全流程总结方差分析

大家好！这里是SPSSAU~为了帮大家快速度过新手期，我们整理了一份常见分析方法的流程总结。其中包括每种分析方法的分析流程，以及每个环节中可能出现的问题及应对方法。不会分析的同学可以按照图中的流程一步步操作，就能得到准确可靠的结果。方差分析流程图方差分析是一种分析调查或试验结果是否有差异的统计分析方法，也就是检验各组别间是否有差异。本文我们就一起来梳理下方差分析的分析流程。数据类型方差分析用于分析定类数据与定量数据之间的关系情况，可以比较2组或多组数据的差异。分析前首先应根据数据类型判断使用的方法是否正确。X数据类型X组别Y分析方法■—h—ifyi/2组或者多组止地方差定类仅仅2组曰止业T检验定类2组或者多组定类卡方•如果X是定类数据，Y是定类数据，则应该使用卡方分析。•如果X是定类数据，Y是定量数据，且X组别仅为两组，则应该使用T检验。方差分析的类型方差分析按照自变量个数的不同，可以分为单因素方差分析、双因素方差分析、以及多因素方差分析。单因素方差分析可以比较一个自变量（比如品牌）；而双因素方差可以比较两个自变量（品牌和销售地区）；多因素方差可比较三个及以上的自变量。类型自变量个数适用场景SPS5AU使用路径单因素方差分析［个问卷数据/实验数据通用方法一方差双因素方差分析2个实验数据进防方法一双因素方差多因素方差分析多个实验数据进阶方法一多因素方差单因素方差分析在问卷研究中常用于分析个人背景信息对核心研究变量的影响（比如不同性别人群对工作满意度是否有显著差异）。同时也可用于对聚类分析效果的判断。在得到聚类类别之后，通过方差分析去对比不同类别的差异，如果全部呈现出显著性差异，以及研究人员结合专业知识可以对类别进行命名时，则说明聚类效果较好。而双因素和多因素方差分析，可以研究多个自变量对因变量Y的交互影响。通常只有在实验研究中才会使用，一般的问卷数据很少使用。本文将主要针对单因素方差分析说明。正态性检验方差分析要求Y项满足需要正态性，SPSSAU提供多种检验正态性的方法，选择其中一种方法检验即可。

H可视化vQ通用方云7□可视化VQ散点图直方图措述嬷彻■)箱线图H可视化vQ通用方云7□可视化VQ散点图直方图措述嬷彻■)箱线图词云匚相关瘫回归误差线圈方差T燧R<x曲崖单样本T椅憧跑T■检脸帕索托鹿就状图非卷故磴蚣销售额正态P-P图P-P图销售额正态P-P图P-P图中散点近似呈现为一条对角直线，则说明数据呈现出正态分布。不满足正态性如果出现数据不满足正态性的情况:可以进行对数处理：即使用【生成变量】功能对Y项进行转换，使数据呈现出正态性。但转换后的数据分析结果不好解释，若数据为问卷数据，建议考虑选择其他方法。使用非参数检验：如果没有呈现出正态性特质，可使用非参数检验进行分析。SPSSAU-非参数检验直接使用方差分析：参数检验的检验效能高于非参数检验，比如方差分析为参数检验，所以很多时候即使数据不满足正态性要求也使用方差分析。方差齐检验方差齐是方差分析的前提，方差分析前一般需要对数据进行方差齐性检验。在SPSSAU中找到【通用方法】一【方差】，下拉右侧选框，选择【方差齐检验】。

方差分析广苗形式方差齐分析结果广告形式（标准差）报纸(NW6)广播(N=36)宣惜品（NW&）体验（N二3可FP销售毓9.7312.9711.6213.500.7650.515*p<0.05*401SPSSAU-方差齐检验检验结果主要关注P值，即p<0.05，代表数据呈现出显著性，说明不同组别数据波动不一致，即说明方差不齐；反之，p>0.05，说明方差齐不满足方差齐性理论上讲，单因素方差分析应该首先满足方差齐性，但在实际研究过程中，较多数据出现方差不齐现象，可以将分类数据X进行重新组合，或对Y取对数等处理。

