【正文】 金的收益和費用比率。 Step05：完成操作 最后，單擊 【 OK(確定 )】 按鈕，操作完成。 Step03：選擇因素變量 在候選變量列表框中選擇 “ source”變量作為水平值，將其添加至【 Factor(因子 )】 列表框中。 進行如下假設檢驗： H0：三種不同信息來源對信息傳播測度平均值沒有顯著性影響； H1：三種不同信息來源對信息傳播測度平均值存在顯著性影響。在每種情況下，對信息傳播進行測度：數(shù)值越高，說明信息傳播越廣。 ? 對比檢驗表支持對比值的 bootstrap 估計和顯著性檢驗。 Step07：相關統(tǒng)計量的 Bootstrap估計。 ● Welch：計算檢驗組均值相等假設的 Welch統(tǒng)計量，在不具備方差齊性假設時，也是一個比 F統(tǒng)計量更優(yōu)越的統(tǒng)計量。 ● Fixed and random effects：顯示固定和隨機描述統(tǒng)計量。 Step06：其他選項輸出 單擊 【 Options】 按鈕，在彈出的對話框 中進行如下設置。 ?Dunt’s T3： 基于 Student最大模的成對比較法 。 ? Dunt：多重配對比較的 t檢驗法 ， 用于一組處理對一個控制類均值的比較 。 ?Duncan：指定一系列的 Range值，逐步進行計算比較得出結論。 ?SNK：用 Student Range分布進行所有各組均值間的配對比較。 ? Scheffe：用 F分布對所有可能的組合進行同時進入的配對比較 。 ? LSD（ Leastsignificant difference） ：最小顯著差數(shù)法 ，用 t檢驗完成各組均值間的配對比較 。 Step03：選擇因素變量 在 【 OneWay ANOVA(單因素 ANOVA)】 對話框的候選變量列表框中選擇一個變量，將其添加至 【 Factor(因子 )】 列表框中，選擇的變量就是要進行方差分析的因素變量。 這種事先指定均值的線性組合 ， 再對該線性組合進行檢驗的分析方法就是各組均值的精細比較 。 多重比較是通過對總體均值之間的配對比較來進一步檢驗到底哪些均值之間存在差異 。但一般應近似地符合上述要求。 1? 2? 3? 4? 方差分析的基本假設 （ 1）各樣本的獨立性。 同一種推銷方式在不同的工作日銷量也會不同 ， 因為來商店的人群數(shù)量不一 ， 經(jīng)濟收入不一 ， 當班服務員態(tài)度不一 ， 這種由隨機因素造成的差異 ， 我們稱之為隨機性差異 。 從表 51可以看到， 20個數(shù)據(jù)各不相同，這種差異可能是由以下兩方面的原因引起的。一個單元里可以只有一個元素，也可以有多個元素。如果同時針對多個因素進行，稱為多因素方差分析。 但有時銷售方式有很多種 ， 這就是多個總體均值是否相等的假設檢驗問題了 ， 所采用的方法是方差分析 。 方差分析的 概念 43210 : ???? ???H 序號 銷售方式 1 2 3 4 5 水平均值 方式一 77 86 81 88 83 83 方式二 95 92 78 96 89 90 方式三 71 76 68 81 74 74 方式四 80 84 79 70 82 79 總均值 表 51 某公司產(chǎn)品銷售方式所對應的銷售量 方差分析中有以下幾個重要概念。 （ 2）水平（ Level） :水平指因素的具體表現(xiàn)，如銷售的四種方式就是因素的不同取值等級。 （ 5）交互作用（ Interaction） :如果一個因素的效應大小在另一個因素不同水平下明顯不同，則稱兩因素間存在交互作用。 一是推銷方式的影響，不同的方式會使人們產(chǎn)生不同消費沖動和購買欲望，從而產(chǎn)生不同的購買行動。 兩個方面產(chǎn)生的差異用兩個方差來計量： 一是變量之間的總體差異 ， 即水平之間的方差 。即各組觀察數(shù)據(jù)，是從相互獨立的總體中抽取的。 水平之間的方差（也稱為組間方差）與水平內(nèi)部的方差（也稱組內(nèi)方差）之間的比值是一個服從 F分布的統(tǒng)計量 F = 水平間方差 / 水平內(nèi)方差 = 組間方差 / 組內(nèi)方差 SPSS在單因素方差分析中的應用 單因素方差分析也叫一維方差分析 ， 它用來研究一個因素的不同水平是否對觀測變量產(chǎn)生了顯著影響 ， 即檢驗由單一因素影響的一個 （ 或幾個相互獨立的 ） 因變量由因素各水平分組的均值之間的差異是否具有 統(tǒng)計意義 。 