一、方差分析简介
1.1 方差分析基本思想
通过分析研究不同变量的变异对总变异的贡献大小,确定控制变量对研究结果影响力的大小。
- 如果控制变量的不同水平对结果产生了显著影响,那么它和随机变量共同作用,必然使结果有显著的变化
- 如果控制变量的不同水平对结果没有显著的影响,那么结果的变化主要由随机变量起作用,和控制变量关系不大
1.2 方差分析的前提条件
- 独立,各组数据相互独立,互不相关;
- 正态:即各组数据符合正态分布;
- 方差齐性:即各组方差相等。
1.3 方差分析通常使用F统计量检验
在spss中经常使用方差齐性检验(都是levene检验),
- 一般情况下,只要sig值大于0.05就以认为方差齐性的假设成立,因此方差分析的结果应该值得信赖;
- 如果sig值小于或等于0.05方差齐性的假设就值得怀疑,导致方差分析的结果也值得怀疑。
SPSS会自动计算 F 统计值, F 服从 (k-1,n-k) 自由度的 F 分布(k 是水平数, n 为个案数), SPSS依据 F 分布表给出相应的相伴概率值。
- 如果相伴概率值小于显著性水平(一般为0.05) ,则拒绝零假设,认为控制变量不同水下各总体均值有显著差异;
- 反之,则认为控制变量不同水平下各总体均值没有显著差异。
二、不同分析方法
首先要理解实验的设计或模型的类型,选取正确的方法才能得出正确的结论
2.1 单因素设计方差分析
单因素方差分析测试某一个控制变量的不同水平是否给观察变量造成了显著差异和变动。
2.2 随机区组设计方差分析
又称配伍组设计。在进行统计分析时,将区组变异离均差平方和从完全随机设计的组内离均差平方和中分离出来,从而减小组内平方和(误差平方和),提高了统计检验效率。
2.3 析因设计方差分析
析因设计(Facorial design)是将两个或两个以上因素的各种水平进行排列组合、交叉分组的实验设计,是对影响因素的作用进行全面分析的设计方法,可以研究两个或者两个以上因素多个水平的效应,也可以研究各因素之间是否有交互作用并找到最佳组合。常