在正态或近似正态分布的计量资料中(如临床常见的体温、血压、脉搏、身高、体重等测量值,几乎均为此类资料),经常在使用前一章计量资料描述过程分析后,还要进行组与组之间平均水平的比较。本章将分四节分别介绍这一统计方法:即常用的t检验和单因素方差分析。
第一节 Means过程
5.1.1 主要功能
与第四章中Descriptives过程相比,若仅仅计算单一组别的均数和标准差,Means过程并无特别之处;但若用户要求按指定条件分组计算均数和标准差,如分性别同时分年龄计算各组的均数和标准差,则用Means过程更显简单快捷。
5.1.2.2 统计分析
激活Statistics菜单选Compare Means中的Means...项,弹出Means对话框(如图5.2示)。今欲分性别同时分年龄求血红蛋白值的均数和标准差,故在对话框左侧的变量列表中选hb,点击?钮使之进入Dependent List框,选sex 点击?钮使之进入Independent List框,点击Next,可选定分组的第二层次(Layer 2 of 2),选age 点击?钮亦使之进入Independent List框。点击Options...可选统计项目:在Cell Displays项中,Mean为均数、Standard deviation为标准差、Variance为方差、Count为观察单位数、Sum为观察值总和,在Statistics for First Layer项中,将为第一层次的分组计算方差分析(ANOVA table and eta)和线性检验(Test of linearity)。选好后点击Continue钮返回Means对话框,点击OK钮即可。
第二节 Independent-Samples T Test过程
5.2.1 主要功能
调用此过程可完成两样本均数差别的显著性检验,即通常所说的两组资料的t检验。
5.2.2.2 统计分析
激活Statistics菜单选Compare Means中的Independent-samples T Test...项,弹出Independent- samples T Test对话框(如图5.4示)。从对话框左侧的变量列表中选x,点击?钮使之进入Test Variable(s)框,选group 点击?钮使之进入Grouping Variable框,点击Define Groups...钮弹出Define Groups定义框,在Group 1中输入1,在Group 2中输入2,点击Continue钮,返回Independent-samples T Test对话框,点击OK钮即完成分析。
第三节 Paired-Samples T Test过程
5.3.1 主要功能
调用此过程可完成配对资料的显著性检验,即配对t检验。在医学领域中,主要的配对资料包括:同对(年龄、性别、体重、病况等非处理因素相同或相似者)或同一研究对象分别给予两种不同处理的效果比较,以及同一研究对象处理前后的效果比较。前者推断两种效果有无差别,后者推断某种处理是否有效。
5.3.2.2 统计分析
激活Statistics菜单选Compare Means中的Paired-samples T Test...项,弹出Paried-samples T Test对话框(如图5.6示)。从对话框左侧的变量列表中点击x1,这时在左下方的Current Selections框中Variable 1处出现x1,再从变量列表中点击x2,左下方的Current Selections框中Variable 2处出现x2。点击?钮使x1、x2进入Variables框,点击OK钮即完成分析。
第四节 One-Way ANOVA过程
5.4.1 主要功能
在实际研究中,经常需要比较两组以上样本均数的差别,这时不能使用t检验方法作两两间的比较(如有人对四组均数的比较,作6次两两间的t检验),这势必增加两类错误的可能性(如原先a定为0.05,这样作多次的t检验将使最终推断时的a>0.05)。故对于两组以上的均数比较,必须使用方差分析的方法,当然方差分析方法亦适用于两组均数的比较。方差分析可调用此过程可完成。
本过程只能进行单因素方差分析,即完全随机设计资料的方差分析。对于随机区组设计资料方差分析的方法,将在第五章介绍。
5.4.2.2 统计分析
激活Statistics菜单选Compare Means中的One-Way ANOVA...项,弹出One-Way ANOVA 对话框(如图5.8示)。从对话框左侧的变量列表中选x,点击?钮使之进入Dependent List框,选range 点击?钮使之进入Factor框,点击Define Range钮打开One-Way ANOVA: Define Range 对话框,因本例为3组比较,故在Minimum处输入1,在Maximum处输入3,点击Continue钮返回One-Way ANOVA 对话框。如果欲作多个样本均数间两两比较,可点击该点击对话框的Post Hoc...钮打开One-Way ANOVA: Post Hoc Multiple Comparisons对话框(如图5.9所示),这时可见在Tests框中有7种比较方法供选择:
Least-significant difference:最小显著差法。a可指定0~1之间任何显著性水平,默认值为
0.05;
Bonferroni:Bonferroni修正差别检验法。a可指定0~1之间任何显著性水平,默认值为0.05;
Duncan’s multiple range test:Duncan多范围检验。只能指定a为0.05或0.01或0.1,默认值为0.05;
Student-Newman-Keuls:Student-Newman-Keuls检验,简称N-K检验,亦即q检验。a只能为0.05;
Tukey’s honestly significant difference:Tukey显著性检验。a只能为0.05;
Tukey’s b:Tukey另一种显著性检验。a只能为0.05;
Scheffe:Scheffe差别检验法。a可指定0~1之间任何显著性水平,默认值为0.05。
