SPSS重复测量的多因素方差分析报告

1、概述

重复测量数据的方差分析是对同一因变量进行重复测量的一种试验设计技术。在给予一种或多种处理后，分别在不同的时间点上通过重复测量同一个受试对象获得的指标的观察值，或者是通过重复测量同一个个体的不同部位（或组织）获得的指标的观察值。重复测量数据在科学研究中十分常见。

分析前要对重复测量数据之间是否存在相关性进行球形检验。如果该检验结果为P﹥0.05，则说明重复测量数据之间不存在相关性，测量数据符合Huynh-Feldt条件，可以用单因素方差分析的方法来处理；如果检验结果P﹤0.05，则说明重复测量数据之间是存在相关性的，所以不能用单因素方差分析的方法处理数据。在科研实际中的重复测量设计资料后者较多，应该使用重复测量设计的方差分析模型。

球形条件不满足时常有两种方法可供选择：（1）采用MANOVA（多变量方差分析方法）；（2）对重复测量ANOVA检验结果中与时间有关的F值的自由度进行调整。

2、问题

新生儿胎粪吸入综合征（MAS）是由于胎儿在子宫或着生产时吸入了混有胎粪的羊水，从而导致呼吸道和肺泡发生机械性阻塞，并伴有肺泡表面活性物质失活，而且肺组织也会发生化学性炎症，胎儿出生后出现的以呼吸窘迫为主，同时伴有其他脏器受损现象的一组综合征。血管皮生长因子(vascular endothelial growth factor，VEGF)是一种有丝分裂原，它特异作用于血管皮细胞时，能够调节血管皮细胞的增殖和迁移，从而使血管通透性增加。而本实验旨在通过观察分析给予外源性肺表面活性物质治疗前后胎粪吸入综合征患儿血清中VEGF的含量变化，评价药物治疗的效果。

将收治的诊断胎粪吸入综合症的新生儿共42名。将患儿随机分为肺表面活性物质治疗组（PS组）和常规治疗组（对照组），每组各21例。PS组和对照组两组所有患儿均给予除用药外的其他相应的对症治疗。PS组患儿给予牛肺表面活性剂PS 70mg/kg治疗。采集PS 组及对照组患儿0小时，治疗后24小时和72小时静脉血2ml，离心并提取上清液后保存备用并记录血清中VEGF的含量变化情况。

结果如下：

3、统计分析

建立数据文件变量视图：

数据视图：

菜单选择：

首先进入如下对话框，在“被试因子名称”中输入“time”，“级别数”输入3，因为每个患者重复测量了3次。

后点击“添加”按钮。此时下方“定义”按钮变为可用，点击进入下列对话框：

将“group”选入“因子列表”框，t1-t3分别选入“全体变量（time）”框，如下图所示：

点击右上角“模型”按钮，进入以下对话框，选择“设定”，将“time”选入“全体模型”框，“group”选入“群体间模型”框，“构建项”选择“主效应”。下方的平方和选“类型III”，这是对于平衡数据。如果两组样本量不等，则选择“类型IV”。

点击“继续”返回，点击“绘制”按钮。进入下面对话框：将“time”选入“水平轴”，group选入“单图”，然后点击“添加”按钮，下面框中会显示“time*group”。

点击“继续”返回，点击“两两比较”按钮，将group选入右侧“两两比较检验”框中，选中复选框“LSD”。

SPSS 重复测量的多因素方差分析

1、概述 重复测量数据的方差分析是对同一因变量进行重复测量的一种试验设计技术。在给予一种或多种处理后，分别在不同的时间点上通过重复测量同一个受试对象获得的指标的观察值，或者是通过重复测量同一个个体的不同部位（或组织）获得的指标的观察值。重复测量数据在科学研究中十分常见。 分析前要对重复测量数据之间是否存在相关性进行球形检验。如果该检验结果为P﹥0.05，则说明重复测量数据之间不存在相关性，测量数据符合Huynh-Feldt条件，可以用单因素方差分析的方法来处理；如果检验结果P﹤0.05，则说明重复测量数据之间是存在相关性的，所以不能用单因素方差分析的方法处理数据。在科研实际中的重复测量设计资料后者较多，应该使用重复测量设计的方差分析模型。 球形条件不满足时常有两种方法可供选择：（1）采用MANOVA（多变量方差分析方法）；（2）对重复测量ANOVA检验结果中与时间有关的F值的自由度进行调整。 2、问题 新生儿胎粪吸入综合征（MAS）是由于胎儿在子宫内或着生产时吸入了混有胎粪的羊水，从而导致呼吸道和肺泡发生机械性阻塞，并伴有肺泡表面活性物质失活，而且肺组织也会发生化学性炎症，胎儿出生后出现的以呼吸窘迫为主，同时伴有其他脏器受损现象的一组综合征。血管内皮生长因子(vascular endothelial growth factor，VEGF)是一种有丝分裂原，它特异作用于血管内皮细胞时，能够调节血管内皮细胞的增殖和迁移，从而使血管通透性增加。而本实验旨在通过观察分析给予外源性肺表面活性物质治疗前后胎粪吸入综合征患儿血清中VEGF的含量变化，评价药物治疗的效果。 将收治的诊断胎粪吸入综合症的新生儿共42名。将患儿随机分为肺表面活性物质治疗组（PS组）和常规治疗组（对照组），每组各21例。PS组和对照组两组所有患儿均给予除用药外的其他相应的对症治疗。PS组患儿给予牛肺表面活性剂PS 70mg/kg治疗。采集PS 组及对照组患儿0小时，治疗后24小时和72小时静脉血2ml，离心并提取上清液后保存备用并记录血清中VEGF的含量变化情况。 结果如下： 3、统计分析

