个方向的单因素试验资料。按照所研究试验因素的多少，可以分为单因素、两因素和多因素试验资料的方差分析。根据处理内重复数相等与否又分为各处理重复数相等与重复数不相等两种情况。两项分组资料的方差分析由于单因素试验只能解决一个因素个水平间的比较问题，但是影响某项试验指标的因素往往是多方面的。设某实验需考察A、B两个因素，A因素分成a个水平，B因素分成b个水平。若A因素的每个水平与B因素的每个水平均衡交叉搭配则形成了ab个水平组合即处理，那么实验数据也将按两因素交叉分组。这种实验数据资料称为两项分组资料，也叫做交叉分组资料。一维组间

18、方差分析在一维组间方差分析中，自变量是组间因素，每个观测值都仅得到因素的一个水平。例一：用四种不同方法对某食品样品中的汞进行测定，每种方法测定五次，结果如表所示。试问这四种方法测定结果有无显著性差异。一维组间方差分析的假定观测是独立的该假定是指你的试验中的观测值不会以任何方式相互影响。如果违反了独立性假定，那么就不应再用组间方差分析，因为违反这一假定将严重影响方差分析检验的准确度。一维组间方差分析的假定每组因变量的总体服从正态分布该假定意味着试验中的每一组应当服从正态分布。但是对于中等到较大的样本容量对方差分析的精确性影响影响不大。一维组间方差分析的假定每组的总体方差相等违反这一假定将会影响到

19、方差分析的准确度，特别是当各组的样本量不相等时。SPSS中的Levene检验用来检验总体方差是否相等，如果方差不相等，将会选择另一种检验方法来检验。方差齐性检验方差齐性检验用以检验各组的方差是否相等，它是组间方差分析的一个假设。SPSS使用Levene建立的程序来检验方差齐性的假设。Levene结果决策结论P0.05不拒绝H0总体方差相等P 0.05拒绝H0总体方差不相等原假设和对立假设例一的原假设为：H0：A=B=C=DH1:其中至少有一个均值与其它均值不同。一维组间方差分析对各组的总体平均值相等的原假设进行了检验。如果检验产生的结果在原假设正确时看起来不可能（指发生的可能性小于5%），那么

20、拒绝原假设。如果检验产生的结果在原假设正确时看起来正确（发生的可能性大于5%），那么不拒绝原假设。研究问题例一中研究的最基本问题是：“四种方法对水中汞的测定是否有显著性差异”在SPSS中输入数据及分析在SPSS中输入数据及分析在SPSS中输入数据及分析Levene检验，用于检验各组总体方差是否相等。在SPSS中输入数据及分析总体平均值是否相等检验中的p-值。由于p小于0.05，表示四种方法均值相等的原假设被拒绝。在SPSS中输入数据及分析两两比较的显著性检验，小于0.05即显著。在SPSS中输入数据及分析因为方法1、3与2、4不在同一列，所以1、3显著不同于2、4。效应量ANOVA中的效应量通

21、常使用2度量，其中：科恩约定小中大的效应量的2值分别对应着0.01,0.06和0.14。效应量可以用因变量的方差被自变量解释的百分比的方式来表示。APA格式的结果表达APA： American Psychological Association。是一被广泛接受的研究论文撰写格式，特别针对社社会科学域的研究，规范学术文献的引用和参考文献的撰写方法，以及表格、图表、注脚和附录的编排方式在写结果时，除了报告三个策略组的均值和标准差（如果需要均值和标准差可以单独成一张表），还要报告一维组间方差分析的假设检验的结论、自由度（df）、F值、P-值和效应量。在SPSS中执行一维组间方差分析的步骤数据的输入和

22、分析1.在SPSS中生成两个变量（自变量、因变量）2.输入数据3.为自变量建立变量标签4.选择AnalyzeComputer MeansOne-way ANOVA5.将因变量移动到Dependent List框中，将自变量移动到Factor框中。6.点击Option，选择Descriptive和Homogeneous Of Variance Test，点击Continue7.点击Post Hoc，选择Turkey，点击Continue8.点击OK在SPSS中执行一维组间方差分析的步骤结果解释1.检验方差齐性的Levene检验a.如果Levene检验中P0.05，总体方差相等。继续ANOVA F

