SPSS进行协方差分析案例讲解
2014-05-06 王江源 王江源
1、分析原理 协方差分析是回归分析与方差分析的结合。在作两组和多组均数之间的比较前,用直线回归的方法找出各组因变量Y与协变量X之间的数量关系,求得在假定X相等时的修正均数,然后用方差分析比较修正均数之间的差别。 要求X与Y的线性关系在各组均成立,且在各组间回归系数近似相等,即回归直线平行;X的取值范围不宜过大,否则修正均数的差值在回归直线的延长线上,不能确定是否仍然满足平行性和线性关系的条件,
1、分析原理
协方差分析是回归分析与方差分析的结合。在作两组和多组均数之间的比较前,用直线回归的方法找出各组因变量Y与协变量X之间的数量关系,求得在假定X相等时的修正均数,然后用方差分析比较修正均数之间的差别。
要求X与Y的线性关系在各组均成立,且在各组间回归系数近似相等,即回归直线平行;X的取值范围不宜过大,否则修正均数的差值在回归直线的延长线上,不能确定是否仍然满足平行性和线性关系的条件,协方差分析的结论可能不正确。
对于协变量的概念,可以简单的理解为连续变量,多数情况下,连续变量都要作为协变量处理。
2、问题
欲了解成年人体重正常者与超重者的血清胆固醇是否不同。而胆固醇含量与年龄有关,资料见下表。
正常组 |
超重组 |
||
年龄 |
胆固醇 |
年龄 |
胆固醇 |
48 |
3.5 |
58 |
7.3 |
33 |
4.6 |
41 |
4.7 |
51 |
5.8 |
71 |
8.4 |
43 |
5.8 |
76 |
8.8 |
44 |
4.9 |
49 |
5.1 |
63 |
8.7 |
33 |
4.9 |
49 |
3.6 |
54 |
6.7 |
42 |
5.5 |
65 |
6.4 |
40 |
4.9 |
39 |
6.0 |
47 |
5.1 |
52 |
7.5 |
41 |
4.1 |
45 |
6.4 |
41 |
4.6 |
58 |
6.8 |
56 |
5.1 |
67 |
9.2 |
3、统计分析
(1) 建立数据文件
变量视图:建立3个变量
数据视图:
先要分析两组中年龄与胆固醇是否有线性关系,且比较回归洗漱是否相等,比较粗略的做法是画散点图,选择菜单:图形 -》旧对话框 -》散点图,如图:
进入图形对话框:
将胆固醇、年龄、组分别选入Y轴、X轴、设置标记:
{nextpage}
点击确定开始画图
可以看出,大致呈直线关系。
更为精确的作法是检验年龄与分组之间是否存在交互作用,即年龄的作用是否受分组的影响。
接下来开始协方差分析,首先进入菜单:
进入对话框
将胆固醇选入“因变量”,组选入“固定因子”,年龄选入“协变量”,见图:
点击右边“模型”按钮,在“构建项”下拉菜单中选择“主效应”,将“组”和“年龄”选入右边框中,然后在“构建项”下拉菜单中选择“交互”,同时选中“组”和“年龄”,一并选入右边的框中,见图:
点击“继续”按钮回到“单变量”主界面:
{nextpage}
单击“选项”按钮,进入如下对话框:
选中“描述性分析”:
点击“继续”按钮回到主界面,单击“确定”即可。
4、结果解读
这是各组的描述性统计分析。
这是主要的统计分析结果,一个典型的方差分析表,解释一下:
1、表格的第一行“校正模型”是对模型的检验,零假设是“模型中所有的因素对因变量均无影响”(这里包括分组、年龄及他们的交互作用),其P<0.001,拒绝零假设,说明存在对因变量有影响的因素。
2、表格的第二行是回归分析的常数项,通常无实际意义。
3、表格的第三行、第四行是对组和年龄的检验,P均<0.05,有统计学意义,说明分组和年龄对胆固醇的影响均有统计学意义。
4、表格的第五行是对
作者:王江源
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
好文
90
#协方差#
66