单因素方差分析完整实例

什么是单因素方差分析单因素方差分析是指对单因素试验结果进行分析，检验因素对试验结果有无显著性影响的方法。

单因素方差分析是两个样本平均数比较的引伸，它是用来检验多个平均数之间的差异，从而确定因素对试验结果有无显著性影响的一种统计方法。

单因素方差分析相关概念•因素：影响研究对象的某一指标、变量。

•水平：因素变化的各种状态或因素变化所分的等级或组别。

•单因素试验：考虑的因素只有一个的试验叫单因素试验。

单因素方差分析示例[1]例如，将抗生素注入人体会产生抗生素与血浆蛋白质结合的现象，以致减少了药效。

下表列出了5种常用的抗生素注入到牛的体内时，抗生素与血浆蛋白质结合的百分比。

现需要在显著性水平a = 0.0!下检验这些百分比的均值有无显著的差异。

设各总体服从正态在这里，试验的指标是抗生素与血浆蛋白质结合的百分比，抗生素为因素，不同的5种抗生素就是这个因素的五个不同的水平。

假定除抗生素这一因素外，其余的一切条件都相同。

这就是单因素试验。

试验的目的是要考察这些抗生素与血浆蛋白质结合的百分比的均值有无显著的差异。

即考察抗生素这一因素对这些百分比有无显著影响。

这就是一个典型的单因素试验的方差分析问题单因素方差分析的基本理论⑴备择假设Hi,然后寻找适当的检验统计量进行假设检验。

本节将借用上面的实例来讨论单因素试验的方差分析问题。

2厂…j $）下进行了nj = 4次独立试验，得到如上表所示的结果。

这些结果是一个随机变量。

表中的数据可以看成来自s个不同总体（每个水平对应一个总体）的样本值，将各个总体的均值依次记为山、》2、…r »则按题意需检验假设页：旳=“2 =…=川尸1 : \J “5不全相等为了便于讨论，现在引入总平均卩[Ho :屍="2 =…=毎=qI 闻:力屆…：吗不全为零因此，单因素方差分析的任务就是检验s个总体的均值®是否相等，也就等价于检验各水平Aj的效应6是否都等于零。

样本产恥…佔吁/来自正态总体N （虬2）, 9与02未知，且设不同水平Aj 下的样本 之间相互独立，则单因素方差分析所需的检验统计量可以从总平方和的分解导出来。

单因素方差分析实例[例6-8]在1990 年秋对“亚运会期间收看电视的时刻”调查结果如下表所示。

问：收看电视的时刻比平日减少了（第一组）、与平日无增减（第二组）、比平日增加了（第三组）的三组居民在“对亚运会的总态度得分”上有无显著的不同？即要查验从“态度”上看，这三组居民的样本是取自同一整体仍是取自不同的整体在SPSS 中进行方差分析的步骤如下：（1）概念“居民对亚运会的总态度得分”变量为X（数值型），概念组类变量为G（数值型），G=1、2、3 表示第一组、第二组、第三组。

然后录入相应数据，如图6-66所示图6-66 方差分析数据格式（2）选择[Analyze]=>[Compare Means]=>[One-Way ANOVA...]，打开[One-Way ANOVA]主对话框（如图6-67所示）。

从主对话框左侧的变量列表当选定X，单击按钮使之进入[Dependent List]框，再选定变量G，单击按钮使之进入[Factor]框。

单击[OK]按钮完成。

图6-67 方差分析对话框（3）分析结果如下：因此，收看电视时刻不同的三个组其对亚运会的态度是属于三个不同的整体。

多因素方差分析[例6-11]从由五名操作者操作的三台机械每小时产量中别离各抽取1 个不同时段的产量，观测到的产量如表6-31所示。

试进行产量是不是依托于机械类型和操作者的方差分析。

SPSS 的操作步骤为：（1）概念“操作者的产量”变量为X（数值型），概念机械因素变量为G1（数值型）、操作者因素变量为G2（数值型），G1=1、2、3 别离表示第一、二、三台机械，G2=1、2、3、4、5 别离表示第1、2、3、4、5 位操作者。

录入相应数据，如图6-68所示。

图6-68 双因素方差分析数据格式（2）选择[Analyze]=>[General Linear Model]=>[Univariate...]，打开[Univariate]主对话框（如图6-69所示）。

