文档介绍：SPSS数据分析教程9方差分析
单因素方差分析举例
销售经理想了解新员工培训的最佳方式。目前有三种新员工培训方式：为期一天的培训、为期二天的培训和为期三天培训。现在需要比较用这三种方式培训员工的效果，分析这三种培训方式培训员工的SPSS数据分析教程9方差分析
单因素方差分析举例
销售经理想了解新员工培训的最佳方式。目前有三种新员工培训方式：为期一天的培训、为期二天的培训和为期三天培训。现在需要比较用这三种方式培训员工的效果，分析这三种培训方式培训员工的效果是否有显著的差异，如果有差异，哪种培训方式最佳。
，它包含两个变量，“组”变量记录了培训方式；“得分”是对员工培训效果的评价。
SPSS实现
选择【分析】→【比较均值】→【单因素ANOVA】
选择两两比较方法
选择进行方差齐性检验和统计量、图形
点击【选项】，在统计量部分勾选“描述性”和“方差同质性检验”两项，同时勾选“均值图(M)”。
结果解释
两两比较结果及解释
由于Levene检验没有证据说明三种培训方式的方差相等，参照两种不同的两两比较的结果是必要的。
Bonferroni和Tamhane多重比较的结果是一致的。即培训2天和培训3天没有显著的区别，而培训1天与另外两种培训都有显著区别。
同质子集
Tukey B两两比较输出的结果，它把在5%的显著性水平下没有区别的总体放在同一列，作为同类子集。这里，培训2天和培训3天没有显著区别，它们作为一类。而培训1天单独作为1类。
轮廓图
轮廓图为各个总体的均值的折线图，从中可以直观的看出各个总体均值的趋势。
多因素方差分析
如果影响试验结果的因素有两个或者两个以上，是否不同的处理对试验结果有显著性影响，不同的因素是否有交互作用？可以应用SPSS的一般线性模型（GLM）来完成多因素的方差分析。
SPSS GLM过程假设条件
误差之间相互独立，并且也独立于模型中的其他变量。一般好的试验设计都可以避免违反该条件。
不同处理的误差为常数。
误差服从均值为0的正态分布。
举例
一家连锁零售商店对它们客户的购买****惯进行了一项调查，它记录了客户性别，购买模式、上一个月的购买金额等信息。该商店需要了解在控制客户性别的条件下，是否客户购买的频率和花费的金额有关系，以此来决定是否采取相应的促销活动。
。
选择【分析】→【一般线性模型】→【单变量】
绘制选项
把style选入水平轴，gender选入单图，然后点击“添加”。再把style和gender互相交换，选入不同的框中，单击“添加”。
结果及其解释（1）
结果及其解释（2）
结果及其解释（3）
男性和女性在每周购物和两周一次购物的均值线是平行的，都是男高女低；而在经常购物上，二者差距不大，经常购物均值线和另外两条线有交叉，表明二个因素有交互效应。效应是否显著在“主体间效应的检验”表中标识。
结果及其解释（4）
男性的所有消费方式的消费金额均大于女性，男性和女性消费方式的曲线是不平行的，表明二者有交互效应。女性在经常性购物中花费金额最多；而男性则在每周购物方式中花费最多。
协方差分析(ANCOVA)
既分析控制因素影响，又分析协变量的影响以及控制因素和协变量关系的方法称为协方差分析。
协方差分析是针对在试验阶段难以控制或者无法严格控制的因素，在统计分析阶段进行统计控制，它在扣除协变量的影响后再对修正后的主效应进行方差分析，是一种把直线回归和方差分析结合起来的方法。
协方差分析的数学模型
协方差分析的数学模型为
yij = ¹ + ai +¯ zij+ ²ij
这里yij表示在控制因素的i水平下的第j次试验的因变量观测值；¹为因变量总体均值;ai表示控制因素的水平下对因变量产生的效应；¯为协变量的回归系数；zij表示在控制因素的水平下的第次试验的协变量观测值；²ij为抽样误差，假设它是服从方差相等的正态分布变量。
案例分析
政府就业促进部门想了解他们的就业促进项目是否发挥了实质性的作用，他们随机选取了参加该项目的人和没有参加该项目的人，调查这些人在实施该项目前后的收入变化。这里研究的目标变量为参加项目后人们的薪水，用它来衡量人们找到工作的好坏，即变量“incaft”（参加项目后的薪水）为因变量。由于参加该就业促进项目之前人们的薪水是不同的，如果不考虑该因素，直接比较参加项目之后人们薪水的区别是不合理的。因此把参加该项目前人们的薪水(incbef)作为协变量，把是否参加就业促进项目（prog）作为控制因素，即自变量。
对协变量和控制因素的分析
在进行协方差分析之前，一般要先检查进行协方差分析的前