多重比較檢驗只能分析兩兩均值之間的差異性 ， 但是有些時候需要比較多個均值之間的差異性 。 顯然 ， 可以根據(jù)實際問題 ， 提出若干種檢驗問題 。 Step04：均值精細比較 單擊 【 Contrasts】 按鈕，彈出如右圖所示的 【 Contrasts(對比 )】 對話框。 ?Bonferroni（ LSDMOD） ： 用 t檢驗完成各組間均值的配對比較 ， 但通過設置每個檢驗的誤差率來控制整個誤差率 。 此法可用于檢查組均值的所有線性組合 ， 但不是公正的配對比較 。 ?Tukey：用 StudentRange統(tǒng)計量進行所有組間均值的配對比較，用所有配對比較誤差率作為實驗誤差率。 ?Hochberg‘s GT2：用正態(tài)最大系數(shù)進行多重比較。 默認的控制類是最后一組 。 ?GamesHowell： GamesHowell比較 ， 該方法較靈活 。 (1)【 Statistics(統(tǒng)計量 )】 復選框 :選擇輸出統(tǒng)計量。 ● Homogeneityofvariance：計算 Levene統(tǒng)計量進行方差齊性檢驗。 （ 2） Means plot：均值折線圖。 單擊 【 Bootstrap】 按鈕，彈出如右圖 所示的對話框。 實例圖文分析：信息來源與傳播 1. 實例內(nèi)容 某機構的各個級別的管理人員需要足夠的信息來完成各自的任務。檢驗信息來源是否對信息傳播有顯著影響？你的結論是什么？ 由于不同的信息來源可能導致信息傳播測度不同 。 Step01：打開對話框 打開數(shù)據(jù)文件 ，選擇菜單欄中的 【 Analyze（分析） 】 →【 Compare Means(比較均值 )】 → 【 OneWay ANOVA(單因素ANOVA)】 命令，彈出 【 OneWay ANOVA(單因素 ANOVA)】 對話框。 Step04：選擇均值多重比較方法 單擊 【 Options】 按鈕，在彈出的對話框中勾選 【 Homogeneity ofvariance】 復選框，表示輸出方差齊性檢驗表。 3. 實例結果及分析 （ 1） 方差齊性檢驗 SPSS的結果報告中首先列出了方差分析檢驗結果 。 10種中等規(guī)模的資本股票基金、 10種小額資本股票基金、 10種混合型股票基金和 10種專項股票基金的費用比率的數(shù)據(jù)見表 55所示（單位：％）。 Step02：在 【 候選變量 】 列表框中選擇 “ rate”變量作為因變量，將其添加至 【 Dependent List(因變量列表 )】 列表框中。 接著在 【 Coefficients(系數(shù) )】 文本框中依次輸入線性多項式的系數(shù) “ 1”、 “ 1”、 “ － 3”和 “ 1”， 并單擊 【 Add (添加 )】 按鈕確認設置 。單擊 【 Continue】 按鈕，返回主對話框。 3. 實例結果及分析 （ 1） 描述性統(tǒng)計量表 SPSS的結果報告中首先輸出了描述性統(tǒng)計量 ， 如表 56所示 。 （ 2）方差齊性檢驗 表 57是方差齊性檢驗結果表。可以看到，費用比率總的離差平方總和為 ；不同基金的組間離差為 ；組內(nèi)離差為 ；它們的方差比分別為 ，相除得 F統(tǒng)計量的觀測值為 ，對應的概率 P值為 。表中第四列 Mean Difference表示兩兩不同基金費用比率差值的均值。 （ 5）方差分析的精細比較 案例中第二問要比較第三類基金的費用比率和其他基金之間的關系，其實就是要進行均值之間的多項式比較。本案例中不管方差齊性還是不齊性，其概率 P值都顯著大于 ，這說明了零假設成立，即混合型股票基金的費用比率是其他三種類型基金費用比率的平均水平。它不僅能夠分析多個因素對觀測變量的獨立影響，更能夠分析多個因素的交互作用能否對觀測變量產(chǎn)生顯著影響。以兩個因素為例，可以表示為： 其中， Q表示各部分對應的離差平方和。我們可以根據(jù)相伴概率 P值和顯著性水平 α的大小關系來判斷各因素的不同水平對觀測變量是否產(chǎn)生了顯著性影響。 ● 選擇因素變量：添加至 【 Fixed Variable(s)(固定因子 )】 列表框中。 Step03：模型選擇 單擊 【 Model】 按鈕，彈出 【 Univariate： Model(單變量：模型 )】對話框，該對話框用于選擇分析模型。