熟练使用SPSS进行双因素方差分析

2. 统计分析。 依次选取“Analyze”、“General Linear Model”、“Univariate” 。 图2 选择分析工具 展开对话框如下图，将x选入Dependent V ariable（因变量框），g、id 选入Fixed Factors（固定因素框）。 图3 选择变量进入右侧的分析列表

对话框右边有一排按钮Mode、Contrasts 、Plots、Post Hoc、Save 和Options,下面分别对其子对话框选项作一简单介绍: Model：指定不同的模型，除方差分析外General Linear Model可作其他统计分析； Contrasts：指定一种要用t 检验来检验的priori 对比； Plots：指定作某种图； Post Hoc：指定两两比较的方法； Save：指定将产生的一些指标保存为新的变量； Options：指定要输出的一些选项，如数据的描述方差齐性检等 单击Model 展开其子对话框如下图，最上方Specify Model 定义模型，有两个选项：Full factorial（全因子）和Custom，选取Custom（自定义），Build Terms （选取模型中各项）下方有一选项，单击下拉箭头将其展开，选择Main Effects（主效应因）（本例不考虑交互作用），再将Factors 框中的g、id 选入Model:框，按Continue返回主对话框，单击Post Hoc 按钮展开其子对话框，将g 选入Post Hoc Test for，即要做两两比较的因素框，选取SNK 即q检验，返回主对话框，单击OK 键提交执行。 图4 Model对话框设置

重复测量资料方差分析

重复测量资料方差分析 重复测量（repeated measure ）是指对同一观察对象的同一观察指标在不同时间点上进行的多次测量，用于分析该观察指标在不同时间上的变化特点。这类测量资料在临床和流行病学研究中比较常见，例如，为研究某种药物对高血压病人的治疗效果，需要定时多次测量受试者的血压，以分析其血压的变动情况。 1、 重复测量资料方差分析中自由度调整方法 1.调整系数ε的计算 有两个调整系数，第一个是Greenhouse-Geisser 调整系数)?(?εε G G -，计算公式为 ∑∑∑+---=k l k k kl kl s a s a s a s s a ] )())()(2()()[1()(?2 2 2 2 22 22 22 2ε 式中中的2 kl s 是协方差矩阵中的第k 行第l 列元素， 2 s ＝22 /)(a s k l kl ∑∑是所 有元素的总平均值，222 /)( a s s l ll kk ∑=是主对角线元素的平均值，a s s l kl k /)(2 2∑=是第k 行的平均值。ε ?的取值在1.0与1/(a -1)之间。 第2个系数是Huynh-Feldt 调整系数)(εεF H -。研究表明，当ε真值在0.7 以上时，用ε ?进行自由度调整后的统计学结论偏于保守，故Huynh 和Feldt 提出用平均调整值ε值进行调整。ε值的计算公式为 ] ?)1()1)[(1(2?)1(εε ε------= a g n a a ng 式中中的g 是对受试对象的某种特征（如年龄或性别）进行分组的组数，n 是每组的观察例数。当ε>1.0时，取ε=1.0。 2. 调整规则 只对具有重复测定性质的时间效应的F 值的自由度，和处理时间交互作用的F 值的自由度进行调整。由于F 值的有两个自由度v 1和v 2，调整的 分子自由度ενν?=1' 1 分母自由度ενν?=2' 2。具体计算时可用或ε代替。用 调整所得的'1ν及' 2ν的F 值查临界值表，得),('2 '1 νναF 。由于ε≤1.0，所以调整后的

重复测量设计资料的方差分析SPSS操作

重复测量设计资料的方差分析SPSS操作 重复测量方差分析的基本概述：被试对象在接受不同处理后，对同一因变量（测试指标）在不同时点上进行多次测量所得的资料，称为重复测量资料。这里的重复并不是单一的反复，而是在多个时点上的测量。 这种资料的特点是其定量观测指标的数值会随着时间的变化而发生动态变化，并且各时点上的数值是不满足相互独立的假设的。因此不能用方差分析的方法直接进行处理。 如果在期初、期中、期末分别测量学生的电脑能力，则这是单变量重复测量问题。如果分别在三个时期测量学生的电脑和数学成绩，则是多变量重复测量的问题。 重复测量资料的方差分析需满足的前提条件： 1、一般方差分析的正态性和方差齐性检验。 2、协方差矩阵的球形对称性或者复合对称性；需要进行球形检验，检验对 称性。原假设：协方差满足球形对称。当拒绝球形假设时，结果中还有 其他表可以检验，见例题中的分析。 被试对象处理测量时间1 2 3 4…………m 1 1 …………………………………………. 2 1 ………………………………………….. …………………………………………………………………………………………………………. N1 1 ………………………………………….. N1+1 2 …………………………………………. ………………………………………………………………………………………………………… N2 2 …………………………………………… ………. 例：为研究新减肥药和现有减肥药的效果是否不同，以及肥胖者在服药后不同时间体重的变化情况，将40名体重指标BMIF27的肥胖者随机分为两组，一组用新药，另一组用现有减肥药；坚持服药6个月，期间禁止使用任何影响体重的药物，而且被试对象行为、饮食、运动与服药前平衡期保持一致；分别测得0

