99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話:13121318867

登錄
首頁大數(shù)據(jù)時代SPSS統(tǒng)計分析:多因素方差分析及案例
SPSS統(tǒng)計分析:多因素方差分析及案例
2017-09-22
收藏

SPSS統(tǒng)計分析:多因素方差分析及案例

多因素方差分析,用于研究一個因變量是否受到多個自變量(也稱為因素)的影響,它檢驗(yàn)多個因素取值水平的不同組合之間,因變量的均值之間是否存在顯著的差異。多因素方差分析既可以分析單個因素的作用(主效應(yīng)),也可以分析因素之間的交互作用(交互效應(yīng)),還可以進(jìn)行協(xié)方差分析,以及各個因素變量與協(xié)變量的交互作用。

根據(jù)觀測變量(即因變量)的數(shù)目,可以把多因素方差分析分為:單變量多因素方差分析(也叫一元多因素方差分析)與多變量多因素方差分析(即多元多因素方差分析)。本文將重點(diǎn)講述一元多因素方差分析,下篇文章將詳細(xì)講述多元多因素方差分析。

一元多因素方差分析:只有一個因變量,考察多個自變量對該因變量的影響。例如:分析不同品種、不同施肥量對農(nóng)作物產(chǎn)量的影響時,可將農(nóng)作物產(chǎn)量作為觀測變量,品種和施肥量作為控制變量。利用多因素方差分析方法,研究不同品種、不同施肥量是如何影響農(nóng)作物產(chǎn)量的,并進(jìn)一步研究哪種品種與哪種水平的施肥量是提高農(nóng)作物產(chǎn)量的最優(yōu)組合。

分析原理

通過計算F統(tǒng)計量,進(jìn)行F檢驗(yàn)。F統(tǒng)計量是平均組間平方和與平均組內(nèi)平方和的比。

這里,把總的影響平方和記為SST,它分為兩個部分,一部分是由控制變量引起的離差,記為SSA(組間離差平方和),另一部分是由隨機(jī)變量引起的SSE(組內(nèi)離差平方和)。即SST=SSA+SSE。組間離差平方和SSA是各水平均值和總體均值離差的平方和,反映了控制變量的影響。組內(nèi)離差平方和是每個數(shù)據(jù)與本水平組平均值離差的平方和,反映了數(shù)據(jù)抽樣誤差的大小程度。

通過F值看出,如果控制變量的不同水平對觀測變量有顯著影響,那觀測變量的組間離差平方和就大,F(xiàn)值也大;相反,如果控制變量的不同水平?jīng)]有對觀測變量造成顯著影響,那組內(nèi)離差平方和就比較大,F(xiàn)值就比較小。

同時,SPSS還會依據(jù)F分布表給出相應(yīng)的相伴概率值sig。如果sig小于顯著性水平(一般顯著性水平設(shè)為0.05、0.01、或者0.001),則認(rèn)為控制變量不同水平下各總體均值有顯著差異,反之,則不然。一般地,F(xiàn)值越大,則sig值越小。

SPSS分析案例

現(xiàn)在有一個公司員工的工資表,想看一下員工性別“gender”與接受教育年限“edu”這兩個控制變量對員工“當(dāng)前工資”的影響。采用多因素方差分析法,則要分別考慮“gender”、“edu”對“當(dāng)前工資”的影響,稱為主效應(yīng),還要考慮“gender*edu”對“當(dāng)前工資”的影響,稱為交互效應(yīng)。

(1)分析步驟:將數(shù)據(jù)導(dǎo)入SPSS后,選擇:分析—— 一般線性模型——單變量

(2)將“當(dāng)前工資”選入因變量(也就是觀測變量),將性別“gender”與受教育年限“edu”選入固定因子(也就是控制變量)。

(3)選擇“單變量”的“模型”,打開對話框后選擇“全因子”,表示方差分析的模型包括所有因素的主效應(yīng),也包括因素之間的交互效應(yīng)。然后“繼續(xù)”。

(4)打開“單變量”的“繪制”對話框,選擇“gender”為橫軸變量,選擇“edu”為分線變量,單擊“添加”,即顯示這兩個因素變量的交互作用,即 “gender*edu”這個交互作用變量。由于此例中“gender”只有兩個水平,即男、女;而“edu”有多種水平。因此,如果主效應(yīng)顯著,則表明因素兩種或多種水平之間存在顯著性差異。事后可以繼續(xù)對同一因素多個水平之間的均值差異進(jìn)行比較,該過程稱為多重比較。

