spss中一般线性模型课件

*1一般线性模型（一）*2一般线性模型一般线性模型单变量分析的基本过程完全随机设计资料的方差分析随机区组（单位组）设计资料的方差分析*3一、一般线性模型单变量分析的基本过程GeneralLinearModel（GLM，一般线性模型）包括：Univariate（单因变量多因素方差分析），Multivariate（多因变量方差分析），RepeatedMeasures（重复测量方差分析），Variance（方差分量分析）

GLM可完成多自变量、多水平、多因变量、重复测量方差分析以及协方差分析等。*51主对话框DependentVariable:因变量FixedFacter:固定因子，所有可能的水平都出现在样本中，如分组等RandomFacter:随机因子，所有可能的取值并不都在样本中出现，如观察个体Covariates:协变量，协方差分析时用WLSWeight:WLS权重。用于加权最小二乘分析。*62功能按钮Model：分析模型Contrast：对照方法Plots：分布图形PostHoc：多重比较Save：保存运算值Option：选择输出项。*72.1Model按钮

Ⅰ、在SpecifyModel栏中指定模型类型FullFactorial，全模型，系统默认。包括所有因素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的主效应、两两的交互效应和三个因素的高级交互效应。Custom，自定义模型。选择此项激活下面各操作框*8Ⅱ、建立自定义模型Factors＆Covariates框中自动列出可以作为因素的变量名，其后面的括号中标有字母“F”（固定因子）、“R”（随机因子）或者“C”（协变量）。*10B、选择模型中的主效应（Model）首先定义效应类型为Maineffects鼠标键单击某一个因素，该变量名背景将改变颜色（一般变为蓝色），单击BuildTerm（s）栏中下面的箭头，该变量出现在Mode1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。*12

C.建立模型中的交互项模型中包括三个变量的所有2维交互效应项，定义效应类型为All2-way，单击light、Device、Target三个变量名，单击箭头按钮。Model中出现三个2维交互效应项：Light*Device、Light*Target、Device*Target。模型中包括所有3维效应，定义效应类型为All3－way，单击变量Llight、Device、Target。单击箭头按钮，Model框中出现3维交互效应项：Ligh*Device*Target。

*142.2Contrasts按钮Factors框中显示出所有在主对话框中选中的因素，其后的括号中是当前的对比方法了；ChangeContrast栏中改变对照方法。*15可供选择的对照方法None：不进行均数比较；Deviation：比较预测变量或因素的每个水平的效应。选择Last或First作为参照的水平；Simple：对预测变量或因素变量的每一水平都与参照水平进行比较。选择Last或First作为参照水平；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对照方法相反；注：只有Deviation和Simple需要选择参考水平，Last（系统默认）和First。*162.3Plots按钮Factor：主对话框中所选因素变量名；Horizontal：横坐标框SeparateLines：确定分线变量SeparatePlots：确定分图变量*172.4PostHoc按钮均数多重比较（事后检验）*182.5Save按钮(选择保存运算值)通过在对话框中的选择，可以将所计算的预测值、残差和诊断值（回归分析时）作为新的变量保存在编辑数据文件中。以便在其他统计分析中使用这些值。*202.5Save按钮(选择保存运算值)

