方差分析报告与实验设计方案书

10/20第6章 方差分析与试验设计进展单因素方差分析及方差分析中的多重比较一、试验目的及要求SPSS的单因素方差分析及多重比较功能，娴熟把握单因素方差分析方SPSS运行结果能进展解释。二、试验内容【例】现有三家生产灯泡的企业，为比较它们生产的灯泡质量，从每个企业6只灯泡，对其使用寿命〔单位：小时〕进展检验，数据如表6-1所示：6-1三家企业的灯泡寿命试验数据生产企业序号123164065758425796386123632719675462067659256166426106627712635在95%的概率保证程度下,试分析三家企业生产的灯泡的平均寿命之间有无显著LSD方法检验哪些企业有差异？解：第一步，翻开数据文件data06-1.sav，选择Analyze→CompareMeans→One-WayANOVA，6-1所示：6-1AnalyzeOne-WayANOVA主对话框，将“hour”变量List〔因变量清单〕框，将“enterpriseFactor〔因素〕6-26-2One-WayANOVAHocMultipleComparisons对话框，选择多重比较的方法：EqualVarianceAssumedLSD方法；EqualVarianceNotAssumedTamhansT2SignificantLevel0.056-3图6-3PostHocMultipleComparisons窗口OptionsOptionsHomogeneity-of-variance复6-4图6-4Options窗口OK按钮，运行结果如下：Oneway

6-2方差齐性检验表TestTestofHomogeneityofVarianceshourLeveneStatisticdf1df2Sig.1.147215.344ANOVAhourSumANOVAhourSumofSquaresdfMeanSquareFSig.BetweenGroupsWithinGroupsTotal12324.00013836.00026160.000215176162.000922.4006.680.008MultipleComparisonsDependentVariable:hour(I) (J)95%ConfidenceMultipleComparisonsDependentVariable:hour(I) (J)95%ConfidenceInterval*.Themeandifferenceissignificantatthe0.05level.enterpriseenterpriseMeanDifference(I-J)Std.ErrorSig.LowerBoundUpperBoundLSD企业1企业2-55.00000*17.53473.007-92.3744-17.6256企业31.0000017.53473.955-36.374438.3744企业2企业155.00000*17.53473.00717.625692.3744企业356.00000*17.53473.00618.625693.3744企业3企业1-1.0000017.53473.955-38.374436.3744企业2-56.00000*17.53473.006-93.3744-18.6256Tamhane企业1企业2-55.00000*16.69930.031-104.7365-5.2635企业31.0000016.076901.000-46.529348.5293企业2企业155.00000*16.69930.0315.2635104.7365企业356.0000019.62312.051-.1557112.1557企业3企业1-1.0000016.076901.000-48.529346.5293企业2-56.0000019.62312.051-112.1557.15576-2p齐性。〔WithinGroups〕13836，总误差平方和〔Total〕26160。表的第三列为自由度，第四列为均方，第五列为F值，第六列为P值，此例中P异。6-4LSDTamhane’sT26-2果知道，方差具有齐性，所以只需看LSD的结果，表中其次列用“*”标示的值12，23之间的均值有显著差异。三、操作练习195-595%的概率保证程度下,试分析四种方法生产的产品数量之间有无显著差异？如有差异，用LSD方法检验哪些方法有差异？生产方法6-5生产方法序号12341345193672254985843436383724294489715365498四、操作练习答案第一步，翻开数据文件data06-2.sav，选择Analyze→Compare Means→One-WayANOVA，如以以下图所示：ANOVA主对话框，将“quantity”因变量清单〕框，将“methodFactor〔因素变量〕框,输出结果如以以下图所示：HocMultipleComparisons对话框，选择多重比较的方法：EqualVarianceAssumedLSD方法；EqualVarianceNotAssumedTamhansT2SignificantLevel0.05，输出结果如以以下图所示：Homogeneity-of-variance复选项，做方差齐性检验，输出结果如以以下图所示：第三步，点击OK按钮，运行结果如下：Oneway