SPSS- 单因素方差分析( ANOVA) - 案例解析SPSS单因素方差分析（ANOVA）案例解析2011-08-30 11:10这几天一直在忙电信网上营业厅用户体验优化改版事情，今天将我最近习SPSS单因素方差分析（ANOVA分析，今天希望跟大家交流和分享一下：继续以上一期的样本为例，雌性老鼠和雄性老鼠，在注射毒素后，经过一段时间，观察鼠死亡和存活情况。

研究的问题是：老鼠在注射毒液后，死亡和存活情况，会不会跟性别有关？样本数据如下所示：（a代表雄性老鼠b代表雌性老鼠0代表死亡1代表着tim 代表注射毒液后，经过多长时间，观察结果）点击“分析”一一比较均值-------- 单因素AVOVA,如下所示:从上图可以看出，只有“两个变量”可选，对于“组别（性别）”变量不可选，进行“转换”对数据重新进行编码，点击“转换”一“重新编码为不同变量”将a,b"分别用8,9进行替换，得到如下结果”这里可能需此时的8代表a（雄性老鼠）9代表b雌性老鼠，我们将“生存结局”变量移入“因变量列表框内，将“性别”移入“因子”框内，点击“两两比较”按钮，如下所示：“勾选“将定方差齐性”下面的项点击继续LSD选项，和“未假定方差齐性”下面的Tamhane's T2 选点击“选项”按钮，如下所示:I固疋和随枫效果(号IN有建同備性檯验迥)匚旦rown-Forsythe(B)El Welches}姑朱値©按分析顺序排麒个案®「I I S3 Affifi勾选“描述性”和“方差同质检验”以及均值图等选项，得到如下结果:结果分析：方差齐性检验结果，“显著性”为0,由于显著性0<0.05所以，方差齐性不相等，一般情况下，不能够进行方差分析但是对于SPSS来说，即使方差齐性不相等，还是可以进行方差分析的，由于此样本组少于三组，不能够进行多重样本对比从结果来看“单因素ANOVA分析结果，显著性0.098，由于0.098>0.05 所以以得出结论：生存结局受性别的影响不显著很多人，对这个结果可能存在疑虑，下面我们来进一步进行论证，由于“方差齐性不相等”下我们来进行“非参数检验”检验结果如下所示：（此处采用的是“ Kruskal -Wallis "检验方法假设检脸汇总恳渝妊稻±』埜迹空.06-通过“ Kruskal -Wallis ”检验方法，我们得出“ sig=0.098" 跟我们先前分析的结果一样，都0.098，事实得到论证。

SPSS单因素方差分析例题在消费者市场，消费者和生产者之间常因商品质量或者服务质量发生纠纷。

消费者在发生纠纷而无法解决时，便会选择消费者协会进行投诉。

为了评价不同行业的服务质量，消费者协会分别在零售业、旅游业、航空公司、家电制造业抽取了不同的企业作为样本，其中零售业7家，旅游业6家，航空公司5家，家电制造业5家，然后统计出近期消费者对这23家企业的投诉次数，如下表所示：表1 消费者对4个行业的投诉次数观测值行业零售业旅游业航空公司家电制造业1 57 68 31 442 66 39 49 513 49 29 21 654 40 45 34 775 34 56 40 586 53 517 44针对上表给出的数据进行单因素方差分析，并利用LSD（最小显著差异检验）和Bonferroni（修正的最小显著差异检验）方法，检验各行业间均值是否存在显著性差异；同时，选择线性多项式比较各均值，共指定两组多项式系数，检验行业对投诉次数的效应，多项式系数由下列公式给出：● 1.0*mean1－1.0*mean2＋1.0*mean3－1.0*mean4 检验零售业和航空公司的投诉之和与旅游业和家电业的投诉之和是否有显著差异。

● 1.0*mean1＋1.0*mean2－1.0*mean3－1.0*mean4 检验零售业和旅游业的投诉之和与航空公司和家电业的投诉之和是否有显著差异。

基本操作提示：Step 1：建立数据文件，其中值1、2、3、4分别代表零售业、旅游业、航空公司、家电业这4个不同行业。

打开数据文件。

Step 2：Analyz e→Compare mean s→One-Way ANOV A。

变量“投诉次数”指定为“Dependent List”(样本观测值)，“行业”指定为“Factor”(因素)。

Step 3：单击“Option”按钮，依次选择“Descriptive”(描述性统计量)、“Homogeneity of variance test”(方差齐性检验)、“Meanplot”(均值连线图)选项，单击“Continue”，返回主对话框。

单因素方差分析的应用实例文档来源为:从网络收集整理.word版本可编辑.欢迎下载支持.单因素方差分析的应用实例PROC ANOVA [DATA= <数据集名>MANOVA按多元分析的要求略去有任一缺失值的记录OUTSTAT= <数据集名>] ;指定统计结果输出的数据集名CLASS <处理因素名列>;必需，指定要分析的处理因素MODEL <应变量名=处理因素名列> / [选项];必需，给出分析用的方差分析模型MEANS <变量名列> / [选项] ;指定要两两比较的因素及比较方法BY <变量名列>;FREQ <变量名>;例1：研究6种氮肥施用法对小麦的效应，每种施肥法种5盆小麦，完全随机设计。

最后测定它们的含氮量（mg），试作方差分析施氮法SAS程序data exam1;input g x @@;cards;1 12.92 14.03 12.64 10.5 5 14.6 6 14.01 12.32 13.83 13.24 10.85 14.6 6 13.31 12.2 2 13.83 13.4 4 10.75 14.46 13.71 12.52 13.63 13.4 4 10.85 14.46 13.51 12.72 13.63 13.04 10.5 5 14.46 13.7;proc anova data=exam1;class g;model x=g ;1文档来源为:从网络收集整理.word版本可编辑.欢迎下载支持. run;input x1 g j @@;cards;60 1 1 62 2 1 61 3 1 60 4 165 1 2 65 2 2 68 3 2 65 4 263 1 3 61 2 3 61 3 3 60 4 364 1 4 67 2 4 63 3 4 61 4 462 1 5 65 2 5 62 3 5 64 4 561 1 6 62 2 6 62 3 6 65 4 6;proc anova data=exam2;class g j;model x1=g j;run;例2：对某地区农村的6名2周岁男婴的身高、胸围、上半臂围进行测量，得样本数据如下表。

第一题：data0706-nutrition为地衣(lichen)、树叶成叶和嫩叶的蛋白质和可溶性碳水化合物(water soluble carbohydrate)的含量，先分析三者之间蛋白质的含量有无差异？如果有差异，具体是怎么差异的？再可溶性碳水化合物的含量有无差异？如果有差异，具体怎么差异？（1）地衣(lichen)、树叶成叶和嫩叶的蛋白质的含量差异分析；第一步：导出变量items和protein，以便删除protein中缺失数据。

第二步：打开导出数据data0706-nutrition1，先排序，然后删除缺失数据。

第三步：对data0706-nutrition1数据的正态性、异常值和极值、方差齐性进行检验，对数据做一个检查，Analyze->Descriptive Statistics->Explore；首先：如上图，把要检验的变量protein送入Dependent List，把分组变量（因素变量）items送入Factor List。

其次：如下图，点击Plots打开：选择Factor Levels together、Stem-and-leaf、Histogram、Normality plots with tests，下方Spread vs Level with Levene Test可以提供方差齐性的检验，选择Untransformed（不对数据进行转换）。

输出结果：第一组是尽管sig=0.935，但由于样本数太小，正态一般；第二组正态性不好。

第三组中，p较小，也只是近似正态。

基于平均数的计算(Based on Mean)，各组方差有差异(p=0.044)。

由直方图可以看出，在第二组和第三组存在一些极值，数据分布不均匀，连续性不好。

由茎叶图可知，第二组和第三组分别存在4个，3个极值。

由qq图和QQ图不能得到一些较有用的信息，因为正态性之前已经判断。

箱图并与茎叶图一致，在第二组标识了4个异常值，第三组标识了3个异常值。

单因素方差分析完整实例假设有一家医院的研究人员想要比较三种不同药物对高血压患者的降压效果。

为了进行实验，他们随机选择了60名患有高血压的病人，并将他们随机分成三组。

第一组患者接受药物A的治疗，第二组患者接受药物B的治疗，第三组患者接受药物C的治疗。

在治疗开始前，研究人员记录了每个患者的收缩压数据。

第一步是对数据进行描述性统计分析。

研究人员计算了每一组的平均值、标准差和样本量。

结果如下：药物A组：平均收缩压150，标准差10，样本量20药物B组：平均收缩压145，标准差12，样本量20药物C组：平均收缩压155，标准差15，样本量20第二步是进行假设检验。