23、检验。如果显著，解释Turkey事后程序的结果。如果不显著，则立即停止。写出组间无显著性差异的结果b.如果Levene检验中P0.05，总体方差不等。选择Brown-Forsythe或者Welch程序来重新分析，并通过点击“Post Hoc”选择其中一个不假设组间方差相等的事后检验，这些检验不需要方差齐性假设。在SPSS中执行一维组间方差分析的步骤如果全部检验显著，解释最后程序给出的结果。如果全部检验不显著，停止。写出组间无显著差异。二维组间方差分析应用于两个变量估计一个连续因变量的情况。在二维组间方差分析中，两个变量都是包含两个或更多水平的组间因素，这里每个变量只能接受每个因素的一个水平。例

24、二：在红枣带肉果汁稳定性研究中，研究原辅料配比及时间对带肉果汁稳定性的影响，测定指标为自然分层率（%）。实验结果按两项分组整理，见下表。试分析配比及时间对果汁稳定性的影响。二维组间方差分析的假定观测是独立的违反独立性假定会严重影响方差分析结果的准确性。该假定是指你的试验中的观测值不会以任何方式相互影响。如果我们有理由相信已经违反了独立性假定，那么就不应再用组间方差分析。 二维组间方差分析的假定每个单元的因变量总体服从正态分布该假定意味着试验中的每一组应当服从正态分布。但是对于中等到较大的样本容量对方差分析的精确性影响影响不大。二维组间方差分析的假定每个单元的总体方差相等这个假定意味着每个单元的

25、总体方差应该相等。违反方差齐性假定会影响方差分析结果的准确性，特别是当每组的样本量不相等时。对SPSS中的Levene检验结果的解释满足了这个假定。二维组间方差分析的目标和数据要求目标数据要求例二1.检验主效应时间对果汁稳定性的影响；配比对果汁稳定性的影响。自变量两个及以上水平的组间因素自变量时间;配比2.检验交互效应时间对果汁稳定性的影响依赖于配比吗？因变量连续因变量果汁的稳定性原假设和对立假设在二维组间方差分析中将检验三个不同的原假设。一个原假设用被用来检验每个自变量（主效应检验），一个原假设用来检验两个自变量的混合效应（交互效应检验）。例二的假设描述如下：假设一：不同时间对果汁稳定性的影

26、响在总体上一样：H0:1=2备择假设为：HA:12假设二：不同配比对果汁的稳定性的影响在总体上一样：H0：1=2备择假设为： HA:12假设三：配比和时间交互效应的检验原假设：H0没有配比时间的交互效应备择假设：HA：有配比时间的交互效应原本假设的评价二维组间方差分析对上面的上那个原假设正确时看起来 不可能（结果发生的可能性5%），那么拒绝原假设。如果检验产生的结果在原假设正确时看起来正确（结果发生的可能性5%），那么不拒绝原假设。研究问题在二维方差分析研究中基本的问题已也可以用研究问的方式表示。对于时间 “不同的时间下对果汁的稳定性是否相同”对于配比 “不同的配比下对果汁的稳定性是否相同”对

27、于时间和配比的交互作用 “时间对果汁的稳定性的影响是否依赖于配比”在SPSS中输入数据及分析在SPSS中输入数据及分析在SPSS中输入数据及分析在SPSS中输入数据及分析在SPSS中输入数据及分析方差齐性检验的p-值，方差分析中的一个假设，由于大于0.05，认为四个单元组的方差一致。我们需要的三个检验，由于小于0.05，所以说这三个检验是显著的。在SPSS中输入数据及分析在SPSS中输入数据及分析在4:6时配比和时间之间有2.50分得差异在3:7时配比和时间之间有16.67分得差异在SPSS中输入数据及分析当交互作用显著时分析主效应当交互效应是显著时，显著的主效应可能被误解（取决于结果的性质）

28、，因此应当小心理解结果。简单效应 当出现显著的交互效应时，接下来可能使用简单效应分析进行进一步的效应检验。简单效应分析是在其他因素处于某个单一水平时比较一个因素的效应。简单效应可以在SPSS中使用LMATRIX命令来执行，或者对感兴趣的检验进行对立样本的T检验。效应量二维组间方差分析的效应量通常使用偏2度量。为计算偏2，使用Tests of Between-Subjects Effects表中的平方和（SS）（在输出结果中以Type Sum of Squares形式表示）。偏2的计算公式如下：偏2的取值范围为01，偏2的值越大，表示因变量的方差被效应解释的越多。APA格式的结果表达在写结果时，

