SPSS统计分析教程-多因素方差分析

对比系 数矩阵的行与一般估计函数是线性组合的。

③ Significance level 框设置 改变“Confidence intervals”框内多重比较的显著性水平。

10)

提交执行 设置完成后，在多因素方差分析窗口框中点击“OK”按钮，SPSS 就会根据设置进行运 算，并将结算结果输出到SPSS 结果输出窗口中。

11)

结果与分析 主要输出结果： 结果分析：

方差不齐次性检验显著 表5-8 方差齐次性检验表明：方差不齐次性显著，p<0.05。

方差分析：

表5-9 主效应方差分析表：在表的左上方标明研究的对象是粘虫历期。 偏差来源和偏差平方和：

 Source 列是偏差的来源。其次列是“Type III Sum of Squares”偏差平方和。

 Corrected Model 校正模型，其偏差平方和等于两个主效应a、b 平方和加上交互 a*b 的平方和之和。

 Intercept 截距。  a 温度主效应，其偏差平方和反应的是不同温度造成对粘虫历期的差异。与b 偏差 平方相同均属于组间偏差平方和。

 b 湿度主效应，其偏差平方和反应的是不同湿度计量造成的粘虫历期之差异。

 a*b 温度和湿度交互效应，其偏差平方和反应的是不同温度和湿度共同造成的粘虫 历期的差异。

 Error 误差。其偏差平方和反应的是组内差异。也称组内偏差平方和。  Total 是偏差平方和在数值上等于截距、主效应、次效应和误差偏差平方和之总和。

 Corrected Total 校正总和。其偏差平方和等于校正模型与误差之偏差平方和之总 和。

 df 自由度  Mean Square 均方，数值上等于偏差平方和除以相应的自由度。

 F 值，是各效应项与误差项的均方之比值  Sig 进行F 检验的p 值。p≤0.05，由此得出“温度”和“湿度”对因变量“粘虫历 期”在0.05 水平上是有显著性差异的。

根据方差分析表明：

 不同温度（a）对粘虫历期的偏差均方是1575.434，F 值为90.882，显著性水平是 0.000，即p<0.05 存在显著性差异；  不同湿度（b）对粘虫历期的偏差均方是322.000，F 值为18.575，显著性水平是0.000， 即p<0.05 存在显著性差异；  不同温度和不同湿度（a*b）共同对粘虫历期的偏差均方是19.809，F 值为1.143， 显著性水平是0.358，即p>0.05 存在不显著性 差异。

多重比较 由于方差不齐次性，应选择方差不具有齐次性时的“Tamhane's T2”t 检验进行配对比 较。表5-10 多重比较表就是“温度”各水平“Tamhane's T2”方法比较的结果。表中的各 项说明参见表5-6（5.2.2 节）。

 温度25℃与27℃、29℃和31℃之间都有显著性差异；  温度27℃与25℃、29℃和31℃之间都有显著性差异；  温度29℃与26℃和27℃之间都有显著性差异；与31℃无显著性差异；  温度31℃与25℃和27℃之间都有显著性差异；与29℃无显著性差异。

不同湿度水平之间无显著性差异存在，这里没有列出多重比较表。