Python全系列 教程
3567个小节阅读:5929.4k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
在实际的研究过程中发现,影响结果的因素往往不只一个,如果还是使用单因素逐个考察不同因变量与自变量的关系时候比较繁琐效率低下。因此有了多因素方差分析。
多因素方差分析不仅能够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,进而最终找到利于观测变量的最优组合。
示例:某研究机构研究了3种动物饲料对4种品系小鼠体重增加的影响
导入数据
注意:这里选择单变量指我们观测的变量,现在观测的变量是体重,是一个所以选择单变量。
(1)“因变量”:为本次所要研究的结果变量。 (2)“固定因子”:指的是该因素在样本中所有可能的水平都出现了。 (3)“随机因子”:指该因素所有可能的取值在样本中没有都出现,或不可能都出现。
(4)“协变量”:对因变量可能有影响,需要在分析时对其作用加以控制的连续性变量。如研究不同教学方法对学生英语成绩的影响,那么开始参加受试的学生的英语成绩有可能会影响教学效果,因此,应该在分析时将学生初始成绩作为协变量加以控制。 (5)“WLS权重”:为权重变量框,在该框中给出加权二乘分析的权重变量。权重变量必须是数值型变量,如果权重是零、负数或者缺失,则该变量将不计入模型。另外如果一个变量已经放入上面某个对话框,就不能在作为权重变量。
“全因子”模型:此项为系统默认,一旦选择此项,系统将分析所有因素变量、协变量主效应以及因素与因素间的交互作用,但不包括协变量的交互作用
(1)“因子”列表:其中显示主对话框中选择的因素。每个因素后面括号内显示其对比的方法。 (2)“更改对比”框:选中“因子”列表中某因素,单击“对比”下拉列表,选择对比方法,单击更改,即可完成设置。
点击【确定】
查看输出结果
从主题间因子可以看到每种饲料和小鼠品系的个案数情况。
从描述统计中可以看到各种饲料下不同小鼠品系的平均值和标准偏差及个案数的值。
从误差方差的莱文等同性检验可以看到显著性都大于0.05,说明是方差齐性的。
从主体间效应检验可以看到,总体模型情况值(修正模型这一行),其中偏Eta平方比较检验结果是的可信度。值越高越可信。从显著性可以看到饲料和小鼠品系对体重都有影响。
从饲料和小鼠品系K矩阵对比结果可以看到,饲料A和一类小鼠对体重的影响大,而且显著性小于0.05,说明有明显差异。
从饲料类型的多重比较中可以看到,A饲料相对B饲料和C饲料的显著性都小于0.05,说明A饲料对体重的影响最为明显。
从小鼠品系多重比较来看,二类小鼠相对四类小鼠显著性小于0.05,说明有明显差异。其余情况显著性都大于0.05.
从轮廓图中可以看到不同的饲料,不同的小鼠体重的平均值也不同,A饲料一类小鼠体重平均值最高。