重复测量的多因素方差分析

SPSS学习笔记之——重复测量的多因素方差分析[转] 1、概述 重复测量数据的方差分析是对同一因变量进行重复测量的一种试验设计技术。在给予一种或多种处理后，分别在不同的时间点上通过重复测量同一个受试对象获得的指标的观察值，或者是通过重复测量同一个个体的不同部位（或组织）获得的指标的观察值。重复测量数据在科学研究中十分常见。 分析前要对重复测量数据之间是否存在相关性进行球形检验。如果该检验结果为P﹥0.05，则说明重复测量数据之间不存在相关性，测量数据符合 Huynh-Feldt条件，可以用单因素方差分析的方法来处理；如果检验结果P﹤0.05，则说明重复测量数据之间是存在相关性的，所以不能用单因素方差分析的方法处理数据。在科研实际中的重复测量设计资料后者较多，应该使用重复测量设计的方差分析模型。 球形条件不满足时常有两种方法可供选择：（1）采用MANOVA（多变量方差分析方法）；（2）对重复测量ANOVA检验结果中与时间有关的F值的自由度进行调整。 2、问题 新生儿胎粪吸入综合征（MAS）是由于胎儿在子宫内或着生产时吸入了混有胎粪的羊水，从而导致呼吸道和肺泡发生机械性阻塞，并伴有肺泡表面活性物质失活，而且肺组织也会发生化学性炎症，胎儿出生后出现的以呼吸窘迫为主，同时伴有其他脏器受损现象的一组综合征[11]。血管内皮生长因子(vascular endothelial growth factor，VEGF)是一种有丝分裂原，它特异作用于血管内皮细胞时，能够调节血管内皮细胞的增殖和迁移，从而使血管通透性增加。而本实验旨在通过观察分析给予外源性肺表面活性物质治疗前后胎粪吸入综合征患儿血清中VEGF的含量变化，评价药物治疗的效果。 将收治的诊断胎粪吸入综合症的新生儿共42名。将患儿随机分为肺表面活性物质治疗组（PS组）和常规治疗组（对照组），每组各21例。PS组和对照组两组所有患儿均给予除用药外的其他相应的对症治疗。PS组患儿给予牛肺表面活性剂PS 70mg/kg治疗。采集PS组及对照组患儿0小时，治疗后24小时和72小时静脉血2ml，离心并提取上清液后保存备用并记录血清中VEGF的含量变化情况。 结果如下：

用SPSS进行单因素方差分析和多重比较

方差分析 方差分析可以用来检验来多个均值之间差异的显著性，可以看成是两样本t检验的扩展。统计学原理中涉及的方差分析主要包括单因素方差分析、两因素无交互作用的方差分析和两因素有交互作用的方差分析三种情况。虽然Excel可以进行这三种类型的方差分析，但对数据有一些限制条件，例如不能有缺失值，在两因素方差分析中各个处理要有相等的重复次数等；功能上也有一些不足，例如不能进行多重比较。而在方差分析方面SPSS的功能特别强大，很多输出结果已经超出了统计学原理的范围。 用SPSS检验数据分布的正态性 方差分析需要以下三个假设条件：（1）、在各个总体中因变量都服从正态分布；（2）、在各个总体中因变量的方差都相等；（3）、各个观测值之间是相互独立的。 在SPSS中我们很方便地对前两个条件进行假设检验。同方差性检验一般与方差分析一起进行，这一小节我们只讨论正态性的检验问题。 [例7.4] 检验生兴趣对考试成绩的影响的例子中各组数据的正态性。 在SPSS中输入数据（或打开数据文件），选择Analyze→Descriptive Statistics→Explore，在Explore对话框中将统计成绩作为因变量，兴趣作为分类变量（Fator），单击Plots按钮，选中“Histogram”复选框和“Normality plots with Test”，单击“Continue”按钮，在单击主对话框中的“OK”，可以得到分类别的描述统计信息。从数据的茎叶图、直方图和箱线图都可以对数据分布的正态性做出判断，由于这些内容前面已经做过讲解，这里就不再进一步说明了。 图7-2 用Expore过程进行正态性检验 top↑

SPSS重复测量方差分析报告地应用

企业销售策略改进计划中SPSS重复测量方 差分析的应用 1 相关背景 在研究中，我们经常需要对同一个观察对象进行多次观测，这样得到的数据称为重复测量资料；而对于重复测量资料进行方差分析就需要采用重复测量方差分析。重复测量方差分析与前述的方差分析最大的差别在于，它可以考察测量指标是否会随着测量次数的增加而变化，以及是否会受时间的影响。 2 问题概述 某食品公司计划改进一种食品的销售策略，提出了两种方案，并随机选择了3个销售区市场，每个市场有4个网点，并将其随机分配至两个组，施行不同的销售策略，为期2个月。表2.1为所调查网点的实施策略前1个月和实施策略的2个月的销售量（单位：千克）。通过分析说明哪种方案更加有效。 表2.1 各网点销售量统计表 市场标号网点方案销售量1 销售量2 销售量3 1 1 1 70 83 78 1 2 1 48 54 58 1 3 2 34 60 68 1 4 2 56 65 79 2 5 1 36 45 68 ……………… 3 11 2 83 87 96 3 12 2 57 78 89 3 数据特点 在用SPSS进行分析之前，我们把数据录入到SPSS中。容易发现本数据中有6个变量，分别为市场编号、网点、方案和3个销售量，且把所有变量定义为数值型。录入相关数据，录入完成后，数据如图3.1所示。

