如何用spss进行F检验

1、直接用spss打开相关窗口，选择分析→比较均值→单因素ANOVA进入。

2、下一步，需要将观察值和行业分别添加到因变量列表和因子中去。

3、这个时候可以点击选项，通过d出的对话框来确定勾选方差质性检验。

4、这样一来会得到相应的检验结果，即可进行F检验了。

方差分析过程还是回归过程的异方差，这时候要求数据独立、分布正态、各总体方差相等3个条 件都不能少，因为下面要进行F检验，要计算显著性。 

因为方差分析过程一般要求方差齐，所以存在异方差最好能进行调整，SPSS中提供了更为简便的方法，在同一菜单中的Post Hoc中提供了方差齐（Equal Variances）假设和方差不齐（Equal Variances not）假设下各自适用的分析方法，方差不齐时就选用下面的几种来实现。

原理

方差分析的基本原理是认为不同处理组的均数间的差别基本来源有两个：

(1) 实验条件，即不同的处理造成的差异，称为组间差异。用变量在各组的均值与总均值之偏差平方和的总和表示，记作SSb，组间自由度dfb。

(2) 随机误差，如测量误差造成的差异或个体间的差异，称为组内差异，用变量在各组的均值与该组内变量值之偏差平方和的总和表示， 记作SSw，组内自由度dfw。

百度百科-方差分析

方差齐性检验是方差分析的重要前提，是方差可加性原则应用的一个条件。
方差齐性检验是对两样本方差是否相同进行的检验。
方差齐性检验和两样本平均数的差异性检验在假设检验的基本思想上是没有什么差异性的。只是所选择的抽样分布不一样。方差齐性检验所选择的抽样分布为F分布。
楼主如果是在
SPSS里 *** 作的话，就按下面的步骤
打开分析——均值分析——单因素方差分析——Options，在Homogeneity
of
variance前打钩就可以了结果中看这个检验值是不是大于005，如果是酒说明接受原假设，可以进行方差检验。之后看方差检验的检验值，看是否大于005，如果是则说明不显著，反之就显著

one-way ANOVA方差分析项的post Hoc test分别有二选项:1假设方差齐时有一系列的分析方法可选2假设方差不齐时又有一系列的分析方法可选
再者,为保证统计准确,如果方差不齐,可以进行对数,倒数或函数的转换,选择适当的转换形式,直到齐性检验变为不显著
如果还不行就只能用非参数的单因素分析如果非要进行方差分析则需要把means±SD范围外的数据剔除
实际 *** 作中对方差齐性等适用条件的把握:
1单因素方差分析:根据BOX的研究结果,在单因素方差分析中,如果各组的例数相同(即均衡),或总体呈正态分布,则方差分析模型对方差略微不齐有一定的耐受力,只要最大与最小方差之比小于3,分析结果都是稳定的
2单元格内无重复数据的方差分析分析:以配伍设计的方差分析最为典型,此时不需要考虑正态性和方差齐性问题,原因在于正态性和方差齐性的考察是以单元格为基本单位的,此时每个格子中只有一个元素,当然没法分析了除配伍设计的方差分析外,交叉设计,正交设计等也可以出现无重复数据的情况但必须指出,这里只是因条件不足,无法考察适用条件,而不是说可以完全忽视这两个问题如果根据专业知识认为可能在不同单元格内正态性,方差齐性有问题,则应当避免使用这种无重复数据的设计方案
3有重复数据的多因素方差分析：由于正态性,方差齐性的考察以单元格为基本单位,此时单元格数目往往很多,平均每个单元格内的样本粒数实际上比较少此时实际上很难检验出差别；另一方面,也可能只是因为极个别单元格方差不齐而单质检验不能通过根据实际经验,实际在多因素方差分析中,极端值的影响远远大于方差齐性等问题的影响,因此实际分析中可以直接考察因变量的分布情况,如果数据分布不是明显偏态,不存在极端值,而一般而言方差齐性和正态齐性不会有太大问题,而且也可以基本保证单元格内无极端值因此在多因素方差分析中,方差齐性往往只限于理论讨论,但对于较重要的研究,则建模后的残差分析是非常重要的

2假设方差不齐时又有一系列的分析方法可选。再者，为保证统计准确，如果方差不齐，可以进行对数，倒数或函数的转换，选择适当的转换形式，直到齐性检验变为不显著。如果还不行就只能用非参数的单因素分析。如果非要进行方差分析则需要把means±SD范围外的数据剔除。实际 *** 作中对方差齐性等适用条件的把握:1单因素方差分析:根据BOX的研究结果,在单因素方差分析中,如果各组的例数相同(即均衡),或总体呈正态分布,则方差分析模型对方差略微不齐有一定的耐受力,只要最大与最小方差之比小于3,分析结果都是稳定的2单元格内无重复数据的方差分析分析:以配伍设计的方差分析最为典型,此时不需要考虑正态性和方差齐性问题,原因在于正态性和方差齐性的考察是以单元格为基本单位的,此时每个格子中只有一个元素,当然没法分析了除配伍设计的方差分析外,交叉设计,正交设计等也可以出现无重复数据的情况但必须指出,这里只是因条件不足,无法考察适用条件,而不是说可以完全忽视这两个问题如果根据专业知识认为可能在不同单元格内正态性,方差齐性有问题,则应当避免使用这种无重复数据的设计方案3有重复数据的多因素方差分析：由于正态性,方差齐性的考察以单元格为基本单位，此时单元格数目往往很多，平均每个单元格内的样本粒数实际上比较少。此时实际上很难检验出差别；另一方面，也可能只是因为极个别单元格方差不齐而单质检验不能通过。

因为方差齐性检验是方差分析的重要前提，是方差可加性原则应用的一个条件。方差齐性检验的时候，首先需要知道方差齐性检验的本质：样本以及总体的方差的分布是常数，和自变量或者因变量没有关系。

然后绘制散点图，在方差齐性检验中，因变量被设置为横轴，纵轴是学生化残差。原因就是，要弄清究竟因变量和残差之间有没有关系。

如果残差随机分布在一条穿过零点的水平直线的两侧，就说明残差独立，也就是证明因变量方差齐性。

扩展资料

齐性检验的基本原理是先对总体的特征作出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受作出推断。常用方法有：Hartley检验、Bartlett检验、修正的Bartlett检验 。

关于两个或两个以上总体的方差是否相等的统计检验。根据情况不同，有不同的检验方法。在两个总体相互独立且服从正态时，可用F检验；在k个（k>2）总体相互独立且服从正态时，可用Bartlett检验。

在两个相关总体的情形，则不能用F检验，改用t检验；在k个总体的正态性不满足（尤其是偏态）时，Bartlett检验便不合用了，要改为使用一些对正态性不敏感的检验，如对数方差分析、Fmax检验、Cochran检验等。

参考资料来源：百度百科-齐性检验

参考资料来源：百度百科-方差齐性检验

---