本例选用Student-Newman-Keuls显著性检验法。在Sample Size Estimate框中有Harmonic average of pairs和Harmonic average of all groups两选项,前者表示仅采用相互比较两组的调和均数,后者表示采用所有组(含比较的两组和尚未比较的其他组)的调和均数,本例选用前者,点击Continue钮返回One-Way ANOVA 对话框后,再点击OK钮即完成分析。
第六章 方差分析
方差分析是R.A.Fister发明的,用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响,研究所得的数据呈现波动状,造成波动的原因可分成两类,一是不可控的随机因素,另一是研究中施加的对结果形成影响的可控因素。方差分析的基本思想是:通过分析研究中不同来源的变异对总变异的贡献大小,从而确定可控因素对研究结果影响力的大小。
方差分析主要用于:1、均数差别的显著性检验,2、分离各有关因素并估计其对总变异的作用,3、分析因素间的交互作用,4、方差齐性检验。
第一节 Simple Factorial过程
6.1.1 主要功能
调用此过程可对资料进行方差分析或协方差分析。在方差分析中可按用户需要作单因素方差分析(其结果将与第五章第四节相同)或多因素方差分析(包括医学中常用的配伍组方差分析);当观察因素中存在有很难或无法人为控制的因素时,则可对之加以指定以便进行
协方差分析。
6.1.2.2 统计分析
激活 Statistics 菜单选ANOVA Models中的Simple Factorial...项,弹出Simple Factorial ANOVA对话框(图6.2)。在变量列表中选变量y,点击?钮使之进入Dependent框;选分组变量group,点击?钮使之进入Factor(s)框中, 并点击Define Range...钮在弹出的Simple Factorial ANOVA:Define Range框中确定分组变量group的起止值(1,2);选协变量x,点击?钮使之进入Covariate(s)框中。
点击Options...框,弹出Simple Factorial ANOVA:Options对话框。系统在协方差分析的方法(Method)上有三种选项:
1、Unique:同时评价所有的效应;
2、Hierarchical:除主效应外,逐一评价各因素的效应;
3、Experimental:评价因素干预之前的主效应。
本例选Unique方法,之后点击Continue钮返回Simple Factorial ANOVA对话框,再点击OK钮即可。
第二节 General Factorial过程
6.2.1 主要功能
调用此过程可对完全随机设计资料、配伍设计资料、析因设计资料、正交设计资料等等进行多因素方差分析或协方差分析。
6.2.2.2 统计分析
激活Statistics菜单选ANOVA Models中的General Factorial...项,弹出General Factorial ANOVA对话框(图6.3)。在对话框左侧的变量列表中选变量x,点击?钮使之进入Dependent Variable框;选要控制的分组变量base、sero和pct,点?钮使之进入Factor(s)框中,并分别点击Define Range钮,在弹出的General Factorial ANOVA:Define Range对话框中确定各变量的起止值,本例变量base的起止值为1、3,变量sero的起止值为1、2,变量pct的起止值为1、2。之后点击OK钮即可。
第三节 Multivarite过程
6.3.1 主要功能
调用此过程可进行多元方差分析。此外,对于一元设计,如涉及混合模型的设计、分割设计(又称列区设计)、重复测量设计、嵌套设计、因子与协变量交互效应设计等,此过程均能适用。
6.3.2.2 统计分析
激活Statistics菜单选ANOVA Models中的Multivarite...项,弹出Multivarite ANOVA 对话框(图6.8)。首先指定供分析用的变量x1、x2、x3,故在对话框左侧的变量列表中选变量x1、x2、x3,点击?钮使之进入Dependent Variable框;然后选变量g(分组变量)点击?钮使之进入Factor(s)框中,并点击Define Range钮,确定g的起始值和终止值。
点击Options...钮,弹出Multivarite ANOVA:Options对话框,选择需要计算的指标。在Factor(s)栏内选变量g,点击?钮使之进入Display Means for框,要求计算平均值指标;在Matriced Within Cell栏内选Correlation、Covariance、SSCP项,要求计算单元内的相关矩阵、方差协方差矩阵和离均差平方和交叉乘积矩阵;在Error Matrices栏内也选上述三项,要求计算误差的相关矩阵、方差协方差矩阵和离均差平方和交叉乘积矩阵;在Diagnostics栏内选Homogeneity test项,要求作变量的方差齐性检验。之后点击Continue钮返回Multivarite ANOVA对话框,最后点击OK钮即可。
第七章 相关分析
任何事物的存在都不是孤立的,而是相互联系、相互制约的。在医学领域中,身高与体重、体温与脉搏、年龄与血压等都存在一定的联系。说明客观事物相互间关系的密切程度并用适当的统计指标表示出来,这个过程就是相关分析。
值得注意,事物之间有相关,不一定是因果关系,也可能仅是伴随关系。但如果事物之间有因果关系,则两者必然相关。
SPSS的相关分析是借助于Statistics菜单的Correlate选项完成的。
第一节 Bivariate过程
7.1.1 主要功能
调用此过程可对变量进行相关关系的分析,计算有关的统计指标,以判断变量之间相互关系的密切程度。调用该过程命令时允许同时输入两变量或两个以上变量,但系统输出的是变量间两两相关的相关系数。
百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读,免费范文网,提供经典小说综合文库SPSS(6)在线全文阅读。
相关推荐: