文档介绍：第六章SPSS的方差分析
方差分析一般应满足3个基本假设，即要求：
各个总体应服从正态分布
各个总体的方差相同
观测值是独立的。
第二节 单因素方差分析
单因素方差分析的基本思想
单因素方差分析的数学模型
单因素方差分析的基本间的均值存在细微差别也有可能被检验出来，但此方法对第一类弃真错误不进行控制和调整
LSD方法
即修正最小显著性差异法。用T检验完成组间成对均值的比较，但通过设置每个检验的误差率来控制整个误差率。因此采用此方法看到的显著值是多重比较完成后的调整值。
用q检验完成各水平下观测值个数相等时组间成对均值的比较。一定程度可以保证犯一类错误的概率总体上不增大。
Bonferroni方法
Tukey方法
当各水平下观测值个数不相等，或者想进行复杂的比较时，或对所有可能的组合进行同步比较时，可选用此方法。这种检验被用来检验组间均值的所有可能的线性组合，而不只是成对组合，。这种方法相对比较保守，有时候方差分析F值有显著性，用该方法进行两两比较却找不出差异。
Scheffe方法
用于进行所有各组均值间的配对比较，且用于水平观测值个数相等的情况。用逐步过程进行其次子集的均值配对比较。在该过程中各组均值按从小到大的顺序排列，最先比较最极端的差异。
S-N-K方法
方差不相等时的一些多重比较方法
Tamhane，sT2方法：表示用T检验进行配对比较检验
Dunnett，sT3方法：表示用Student最大系数进行进行配对比较检验
Games-Howell方法：表示方差不齐时的配对比较检验
Dunnett，sC方法：表示用极差统计量进行配对比较检验
其他检验
趋势检验
先验对比检验
所有系数之和为0
不同广告形式下销售额总体方差齐性检验
，所以不能拒绝原假设，即认为方差齐性
多重比较检验（分析哪种广告形式作用明显）
广告形式多重比较检验的相似性子集
此方法在相似性子集划分中用得最多
趋势检验（分析销售额是否会随着地区
人口密度减少而呈现出某种趋势）
，所以拒绝原假设，即认为地区和销售额之间不是零线性相关
先验对比检验
，所以不能拒绝原假设，即认为报纸广告的效果与广播、体验的总体效果没有显著差异
练****br/>对四个服务行业的服务质量进行评价，较高得分表示较高的服务质量。对航空公司、零售业、。在显著性水平=，检验四种行业质量等级的总体均值是否差异显著？你的结论如何？
第三节多因素方差分析
在上一节课，我们已经研究了不同广告形式对产品销售有显著影响，不同地区的产品销售额也存在显著差异，然而，不同广告形式和不同地区的搭配是否会对销售额产生影响呢？而哪种搭配方式又可以获得最理想的销售业绩呢？
问题引出
本节主要内容
多因素方差分析的基本思想
多因素方差分析的数学模型
多因素方差分析的基本步骤
多因素方差分析的基本操作
多因素方差分析的应用举例
多因素方差分析的进一步分析及应用
多因素方差分析的基本思想
多因素方差分析用来研究两个及两个以上控制变量是否对观测变量产生显著影响。它不仅能分析多个因素对观测变量的独立影响，更能够分析多个控制因素的交互作用能否对观测变量的分布产生显著影响，进而找到有利于观测变量的最优组合。
概念
确定观测变量和若干个控制变量
剖析观测变量的方差
比较观测变量总离差平方和和各部分所占的比例
基本思想
剖析观测变量的方差
第一，控制变量独立作用的影响
第二，控制变量交互作用的影响
第三，随机因素的影响
多因素方差分析的数学模型
设控制变量A有k个水平，B有r个水平，每个交叉水平下均有l个样本，则在控制变量A的水平Ai和控制变量B的水平Bj下的第k个样本值 定义为：
多因素方差分析的饱和模型
多因素方差分析的基本步骤
提出零假设
选择检验统计量
固定效应模型
随机效应模型
计算检验统计量观测值和概率P值
给出显著性水平 ，并作出统计决策
（1）若FA的概率p< ，则拒绝原假设，即认为控制变量A的不同水平对观测变量产生了显著影响。
（2）FB的概率p< ，则拒绝原假设，即认为控制变量B的不同水平对观测变量产生了显著影响。
（3）FAB的概率p< ,则拒绝原假设，即认为控制变量A、B的交互作用对观测变量产生了显著影响，然后再依此对A、B的效应进行检验
多因素方差分析的基本操作