29、除了报告三个策略组的均值和标准差（如果需要均值和标准差可以单独成一张表），还要报告一维组间方差分析的假设检验的结论、自由度（df）、F值、P-值和效应量。如果交互效应显著，通常还需要提供一个条形图或者轮廓图。在SPSS中执行二维组间方差分析的步骤摘要数据的输入和分析1.在SPSS中生成两个变量（自变量、因变量）2.输入数据3.为自变量建立变量标签4.选择AnalyzeGeneral Linear ModelUnivariate.5.将因变量移动到Dependent List框中，将自变量移动到Fix Factor框中。6.点击Option，把因素和交互效应移到Display Means for

30、框中。选择Descriptive，Estimates of Effect size,Homogeneous Of Variance Test，点击Continue7.点击Plots,把有最大水平数的因素移到Horizontal Axis框中，其它因素移到Separate Lines框中。点击Add,点击Continue(可以生成一个条形图)8.如果那个因素有三个或者三个以上的水平，点击Post Hoc，把这个变量移到Post Hoc for框中。选择Turkey，点击Continue8.点击OK在SPSS中执行二维组间方差分析的步骤摘要结果解释：1.检验误差方差相等的Levene检验结果a.如

31、果Levene检验中P0.05，总体方差相等。解释ANOVA 结果解释每个因素的结果，指出有两个水平的显著效应的差异的本质。对于有三个及三个以上水平的显著主效应，解释Turkey事后程序的结果。如果交互效应显著，描述这两个变量关系的本质。b.如果Levene检验中P0.05，方差相等假设被拒绝。SPSS没有一个容许方差不相等的二位方差分析，但如果样本量相等或者近似相等，可以考虑运行普通的二维方差分析。如果样本量的差异是中等到较大，则可以考虑两个独立的一维方差分析或者是t检验。对于三个或更多水平以及方差相等的因素，在运行普通的一维方差分析后进行Tukey检验。在SPSS中执行二维组间方差分析的步

32、骤摘要对于有两个水平的显著因素，在Group Statistics 表中检查均值来描述组间差异的本质。对于三个或更多水平的因素，对感兴趣的因素解释事后程序的结果。对于不显著的因素，不要描述任何组间均值差异。直接写出对感兴趣的因素组间没有明显不同的结果。一维组内方差分析一维组内方差分析应用于一个自变量估计一个连续因变量的情况。在一维组内方差分析中，自变量是一个包含两个或者更多水平的组内因素，而且每个参与者接受自变量的所有水平。例三：采用气调技术对牛肉进行保藏，研究气调是否会对牛肉中含水量的含量产生影响。对16块牛肉进行保藏（4周）试验，在样品入库时，保藏至第2周时和第4周出库时的含水量进行测定，

33、记过如下表所示。分析气调是否会对肉的含水量产生影响。一维组内方差分析的假定观测是独立的违反该假定会严重影响组内方差分析结果的准确性。如果我们有理由相信已经违反了独立性假定，那么不能使用组内方差分析。一维组内方差分析的假定在自变量每个水平上的因变量总体服从正态分布这个假定意味着社交能力对于每个研究的单元在总体上要服从正态分布。但是，对于中等和较大的样本量，绝大部分的非正态分布对于方差分析检验的结果的精确性没有多少影响。一维组内方差分析的假定球形假定球形假定要求组内因素的所有配对水平上的差值得分的总体方差都是相等的。违反这个假定将影响方差分析的精确性，导致原假设较多的被拒绝。使用一个替代方法适用于

34、球形存在的情况，这强调了对这个假定的违反。由于多元方差分析不需要球形假定，这是一个可行的选择。一维组内方差分析的目标和数据要求目标数据要求例子检验两个及更多相关组的均值关于同一个因变量是否差异显著自变量：有两个及更多水平组内因素因变量：连续变量自变量：时间（开始，2周，结束）因变量：含水量的变化原假设和对立假设原假设指出在各个时刻的下牛肉含水量在总体上是一样的：H0：之前=2周=之后为了说明原假设是错误的，没必要指出这三个均值之间是互不相同的，只要说明原假设在某一点是错误的。因此，与产生原假设错误的所有可能的方式，不如找一个不同即可。HA：至少有一个均值与其他两个均值不同 一维组内方差分析对三

35、次总体均值是一致的原假设进行了检验。如果检验产生的结果在原假设正确时看起来不可能（结果发生的可能性小于5%），那么拒绝原假设。如果检验产生的结果在原假设正确时看起来正确(结果发生的可能性大于5%)，那么不拒绝原假设。研究问题在研究基本的问题也可以用研究问题的方式表示： “在4周的贮藏试验中，前中后三个阶段对牛肉的水分含量变化的影响有差异吗？”在SPSS中输入数据及分析在SPSS中输入数据及分析在SPSS中输入数据及分析在SPSS中输入数据及分析在SPSS中输入数据及分析四种不同的多变量检验在SPSS中输入数据及分析球形检验使用球形检验和别的三种方法检验的得到的值一致。在SPSS中输入数据及分析

