【導(dǎo)讀】SPSS主要有以下模塊實(shí)現(xiàn)均值比較過程。驗值之間存在明顯的差異。該方法采用t檢驗方法，按照下式計算t統(tǒng)計量。式中，D是樣本均值與檢驗值之差；因為總體方差未知，如果相伴概率P值小于或等于給定的顯著性水平，樣本T檢驗）】對話框。Step02：選擇檢驗變量。其中，左側(cè)候選變量列表框中顯。在文本框中輸入檢驗值，Step04：其他選項設(shè)置。中各選項的含義如下。失值的處理方式，它有以下兩種處理方式。表示刪除所有含缺失值的觀測量后再進(jìn)行分析。進(jìn)行如下統(tǒng)計量的Bootstrap估計。件自動輸出結(jié)果。數(shù)總量為100萬—300萬。他隨機(jī)選取了26名通勤者。作為樣本，收集的數(shù)據(jù)如下所示。出了其他城市通勤時間的平均水平為19分鐘，因此，默認(rèn)的95％修改為99％，其目的是調(diào)整顯著性水平。單擊OK按鈕，完成操作。月份中15個往返機(jī)票的折扣費(fèi)作為一個簡單隨機(jī)樣本，但是，這種數(shù)值的增加是由實(shí)際情況變動。這里建立如下假設(shè)檢驗：

　　

【正文】 形式。 ● Interaction： 選中此項可以指定任意的交互效應(yīng)。 ● Main effects： 選中此項可以指定主效應(yīng)。 ● All 2way： 指定所有 2維交互效應(yīng)。 ● All 3way： 指定所有 3維交互效應(yīng)。 ● All 4way： 指定所有 4維交互效應(yīng)。 ● All 5way： 指定所有 5維交互效應(yīng)。 ● Type I項：一般適用于平衡的 ANOVA模型。 ● Type II項：一般適用于平衡的 ANOVA模型、主因子效應(yīng)模型、回歸模型和嵌套設(shè)計。 ● Type III項：系統(tǒng)默認(rèn)的平方和分解法。適用于平衡的 ANOVA模型和非平衡的 ANOVA模型。凡適用 Type I和 Type II的模型均可以用該法。 ● Type IV頂：一般適用于 Type I和 Type lI方法的模型、有缺失值的平衡或不平衡模型。 （ 3） 【 Include intercept in model(在模型中包含截距 )】 復(fù)選框：系統(tǒng)默認(rèn)選項，通常截距包括在模型中。如果能假設(shè)數(shù)據(jù)通過原點(diǎn)，可以不包括截距，即不選擇此項。 Step04：選擇比較方法 單擊 【 Contrasts】 按鈕，彈出 【 Univariate： Contrasts(單變量：對比 )】 對話框。在 【 Factors(因子 )】 列表框中顯示出所有在主對話框中選中的因素變量。因素變量名后的括號中是當(dāng)前的比較方法。在該框中選擇想要改變比較方法的因子，即鼠標(biāo)單擊選中的因子。這一操作使 【 Change Contrast(更改對比 )】 復(fù)選欄中的各項被激活。 展開 【 Contrast(對比 )】 參數(shù)框的下拉菜單，可得到各類比較方法。 ● None：不進(jìn)行均數(shù)比較。 ● Deviation：偏差比較法。除被忽略的水平外，比較預(yù)測變量或因素變量的每個水平的效應(yīng)?？梢渣c(diǎn)選 【 Last(最后一個 )】 (最后一個水平 )或 【 First(第一個 )】 (第一個水平 )作為忽略的水平。 ● Simple：簡單比較法。除去作為參考的水平外，對預(yù)測變量或因素變量的每一水平都與參考水平進(jìn)行比較。選擇 【 Last(最后一個 】 或 【 First(第一個 )】 作為參考水平。 ● Difference：差值比較法。對預(yù)測變量或因素每一水平的效應(yīng)，除第一水平以外，都與其前面各水平的平均效應(yīng)進(jìn)行比較。與 Helmert比較法相反。 ● Helmert： Helmert法。對預(yù)測變量或因素的效應(yīng)，除最后一個水平以外，都與后面的各水平的平均效應(yīng)相比較。 ● Repeated：重復(fù)比較法。對預(yù)測變量或因素的效應(yīng)，除第一水平以外，對每一水平都與它前面的水平進(jìn)行比較。 ● Polynomial：多項式比較。比較線性、二次、三次等效應(yīng)，常用于估計多項式趨勢。 Step05：選擇輪廓圖 單擊 【 Plot】 按鈕，彈出 【 Profile Plots(輪廓圖 )】 對話框，在該對話框中設(shè)置均值輪廓圖。 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(biāo)。選擇另一個因素變量移入 【 Separate Lines(單圖 )】 列表框定義輪廓圖的區(qū)分線。如果需要的話再從 【 Factors(因子 )】 列表框中選擇一個因素變量移入 【 Separate Plots(多圖 )】 列表框定義輪廓圖的區(qū)分圖 以上選擇確定以后，單擊 【 Add】 按鈕加以確定。需要對加入圖清單框的選擇結(jié)果進(jìn)行修正，可單擊 【 Chang和 Remove】 按鈕。 