python 方差分析_SPSS详细操作:单因素方差分析

一、问题与数据

为调查A、B、C三种治疗措施对患者谷丙转氨酶（ALT）的影响，某科室将45名患者随机分为三组，每组15人，分别采取A、B、C三种治疗措施。治疗后ALT水平（U/L）如下。试问应用三种治疗措施后，患者的ALT水平是否有差异？

表1. 三组患者治疗后的ALT水平（U/L）

二、对数据结构的分析

整个数据资料涉及3组患者，每组15人，测量指标为血常规报告的ALT水平，因此属于多组设计的定量资料。

要想知道不同治疗措施对ALT水平的影响是否相同，则要比较3组的总体均数之间的差异是否具有统计学意义。若各组观察值满足独立性，服从正态分布或近似正态分布，并且各组之间的方差齐，可选用单因素方差分析。

三、SPSS分析方法

1. 数据录入SPSS（1=A组，2=B组，3=C组）

2. 选择Analyze→General Linear

Model→Univariate （假设三组数据服从正态分布）

3. 选项设置

1）主对话框设置：将分析变量（ALT）送入Dependent Variable

框中→将分组变量（Group）送入Fixed Factor(s) 框中。

2） Options设置：点击Options按钮，勾选Descriptive

statistics（显示统计描述）和Homogeneity tests（方差齐性检验）→Continue→OK。

四、结果解读

Descriptive

Statistics表格给出了三组和总体ALT水平的部分统计信息，包括组别（Group）、均数（Mean）、标准差（Std.

Deviation）和例数（N）。

Levene’s Test of Equality of Error

Variances表格给出了方差齐性检验的结果。F值=0.791，P（Sig.）=0.460，说明三组数据方差齐，满足方差分析的适用条件。

Tests of Between-Subjects

Effects表格给出了方差分析的结果。其中，Corrected

Total一行表示总变异，Group一行表示组间变异，Error一行表示组内变异，Type Ⅲ Sum of

Squares表示离均差平方和，Mean

Square表示均方。方差分析的结果主要看Group一行，F值=68.810，P（Sig.）<0.001。

五、撰写结论

A组患者ALT水平为（13.28 ±

4.39）U/L，B组患者ALT水平为（28.44 ± 3.65）U/L，C组患者ALT水平为（12.15 ±

4.64）U/L。A、B、C三种治疗措施对患者ALT水平的影响差异具有统计学意义（F=68.810，P<0.001）。

六、延伸阅读

1. 单因素方差分析也可以通过Analyze→Compare

Means→One-Way ANOVA进行，将ALT送入Dependent

List框中，将Group送入Factor框中，其结果与本例的操作是一样的，感兴趣的亲可以自己动手试一下！

2.

单因素方差分析适用于只有一个处理因素的完全随机设计，处理因素可以有2个及以上的处理水平，观察指标为连续变量。适用条件包括：

1）观测指标满足独立性；

2）各组观测指标均来自正态分布总体；

3）各组观测指标方差相等。

在实际中由于方差分析具有稳健性，因此对正态性的条件要求不是很严格，但是对方差齐的要求比较严格。

3.

本例只是得出了3组总体均数之间差异具有统计学意义，并不意味着任意2组之间的均数差异都具有统计学意义。要想进一步了解哪两个组间的ALT水平存在差异，还需要进一步做样本均数之间的多重比较。SPSS统计软件提供了很多种用于两两比较的方法，包括Bonferroni法、S-N-K法、Tukey法等。之所以有这么多种方法，是因为目前还没有一种在任何条件下都适用、而且效果好的方法，这些方法都是从不同角度上控制多重比较时I型错误的发生概率。