在iis里面创建网站,北京海淀建设银行网点查询,wordpress培训机构主题,建设购物网站的意义#xff0d; 点击上方“中国统计网”订阅我吧#xff01;#xff0d;多因素方差分析#xff0c;用于研究一个因变量是否受到多个自变量(也称为因素)的影响#xff0c;它检验多个因素取值水平的不同组合之间#xff0c;因变量的均值之间是否存在显著的差异。多因素方差分… 点击上方“中国统计网”订阅我吧多因素方差分析用于研究一个因变量是否受到多个自变量(也称为因素)的影响它检验多个因素取值水平的不同组合之间因变量的均值之间是否存在显著的差异。多因素方差分析既可以分析单个因素的作用(主效应)也可以分析因素之间的交互作用(交互效应)还可以进行协方差分析以及各个因素变量与协变量的交互作用。根据观测变量(即因变量)的数目可以把多因素方差分析分为单变量多因素方差分析(也叫一元多因素方差分析)与多变量多因素方差分析(即多元多因素方差分析)。本文将重点讲述一元多因素方差分析下篇文章将详细讲述多元多因素方差分析。一元多因素方差分析只有一个因变量考察多个自变量对该因变量的影响。例如分析不同品种、不同施肥量对农作物产量的影响时可将农作物产量作为观测变量品种和施肥量作为控制变量。利用多因素方差分析方法研究不同品种、不同施肥量是如何影响农作物产量的并进一步研究哪种品种与哪种水平的施肥量是提高农作物产量的最优组合。01分析原理通过计算F统计量进行F检验。F统计量是平均组间平方和与平均组内平方和的比。这里把总的影响平方和记为SST它分为两个部分一部分是由控制变量引起的离差记为SSA(组间离差平方和)另一部分是由随机变量引起的SSE(组内离差平方和)。即SSTSSASSE。组间离差平方和SSA是各水平均值和总体均值离差的平方和反映了控制变量的影响。组内离差平方和是每个数据与本水平组平均值离差的平方和反映了数据抽样误差的大小程度。通过F值看出如果控制变量的不同水平对观测变量有显著影响那观测变量的组间离差平方和就大F值也大相反如果控制变量的不同水平没有对观测变量造成显著影响那组内离差平方和就比较大F值就比较小。同时SPSS还会依据F分布表给出相应的相伴概率值sig。如果sig小于显著性水平(一般显著性水平设为0.05、0.01、或者0.001)则认为控制变量不同水平下各总体均值有显著差异反之则不然。一般地F值越大则sig值越小。02SPSS分析案例现在有一个公司员工的工资表想看一下员工性别“gender”与接受教育年限“edu”这两个控制变量对员工“当前工资”的影响。采用多因素方差分析法则要分别考虑“gender”、“edu”对“当前工资”的影响称为主效应还要考虑“gender*edu”对“当前工资”的影响称为交互效应。(1)分析步骤将数据导入SPSS后选择分析—— 一般线性模型——单变量(2)将“当前工资”选入因变量(也就是观测变量)将性别“gender”与受教育年限“edu”选入固定因子(也就是控制变量)。(3)选择“单变量”的“模型”打开对话框后选择“全因子”表示方差分析的模型包括所有因素的主效应也包括因素之间的交互效应。然后“继续”。(4)打开“单变量”的“绘制”对话框选择“gender”为横轴变量选择“edu”为分线变量单击“添加”即显示这两个因素变量的交互作用即 “gender*edu”这个交互作用变量。由于此例中“gender”只有两个水平即男、女而“edu”有多种水平。因此如果主效应显著则表明因素两种或多种水平之间存在显著性差异。事后可以继续对同一因素多个水平之间的均值差异进行比较该过程称为多重比较。但实际上如果主效应和交互效应都达到显著我们更关心在多因素交互作用下因变量有什么影响。因此如果交互效应显著的话通常需要进行简单效应检验。所谓简单效应检验是指一个因素的水平在另一个因素的某个因素的某个水平上的变异。例如我们本例中的如果gender与edu之间存在显著的交互作用我们可以检验当gender为“女”时edu的各个水平之间的差异称为edu在“女”性水平上的简单效应以及在“男”性水平上edu各水平之间的差异称为edu在“男”性水平上的简单效应。简单效应检验实际上是把其中一个自变量固定在某一个特定的水平上考察另一个自变量对因变量的影响。简单效应检验在SPSS里是用一个“MANOVA”命令来实现的。同理当我们检验三个自变量时若这些自变量之间的交互作用显著需要进行简单简单效应检验即一个因素的水平在另外两个因素的水平结合上的效应。也就是把两个因素固定在各自的某一个水平上考察第三个因素对因变量的影响。也是用“MANOVA”命令来实现的。我们观察简单效应显著与否是通过F值与sig值来看的一般用sig值与我们设定的一个数值(0.05、0.01、或者0.001)来比较若sig值大于该数值说明简单效应不显著反之若sig值小于该数值说明简单效应显著。(5)打开“选项”对话框将左边三个控制变量均移入右边“显示均值”同时选中“描述统计”选中“比较主效应”。(6)点击“确定”以后就会在SPSS查看器里显示出结果。其中最上面的那部分代码是我们所做的操作在SPSS里具体实现的步骤的代码。下面的表格是我们想要的结果从表格里得出结论。(7)从下面的“主体间效应的检验”表格里我们比较性别gender、受教育程度edu、及gender*edu交互作用的F值及sig值看到edu的F值最大sig值最小且sig0.05。而gender与gender*edu的sig值都大于0.05得出结论“gender”的主效应未达到显著而“edu”的主效应达到显著gender与edu的交互效应未达到显著(当交互效应达到显著时进而可以进行简单效应检验结果)就不需要进行简单效应检验。则该公司员工“受教育程度”对员工“当前工资”的影响显著而“性别”对“当前工资”的影响不明显。(8)下图为均值分布图即为两因素edu与gender作用下因变量员工工资的均值分布情况。通常若交互效应不显著时图中的因素分布线均为平行线若交互效应显著图中的因素分线不平行。此图中将性别“gender”作为横轴变量观察接受教育年限“edu”对因变量“当前工资”的影响。图中得出结论当受教育年限为20年,一般为研究生水平的时候男女工资差别不大受教育年限为14年一般为专科生水平男女工资差别不明显。但当受教育年限为8年、10年、12年、17年的时候男女工资差别较大尤其为8年、17年的时候男女工资差别尤其明显。End.来源SPSS科研统计零基础入职数据分析就业班课程的形式主要是“直播录播”报名专享课程项目作业1v1班主任监督学习爱数据学院学员专属网站班级答疑群课程结束后能熟练掌握SQL、Python、Excel、PPT等工具适合人群1.转行(岗位相关专业相关、对数据分析感兴趣)2.从事数据分析工作但是需要提升技能以及增加实战经验3.应届毕业生入职数据分析