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。該對話框用于對均值作 Post Hoc多重比較檢驗。從 【 Factor(s)(因子 )】 框選擇相關(guān)變量使被選變量進(jìn)入 【 Post Hoc test for(兩兩比較檢驗 )】 框。不難發(fā)現(xiàn)，這個對話框與單因素方差分析模型的Post Hoc多重比較檢驗對話框大致相同，各選項意義也一致。 Step07：預(yù)測值保存 單擊 【 Save】 按鈕，彈出 【 Save(保存 )】 對話框。通過在對話框中的選擇，可以將所計算的預(yù)測值、殘差和檢測值作為新的變量保存在編輯數(shù)據(jù)文件中。以便于在其他統(tǒng)計分析中使用這些值。 ① Predicted Values ：預(yù)測值。 ● Unstsndardized：非標(biāo)準(zhǔn)化預(yù)測值。 ● Weighted：加權(quán)預(yù)測值。如果在主對話框中選擇了 WLS變量，選中該復(fù)選框，將保存加權(quán)非標(biāo)準(zhǔn)化預(yù)測值。 ● Standard error：預(yù)測值標(biāo)準(zhǔn)誤。 ② Diagnostics：診斷值。 ● Cook’s distance： Cook 距離。 ● Leverage values：非中心化 Leverage 值。 ③ Residuals：殘差。 ● Unstsndardized：非標(biāo)準(zhǔn)化殘差值，即觀測值與預(yù)測值之差。 ● Weighted：加權(quán)非標(biāo)準(zhǔn)化殘差。如果在主對話框中選擇了 WLS變量，選中該復(fù)選框，將保存加權(quán)非標(biāo)準(zhǔn)化殘差。 ● Standardized：標(biāo)準(zhǔn)化殘差，又稱 Pearson殘差。 ● Studentized：學(xué)生氏殘差。 ● Deleted：剔除自變量值與校正預(yù)測值之差。 最后可以勾選 【 Coefficient statistics(系數(shù)統(tǒng)計 )】 復(fù)選框，將參數(shù)協(xié)方差矩陣保存到一個新文件中。單擊 【 File】 按鈕，打開相應(yīng)的對話框?qū)⑽募４妗? Step08：其他選項選擇 單擊 【 Options】 按鈕，彈出 【 Options(選項 )】 對話框。各選項含義如下。 ① 【 Estimated Marginal Means (估計邊際均值 )】 ：估測邊際均值設(shè)置。 在 【 Factor(s) and Factor Interactions(因子和因子交互 )】 列表框中列出 【 Model(模型 )】 對話框中指定的效應(yīng)項，在該框中選定因素變量的各種效應(yīng)項?？梢詫⑵湟迫氲?【 Display Means for(顯示均值 )】 列表框中。 在 【 Display Means for(顯示均值 )】 列表框中有主效應(yīng)時，點(diǎn)選激活此框下面的 【 Compare main effects(比較主效應(yīng) )】 復(fù)選框，對主效應(yīng)的邊際均值進(jìn)行組間的配對比較。 在 【 Confidence interval adjustment(置信區(qū)間調(diào)節(jié) )】 參數(shù)框中，可以進(jìn)行多重組間比較。打開下拉菜單，共有三個選項： LSD(none)、Bonferroni和 Sidak方法。 ② 在 【 Display(輸出 )】 列表框中指定要求輸出的統(tǒng)計量。 ● Descriptive statistics：輸出描述統(tǒng)計量。 ● Estimates of effect size：效應(yīng)量的估計。 ● Observed power：功效檢驗或勢檢驗。 ● Parameter estimates：各因素變量的模型參數(shù)估計、標(biāo)準(zhǔn)誤、 t檢驗的 t值、顯著性概率和 95％的置信區(qū)間。 ● Contrast coefficient matrix：顯示對照系數(shù)矩陣。 ● Homogeneity test：方差齊次性檢驗。 ● Spread plot：繪制觀測量均值對標(biāo)準(zhǔn)差和方差的圖形。 ● Residual plot：繪制因變量的觀察值對于預(yù)測值和標(biāo)準(zhǔn)化殘差的散點(diǎn)圖。 ● Lack of fit：擬合度不足檢驗。檢查獨(dú)立變量和非獨(dú)立變量間的關(guān)系是否被充分描述。 ● General estimable function：可以根據(jù)一般估計函數(shù)自定義假設(shè)檢驗。 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 。 Step09 ：相關(guān)統(tǒng)計量的 Bootstrap估計。 單擊 【 Bootstrap】 按鈕，在彈出的對話框中可以進(jìn)行如下統(tǒng)計量的 Bootstrap估計。 ● 描述統(tǒng)計表支持均值和標(biāo)準(zhǔn)差的 Bootstrap 估計。 ● 參數(shù)估計值表支持系數(shù)、 B 的 Bootstrap 估計和顯著性檢驗。 ● 對比結(jié)果表支持差值的 Bootstrap 估計和顯著性檢驗。 ● 估計值表支持均值的 Bootstrap 估計。 ● 成對比較表支持平均值差值的 Bootstrap 估計。 ● 多重比較表支持平均值差值的 Bootstrap 估計。 Step10：單擊 【 OK】 按鈕，結(jié)束操作， SPSS軟件自動輸出結(jié)果。 實(shí)例圖文分析： 薪 金的區(qū)別 1 實(shí)例內(nèi)容 假設(shè)某一雜志的記者要考察職業(yè)為財務(wù)管理、計算機(jī)程序員和藥劑師的男女雇員其每周的薪金之間是否有顯著性差異。從每種職業(yè)中分別選取了 5名男性和 5名女性組成樣本，并且記錄下來樣本中每個人的周薪金（單位：美元）。所得數(shù)據(jù)見表 511所示。請你分析職業(yè)和性別對薪金有無顯著影響。 2 實(shí)例操作 由于薪金水平的高低和所從事的職業(yè)、性別等因素都有關(guān)系。因此這里要考慮兩個因素水平下的薪金差異問題，即建立雙因素的方差分析模型。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。同時，我們也要考慮職業(yè)和性別這兩個因素之間有無交互作用。具體操作步驟如下。 Step01：打開對話框 打開數(shù)據(jù)文件 ，選擇菜單欄中的 【 Analyze（分析） 】 →【 General Linear Model(一般線性模型 )】 → 【 Univariate(單變量 )】 命令，彈出 【 Univariate(單變量 )】 對話框。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。 提示：在使用前，請注意數(shù)據(jù)是否符合方差分析的前提條件。 Step02：選擇觀測變量 在候選變量列表框中選擇 “ wage”變量作為因變量，將其添加至 【 Dependent Variable(因變量 )】 列表框中。 Step03：選擇因素變量 選擇 “ job”和 “ sex”變量作為因素變量，將它們添加至 【 Fixed Factor(s)(固定因子 )】 列表框中。 Step04：選擇多重比較 單擊 【 Post Hoc】 按鈕，彈出 【 Post Hoc(兩兩比較 )】 對話框。在【 Factors(因子 )】 列表框中選擇 “ job”變量至 【 Post Hoc Test for(兩兩比較檢驗 )】 列表框，并且勾選 【 LSD】 選項。這里表示要進(jìn)行職業(yè)變量的兩兩多重比較。再單擊 【 Continue】 按鈕，返回主對話框。 Step05：其他選項選擇 單擊 【 Options】 按鈕，彈出 【 Options(選項 )】 對話框。勾選 【 Descriptive(描述性統(tǒng)計量 )】 復(fù)選框表示輸出描述性統(tǒng)計量；勾選 【 Homogeneityofvariance(方差同質(zhì)性檢驗 )】 復(fù)選框表示輸出方差齊性檢驗表。再單擊 【 Continue】 按鈕，返回主對話框。 提示：根據(jù)數(shù)據(jù)特點(diǎn)及 您的實(shí)驗要求，選擇不 同的均值多重比較方法。 Step06：完成操作 最后，單擊 【 OK(確定 )】 按鈕，操作完成。 3. 實(shí)例結(jié)果及分析 （ 1）描述性統(tǒng)計分析表 表 512和表 513是對樣本數(shù)據(jù)的基本描述結(jié)果。表 512列出了各種水平下的樣本個數(shù)。表 513列出了不同職業(yè)、性別每周薪金的樣本均值和標(biāo)準(zhǔn)差。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(jìn)一步采用方差分析的必要。 （ 2）方差齊性檢驗 SPSS的結(jié)果報告接著列出了方差齊性檢驗結(jié)果表 514。由于這里采用的是 Levene檢驗法，故表格首先顯示 Levene統(tǒng)計量等于 。由于概率 P值 ，故認(rèn)為樣本數(shù)據(jù)的方差是相同的，滿足方差分析的前提條件。 （ 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(shè)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。該檢驗的 P值遠(yuǎn)小于 0.05，因此所用模型有統(tǒng)計學(xué)意義，以上所提到的因素中至少有一個是有顯著差異的，但具體是哪些則需要閱讀后面的分析結(jié)果。 第二行是對模型中常數(shù)項是否等于 0進(jìn)行的檢驗，雖然根據(jù)概率 P值判斷它顯著不等于零，但它在分析中沒有實(shí)際意義，忽略即可。 第三、四行分別是對職業(yè)、性別的影響效應(yīng)進(jìn)行的檢驗，其零假設(shè)分別是：職業(yè)或性別對薪金沒有顯著性差異。但這兩行對應(yīng)的相伴概率 P都接近 0，顯然小于顯著性水平 ?？梢姡瑑烧叻謩e對薪金有顯著性影響。