
SPSS分析技術(shù):單因素方差分析結(jié)果的模型解讀
SPSS的方差分析過(guò)程就是以方差分析模型的形式進(jìn)行計(jì)算和結(jié)果輸出的。下面我們將以單因素方差分析為例,介紹單因素方差分析結(jié)果的模型函數(shù)解讀。幫助大家充分理解方差分析的深層模型含義。首先回顧方差分析的常用步驟:
1、方差齊性檢驗(yàn);
2、計(jì)算各項(xiàng)平方和與自由度;
3、列出方差分析表,進(jìn)行F檢驗(yàn),并依據(jù)F值對(duì)應(yīng)的p值做出判斷;
4、事后多重比較;
為了便于理解,先回顧單因素方差分析模型。假設(shè)因素為職業(yè);因變量為工資收入,那么單因素方差分析模型可以表示為:
案例分析
我們直接用SPSS進(jìn)行單因素方差分析,并對(duì)結(jié)果進(jìn)行模型解讀。某汽車(chē)4S店希望比較4個(gè)品牌輪胎的耐磨性,分別從4個(gè)品牌的輪胎中抽取了5個(gè)樣品,在相同的轉(zhuǎn)速下磨損相同時(shí)間,測(cè)量其被磨損的深度(mm),數(shù)據(jù)如下圖所示:
操作步驟
1、選擇菜單【分析】-【一般線(xiàn)性模型】-【單變量】。如下圖所示,在跳出的對(duì)話(huà)框中,將磨損深度選為因變量,將輪胎品牌選為固定因子。點(diǎn)擊【事后多重檢驗(yàn)】按鈕,在跳出的對(duì)話(huà)框中,將輪胎品牌選入事后檢驗(yàn)的框內(nèi),表示要對(duì)不同品牌的輪胎磨損程度進(jìn)行兩兩比較,確定磨損程度的高低。在假定方差齊性區(qū)域選擇LSD和S-N-K作為事后多重檢驗(yàn)的檢驗(yàn)方式。
2、點(diǎn)擊【選項(xiàng)】按鈕;將輪胎品牌選入顯示平均值框;在輸出區(qū)域選擇描述統(tǒng)計(jì)、同質(zhì)性檢驗(yàn)、參數(shù)估計(jì)和對(duì)比系數(shù)矩陣。
3、點(diǎn)擊確定,輸出結(jié)果。
結(jié)果的模型解讀
1、描述性統(tǒng)計(jì)結(jié)果;
上表是4組數(shù)據(jù)的描述性統(tǒng)計(jì)結(jié)果,它給出了樣本均數(shù)和標(biāo)準(zhǔn)差。從標(biāo)準(zhǔn)差可知除D品牌較小外,其余三組標(biāo)準(zhǔn)差非常接近,至于有無(wú)方差不齊的問(wèn)題需要看隨后的齊性檢驗(yàn)結(jié)果。
上表是方差齊性檢驗(yàn)結(jié)果,用來(lái)檢驗(yàn)4組樣本的方差是否存在顯著性差異。從結(jié)果可知,Levene方差齊性檢驗(yàn)的F統(tǒng)計(jì)量為1. 292,在當(dāng)前自由度下對(duì)應(yīng)的P值為0. 311,可以認(rèn)為4組樣本所代表總體的方差齊。
2、方差分析表
第一行“修正的模型”進(jìn)行的是整個(gè)方差分析模型的檢驗(yàn),其原假設(shè)為:模型中所有的因素均對(duì)因變量無(wú)影響,所有的因素系數(shù)均等于0。F值為24.550,P<0. 001,因此所用的模型有統(tǒng)計(jì)學(xué)意義,其中有的因素系數(shù)不等于0。由于當(dāng)前方差分析模型中只有輪胎品牌這一個(gè)因素,因此該結(jié)論等于說(shuō)不同品牌輪胎的磨損有差異。
第二行是截距,其原假設(shè)為u=0(回顧上方方差分析模型),即不考慮品牌時(shí),所有輪胎的平均磨損深度等于0,顯然檢驗(yàn)結(jié)果拒絕了該假設(shè),但由于截距在這里沒(méi)有實(shí)際意義,可以忽略。
第三行開(kāi)始對(duì)模型中各因素進(jìn)行檢驗(yàn),由于本模型中只有一個(gè)因素,因此只能見(jiàn)到對(duì)因素輪胎品牌的檢驗(yàn),其原假設(shè)為:輪胎品牌這一因素均對(duì)輪胎磨損深度沒(méi)有影響,因素系數(shù)等于0(回顧方差分析模型)。檢驗(yàn)F值和P值均與第一行的檢驗(yàn)結(jié)果相同,結(jié)論也完全等價(jià)。