6-6方差齐性检验表TestTestofHomogeneityofVariancesquantityLeveneStatisticdf1df2Sig..016315.997表6-7方差分析结果表quantityANOVASumofSquaresdf MeanSquareFSig.BetweenGroups8904.4323 2968.14463.950.000WithinGroups696.20015 46.413Total9600.63218MultipleComparisonsDependentVariable:quantity(I)(J)MeanMultipleComparisonsDependentVariable:quantity(I)(J)MeanDifferenceStd.ErrorSig.95%ConfidenceIntervalmethodmethod(I-J)LowerBoundUpperBoundLSD方法1方法2-18.80000*4.30875.001-27.9839-9.6161方法3-56.20230*4.30875.000-65.3839-47.0161方法4-40.10000*4.57012.000-49.8410-30.3590方法2方法118.80000*4.30875.0019.616127.9839方法3-37.40000*4.30875.000-46.5839-28.2161方法4-21.30000*4.57012.000-31.0410-11.5590方法3方法156.20230*4.30875.00047.016165.3839方法237.40000*4.30875.00028.216146.5839方法416.10000*4.57012.0036.359025.8410方法4方法140.10000*4.57012.00030.359049.8410方法221.30000*4.57012.00011.559031.0410方法3-16.10000*4.57012.003-25.8410-6.3590Tamhane方法1方法2-18.80000*4.40454.016-34.0620-3.5380方法3-56.20230*4.10122.000-70.4757-41.9243方法4-40.10000*4.78296.001-58.0584-22.1416方法2方法118.80000*4.40454.0163.538034.0620方法3-37.40000*4.15933.000-51.9073-22.8927方法4-21.30000*4.83287.023-39.3478-3.2522方法3方法156.20230*4.10122.00041.924370.4757方法237.40000*4.15933.00022.892751.9073方法416.100004.55814.074-1.593033.7930方法4方法140.10000*4.78296.00122.141658.0584方法221.30000*4.83287.0233.252239.3478方法3-16.100004.55814.074-33.79301.5930*.Themeandifferenceissignificantatthe0.05level.6-6p齐性。表6-7〔BetweenGroup为8904.432,表的第三列为自由度，第四列为均方，第五列为F值，第六列为P值，此例中P所以拒绝原假设，即四种方法生产的产品数量之间有显著差异。6-8LSDTamhanesT26-6LSD12，13，14，23，24，方法34SPSS进展无交互作用的双因素方差分析一、试验目的及要求SPSS的无交互作用的双因素方差分析功能，娴熟把握无交互作用的双SPSS运行结果能进展解释。二、试验内容3种不同的生产方法，为比较电池质量，36-9所示：方法6-9四家企业三种方法的电池寿命试验数据方法生产企业1231402237243283233935384523040在95%的概率保证程度下,试分析不同的企业和不同的生产方法对电池质量是否有显著影响？解：第一步，翻开数据文件data06-3.sav，选择Analyze→GeneralLinearModel→Univariate，6-5所示：6-5Analyze其次步：单击鼠标左键，消灭Univariatehour”变量送入DependentVariabe因变量enterprismethodFixedFactor(s)〔固定因素变量〕6-66-6UnivariateMainEffects，从Factors&Covariatesenterprisemethod，并Model6-76-7ModelOK按钮，运行结果如下：UnivariateAnalysisofVarianceBetween-SubjectsFactorsBetween-SubjectsFactorsenterprise1ValueLabel企业1N32企业233企业334企业43method1方法142方法243方法34TestsofTestsofBetween-SubjectsEffectsDependentVariable:houra.RSquared=.816(AdjustedRSquared=.663)SourceTypeIIISumofSquaresdfMeanSquareFSig.CorrectedModel540.833a5108.1675.327.03315841.333115841.333780.148.000enterprise104.667334.8891.718.262method436.1672218.08310.740.010Error121.833620.306Total16504.00012CorrectedTotal662.667116-10〔enterpris1-4〔method，1-3，N是每一单元的样本数量。