研究人员的零假设是所有药物的降压效果相同，即三组的平均收缩压相等。

备择假设是至少有一组的平均收缩压不同。

为了进行单因素方差分析，我们需要计算组内方差和组间方差，然后进行F检验。

组内方差反映了每一组内部数据的离散程度，组间方差反映了不同组之间平均值的差异程度。

组内方差的计算方法是对每一组的方差进行平均，然后再对所有组的方差进行加权平均。

组间方差的计算方法是对所有组的平均值进行方差分析。

我们通过公式计算出组内方差为10.08，组间方差为58.67、接下来我们计算F值，F值是组间方差除以组内方差的比值。

F=组间方差/组内方差=58.67/10.08=5.81第三步是通过查找F分布表来计算p值。

根据自由度为2（组数-1）和df = 57（总样本量-组数）的F分布表，我们可以找到在F = 5.81条件下的p值。

假设我们选择显著性水平为0.05，我们发现在F分布表上，F=5.81对应的p值小于0.05、因此，我们拒绝零假设，接受备择假设。

这意味着至少有一组的平均收缩压与其他组有显著差异。

最后一步是进行事后检验。

由于我们有三组进行比较，我们可以使用事后检验方法来确定哪两组之间存在显著差异。

常用的事后检验方法包括Tukey HSD检验、Duncan检验等。

综上所述，单因素方差分析可以帮助我们判断不同组之间是否存在显著差异。

SPSS-单因素方差分析（ANOVA)案例解析2011-08-30 11:10这几天一直在忙电信网上营业厅用户体验优化改版事情，今天将我最近学习SPSS单因素方差分析（ANOVA分) 析，今天希望跟大家交流和分享一下：继续以上一期的样本为例，雌性老鼠和雄性老鼠，在注射毒素后，经过一段时间，观察老鼠死亡和存活情况。

研究的问题是：老鼠在注射毒液后，死亡和存活情况，会不会跟性别有关？样本数据如下所示：（a 代表雄性老鼠 b 代表雌性老鼠0 代表死亡 1 代表活着tim 代表注射毒液后，经过多长时间，观察结果）点击“分析”——比较均值———单因素AVOVA, 如下所示：从上图可以看出，只有“两个变量”可选, 对于“组别（性别）”变量不可选，这里可能需要进行“转换”对数据重新进行编码，点击“转换”—“重新编码为不同变量”将a,b" 分别用8,9 进行替换，得到如下结果”此时的8 代表a(雄性老鼠）9 代表b 雌性老鼠，我们将“生存结局”变量移入“因变量列表”框内，将“性别”移入“因子”框内，点击“两两比较”按钮，如下所示：“勾选“将定方差齐性”下面的LSD 选项，和“未假定方差齐性”下面的Tamhane's T2 选项点击继续点击“选项”按钮，如下所示：勾选“描述性”和“方差同质检验”以及均值图等选项，得到如下结果：结果分析：方差齐性检验结果，“显著性”为0，由于显著性0<0.05 所以，方差齐性不相等，在一般情况下，不能够进行方差分析但是对于SPSS来说，即使方差齐性不相等，还是可以进行方差分析的，由于此样本组少于三组，不能够进行多重样本对比从结果来看“单因素ANOV”A 分析结果，显著性0.098，由于0.098>0.05 所以可以得出结论：生存结局受性别的影响不显著很多人，对这个结果可能存在疑虑，下面我们来进一步进行论证，由于“方差齐性不相等”下面我们来进行“非参数检验”检验结果如下所示：（此处采用的是“Kruskal -Wallis " 检验方法）通过“Kruskal - Wallis ”检验方法，我们得出“sig=0.098" 跟我们先前分析的结果一样，都是0.098，事实得到论证。