但實(shí)際上如果主效應(yīng)和交互效應(yīng)都達(dá)到顯著,我們更關(guān)心在多因素交互作用下,因變量有什么影響。

因此,如果交互效應(yīng)顯著的話,通常需要進(jìn)行簡單效應(yīng)檢驗(yàn)。所謂簡單效應(yīng)檢驗(yàn),是指一個因素的水平在另一個因素的某個因素的某個水平上的變異。例如我們本例中的,如果gender與edu之間存在顯著的交互作用,我們可以檢驗(yàn)當(dāng)gender為“女”時,edu的各個水平之間的差異,稱為edu在“女”性水平上的簡單效應(yīng);以及在“男”性水平上edu各水平之間的差異,稱為edu在“男”性水平上的簡單效應(yīng)。簡單效應(yīng)檢驗(yàn),實(shí)際上是把其中一個自變量固定在某一個特定的水平上,考察另一個自變量對因變量的影響。簡單效應(yīng)檢驗(yàn)在SPSS里是用一個“MANOVA”命令來實(shí)現(xiàn)的。同理,當(dāng)我們檢驗(yàn)三個自變量時,若這些自變量之間的交互作用顯著,需要進(jìn)行簡單簡單效應(yīng)檢驗(yàn),即一個因素的水平在另外兩個因素的水平結(jié)合上的效應(yīng)。也就是把兩個因素固定在各自的某一個水平上,考察第三個因素對因變量的影響。也是用“MANOVA”命令來實(shí)現(xiàn)的。我們觀察簡單效應(yīng)顯著與否,是通過F值與sig值來看的,一般用sig值與我們設(shè)定的一個數(shù)值(0.05、0.01、或者0.001)來比較,若sig值大于該數(shù)值,說明簡單效應(yīng)不顯著;反之,若sig值小于該數(shù)值,說明簡單效應(yīng)顯著。

(5)打開“選項(xiàng)”對話框,將左邊三個控制變量均移入右邊,“顯示均值”,同時選中“描述統(tǒng)計”,選中“比較主效應(yīng)”。

(6)點(diǎn)擊“確定”以后,就會在SPSS查看器里顯示出結(jié)果。其中,最上面的那部分代碼是我們所做的操作在SPSS里具體實(shí)現(xiàn)的步驟的代碼。下面的表格是我們想要的結(jié)果,從表格里得出結(jié)論。

(7)從下面的“主體間效應(yīng)的檢驗(yàn)”表格里,我們比較性別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sig<0.05。而gender與gender*edu的sig值都大于0.05,得出結(jié)論:“gender”的主效應(yīng)未達(dá)到顯著,而“edu”的主效應(yīng)達(dá)到顯著,gender與edu的交互效應(yīng)未達(dá)到顯著(當(dāng)交互效應(yīng)達(dá)到顯著時,進(jìn)而可以進(jìn)行簡單效應(yīng)檢驗(yàn)結(jié)果),就不需要進(jìn)行簡單效應(yīng)檢驗(yàn)。則該公司員工“受教育程度”對員工“當(dāng)前工資”的影響顯著,而“性別”對“當(dāng)前工資”的影響不明顯。

(8)下圖為均值分布圖,即為兩因素edu與gender作用下,因變量員工工資的均值分布情況。通常,若交互效應(yīng)不顯著時,圖中的因素分布線均為平行線;若交互效應(yīng)顯著,圖中的因素分線不平行。此圖中,將性別“gender”作為橫軸變量,觀察接受教育年限“edu”對因變量“當(dāng)前工資”的影響。

圖中得出結(jié)論:當(dāng)受教育年限為20年,一般為研究生水平的時候,男女工資差別不大;受教育年限為14年,一般為專科生水平,男女工資差別不明顯。但當(dāng)受教育年限為8年、17年的時候,男女工資差別尤其明顯。

推薦學(xué)習(xí)書籍
《CDA一級教材》適合CDA一級考生備考,也適合業(yè)務(wù)及數(shù)據(jù)分析崗位的從業(yè)者提升自我。完整電子版已上線CDA網(wǎng)校,累計已有10萬+在讀~

免費(fèi)加入閱讀:https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0

數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1:配置參數(shù) // 參數(shù)2:回調(diào),回調(diào)的第一個參數(shù)驗(yàn)證碼對象,之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個配置參數(shù)為必須,不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式,包括:float,popup width: "280px", https: true // 更多配置參數(shù)說明請參見:http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'!'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'!'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }