两因素非参数方差分析在SPSS中的实现_论文_百度文库
您的浏览器Javascript被禁用，需开启后体验完整功能，
赠送免券下载特权
10W篇文档免费专享
部分付费文档8折起
每天抽奖多种福利
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
两因素非参数方差分析在SPSS中的实现
中国最大最早的专业内容网站|
总评分0.0|
试读已结束，如果需要继续阅读或下载，敬请购买
定制HR最喜欢的简历
你可能喜欢24小时热门版块排行榜&&&&
(初入文坛)
在线: 148.1小时
虫号: 1274166
注册: 专业: 土壤生态学
用spss做K样本非参数检验，成对比较结果怎么分析
诸位大侠：有个统计方面的问题，研究了半天还是弄不懂，求救！！不吝赐教！！！
& && &数据分成9组，用0-8表示，每组样本数不同，想比较各组间是否存在显著性差异。
& & 具体做法是这样的：因为数据为方差非齐性，所以用SPSS——非参数检验——独立样本——Kruskal-Wallis单因素ANOVA（K样本）多重比较。然后双击输出结果——模型浏览器——成对比较，看到成对比较的结果（见附件）。
& &秩均值由大到小顺序为7>0>6>8>3>4>5>1>2，根据结果用字母标记法表示显著性差异，结果发现3跟其他所有组间差别都不显著，请问这怎么用字母标记啊？
难道要把3组去除后正常标记，再把3标上所有的字母？下面的标记法正确吗？
& &&&还是本不该用这种方法检验？
& &哪位大神指点一下？不胜感激！
[ Last edited by 文峰漂客 on
at 09:05 ]
& 猜你喜欢
已经有18人回复
已经有50人回复
已经有21人回复
已经有5人回复
已经有29人回复
已经有12人回复
已经有37人回复
已经有3人回复
已经有18人回复
已经有17人回复
& 本主题相关价值贴推荐，对您同样有帮助:
已经有4人回复
已经有3人回复
已经有3人回复
(初入文坛)
(初入文坛)
在线: 148.1小时
虫号: 1274166
注册: 专业: 土壤生态学
引用回帖:: Originally posted by
没有看懂你的意思啊 原来是我没说明白啊！是这样的：
1.当方差非齐性时，是用非参数检验中的Kruskal-Wallis单因素ANOVA（K样本）多重比较还是用单因素方差分析中假定方差非齐性下的T2法？
2.当各分类组的秩均值由大到小顺序为：7组>0组>6组>8组>3组>4组>5组>1组>2组，两两比较的结果如上图所示，用字母标记法怎么表示？
相关版块跳转
有奖问答中转子版
有奖问答完结子版
我要订阅楼主
的主题更新
小木虫,学术科研互动社区,为中国学术科研免费提供动力
违规贴举报删除请发送邮件至：
广告投放与宣传请联系 李想 QQ：
QQ：&&邮箱：
Copyright &
MuChong.com, All Rights Reserved. 小木虫 版权所有相关编程（ 语句） SPSS 相关编程（Syntax 语句）： data list free/x1 x2 x3 s1 s2 s3 . begin data 17 13 16 7.4 8.8 3.2 end data. compute ss1=s1**2*49+s2**2*57+s3**2*51. compute MS1=ss1/157. compute X=(x1*50+x2*58+x3*52)/160. compute ss2=50*(x1-X)**2+58*(x2-X)**2+52*(x3-X)**2. compute MS2=ss2/2. compute F=MS2/MS1. compute p=1-CDF.F(F,2,157). execute. 举例： 举例： 原始数据的统计描述： 组别 例数 平均数 1 50 17. 13. 16.0000标准差 7.0 3.2000标准误 1.5 0.4438参数统计应用条件检查： 1) 正态性检验(矩法): 样本含量足够大,不必进行正态性检验! 2) 方差齐性检验: 卡方值=46.4058, P=0.0000 按 α=0.0500 水准，可认为该资料方差不齐! 参数统计结果： 方差分析: Ho:各个总体均数相等 H1:各个总体均数不相等或不全相等 α=0.0500 方差分析结果 ========================================= 变异来源 SS ν MS F P -----------------------------------------------------------总 9 组间 475.. 0.0086组内 7 48.5322 ============================================================ 结论:经过方差分析,得 P=0.0086,按 α=0.0500 水准拒绝 Ho,接受 H1,故可认为 各组总体均数不相等! 3 个样本均数两两比较的 q 检验(Newman-Keuls 法) ============================================= 组别 两均数之差 组数 Q值 P值 -----------------------------------------------------------------第 1 与第 2 4.. 第 1 与第 3 1.. 第 2 与第 3 3.. =============================================平均住院日（天） 原始数据的统计描述： 组别 例数 平均数 1 50 28. 22. 25.0000标准差 6.0 1.7000标准误 0.4 0.2357参数统计应用条件检查： 1) 正态性检验(矩法): 样本含量足够大,不必进行正态性检验! 2) 方差齐性检验: 卡方值=70.8595, P=0.0000 按 α=0.0500 水准，可认为该资料方差不齐! 参数统计结果： 方差分析: Ho:各个总体均数相等 H1:各个总体均数不相等或不全相等 α=0.0500 方差分析结果 ============================================= 变异来源 SS ν MS F P ------------------------------------------------------------总 9 组间 968.. 0.0000 组内 7 24.3478 ============================================================ 结论:经过方差分析,得 P=0.0000,按 α=0.0500 水准拒绝 Ho,接受 H1,故可认为 各组总体均数不相等! 3 个样本均数两两比较的 q 检验(Newman-Keuls 法) ======================================= 组 别 两均数之差 组数 Q值 P值 -----------------------------------------------------------------第 1 与第 2 6.. 第 1 与第 3 3.. 第 2 与第 3 3.. ========================================如有基本统计量，可在如下站实现两两比较：http://www.graphpad.com/quickcalcs/index.cfm扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
下载作业帮安装包
扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
spss 双因素分析存在交互作用,再如何做多重比较啊?已经分析出这两个因素存在交互作用那请问,已经通过方差分析知道两个因素存在交互作用后,是要做多重比较还是做简单效应分析啊.多重比较和简单效应分析分别是在遇到什么情况下进行分析啊?谢谢.
作业帮用户
扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
简单效应分析是在做方差分析后,知道交互作用存在才做的.所以你的这种情况应该做简单效应分析.用F检验做三组或三组以上数据的均数比较,发现有显著差异时,不能确定是其中哪两组的均数有差异,就需要用“多重比较”.多重比较是对每两组数据做一个均数比较.
为您推荐：
其他类似问题
扫描下载二维码如何在SPSS里实现多组间两两比较（非参数分析）？_百度知道
如何在SPSS里实现多组间两两比较（非参数分析）？
如题。谢谢！
我有更好的答案
比较标准的答案：两独立样本的非参数检验（Wilcoxon　M-W U检验）+Bonferroni检验（Bonferroni correction）。楼主碰到的是参见的多重检验校正问题multiple testing或者称为post hoc，不管是在方差分析、卡方检验还是非参数检验都会碰到。在方差分析中提供了诸如LSD-t、SNK-q检验之类方法，而在其它情况基本无公认方法（有方法，但不常用）。但有一种通用的校正方法叫Bonferroni检验，即根据检验次数将检验水准降低（一般书本放在卡方检验这章），当然这是一种过于保守的校正方法，试想，检验了k次，alpha就要除以k，得到这样的阳性结果确实不太容易；当然根据概率的计算，如果k次检验完全相互独立，检验水准确实应该除以k。由于非参数检验两两比较主要采用Wilcoxon　M-W U检验，这时校正再加上Bonferroni即可。参数检验时因为LSD-t等检验的检验效率更高，所以一般不采用它；理论上其实也可以，这时用t检验+Bonferroni检验，只不过检验效率较低而已。非参转换成参数检验，不是不可以，只是如果是等级资料肯定转不过去，如果是参数不服从正态转成非参再转成参数，这么来回倒腾，再考虑LSD-t本身的检验效率，这时估计都还不如Bonferroni了。顺便说句，多重检验这块目前在生物统计学中还是研究热点，因为在生物统计中经常碰到像基因表达谱、全基因组关联分析等动辄上万次、上百万次的多重检验，不校正肯定不行，Bonferroni是标准做法但是太狠了，因此又应用了许多诸如FDR、bootstrap一类的方法。
我也遇到过这个问题，找了半天，得到的答案是将变量编秩，再用参数检验里的方法两两比较~~~
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。}