選擇該項后無需進行進一步的操作，即可單擊 【 Continue】 按鈕返回主對話框。在 【 Factors amp。 ● Main effects： 選中此項可以指定主效應。 ● All 5way： 指定所有 5維交互效應。適用于平衡的 ANOVA模型和非平衡的 ANOVA模型。如果能假設數(shù)據(jù)通過原點，可以不包括截距，即不選擇此項。在該框中選擇想要改變比較方法的因子，即鼠標單擊選中的因子。 ● Deviation：偏差比較法。除去作為參考的水平外，對預測變量或因素變量的每一水平都與參考水平進行比較。與 Helmert比較法相反。對預測變量或因素的效應，除第一水平以外，對每一水平都與它前面的水平進行比較。 從 【 Factors(因子 )】 列表框中選擇一個因素變量移入 【 Horlzontal Axis(水平軸 )】 列表框（水平軸）定義輪廓圖的橫坐標。 Step06：選擇多重比較 單擊 【 Post Hoc】 按鈕，彈出 【 Post Hoc Multiple Comparisons for Observed Means(單變量：觀測均值的兩兩比較 )】對話框。 Step07：預測值保存 單擊 【 Save】 按鈕，彈出 【 Save(保存 )】 對話框。 ● Unstsndardized：非標準化預測值。 ② Diagnostics：診斷值。 ● Unstsndardized：非標準化殘差值，即觀測值與預測值之差。 ● Studentized：學生氏殘差。 Step08：其他選項選擇 單擊 【 Options】 按鈕，彈出 【 Options(選項 )】 對話框?？梢詫⑵湟迫氲?【 Display Means for(顯示均值 )】 列表框中。 ② 在 【 Display(輸出 )】 列表框中指定要求輸出的統(tǒng)計量。 ● Parameter estimates：各因素變量的模型參數(shù)估計、標準誤、 t檢驗的 t值、顯著性概率和 95％的置信區(qū)間。 ● Residual plot：繪制因變量的觀察值對于預測值和標準化殘差的散點圖。 ③ 【 Significance level(顯著性水平 )】 文本框：改變 Confidence intervals(置信區(qū)間 )內(nèi)多重比較的顯著性水平 。 ● 參數(shù)估計值表支持系數(shù)、 B 的 Bootstrap 估計和顯著性檢驗。 ● 多重比較表支持平均值差值的 Bootstrap 估計。所得數(shù)據(jù)見表 511所示。本案例中，職業(yè)和性別是兩個影響因素，而每周薪金是因變量。這里 “ wage”變量表示每月薪金； “ job”變量表示職業(yè)的類型； “ sex”變量表示性別。 Step04：選擇多重比較 單擊 【 Post Hoc】 按鈕，彈出 【 Post Hoc(兩兩比較 )】 對話框。 Step05：其他選項選擇 單擊 【 Options】 按鈕，彈出 【 Options(選項 )】 對話框。 Step06：完成操作 最后，單擊 【 OK(確定 )】 按鈕，操作完成。從數(shù)值大小比較看，不少職業(yè)和性別之間每周薪金差異較大，說明有進一步采用方差分析的必要。 （ 3）雙因素方差分析檢驗表 在表 515中，第一行的 Corrected Model是對所用方差分析模型的檢驗，其原假設為模型中所有的影響因素均無作用，即職業(yè)、性別及兩者的交互作用等對每周薪金都無顯著影響。但這兩行對應的相伴概率 P都接近 0，顯然小于顯著性水平 。 （ 4）多重比較檢驗結果 表 516顯示了不同職業(yè)之間每周薪金均值比較結果。該職業(yè)的平均薪金要明顯高于財務管理和計算機程序員職業(yè)。 利用協(xié)方差分析就可以完成這樣的功能。 基本原理 在協(xié)方差分析中，將觀察變量總的離差平方和分解為由因變量引起的、由因變量的交互作用引起的、由協(xié)變量引起的和由其他隨機因素引起的。 12Q Q Q Q Q Q總 協(xié) 控 1 控 2 控 控 隨＝ ＋ ＋ ＋ ＋12Q Q Q Q Q Q?總 協(xié) 控 1 控 2 控 控 隨＝ ＋ ＋ ＋ 協(xié)方差分析的 SPSS操作詳解 確定是否存在協(xié)變量 采用協(xié)方差分析時，首先就應該