3、模型參數(shù)的估計(jì)
上表是模型各參數(shù)的估計(jì)值,截距就是總的平均磨損深度,估計(jì)值為2.572,表示不考慮品牌時(shí),輪胎的平均磨損深度為2.572mm。從第二行開(kāi)始就是對(duì)各品牌參數(shù)的估計(jì),四個(gè)輪胎品牌對(duì)應(yīng)4個(gè)參數(shù),由于這些參數(shù)之間存在數(shù)量上的關(guān)聯(lián),必須要加上一定的限制條件才能進(jìn)行估計(jì),在本例中,模型默認(rèn)將編號(hào)取值最高的品牌D作為參照水平,這相當(dāng)于強(qiáng)迫a4=0,另外三個(gè)品牌參數(shù)的估計(jì)值和檢驗(yàn)結(jié)果實(shí)際上就等于該品牌和品牌D相比的結(jié)果,例如,品牌A的參數(shù)等于A組均值減去D組均值2.41-2.572=- 0.162??梢?jiàn)A,B,C的參數(shù)均小于0且有統(tǒng)計(jì)學(xué)意義,即它們的磨損深度均小于品牌D。
4、LSD事后多重檢驗(yàn);也稱(chēng)為兩兩比較;
LSD法的輸出結(jié)果實(shí)際上是要求將各組均值和一個(gè)參照組進(jìn)行比較。SPSS假設(shè)每一個(gè)輪胎品牌都有可能成為參照,讓其他組都和該參照組進(jìn)行比較。表中給出了兩個(gè)輪胎組之間的平均值差異、差值的標(biāo)準(zhǔn)誤,95%置信區(qū)間以及檢驗(yàn)的P值。I表示參照組,J表示對(duì)比組。檢驗(yàn)結(jié)果顯示輪胎品牌C和D都與另外三個(gè)輪胎品牌有差異,而輪胎品牌A和B之間沒(méi)有差異。
5、S-N-K事后多重檢驗(yàn);
LSD法的分析結(jié)果并不太容易閱讀,相對(duì)而言,SNK法的兩兩比較結(jié)果則要清楚得多。首先SNK會(huì)將各組按照平均值大小排序,上表是按照CBAD的順序進(jìn)行排序;隨后,表格將四個(gè)輪胎品牌分成3個(gè)子集,同一子集內(nèi)的兩組平均值兩兩無(wú)差別。第一子集僅由品牌C組成,是磨損深度最低的子集;第二子集由品牌B和A組成,磨損深度居中;第三子集由品牌D組成,磨損情況最為嚴(yán)重。最后一行給出的是子集內(nèi)部各品牌進(jìn)行比較的結(jié)果,因第一子集和第四自己都僅有一個(gè)品牌,因此其p值等于1,第二子集中品牌B和A比較的P值等于0.926,表示兩品牌輪胎的磨損深度沒(méi)有顯著性差異。
數(shù)據(jù)分析咨詢(xún)請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢(xún)效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話(huà)題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類(lèi)型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專(zhuān)業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專(zhuān)業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶(hù)體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷(xiāo)案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷(xiāo)成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類(lèi)分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類(lèi)分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10