spss中一般线性模型课件

一般线性模型（一）2024/2/21spss中一般线性模型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2024/2/22spss中一般线性模型一、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。2024/2/23spss中一般线性模型Univariate（单因变量方差分析）基本过程2024/2/24spss中一般线性模型1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。2024/2/25spss中一般线性模型2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。2024/2/26spss中一般线性模型2.1Model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2024/2/27spss中一般线性模型Ⅱ、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）。2024/2/28spss中一般线性模型A、选择效应类型Interactin：交互效应Maineffects：主效应All2-way：所有2维交互效应All3-way：所有3维交互效应All4-Way：所有4维交互效应All5-Way：所有5维交互效应2024/2/29spss中一般线性模型B、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。2024/2/210spss中一般线性模型C、建立模型中的交互项

例如，因素有Light(F)、Device（F）、Target（F），若要求模型中包括变量Light与Device交互效应。首先定义效应类型为Interactin，然后在Factors＆Covariates框内的变量表中，用鼠标单击Device变量使其背景改变颜色，再用鼠标单击变量Light变量使其背景改变颜色；单击BuildTerm（s）栏内残数框的箭头按钮，一个交互效应出现在Model框中。模型增加了一个交互效应项：Device*Light。2024/2/211spss中一般线性模型

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。

2024/2/212spss中一般线性模型Ⅲ、选择平方和分解的方法Sumofsquares:TYPEⅠ（嵌套设计）、TYPEⅡ（平衡设计、仅主效应）、

TYPEⅢ（系统默认、最常用）TYPEIV（不完整数据）。

2024/2/213spss中一般线性模型2.2Contrasts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。2024/2/214spss中一般线性模型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。2024/2/215spss中一般线性模型2.3Plots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2024/2/216spss中一般线性模型2.4PostHoc按钮均数多重比较（事后检验）2024/2/217spss中一般线性模型2.5Save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。2024/2/218spss中一般线性模型2.5Save按钮(选择保存运算值)

PredictedValues（预测值）Unstandardized：非标准化预测值Weighted：如果在主对话框选择了WLS变量，选中该复选项将保存加权非标准化预测值StandardError：预测值的标准误

Residuals（残差栏）Unstandarized:非标准化残差Weighted:加权非标准化残差Standardized:标准化残差Studentized:学生化残差Deleted:剔除残差2024/2/219spss中一般线性模型2.5Save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2024/2/220spss中一般线性模型2.6Option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2024/2/221spss中一般线性模型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。Contrastcoefficientmatrix：变换系数矩阵或L矩阵。Homogeneitytests：方差齐性检验。SpreadVslevelplot：绘制观测量均值-标准差图、观测量均值-方差图。Residualsplot：绘制残差图。Lackoffit：检查因素和因变量间的关系是否被充分描述。Generalestimablefunction：可以根据一般估计函数自定义假设检验。对比系数矩阵的行与一般估计函数是线性组合的。2024/2/222spss中一般线性模型例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2024/2/223spss中一般线性模型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/min2024/2/224spss中一般线性模型建立数据文件：耐缺氧时间.sav.定义变量2024/2/225spss中一般线性模型建立数据文件：耐缺氧时间.sav.定义变量输入数据2024/2/226spss中一般线性模型建立数据文件：耐缺氧时间.sav.定义变量输入数据开始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup→FixedFactors2024/2/227spss中一般线性模型建立数据文件：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,Bonferroni2024/2/228spss中一般线性模型建立数据文件：耐缺氧时间.sav.定义变量输入数据开始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup→FixedFactorsPostHoc：Options：Group→DisplayMeansforDescriptiveStatistics，Homogeneitytests2024/2/229spss中一般线性模型主要结果---描述性统计量2024/2/230spss中一般线性模型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2024/2/231spss中一般线性模型方差分析的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。2024/2/232spss中一般线性模型各组总体均数的95%置信区间按方差分析中的误差均方计算的标准误2024/2/233spss中一般线性模型Bonferroni方法的P值，是校正了a后的2024/2/234spss中一般线性模型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2024/2/235spss中一般线性模型用CompareMeans→One-WayANOVA建立数据同前开始分析：analyze→CompareMeans→One-WayANOVAY→DependentListGroup→Factor2024/2/236spss中一般线性模型用CompareMeans→One-WayANOVA建立数据同前开始分析：analyze→CompareMeans→One-WayANOVAY→DependentListGroup→FactorPostHoc：LSD，Bonferroni，SNK2024/2/237spss中一般线性模型用CompareMeans→One-WayANOVA建立数据同前开始分析：analyze→CompareMeans→One-WayANOVAY→DependentListGroup→FactorPostHoc：LSD，Bonferroni，SNKOptions→Statistics→Descriptive，Homogeneitytests2024/2/238spss中一般线性模型各组总体均数的95%置信区间按各自的方差计算的标准误2024/2/239spss中一般线性模型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2024/2/240spss中一般线性模型方差分析的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2024/2/241spss中一般线性模型Bonferroni方法的P值，是校正了a后的2024/2/242spss中一般线性模型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2024/2/243spss中一般线性模型练习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5.004.785.125.145.245.234.855.185.135.165.265.214.934.894.894.985.234.985.185.075.205.165.105.154.955.214.995.255.315.192024/2/244spss中一般线性模型三、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。2024/2/245spss中一般线性模型表2生物蛋白粉、血浆蛋白粉和普通饲料饲养仔猪增重量/Kg2024/2/246spss中一般线性模型建立数据文件：仔猪增重量.sav定义变量2024/2/247spss中一般线性模型建立数据文件：仔猪增重量.sav定义变量输入数据2024/2/248spss中一般线性模型建立数据文件：仔猪增重量.sav定义变量输入数据开始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup，Block→FixedFactors2024/2/249spss中一般线性模型建立数据文件：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）2024/2/250spss中一般线性模型建立数据文件：仔猪增重量.sav定义变量输入数据开始分析：analyze→GeneralLinearModel→UnivariateY→DependentVariableGroup，B