图3.1 各网点销售统计量统计数据 4 分析过程 先将以上数据做一下保存，然后展开分析，步骤如下： 1）进入SPSS 22，打开相关数据文件，选择“分析”—“一般线性模型”—“重复测量”命令，弹出如图4.1所示的对话框。 图4.1 “重复测量定义因子”对话框

spss 多因素方差分析例子

作业8：多因素方差分析 1，data0806-height是从三个样方中测量的八种草的高度，问高度在三个取样地点，以及八种草之间有无差异？具体怎么差异的？ 打开spss软件，打开data0806-height数据，点击Analyze->General Linear Model->Univariate 打开： 把plot和species送入Fixed Factor(s)，把height送入Dependent Variable，点击Model 打开：

选择Full factorial，Type III Sum of squares，Include intercept in model（即全部默认选项），点击Continue回到Univariate主对话框，对其他选项卡不做任何选择， 结果输出：

因无法计算MM e rror，即无法分开MM intercept和MM error，无法检测interaction的影响，无法进行方差分析， 重新Analyze->General Linear Model->Univariate打开： 选择好Dependent Variable和Fixed Factor(s)，点击Model打开： 点击Custom，把主效应变量species和plot送入Model框，点击Continue回到Univariate主对话框，点击Plots：

Univariate对话框，点击Options：

把OVERALL,species, plot送入Display Means for框，选择Compare main effects，Bonferroni，点击Continue回到Univariate对话框， 输出结果： 可以看到：SS species=33.165，df species=7，MS species=4.738；SS plot=33.165，df plot=7，MS plot=4.738；SS error=21.472，df error=14，MS error=1.534； Fspecies=3.089，p=0.034<0.05;Fplot=12.130,p=0.005<0.01; 所以故认为在5%的置信水平上，不同样地，不同物种之间的草高度是存在差异的。

重复测量设计的方差分析spss例析知识分享

重复测量的方差分析 重复测量方差分析的基本概述：被试对象在接受不同处理后，对同一因变量（测试指标）在不同时点上进行多次测量所得的资料，称为重复测量资料。这里的重复并不是单一的反复，而是在多个时点上的测量。 这种资料的特点是其定量观测指标的数值会随着时间的变化而发生动态变化，并且各时点上的数值是不满足相互独立的假设的。因此不能用方差分析的方法直接进行处理。 如果在期初、期中、期末分别测量学生的电脑能力，则这是单变量重复测量问题。如果分别在三个时期测量学生的电脑和数学成绩，则是多变量重复测量的问题。 重复测量资料的方差分析需满足的前提条件： 1、一般方差分析的正态性和方差齐性检验。 2、协方差矩阵的球形对称性或者复合对称性；需要进行球形检验，检验对 称性。原假设：协方差满足球形对称。当拒绝球形假设时，结果中还有其他表可以检验，见例题中的分析。 被试对象处理测量时间1 2 3 4…………m 1 1 …………………………………………. 2 1 ………………………………………….. …………………………………………………………………………………………………………. N1 1 ………………………………………….. N1+1 2 …………………………………………. ………………………………………………………………………………………………………… N2 2 …………………………………………… ………. 例：为研究新减肥药和现有减肥药的效果是否不同，以及肥胖者在服药后不同时间体重的变化情况，将40名体重指标BMIF27的肥胖者随机分为两组，一组用新药，另一组用现有减肥药；坚持服药6个月，期间禁止使用任何影响体重的药物，而且被试对象行为、饮食、运动与服药前平衡期保持一致；分别测得0周、8周、16周、24周的体重资料；试对其进行方差分析。

重复测量方差分析

1、利用SAS PROC GLM程序进行重复测量的方差分析 本手册描述了如何利用SAS PROC GLM 程序进行重复测量的方差分析，包括对象间变量（a between-subjects variable）的分析。首先解释了何时该使用改方法；描述了本手册中用到的术语；给出了研究问题；最后，用一个详细的例子阐述了如何使用改程序。 假定你知道如何书写SAS的程序和导入数据文件以及运行SAS命令。此外，我们还假定你熟悉方差分析（ANOVA）的基本方法和假定。 2、何时使用重复测量的方差分析 任何方差分析都一样，重复测量的方差分析也是用来检验平均值的差别的。当在许多不同的条件下测量随机取样的所有成员时，使用重复测量的方差分析。由于样本是依次曝光于各个条件的，所以对因变量的测量是重复的。对此使用标准的ANOVA分析是不合适的，因为它不符合标准方差分析的前提假定：数据之间的独立性。需要注意的是，有些ANOVA设计综合了重复测量因子和非重复测量因子。只要有一个重复测量因子存在，就应该考虑使用重复测量的方差分析。 使用该方法有以下几个原因： 1)、一些研究的假说要求重复测量。比如，经度研究测量几个年龄的样本成员。在这个例子中，年龄应该是重复的因子。 2)、当取样成员之间存在很大的变异时，按标准方法得到的误差变异很大。对每个取样成员的重复测量可以减小改误差变异。

