spss多因素方差分析步骤

多因素方差分析，用于研究一个因变量是否受到多个自变量也称为因素的影响，它检验多个因素取值水平的不同组合之间，因变量的均值之间是否存在显著的差异。多因素方差分析既可以分析单个因素的作用主效应，也可以分析因素之间的交互作用交互效应，还可以进行协方差分析，以及各个因素变量与协变量的交互作用。
1、进入SPSS环境，打开数据文件。
2、选择变量，在多变量窗口中，将数学成绩、英语成绩选入因变量列表框，将考生所在地，性别选入固定因子列表框。
3、对比设置，单击对话框右侧对比按钮，在d出的窗口中选择差值，并单击继续。
4、绘图设置，单击右侧绘图按钮，将考生所在地选入水平轴，性别选入单图，再单击添加按钮。
5、多重比较设置。将考生所在地区和性别选入时候检验列表框中，并选择LSD复选框，单击继续按钮回到多变量对话框，确定后等待结果输出即可。

公因子方差分析，主要看几个公因子方差的累计贡献率：

累计贡献率越高，说明提取的这几个公因子对于原始变量的代表性或者说解释率越高，整体的效果就越好。

累计贡献率越低，说明提取的公因子的代表性或者说解释率越差，效果就越差。

公因子方差列表中，初始一栏表示提取因子之前各变量的公因子方差，默认为1；提取一栏表示提取之后，如果选择了提取所有主成分，那么这里也会是1，因为所有主成分加起来自然能够解释每个原始变量的全部。

反过来说，如果只选择提取部分主成分，这里的数就会小于1，1与公因子方差的差值称为特殊方差，表示变量中无法被当前主成分解释的部分。

析因试验

析因试验是考察某些条件（因子）对目标变量影响的试验或实验。设X是需通过试验考察的经济量或物理量——目标变量。在影响X的条件下，有可以控制的因素，还有大量无法控制的随机因素。所要考察的影响目标变量且可以控制的条件，称做因子或因素；因子的状态、等级或数值，称做因子水平。

百度百科-方差因子

单因素方差分析
方差分析前提：不同水平下，各总体均值服从方差相同的正态分布。
方差齐性检验：采用方差同质性检验方法（Homogeneity of variance）
在spss中打开你要处理的数据，在菜单栏上执行：analyse-compare means--one-way anova，
打开单因素方差分析对话框
在这个对话框中，将因变量放到dependent list中，将自变量放到factor中，点击post hoc，选择snk和lsd，返回确认ok
统计专业研究生工作室原创，请勿复杂粘贴

只要带有因果性质的事件与（严格的也可说两个相关的变量）活动都可以进行此种定量统计分析
方差分析是一种从统计定量角度分析因果问题， 比如一个指标或是现象的数据，这数据肯定个个不一样，你要分析造成这种波动结果的数据的原因有哪些，当然有主要原因，与次要原因，
方差 其本质含义就是偏差 或是叫波动， 可以认为结果数据的波动是有各类因素 及因素之间的作用 和其他未能解释的无数小因素造成（综合成实验误差） 所以方差分析就是波动分解，在粗略分析中也叫效应和！ 然后这几种偏差与最小的误差偏差去比较（当然是统计比较），比误差偏差大的多，说明因素作用强 也叫主因素，比误差偏差小 说明这因素肯本不起作用（可以归入误差类）
或者扔掉，这样就可以判断因素有无显著作用！也可对区分主次因素，具有针对性，接下来你还可找出此数据范围的目标最优值

所以总结一下，方差分析用来用来找原因，（判断你假设的（怀疑的）原因是不是真的可靠），也可以分清原因的主次！

如今无论在研究 还是生产，还是日常生活中，当剖析定性问题的原因很难时，你可以用定量剖析，用方差分解法，这样不但可以找到原因，还能理清原因的主次，在对目标优化控制时，那是相当的容易的

单因素方差分析，就是判断一个因素真的是否有作用

当然方差分析有前提条件（因素个个水平取值下的总体 是正态的，方差都一样）
意思说，误差方差不要时变 而且这个残差要是正太的，

一般方差齐性不容易满足，我们好多分布都不是方差齐性。二项 泊松

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
相对湿度（%）
温度℃

重 复
1

2

3

4
100

25

912

950

938

930
27

876

847

812

824
29

792

670

757

706
31

652

633

636

633
80

25

932

893

951

955
27

858

816

810

844
29

790

708

677

788
31

707

865

669

649
40

25

1002

1033

983

1038
27

906

917

945

922
29

772

858

817

797
31

736

732

764

725
数据保存在“DATA5-2SAV”文件中，变量格式如图5-1。
下载信息 [文件大小：102 KB 下载次数： 次]
点击下载文件:DATA5-2rar

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“DATA5-2SAV”。
如何用SPSS进行多因素方差分析？
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 L>

1、第一步：将数据录入到SPSS的数据视图中，这一步与前面t检验相同，输入数据后，选择分析→比较均值→单因素ANOVA。

2、第二步：点击后，出现下图的单因素方差分析的窗口，将value→因子，group→因变量列表。

3、第三步：点击选项出现线面单因素ANOVA的窗口，其中勾选方差同质性检验后，点击继续，确定后，即可在结果中看到方差齐性的结果。

4、第四步：结果，如下图所示，我们看到Levene检验的结果，知显著性为0382，即P>005，差异无统计学意义，表示方差齐。

扩展资料

SPSS发展历史

1968年：斯坦福大学三位学生创建了SPSS。

1968年：诞生第一个用于大型机的统计软件。

1975年：在芝加哥成立SPSS总部。

1984年：推出用于个人电脑的SPSS/PC+。

1992年：推出Windows版本，同时全球自SPSS 110起，SPSS全称为“Statistical Product and Service Solutions”，即“统计产品和服务解决方案”。

2009年：SPSS公司宣布重新包装旗下的SPSS产品线，定位为预测统计分析软件(Predictive Analytics Software)PASW，包括四部分：

PASW Statistics (formerly SPSS Statistics)：统计分析。

PASW Modeler (formerly Clementine) ：数据挖掘。

Data Collection family (formerly Dimensions)：数据收集。

PASW Collaboration and Deployment Services (formerly Predictive Enterprise Services)：企业应用服务。

2010年：随着SPSS公司被IBM公司并购,各子产品家族名称前面不再以PASW为名,修改为统一加上IBM SPSS字样。。

参考资料来源：百度百科-spss

多因素方差分析
菜单选择：分析 -> 一般线性模型 -> 单变量
将研究变量选入“因变量”框，分组变量都选入固定因子框
点击右边“模型”按钮，进入“单变量：模型对话框，点击“设定”单选按钮，
设置“主效应”、“交互作用”其余选项取默认值就行，点击“继续”按钮，回到“单变量”界面，ok
统计专业研究生工作室为您服务

首先，我们使用一个教程模板的数据，在数据中你可以看到数据都是横版的，很多人录入数据，没有进行转换就开始录入了。

现在开始正确的方法：首先在变量视图上找到值，对值进行命名：1-模型组；2-阳性组；3-低剂量组；4-中剂量组；5-高剂量组；6-正常组；使用之后点击添加-确定即可。

给名称命名一下，之后竖着录入数据，本文教程数据中一共6个变量，6列，说明竖着进行1-6，没个6个数进行

复制教程数据里的数据，之后点击粘贴里的选择性粘贴，之后点击转置，你会发现数据都行列变换了，可以这样直接录入就行。

---