36、组间因素在SPSS中输入数据及分析估计边界均值在SPSS中输入数据及分析由上表得出的结论可知这三个效应是显著的。然而由于独立假设不明确，仅仅说明均值在某些程度上不一致，需要进一步检验来确定哪一个时刻显著不同于其他时刻。对于组内方差分析，所有的配对比较将使用相依样本的T检验。效应量二维组间方差分析的效应量通常使用偏2度量。为计算偏2，使用Tests of Between-Subjects Effects表中的平方和（SS）（在输出结果中以Type Sum of Squares形式表示）。偏2的计算公式如下：偏2的值越大，表示因变量的方差被效应解释的越多。APA格式的结果表达在写结果时，除了报告三

37、个策略组的均值和标准差（如果需要均值和标准差可以单独成一张表），还要报告一维组间方差分析的假设检验的结论、自由度（df）、F值、P-值和效应量。在SPSS中执行一维组内方差分析的步骤摘要数据的输入和分析1.在SPSS中生成两个变量（自变量、因变量）2.输入数据3.为自变量建立变量标签4.选择AnalyzeGeneral Linear ModelRepeated Measure.5.在Within-Subject Factor Name中输入组内因素的名称，然后在Number of Levels框中输入水平数。点击Define。6.将变量（组内因素的说有水平）移动到Within-Subject

38、Factor Name框中。7.点击Option，把因素和交互效应移到Display Means for框中。选择Descriptive，Estimates of Effect 点击Continue8.点击OK在SPSS中执行一维组内方差分析的步骤摘要结果解释通过对Greenhouse-Geisser下或者在Sphericity Assumed行中的p-值进行检查来解释整个方差分析结果（如果与手算结果进行比较，可以使用球形假设值）。a.如果方差分析是显著的（p0.05），对所有的配对比较执行独立样本T检验。在值等于0.05除以配对比较检验的数量下每一个进一步的T检验进行评价。在你写出的结果中包

39、括总体方差分析和独立样本T检验的结果。b.如果方差分析是不显著的（ p0.05 ），则立即停止（不要进行T检验）。写出结果表明这些组之间没有显著差异。组间组内方差分析组间组内方差分析应用于两个自变量估计一个感兴趣的因变量的情况。在组间组内方差分析中，其中一个自变量是组间因素，另一个自变量是组内因素。组间因素包含两个或者更多的水平，每个参与者只接受处理一个水平。组内因素也包含两个或者更多水平，每个参与者接受处理的所有水平。例四：采用气调技术对牛肉进行保藏，研究气调是否会对牛肉中含水量的含量产生影响。运用两种不同的气体比例（A和B）对16块牛肉进行保藏（4周）试验，在样品入库时，保藏2周时和第4周

40、出库时的含水量进行测定，记过如下表所示。试两种不同的气体比例是否会对水分含量产生影响。组间组内方差分析的假定组内的观测是独立的违反了该假定会严重影响组间组内方差分析结果的准确性。如果我们有理由相信已经违反了独立性假定，那么不能使用组间组内方差分析。组间组内方差分析的假定正态这个假定意味着：A.对于每组内因素的各个水平，因变量总体服从正态分布B.对于组间因素的每个水平，组建的平均得分应该服从正态分布。组间组内方差分析的假定方差的齐性这个假定意味着组间因素的每个水平上的总体方差相等。 组间组内方差分析的假定球形假定球形假定要求组内因素的所有配对水平上的差值得分的总体方差是相等的。违反了这个假定将影响方差分析检验的精确性。组间组内方差分析的目标和数据要求目标数据要求例子检验主效应两种不同的气体比例下贮藏对牛肉中水分含量的影响有差异吗？在开始，2周，结束后的牛肉中水分含量有差异吗？自变量一个组间因素（有两个或者更多水平）一个组内因素（有两个或更多水平）自变量两种气体比例时间检验交互效应气体比例（A和B）的影响依赖于时间（开始，2周，结束后）吗？因变量连续因变量含水量变化原假设和对立假设一维组间组内方差分析中使用了三个不同的原假设。一个原假设用来检验每个自变量（主效应检验），一个原假设用来检验两个自变量的混合效应（交互效应检验