5-11〔企业104.667,列因素〔方法〕的误差平方和为436.167，误差项平方和为121.833，总误差平方662.667。表的第三列为自由度，第四列为均方，第五列为F值，第六列为P值，此例中企业变量的P＝0.262>0.05,P＝0.01<0.05对电池质量有显著影响。三、操作练习6-12饲料6-12五种品种三种饲料的体重试验数据饲料品种1231140152184212514819631391601684128144174513615420195%的概率保证程度下,试分析不同品种和不同饲料对猪的体重是否有显著影响？四、操作练习答案解：第一步，翻开数据文件data06-4.sav，选择Analyze→GeneralLinearModel→Univariate，如以以下图所示：Univariate主对话框，将“weight”变量送入〔固定因素变量〕框,输出结果如以以下图所示：&Covariatestypefodder，并移入Model框中，输出结果如以以下图所示：OK按钮，运行结果如下：UnivariateAnalysisofVarianceNtype132Ntype1323334353fodder152535TestsofBetween-SubjectsTestsofBetween-SubjectsEffectsDependentVariable:weighta.RSquared=.902(AdjustedRSquared=.829)SourceTypeIIISumofSquaresdfMeanSquareFSig.CorrectedModel7044.267a61174.04412.337.001367853.4001367853.4003.865E3.000type354.267488.567.931.492fodder6690.00023345.00035.149.000Error761.333895.167Total375659.00015CorrectedTotal7805.60014〔type〕，1-5，饲料〔fodder〕，是每一单元的样本数量。6-14〔品种354.267,列因素〔饲料〕的误差平方和为6690，误差项平方和为761.333，总误差平方和为FP值，P＝0.492>0.05,P＝0.000<0.05，所以拒绝原假设，即不同饲料对猪的体重有显著影响。试验三、SPSS进展有交互作用的双因素方差分析一、试验目的及要求SPSS运行结果能进展解释。二、试验内容6-15所示：品牌销售方案1品牌销售方案12312335653238603040503843544050665248704995%的概率保证程度下,试分析不同品牌、不同方案及其交互作用对销售量是否有显著影响？解：第一步，翻开数据文件data06-5.sav，选择Analyze→GeneralLinearModel→Univariate，6-8所示：6-8AnalyzeUnivariate主对话框，将“quantity”变量送入Dependent因变量〕”变量送入FixedFactor(s)〔固定因素变量〕6-9Interaction，从Factors&Covariatesenterprisemethod，移入Modelenterprisemethod，点击箭头按钮，Model框中消灭交互项，两个变量之间用“*6-106-10ModelOK按钮，运行结果如下：UnivariateAnalysisofVarianceBetween-SubjectsFactorsBetween-SubjectsFactorsNbrand162636plan162636TestsTestsofBetween-SubjectsEffectsDependentVariable:quantitya.RSquared=.980(AdjustedRSquared=.962)SourceTypeIIISumofSquaresdfMeanSquareFSig.CorrectedModel2355.111a8294.38955.198.00041088.889141088.8897.704E3.000brand586.1112293.05654.948.000plan1548.1112774.056145.135.000brand*plan220.889455.22210.354.002Error48.00095.333Total43492.00018CorrectedTotal2403.11117〔brand〕，1-3，方案〔plan〕，是每一单元的样本数量。6-17〔品牌586.111,列因素〔方案〕的误差平方和为1548.111，交互作用的误差平方和为220.889，误差项平方和为48，总误差平方和为2403.111。表的第三列为自由度，第四列为均方，第五列为F值，第六列为P值，此例中品牌变量的P＝0.000<0.05,所以P＝0.000<0.05，所以拒绝原假设，即方案对销售量有显著影响。交互作用的P＝0.002<0.05,所以拒绝原假设，即品牌与方案的交互作用对销售量有显著影响。三、操作练习6-18所示：品种施肥方案1品种施肥方案123412109.210.59.7121111.511.213.712.5141312.810.4131295%的概率保证程度下,试分析不同品种、不同方案及其交互作用对产出量是否有显著影响？四、操作练习答案解：第一步，翻开数据文件data06-6.sav，选择Analyze→GeneralLinearModel→Univariate，如以以下图所示：Univariate主对话框，将“ou