内容发布更新时间 : 2024/12/28 10:56:08星期一 下面是文章的全部内容请认真阅读。
精品文档
? ?
Simple，除了作为参考的水平外，对预测变量或因素变量的每一水平都与参考水平进行比较。选择“Last”或“First”作为 参考水平。
? Difference，对预测变量或因素每一水平的效应，除第一水平以外，都与其前面各水平的平均效应进行比较。与Helmert对照 方法相反。
? ?
Helmert，对预测变量或因素的效应，除最后一个以外，都与后续的各水平的平均效应相比较。
? Repeated，对相邻的水平进行比较。对预测变量或因素的效应，除第一水平以外，对每一水平都与它前面的水平进行比较。
? ?
Polynomial，多项式比较。第一级自由度包括线性效应与预测变量或因素水平的交叉。第二级包括二次效应等。各水平彼此
的间隔被假设是均匀的。
③ 修改比较方法
先按步骤①选中因子变量，再选比较方法，然后单击“Change”按钮，选中的(或改变的)比较方法显示在步骤①选中的因子变量后面的括号中。
④设置比较的参考类
在“Reference Category”栏比较的参考类有两个，只有选择了“Deviation”或“Simple”方法时才需要选择参考水平。共有两种可能的选择，最后一个水平“Last”选项和第一水平“First”项。系统默认的参考水平是“Last”。
6) 选择均值图
在主对话框中单击“Plot”按钮，打开“Profile Plots”对话框，如图5-10所示。在该对话框中设置均值轮廓图。
精品文档
精品文档
如图5-10 “Profile Plots”对话框
均值轮廓图(Profile Plots)用于比较边际均值。轮廓图是线图，图中每个点表明因变量在因素变量每个水平上的边际均值的估计值。如果指定了协变量，该均值则是经过协变量调整的均值。因变量做轮廓图的纵轴；一个因素变量做横轴。
做单因素方差分析时，轮廓图表明该因素各水平的因变量均值。
双因素方差分析时，指定一个因素做横轴变量，另一个因素变量的每个水平产生不同的线。如果是三因素方差分析，可以指定第三个因素变量，该因素每个水平产生一个轮廓图。双因素或多因素轮廓图中的相互平行的线表明在因素间无交互效应；不平行的线表明有交互效应。
? ? ? ?
Factors 框中为因素变量列表。
Horlzontal Axis 横坐标框，选择选择“Factors”框中一个因素变量做横坐标变量。被选的变量名反向显示，单击向右拉箭
头按钮，将变量名送入相应的横坐标轴框中。
如果只想看该因素变量各水平的，因变量均值分布，单击“Add”按钮，将所选因素变量移入下面的“Plots”框中。否 则，不点击“Add”按钮，接着做下步。
? Separate Lines 分线框。如果想看两个因素变量组合的各单元格中因变量均值分布，或想看两个因变量间是否存在交互效应，
选择“Factors”框中另一个因素变量，单击右拉按钮将变量名送入“Separate Lines”框中。单击“Add”按钮，将自动生成
的图形表达式送入到“Plots”栏中。分线框中的变量的每个水平将在图中是一条线。图形表达式是用“*”连接的两个因素变 量名。
精品文档
精品文档
?
Separate Plots 分图框。如果在“Factors”栏中还有因素变量，可以按上述方法，将其送入“Separate Plot”框中，单击
“Add”按钮，将自动生成的图形表达式送入到“Plots”栏中。图形表达式是用“*’连接的三个因素变量名。分图变量的每个 水平生成一张线图。
? 将图形表达式送到“Plots”框后发现有错误，单击选错的变量，单击“Remove”按
钮，将其取消，再重新输入正确内容。
在检查无误后，按“Continue”按钮确认，返回到主对话框。如果取消做的设置单击“Cancel”按钮
7) 选择多重比较
在主对话框中单击“Post Hoc”选项，打开“Post Hoc Multiple Comparisons for Observed Means”对话框，从“Factor(s)”框选择变量，单击向右拉按钮，使被选变量进入“Post Hoc test for”框。本例子选择了“a”和“b”。
然后选择多重比较方法。在对话框中选择多重比较方法。本例子选择了“Duncan”和“Tamhane's T2”。
8）选择保存运算值
图5-11 Save对话框
在主对话框中，单击“Save”按钮，打开“Save”设置对话框，如图5-11所示。通过在对话框中的选择，可以将所计算的预测值、残差和检测值作为新的变量保存在编辑数据文件中。以便于在其他统计分析中使用这些值。 ① Predicted Values 预测值
1. Unstsndardized，非标准化预测值。
2. Weighted，如果在主对话框中选择了WLS变量，选中该复选项，将保存加权非
标准化预测值。
精品文档
精品文档
3. Standard error，预测值标准误。
② Diagnostics 诊断值
1. Cook’s distance，Cook 距离。
2. Leverage values，非中心化 Leverage 值。
③ Residuals 残差
1. Unstsndardized，非标准化残差值，观测值与预测值之差。
2. Weighted，如果在主对话框中选择了WLS变量，选中该复选项，将保存加权非
标准化残差。
3. Standardized，标准化残差，又称Pearson残差。 4. Studentized，学生化残差。
5. Deleted，剔除残差，自变量值与校正预测值之差。
④ Save to New File 保存协方差矩阵
选中”Coefficient statistics”项，将参数协方差矩阵保存到一个新文件中。单击“File”按钮，打开相应的对话框将文件保存。
9）选择输出项
在主对话框中单击“Options”按钮，打开“Options”输出设置对话框，见图5-12。
图5-12 “Options”输出设置对话框
① Estimated Marginal Means 估测边际均值设置
?
在“Factor(s) and Factor Interactions”框中列出“Model”对话框中指定的效应项，在该框中选定因素变量的各种效应项，
精品文档
精品文档
单击右拉按钮就将其复制到“Display Means for”框中。选择主效应，则产生估计的边际均值表；选择二维交互效应产生的估计
边际均值表实际上是典型的单元格均值表。选择三维交互效应也是单元格均值表。
?
在“Display Means for”框中有主效应时激活此框下面的“Compare main effects”复选项，对主效应的边际均值进行组间的配 对比较。
? Confidence interval adjustment参数框，进行多重组间比较。打开下拉菜单，共有三个选项：
LSD(none)、Bonferroni、Sidak.。
② 在“Display”栏中指定要求输出的统计量
Descriptive statistics项，输出描述统计量：观测量的均值、标准差和每个单元格中的观测量数。
Estimates of effect size项，效应量估计。选择此项，给出η2(eta-Square)值。它反应了每个效应与每个参数估计值可以归于 因素的总变异的大小。
Observed power复选项，选中此项给出在假设是基于观测值时各种检验假设的功效。计算功效的显著性水平，系统默认的临界值 是0.05。
Parameter estimates项。选择此项给出了各因素变量的模型参数估计、标准误、t检验的t值、显著性概率和95％的置信区间。
Contrast coefficient matrix项，显示协方差矩阵。
Homogeneity test项，方差齐次性检验。本例子选中该项。
Spread vs.level plot项，绘制观测量均值对标准差和观测量均值对方差的图形。 Residual plot项，绘制残差图。给出观测值、预测值散点图和观测量数目，观测量数目对标准化残差的散点图，加上正态和标准化 残差的正态概率图。
Lack of fit项，检查独立变量和非独立变量间的关系是否被充分描述。
General estimable function项，可以根据一般估计函数自定义假设检验。对比系数矩阵的行与一般估计函数是线性组合的。 ③ Significance level 框设置
改变“Confidence intervals”框内多重比较的显著性水平。
10) 提交执行
精品文档