SPSS :单因素方差分析单因素方差分析原理单因素方差分析的SPSS操作==step1==创建数据文件==step2==命令选项==step3==选择变量==step4==对应的设置(1)
方差分析
方差分析是一种假设检验，将观测到的总变异平方和和自由度分解为不同变异源对应的平方和和自由度，比较一个控制因素引起的系统误差和其他随机性误差，估计各组样本之间是否存在显著差异，分析该因素对整体是否有显著影响。 方差分析法使用方差平方和测量退化，分解可以从总方差平方和追溯到特定起源的部分方差平方和。 方差分析要求样本满足以下条件：
可比性资料中各组平均数本身必须是可比较的，这是方差分析的前提；正态性:方差分析要求样本来源于整个正态分布，而方差分析不适用于正态分布数据。 偏差分布资料应考虑采用对数变换、平方根变换、倒数变换、平方根反正弦变换等变量变换方法取正态或接近正态后再进行方差分析；方差齐性:方差分析要求各组之间满足相同的方差，即方差齐性。 单因素方差分析单因素方差分析用于分析受单个控制变量影响的多组样本的平均值是否存在显著差异。
单因素方差分析原理单因素方差分析又称一维方差分析，用于分析单个控制因素取不同水平时变量平均值是否存在显著性差异。 单因子方差分析基于这样的假设：各观测量具有彼此独立的正态样本和来自不同级别的控制变量的组之间的方差相等。 单因素方差分析将所有方差分为该因子可解释的系统性偏差部分和该因子不可解释的随机性偏差，如果系统性偏差明显超过随机性偏差，则认为该控制因子在取不同水平时因变量均值不同而存在显著差异
单因素方差分析的SPSS操作示例：
step1创建数据文件用SPSS创建数据文件
step2命令选项从菜单栏中选择“分析”“比较平均值”“单元素ANOVA检查”命令，打开如图所示的“单元素ANOVA检查”对话框。
step3选择变量“因变量列表”列表框:此列表框中的变量是进行方差分析的目标变量，称为原因变量。 原因变量一般为度量变量，类型为数值类型。“因子”列表框:此列表框中的变量是因子变量，也称为参数，主要用于分组。 比较两种教学方法下学生数学成绩是否一致，数学成绩变量是因子变量，教学方法是因子变量。 自变量是分类变量，其取值可以是数字，也可以是字符串。 变量值必须是整数，并且必须是有限类别。
在此问题中，必须将“重量”选择为“因素变量列表”列表框，将“机器”选择为因素，并将“因素”列表框，如图所示。
step4进行相应的设置(一)“比较”设置“多项式”复选框：
使用此复选框可以将组之间的平方和分为趋势分量，并指定预比较，以便按因子进行趋势分析。 选中“多项式”复选框可激活“等级”下拉列表框，以便为趋势分析指定多项式格式，如路线、二次、多维数据集、四次和五次。“系数”文本框：
此文本框用于比较组之间的平均值，即指定的t统计检验的预比较。 在因子变量的每个组(类别)中输入因子，输入后每次单击“添加”按钮时，每个新值都会添加到因子列表框的底部。 要指定其他比较组，请单击“下一步”按钮。 使用“下一个”和“上一个”按钮在各组的对比度之间移动。 系数的顺序很重要，因为它对应于系数变量类值的升序。 列表框中的第一个系数对应于系数变量的最低组中的值，最后一个系数对应于最高值。
在主题中，选中了“多项式”复选框，并将“级别”设置为“路线”。
(二)“两两比较”设置“假定等方差”选项组。 该选项组主要用于在假设的等方差下进行两范围检测和对多比较，共有14种检测方法3358www.Sina.com/选项组。
该选项组主要用于在不假设方差的情况下进行2、2范围的检查和对多比较，选项组包含4个复选框： Tamheny T2，表示选中该复选框将输出基于t检查的保守比较结果喜欢的魔镜T3，选中此复选框表示将执行学生化最大值模块的配对比较检查。 jmdwd，选中此复选框可执行方差不均匀的配对比较检查，表明该方法很常见。 喜欢的镜像c选中此复选框以指示将执行基于学生化范围的配对比较检查。“不假定等方差”文本框：
此文本框允许您指定两个范围的检查和配对多重比较检查的显著级别。 输入范围为0.05到0.05，系统默认值为0.05。 正题选中了“邦弗莱尼”复选框。
(三)“选项”设置“显著性水平”选项组：
此选项组主要用于指定输出统计信息，例如：
“统计”:表示按因素变量输出案例数、平均值、标准偏差、平均标准误差、最小值、最大值、95%的置信区间。
②固定和随机效应：表示把数据看作面板数据进行回归，以计算固定效应模型的标准差、标准误和95%置信区间，以及随机效应模型的标准误、95%置信区间和成分间方差估计。③方差齐性检验：即bzdrs方差齐性检验。
④yydyx：表示计算yydyx统计量以检验组均值是否相等，特别是当bzdrs方差齐性检验显示方差不等时，该统计量优于F统计量。
⑤辛勤的板栗：计算Welch统计量以检验组均值是否相等，与yydyx类似，当bzdrs方差齐性检验显示方差不等时，该统计量优于F统计量。
“缺失值” 选项组：
该选项组主要用于当检验多个变量，有一个或多个变量的数据缺失时，可以指定检验剔除哪些个案，有两种方法：
①按具体分析排除个案：表示给定分析中的因变量或因子变量有缺失值的个案不用于该分析，也不使用超出因子变量指定范围的个案。
②成列排除个案：表示因子变量有缺失值的个案，或者在主对话框“因变量列表”列表框中缺失的个案都排除在所有分析之外。如果尚未指定多个因变量，那么这个选项不起作用。
“平均值图” 复选框：
该复选框用于绘制每组的因变量平均值分布图，组别是根据因子变量控制的。
在本题中，选择了“方差齐性检验”和“平均值图”。
单击“确定”按钮，即可在SPSS Statistics查看器窗口得到单因素方差分析的结果。
上图输出结果中给出了方差齐性检验的结果，从中可以看出，bzdrs方差齐性检验的显著性为0.839，大于显著水平0.05，因此基本可以认为样本数据之间的方差是齐次的。
上图是单因素方差分析的结果，从中可以看出，组间平方和是176.533、组内平方和是22.800，其中组间平方和的F值为46.456，显著性是0.000，小于显著水平0.05，因此我们认为不同的机器类型对产品重量有显著的影响。
另外，这个表中也给出了线性形式的趋势检验结果，组间重量被机器类型所能解释（对比）的部分是48.400，被其他因素解释（偏差）的有128.133，并且组间重量被其他因素所能解释的部分是非常显著的。
上图给出了多重比较的结果，*表示该组均值差是显著的。因此，从中可以看出，机器1和机器2、机器3的产品重量均值差是非常明显的。另外，还可以得到每组之间均值差的标准误差、置信区间等信息。
上图给出了各组的均值图。从图中可以清楚地看到不同的机器类型对应的不同的产品质量均值。可见，机器1的产品重量最低，且与其他两组的质量均值相差较大，这个结果和多重比较的结果非常一致。