Diagnostics（诊断值栏）Cook’sdistance：Cook距离；Leveragevalues：非中心化Leverage值；Savetonewfile将参数协方差矩阵保存到一个新文件中*212.6Option按钮(选择输出项)DisplayMeansfor：显示分组因素Display：指定输出的统计量Descriptivestatistics：描述统计量，均值、标准差，样本量EstimatesOfeffectsize：效应量估计。Observedpower：检验假设的功效。Parameterestimates：各因素变量的模型参数估计、标准误、t检验的t值、P值和95％的置信区间。Sigificancelevel：指定Confidenceintervals的显著性水平*23例1为研究多酚保健饮料对急性缺氧的影响，将60只Wistar小白鼠随机分为低、中、高三个剂量组和一个对照组，每组15只小白鼠。对照组给予蒸馏水0.25ml灌胃，低、中、高剂量组分别给予2.0、4.0、8.0g/kg的饮料溶于0.2~0.3ml蒸馏水后灌胃，每天一次。40天后，对小白鼠进行耐缺氧存活时间实验，结果如表1。试比较不同剂量的茶多酚保健饮料对延长小白鼠的平均耐缺氧存活时间有无差别。二、完全随机设计资料的方差分析*24对照组低剂量组中剂量组高剂量组21.3123.4820.1626.1335.0724.3330.2338.4723.1420.3424.4925.2428.1133.9736.8435.1027.4826.9821.3220.2324.7421.8638.6128.0119.5419.5619.4622.4729.7928.6527.1323.3718.0317.3925.6329.3822.6825.1328.7928.4424.0324.3728.8120.1623.0134.4433.2434.2222.8216.0118.7422.5128.3231.6931.6835.0818.7218.4229.0428.29表1各组小白鼠耐缺氧时间/min*26建立数据文件：耐缺氧时间.sav.定义变量输入数据*27建立数据文件：耐缺氧时间.sav.定义变量输入数据开始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup→FixedFactors*28建立数据文件：耐缺氧时间.sav.定义变量输入数据开始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup→FixedFactorsPostHoc：Group→PostHocTestsforLSD，SNK,Bonferroni*30主要结果---描述性统计量*31主要结果方差齐性检验的P值方差齐性检验的统计量F值结论：尚不能认为各总体方差不齐*32方差分析的P值方差分析F值方差分析MS值(均方）方差分析自由度方差分析SS值(平方和）总变异组间变异组内变异（误差变异）结论：各组总体均数不等。*33各组总体均数的95%置信区间按方差分析中的误差均方计算的标准误*34Bonferroni方法的P值，是校正了a后的*35均数标在同一列的组间差异无统计学意义，在不同列的差异有统计学意义，即对照组与低剂量差异无统计学意义，其他均有统计学意义SNK检验*36用CompareMeans→One-WayANOVA建立数据同前开始分析：analyze→CompareMeans→One-WayANOVAY→DependentListGroup→Factor*37用CompareMeans→One-WayANOVA建立数据同前开始分析：analyze→CompareMeans→One-WayANOVAY→DependentListGroup→FactorPostHoc：LSD，Bonferroni，SNK*38用CompareMeans→One-WayANOVA建立数据同前开始分析：analyze→CompareMeans→One-WayANOVAY→DependentListGroup→FactorPostHoc：LSD，Bonferroni，SNKOptions→Statistics→Descriptive，Homogeneitytests*39各组总体均数的95%置信区间按各自的方差计算的标准误*40主要结果方差齐性检验的P值方差齐性检验的统计量F值*41方差分析的P值方差分析F值方差分析MS值(均方）方差分析自由度方差分析SS值(平方和）组内变异（误差变异）组间变异总变异*42Bonferroni方法的P值，是校正了a后的*43均数标在同一列的组间差异无统计学意义，在不同列的差异有统计学意义，即对照组与低剂量差异无统计学意义，其他均有统计学意义SNK检验*44练习1某人研究北京机关工作人员血脂水平，随机抽取不同年龄男性各10名受试者，检测他们的总胆固醇(TC)的含量(mmol/L)，其结果如下表：青年组中年组老年组5.004.785.125.145.245.234.855.185.135.165.265.214.934.894.894.985.234.985.185.075.205.165.105.154.955.214.995.255.315.19*45三、随机区组（单位组）设计资料的方差分析例2研究者欲比较生物蛋白粉饲料、血浆蛋白粉饲料和普通饲料喂养断奶仔猪的增重效果。为了消除和控制其他因素的影响，研究者将断奶仔猪配成若干区组(block)，每个区组3只仔猪，并且满足同一区组的仔猪是同窝别、同性别、同日龄、体重接近，共配成10个区组。然后在每个区组内随机将3只仔猪分配到各实验组。比较喂养10天后各实验仔猪的平均体重增加量(kg)，结果见表2。试比较各种饲料的增重效果有无差异。*46表2生物蛋白粉、血浆蛋白粉和普通饲料饲养仔猪增重量/Kg*47建立数据文件：仔猪增重量.sav定义变量*48建立数据文件：仔猪增重量.sav定义变量输入数据*49建立数据文件：仔猪增重量.sav定义变量输入数据开始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup，Block→FixedFactors*50建立数据文件：仔猪增重量.sav定义变量输入数据开始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup，Block→FixedFactorsModel→Custom→Maineffects（Group，Block）*51建立数据文件：仔猪增重量.sav定义变量输入数据开始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup，Block→FixedFactorsModel→Custom→Maineffects（Group，Block）PostHoc：Group→PostHocTestsfor