3）、当取样成员不宜获取时，重复测量的设计显得经济实惠，因为每个成员都可以用来曝光于所有的条件。 4）、注意的是重复测量的方差分析不能检验随机效应！ 5)、当取样成员根据一些重要的特征配对后，也可使用重复测量方差分析。这里，每个配对的组具有相同的成员，组内每个成员都曝光于某个因子的不同的随机水平。当取样成员配对了，不同条件下的测量可以当作重复测量来看待。 比如，假定你选择了一组低气压对象，测量他们的气压水平，然后将那些具有相似气压水平的进行配对。然后给予每对中的一个成员低压处理，再次测量所有成员的低压水平。对此种情况，重复测量的方差分析是最有效的。当然，这里一个配对应当当作一个单一的取样成员。 应该认清重复测量设计和单纯的多变量设计之间的区别。对二者来说，都是多次测量取样成员，但是，在重复测量设计中，每次实验测量的是同一特征在不同条件下的数值。比如，你可以用重复测量方差分析来比较橘子树在不同年份所结的橘子的数目。测量的指标是橘子的数目，，这里的条件就是不同的年份。相反，对于多变量的设计，每次实验测量的是不同的特征。你不能够用重复测量的方差分析来比较橘子的数目、重量和价格。三个指标是数目、重量和价格，这些并不是代表不同的条件，只是不同的指标而已。 3、术语解释 对象：取样成员。

SPSS教程-多因素方差分析

多因素方差分析 多因素方差分析是对一个独立变量是否受一个或多个因素或变量影响而进行的方差分析。SPSS调用“Univariate”过程，检验不同水平组合之间因变量均数，由于受不同因素影响是否有差异的问题。在这个过程中可以分析每一个因素的作用，也可以分析因素之间的交互作用，以及分析协方差，以及各因素变量与协变量之间的交互作用。该过程要求因变量是从多元正态总体随机采样得来，且总体中各单元的方差相同。但也可以通过方差齐次性检验选择均值比较结果。因变量和协变量必须是数值型变量，协变量与因变量不彼此独立。因素变量是分类变量，可以是数值型也可以是长度不超过8的字符型变量。固定因素变量(Fixed Factor)是反应处理的因素;随机因素是随机地从总体中抽取的因素。 [例子] 研究不同温度与不同湿度对粘虫发育历期的影响，得试验数据如表5-7。分析不同温度和湿度对粘虫发育历期的影响是否存在着显著性差异。 表5-7 不同温度与不同湿度粘虫发育历期表 数据保存在“DATA5-2.SAV”文件中，变量格式如图5-1。 1）准备分析数据 在数据编辑窗口中输入数据。建立因变量历期“历期”变量，因素变量温度“A”，湿度为“B”变量，重复变量“重复”。然后输入对应的数值，如图5-6所示。或者打开已存在的数据文件“DATA5-2.SAV”。

图5-6 数据输入格式 2）启动分析过程 点击主菜单“Analyze”项，在下拉菜单中点击“General Linear Model”项，在右拉式菜单中点击“Univariate”项，系统打开单因变量多因素方差分析设置窗口如图5-7。 图5-7 多因素方差分析窗口 3）设置分析变量 设置因变量:在左边变量列表中选“历期”，用向右拉按钮选入到“Dependent Variable：”框中。 设置因素变量:在左边变量列表中选“a”和“b”变量，用向右拉按钮移到“Fixed Factor(s):”框中。可以选择多个因素变量。由于内存容量的限制，选择的因素水平组合数(单元数)应该尽量少。

SPSS学习笔记之——重复测量的多因素方差分析

SPSS学习笔记之——重复测量的多因素方差分析 1、概述 重复测量数据的方差分析是对同一因变量进行重复测量的一种试验设计技术。在给予一种或多种处理后，分别在不同的时间点上通过重复测量同一个受试对象获得的指标的观察值，或者是通过重复测量同一个个体的不同部位（或组织）获得的指标的观察值。重复测量数据在科学研究中十分常见。 分析前要对重复测量数据之间是否存在相关性进行球形检验。如果该检验结果为P﹥0.05，则说明重复测量数据之间不存在相关性，测量数据符合 Huynh-Feldt条件，可以用单因素方差分析的方法来处理；如果检验结果P﹤0.05，则说明重复测量数据之间是存在相关性的，所以不能用单因素方差分析的方法处理数据。在科研实际中的重复测量设计资料后者较多，应该使用重复测量设计的方差分析模型。 球形条件不满足时常有两种方法可供选择：（1）采用MANOVA（多变量方差分析方法）；（2）对重复测量ANOVA检验结果中与时间有关的F值的自由度进行调整。 2、问题 新生儿胎粪吸入综合征（MAS）是由于胎儿在子宫内或着生产时吸入了混有胎粪的羊水，从而导致呼吸道和肺泡发生机械性阻塞，并伴有肺泡表面活性物质失活，而且肺组织也会发生化学性炎症，胎儿出生后出现的以呼吸窘迫为主，同时伴有其他脏器受损现象的一组综合征[11]。血管内皮生长因子(vascular endothelial growth factor，VEGF)是一种有丝分裂原，它特异作用于血管内皮细胞时，能够调节血管内皮细胞的增殖和迁移，从而使血管通透性增加。而本实验旨在通过观察分析给予外源性肺表面活性物质治疗前后胎粪吸入综合征患儿血清 中VEGF的含量变化，评价药物治疗的效果。 将收治的诊断胎粪吸入综合症的新生儿共42名。将患儿随机分为肺表面活性物质治疗组（PS组）和常规治疗组（对照组），每组各21例。PS组和对照组两组所有患儿均给予除用药外的其他相应的对症治疗。PS组患儿给予牛肺表面活性剂PS 70mg/kg治疗。采集PS组及对照组患儿0小时，治疗后24小时和72小时静脉血2ml，离心并提取上清液后保存备用并记录血清中VEGF的含量变化情况。 结果如下：

spss相关分析案例多因素方差分析

本次实验采用2005年东部、中部和西部各地区省份城镇居民月平均消费类型划分的数据（课本139页），将东部、中部和西部看作三个不同总体，31个数据分别来自于这三个总体。本人对这三个不同地区的城镇居民月平均消费水平进行比较，并选取人均粮食支出、副食支出、烟酒及饮料支出、其他副食支出、衣着支出、日用杂品支出、水电燃料支出和其他非商品支出八个指标来衡量城镇居民月平均消费情况。 在进行比较分析之前，首先对个数据是否服从多元正态分布进行检验，输出结果为： 表一 如表一，因为该例中样本数n=31<2000,所以此处选用Shapiro-Wilk统计量。由正态性检验结果的sig.值可以看到，人均粮食支出、烟酒及饮料支出、其他副食支出、水电燃料支出和其他非商品支出均明显不遵从正态分布（Sig.值小于,拒绝服从正态分布的原假设），因此，在下面分析中，只对人均副食支出、衣着支出和日用杂品支出三项指标进行比较，并认为这三个变量组成的向量都遵从正态

分布，并对城镇居民月平均消费状况做出近似的度量。另外，正态性的检验还可以通过Q-Q图来实现，此时应判别数据点是否与已知直线拟合得好。如果数据点均落在直线附近，说明拟合得好，服从正态分布，反之，不服从。具体情况这里不再赘述。 下面进行多因素方差分析： 一、多变量检验 表二 由地区一栏的（即第二栏）所列几个统计量的Sig.值可以看到，无论从那个统计量来看，三个地区的城镇居民月平均消费水平都是有显著差别的（Sig.值小于，拒绝地区取值不同，对Y，即城镇居民月平均消费水平的取值没有显著影响的原假设）。 二、主体间效应检验 表三

如表三，可以看到三个指标地区一栏的（即第三栏）Sig.值分别为、、，说明三个地区在人均衣着支出指标上没有明显的差别（Sig.值大于，不拒绝地区取值不同，对指标的取值没有显著影响的原假设），反之，而在人均副食支出和日用杂品支出指标上有显著差别。 三、多重比较 表四 Contrast Results (K Matrix) 地区 Simple Contrast a Dependent Variable 人均副食支出(元/人) 人均日用杂品支出(元 /人) 人均衣着支出(元/人) Level 1 vs. Level 3 Contrast Estimate Hypothesized Value 0 0 0 Difference (Estimate - Hypothesized) Std. Error Sig. .001 .036 .517 95% Confidence Interval for Difference Lower Bound .173 Upper Bound Level 2 vs. Level 3 Contrast Estimate Hypothesized Value 0 0 0 Difference (Estimate - Hypothesized) Std. Error Sig. .668 .343 .638 95% Confidence Interval for Difference Lower Bound Upper Bound

SPSS单因素方差分析

SPSS单因素方差分析

单因素方差分析 单因素方差分析也称作一维方差分析。它检验由单一因素影响的一个(或几个相互独立的)因变量由因素各水平分组的均值之间的差异是否具有统计意义。还可以对该因素的若干水平分组中哪一组与其他各组均值间具有显著性差异进行分析，即进行均值的多重比较。One-Way ANOVA过程要求因变量属于正态分布总体。如果因变量的分布明显的是非正态，不能使用该过程，而应该使用非参数分析过程。如果几个因变量之间彼此不独立，应该用Repeated Measu re过程。 [例子] 调查不同水稻品种百丛中稻纵卷叶螟幼虫的数量，数据如表1-1所示。 表1-1 不同水稻品种百丛中稻纵卷叶螟幼虫数 水稻品种 重复 12345 14133383731 23937353934 34035353834 数据保存在“data1.sav”文件中，变量格式如图1-1。 图1-1 分析水稻品种对稻纵卷叶螟幼虫抗虫性是否存在显著性差异。

1）准备分析数据 在数据编辑窗口中输入数据。建立因变量“幼虫”和因素水平变量“品种”，然后输入对应的数值，如图1-1所示。或者打开已存在的数据文件“dat a1.sav”。 2）启动分析过程 点击主菜单“Analyze”项，在下拉菜单中点击“Compare Means”项，在右拉式菜单中点击“0ne-Way ANOVA”项，系统 打开单因素方差分析设置窗口如图1-2。 图1-2 单因素方差分析窗口 3）设置分析变量 因变量: 选择一个或多个因子变量进入“Dependent List”框中。本例选择“幼虫”。 因素变量: 选择一个因素变量进入“Factor”框中。本例选择“品种”。 4）设置多项式比较 单击“Contrasts”按钮，将打开如图1-3所示的对话框。该对话框用于设置均值的多项式比较。

