spss之征服线性模型张文彤

精品文档---下载后可任意编辑（医学统计之星：张文彤）上次更新日期：8.1 两因素方差分析8.1.1 univarate 对话框界面说明8.1.2 结果解释8.2 协方差分析8.2.1 分析步骤8.2.2 结果解释8.3 其他较简单的方差分析问题8.4 多元方差分析 8.4.1 分析步骤 8.4.2 结果解释 8.5 重复测量的方差分析 8.5.1 Repeated measures 对话框界面说明 8.5.2 结果解释 §8.4 多元方差分析所谓的多元方差分析，就是说存在着不止一个应变量，而是两个以上的应变量共同反映了自变量的影响程度。比如要讨论某些因素对儿童生长的影响程度，则身高、体重等都可以作为生长程度的测量因子，即都应作为应变量。8.4.1 分析步骤为了方便起见，我们这里直接利用 SPSS 自带的数据集 plastic.sav，假设tear_res、gloss 和 opacity 都使反应橡胶质量的指标（不要笑，是假设），现在要讨论extrusn 和 additive 对橡胶的质量影响如何，则应采纳多元方差分析。选择 Analyze==>General Linear Model==>Multivariate，则弹出 Multivariate对话框，请注意，除了没有 random effect 外，它的所有元素都是和 univariate 对话框相同的，里面的内容也相同，因此我们这里就不再重复了。根据我们的分析要求，对话框操作步骤如下：1.Analyze==>General Lineal model==>Multivariate 2.Dependent Variable 框：选入 tear_res、gloss 和 opacity 3.Fixed Factors 框：选入 extrusn 和 additive 4.单击 OK 此处两个自变量均是二分类变量，故无需选择两两比较方法。8.4.2 结果解释按上面的选择，分析结果如下：General Linear Model这是引入模型的自变量的取值情况列表。精品文档---下载后可任意编辑上表是针对模型中的自变量间及其交互作用所做的检验，采纳的是四种多元检验方法。一般他们的结果都是相同的，假如不同，一般以 Hotelling's Trace 方法的结果为准。可见在所用的模型中，extrusn 和 additive 对结果变量是有统计学意义的，但交互作用无统计学意义。上表实际上是四个一元方差分析表的合并，即分别考虑四个应变量时的方差分析结果。上面的多元方差分析已经得知两自变量对应变量有影响，从现在的分析表就可以更清楚的知道是对那些自变量影响较大。对比可知，extrusn 和 additive 对 tear resistance 和 gloss 都有较大影响，而他们的交互作用对 gloss 有影响，他们（及交互作用）对 Opacity 都没有影响。精...