如果仍然不满足方差齐性，可使用非参数检验。类型类型使用方法X成）对Y（定量）的差异性Y方差齐方差分析X（定类）对M（定量）的差异性Y方差不弁非参数检股另外，如果研究的分类数据为两类，可以考虑使用独立样本T检验代表方差分析，避免方差不齐无法分析的尴尬。5.SPSSAU操作案例：不同广告形式对销售额的影响，是否有显著性差异?①操作步骤：完成上述步骤，即可进行方差分析，点击【通用方法】一【方差】。SPSSAU-方差分析*通用方法里的方差仅是单因素方差分析，其他如双因素方差分析在【进阶方法】里。开始方■式销隹额②结果分析平境值标准蛙粮维(N=36)$箱融7322±S.73*KQ.0&**>?<[).QI56一部士1162用于计m判断心性的市I斯P<D一康.说明有壮著地异悼姓:N=3S)方差分折结果广告形式(平均值士标准差)广播(N=36)宣传品［冲=3时G6.&1±13.50134S30.000**分析步骤参考SPSSAU输出结果中的“分析建议”及“智能分析”。g分析建议方差分析研究X（定类用于Y（定量）的差异"伽不同学历人群对满意度差异关系;第一：分析X与Y之间是否呈现出显著性〔P值小于0一。5或。一01）；第二:如果呈现出显著性；通过具体对比平均值大小，描述具体差异所在；第三：如果j殳有呈现出显著性；说明X不同组别下，Y没有差异；第四：对分析进行总结，Ig智能分析I从上表可知/利用方差分析（全称为单因素方差分析）去研究广告形式对于销售额共1项的差异性，从上表可以看出：不同广告形式样本对于销售额全部均呈现出显著性（P<0.05）,意味着不同广告形式样本对于销售额均有着差异性，具体分析可知；广告形式对于销售额呈现出0.01水平显著性（F=13.48,P=0.00）,以及具体对比差异可知，有看较为明显差异的组别平均值得分对上停果为“报纸》宣传品;报纸，体验;广播〉宣传品;体验〉宣传品"（同时也可以使用拆线匿I进行宜观展示h总结可知：不同广告形式样本对于销售额全部均呈现出显著性差异，③效应量指标除此之外，SPSSAU也提供更为深入的检验指标，通过效应量可深入研究差异的幅度。深入分析效应呈指标分析项懿B（组间差）SS1〔总离差）偏E佣方（Partialr]2}Cohen's『值销售额5S66.08326169.3060.2240.53B通常情况下，一般不需要展示效应量指标，如需要报告建议查看spssau帮助手册说明更易理解。Ig分析建议如果方差分析显示呈现出显若性差异（P<0-05｝「可通过平均值对比具体差异，同时还可使用效应量低ffoct戒。研究差异幅度情况；第一：方差分析时使用偏Eta方表示效应量大小（差异幅度大小该值越大说明差异越大；第二：方差分析使用偏Eta方表示效应量大小时，效应量小，中、大的区分临界点分别是:0.01r0,06和0.14;第三：偏Eta方值计算公式为KB/SST;第四：方差分析也可以使用CohenJs俵示效应量「其计算公式为5qrt（偏知方/■-偏Et目方））「Cohenrs俵示效应量大小时，效应量小、中、大的区分临界点分别是:0,10「0.25^00.40,6.事后多重比较单因素方差分析如果呈现出显著性，说明不同组别之间确实存在显著差异，但有时我们更想知道具体有哪些组是有差异的。此时则可以使用事后多重比较（事后检验），对两两组别进行对比。因子分层回归二元ILogit有序Logit偏相关双因素方差进阶方法-事后多重比较

开始事后多重皤汾析LSD能（奴）广瓢式销售额^3）开始事后多重皤汾析LSD能（奴）*如果方差分析显示没有差异性，则不需要进行事后多重比较。多重哽方法适用场晕其它说明LSD使用最为广泛，脸验效能高，对比组别较少时使用对差异最为敏感Scheffe各组别的样本数量不相同时使用，检验效能局相对较为保守Tukey各媛!1的样本数量相同时使用各组别样本相同时使用Bonferrnoife正对比组别数量较少时使用相对蛟为保守TamhaneT2如果方差不齐』但希望进行多市比较则使用此方法方差不齐时使用SPSSAU提供了5种事后检验的方法，使用时需要根据自己的数据情况进行选择，系统默认使用LSD方法，其对差异的判断最为敏感。

事后检验〔多重比较)结果(1)名称(J)名称U)平均值⑴平均值差值(I-J)P报祇广播7322270.2.3330.412宣传品7322256.55616.W0.0G0++报纸体盈73.22266.6116.6110,021*销售额广播宣传品70.88956.55614.3330.00Q**广播体验70.8898.6114,2咫0.134宣修品体验56.55666,611■'10.0540.001***p<0.0501SPSSAU-事后检验结果结果中的一行即展示一组两两对比的结果，每一行最后的P值，如果显示P<0.05,即说明两组数据有显著差异。本例中X项一共