SPSS多因素方差分析

体育统计与SPSS读书笔记(八)—多因素方差分析(1) 具有两个或两个以上因素的方差分析称为多因素方差分析。 多因素是我们在试验中会经常遇到的，比如我们前面说的单因素方差分析的时候，如果做试验的不是一个年级，而是多个年纪，那就成了双因素了：不同教学方法的班级，不同年级。如果再加上性别上的因素，那就成了三因素了。如果我们把实验前和试验后的数据用一个时间的变量来表示，那又多了一个时间的因素。如果每个年级都是不同的老师来上，那又多了一个老师的因素，等等等等，所以我们在设计试验的时候都要进行充分考虑，并确定自己只研究哪些因素。 下面用例子的形式来说说多因素方差分析的运用。还是用前面说单因素的例子，前面的例子说了只在五年级抽三个班进行不同教学方法的试验，现在我们还要在初二和高二各抽三个班进行不同教学方法的试验。形成年级和不同教学法班级双因素。 分析： 1.根据实验方案我们划出双因素分析的表格，可以看出每个单元格都是有重复数据(也就是不只一个数据)， 年级 不同教学方法的班级 定性班 定量班 定性定量班 五年级 (班级每个人) (班级每个人) (班级每个人) 初中二年级 (班级每个人) (班级每个人) (班级每个人) 高中二年级 (班级每个人) (班级每个人) (班级每个人) 2.因为有重复数据，所以存在在数据交互效应的可能。我们来看看交效应的含义：如果在A因素的不同水平上,B因素对因变量的影响不同,则说明A、B两因素间存在交互作用。交互作用是多因素实验分析的一个非常重要的内容。如因素间存在交互作用而又被忽视,则常会掩盖因素的主效应的显著性,另一方面,如果对因变量Y,因素A与B之间存在交互作用,则已说明这两个因素都Y对有影响,而不管其主效应是否具有显著性。在统计模型中考虑交互作用,是系统论思想在统计方法中的反映。在大多数场合,交互作用的信息比主效应的信息更为有用。根据上面的判断。根据上面的说法，我也无法判断是否有交互作用，不像身高和体重那么直接。这里假设他们之间有交互作用。

用SPSS进行单因素方差分析和多重比较

SPSS——单因素方差分析 单因素方差分析 单因素方差分析也称作一维方差分析。它检验由单一因素影响的一个(或几个相互独立的)因变量由因素各水平分组的均值之间的差异是否具有统计意义。还可以对该因素的若干水平分组中哪一组与其他各组均值间具有显著性差异进行分析，即进行均值的多重比较。One-Way ANOVA过程要求因变量属于正态分布总体。如果因变量的分布明显的是非正态，不能使用该过程，而应该使用非参数分析过程。如果几个因变量之间彼此不独立，应该用Repeated Measure 过程。 [例子] 调查不同水稻品种百丛中稻纵卷叶螟幼虫的数量，数据如表1-1所示。 表1-1 不同水稻品种百丛中稻纵卷叶螟幼虫数

图1-2 单因素方差分析窗口 3）设置分析变量 因变量:选择一个或多个因子变量进入“Dependent List”框中。本例选择“幼虫”。 因素变量:选择一个因素变量进入“Factor”框中。本例选择“品种”。 4）设置多项式比较 单击“Contrasts”按钮，将打开如图1-3所示的对话框。该对话框用于设置均值的多项式比较。 图1-3 “Contrasts”对话框 定义多项式的步骤为： 均值的多项式比较是包括两个或更多个均值的比较。例如图1-3中显示的是要求计算“1.1×mean1-1×mean2”的值，检验的假设H0：第一组均值的1. 1倍与第二组的均值相等。单因素方差分析的“0ne-Way ANOVA”过程允许进行

高达5次的均值多项式比较。多项式的系数需要由读者自己根据研究的需要输入。具体的操作步骤如下： ①选中“Polynomial”复选项，该操作激活其右面的“Degree”参数框。 ②单击Degree参数框右面的向下箭头展开阶次菜单，可以选择“Linear”线性、“Quadratic”二次、“Cubic”三次、“4th”四次、“5th”五次多项式。 ③为多项式指定各组均值的系数。方法是在“Coefficients”框中输入一个系数，单击Add按钮，“Coefficients”框中的系数进入下面的方框中。依次输入各组均值的系数，在方形显示框中形成—列数值。因素变量分为几组，输入几个系数，多出的无意义。如果多项式中只包括第一组与第四组的均值的系数，必须把第二个、第三个系数输入为0值。如果只包括第一组与第二组的均值，则只需要输入前两个系数，第三、四个系数可以不输入。 可以同时建立多个多项式。一个多项式的一组系数输入结束，激话“N ext”按钮，单击该按钮后“Coefficients”框中清空，准备接受下一组系数数据。 如果认为输入的几组系数中有错误，可以分别单击“Previous”或“Next”按钮前后翻找出错的一组数据。单击出错的系数，该系数显示在编辑框中，可以在此进行修改，修改后单击“Change”按钮在系数显示框中出现正确的系数值。当在系数显示框中选中一个系数时，同时激话“Remove”按钮，单击该按钮将选中的系数清除。 ④单击“Previous”或“Next”按钮显示输入的各组系数检查无误后，按“Con tinue”按钮确认输入的系数并返回到主对话框。要取消刚刚的输入，单击“Ca ncel”按钮；需要查看系统的帮助信息，单击“Help”按钮。 本例子不做多项式比较的选择,选择缺省值。 5）设置多重比较 在主对话框里单击“Post Hoc”按钮，将打开如图5-4所示的多重比较对话框。该对话框用于设置多重比较和配对比较。方差分析一旦确定各组均值间存在差异显著，多重比较检测可以求出均值相等的组；配对比较可找出和其它组均值有差异的组，并输出显著性水平为0.95的均值比较矩阵，在矩阵中用星号表示有差异的组。

