spss做單因素方差分析? 昨天跟大家分享了如何用SPSS進行回歸分析，知道了回歸分析的用途以及使用的場景今天跟大家分享的就是之前文章裡面出現很多次的一個分析—方差分析，下面我們就來聊聊關于spss做單因素方差分析?接下來我們就一起去了解一下吧!

spss做單因素方差分析

昨天跟大家分享了如何用SPSS進行回歸分析，知道了回歸分析的用途以及使用的場景。今天跟大家分享的就是之前文章裡面出現很多次的一個分析—方差分析。

方差分析又被稱作“F檢驗”或者“變異數分析”，主要是用于兩個及兩個以上樣本均值差異的顯著性檢驗。方差分析和回歸分析一樣，也有很多個分支。對于方差分析，一般我們是用來研究不同來源的變異對總變異的貢獻大小，從而确定可控因素對因變量的影響大小。

我們今天通過一個例子來了解一下什麼是方差分析，又應該如何去理解它的分析結果。

上面兩個圖就是本次用來分析的數據，本題的數據是讨論四種不同的藥物對植物生長高度的影響，在數據中我們列出了四種藥物使用以後對應植物生長高度的測量值。我們先對數據視圖和變量視圖進行相應的操作，然後我們就可以開始對數據進行方差分析了：

在SPSS中，我們需要從分析選項欄中選擇比較均值再選擇單因素，就會出現下面的操作框：

我們把兩個變量輸入到不同的變量框以後，開始對右邊的幾個選項進行操作，我們需要在兩兩比較中選擇LSD法（最小顯著性差異法）：

然後我們在選項中選擇描述性和方差同質性檢驗，需要的話也可以把均值圖選上：

上面操作步驟全部完成以後點擊确定，我們就可以得到我們本次方差分析的結果了，這個時候輸出界面就會把整個分析結果全部列出來：

我們先來看上面這個圖，這裡面有三個結果，第一個描述圖裡面是對我們本次進行分析的所有數據進行了整理，并且将其用這個圖表示出來，每一列數據的上方就是本列數據代表的意義。

看完描述圖以後，我們需要看一下方差齊性檢驗這個圖，從這個圖裡我們可以看到，顯著性0.992>0.05，說明本次分析方差是齊的，可以使用單因素方差分析法。如果這個顯著性是小于0.05，說明方差不齊，我們就算後面得出了結果也是沒有意義的，因為方差分析可以使用的前提就是方差是齊的。

最後我們看單因素方差分析這個表，通過F檢驗我們可以看到，顯著性0.000<0.05，這就說明這四種藥品分組之間至少有兩個組之間是存在着顯著性差異的。從本題來說，也就是不同的藥品對植物的生長是有影響的。

到這裡，我們知道了不同的藥品對植物的生長是有不同影響的，但是究竟是怎麼影響的？或者說這個差異究竟是什麼，我們目前還無法判斷，所以需要繼續往下看系統的輸出結果：

從LSD結果我們可以看到，其實每兩種藥品之間均是存在顯著性差異的，并且在下面的均值圖我們也可以看到四種藥品裡，第四種藥品對植物生長的影響是最大的，也就是說如果我們選擇幫助植物高度增長藥品的時候是需要選第四種藥品的。

到這裡，我們今天的方差分析也就全部做完了。不知道大家有沒有印象，其實之前在EXCEL和SPSS做回歸分析的時候都有出現過方差分析的結果圖。其實就是因為很多的分析方法其實都是相互之間影響，是一個相輔相成的關系。以後大家肯定還會在不同的分析中看到其他的分析結果出現，到時候大家就會有更深的理解了。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!