spss多因素方差分析例子

1， data0806-height 是从三个样方中测量的八种草的高度，问高度在三个取样地点，以及 八种草之间有无差异？具体怎么差异的？ 打 开 spss 软 件 ， 打 开 data0806-height 数 据 ， 点 击 Analyze->General Linear Model->Univariate 打开： 把 plot 和 species 送入 Fixed Factor(s) ，把 height 送入 Dependent Variable ，点击 Model 打开： 选择 Full factorial ， Type III Sum of squares ， Include intercept in model (即 全部默认选项) ，点击 Continue 回到 Univariate 主对话框，对其他选项卡不做任何选 择， 结果输出： 因无法计算 ???? ??rror ，即无法分开 ???? intercept 的影响，无法进行方差分析， 重新 Analyze->General Linear Model->Univariate 打开： 选择好 Dependent Variable 和 Fixed Factor(s) 点击Custom,把主效应变量 species 和plot 送入 Model 框，点击 Continue 回到Univariate 主对话框，点击 Plots ： 把 date 送入 Horizontal Axis ，把 depth 送入 Separate Lines ，点击 Add ，点击 Continue 回到 Univariate 对话框，点击 Options ： 把 OVERALL,species, plot 送入 Display Means for 框,选择 Compare main effects , Bonferroni ,点击 Continue 回到 Univariate 对话框, 输出结果： 可以看到： SS species =, df species =7, MS species= ；SS plot =, df plot =7, MS plot= ；SS error =, df error =14, MS error= ； Fspecies= , p=<;Fplot=,p=<; 所以故认为在 5%的置信水平上,不同样地,不同物种之间的草高度是存在差异的。 该表说明： SSspecies= ,dfspecies=7 ,MSspecies= ；SSerror= ,dferror=14 ,MSerror= ； Fspecies= , p=<; 物种间存在差异： SSplot= , dfplot=7 , MSplot= ； SSerror= , dferror=14 , MSerror= ； Fplot=,p=<; 不同的物种间在差异： 由边际分布图可知：类似结论：草的高度在不同样地的条件之间有差异( Fplot=,p=< )，具 体是，样地一和样地三之间存在的差异最大；八种不同草的高度也存在差异( Fspecies= ， p=<),具体是第四 和 ???? error ，无法检测 interaction ，点击 Model 打开：

SPSS统计分析教程-多因素方差分析

SPSS统计分析教程-多因素方差分析 多因素方差分析是对一个变量是否受一个或多个因素或变量影响而进行的方差分析。SPSS 调用“Univariate”过程，检验不同水平组合之间因变量均数，由于受不同因素影响是否有差异的问题。在这个过程中可以分析每一个因素的作用，也可以分析因素之间的交互作用，以及分析协方差，以及各因素变量与协变量之间的交互作用。该过程要求因变量是从多元正态总体随机采样得来，且总体中各单元的方差相同。但也可以通过方差齐次性检验选择均值比较结果。因变量和协变量必须是数值型变量，协变量与因变量不彼此。因素变量是分类变量，可以是数值型也可以是长度不超过8 的字符型变量。固定因素变量(Fixed Factor)是反应处理的因素;随机因素是随机地从总体中抽取的因素。 [例子] 研究不同温度与不同湿度对粘虫发育历期的影响，得试验数据如表5-7。分析不同温度和湿度对粘虫发育历期的影响是否存在着显著性差异。 表5-7 不同温度与不同湿度粘虫发育历期表相对湿度（%) 温度℃ 重复 1 2 3 4 100 25 91.2 95.0 93.8 93.0 27 87.6 84.7 81.2 82.4 29 79.2 67.0 75.7 70.6 31 65.2 63.3 63.6 63.3 80 25 93.2 89.3 95.1 95.5 27 85.8 81.6 81.0 84.4 29 79.0 70.8 67.7 78.8 31 70.7 86.5 66.9 64.9 40 25 100.2 103.3 98.3 103.8 27 90.6 91.7 94.5 92.2 29 77.2 85.8 81.7 79.7 31 73.6 73.2 76.4 72.5 数据保存在“DATA5-2.SAV”文件中，变量格式如图 5-1。 1）准备分析数据在数据编辑窗口中输入数据。建立因变量历期“历期”变量，因素变量温度“A”，湿度为“B”变量，重复变量“重复”。然后输入对应的数值，如图5-6 所示。或者打开已存在的数据文件“DATA5-2.SAV”。 图5-6 数据输入格式 2）启动分析过程点击主菜单“Analyze”项，在下拉菜单中点击“General Linear Model”项，在右拉式菜单中点击“Univariate”项，系统打开单因变量多因素方差分析设置窗口如图5-7。 图5-7 多因素方差分析窗口 3）设置分析变量设置因变量： 在左边变量列表中选“历期”，用向右拉按钮选入到“Depend ent Variable：”框中。 设置因素变量： 在左边变量列表中选“a”和“b”变量，用向右拉按钮移到“Fixed Factor(s):”框中。可以选择多个因素变量。由于内存容量的限制，选择的因素水平组合数(单元数)应该尽量少。 设置随机因素变量： 在左边变量列表中选“重复”变量，用向右拉按钮移到“到Random Factor(s)”框中。可以选择多个随机变量。 设置协变量：如果需要去除某个变量对因素变量的影响，可将这个变量移到“Covariate(s)”框中。 设置权重变量：如果需要分析权重变量的影响，将权重变量移到“WLS Weight”框中。 4）选择分析模型在主对话框中单击“Model”按钮，打开“Univariate Model”对话框。见图5-8。 图5-8 “Univariate Model” 定义分析模型对话框在Specify Model 栏中，指定分析模型类型。