SPSS中方差分析（F檢驗）的作用以及使用前提

一、方差分析

方差分析用來檢驗兩組以上的資料，假如有三組資料為什麼不能用T檢驗做三次兩兩之間檢驗是否能達到目的，結果是不能的，三次T檢驗每一次都會犯I類錯誤（推斷錯誤導緻機率過大），是以超過兩組資料就要用方差分析（方差分析又叫做F檢驗）。

1.1 方差分析的作用

方差分析的作用和T檢驗的作用是一樣的，選擇不同的取值或者分組時，對結果有無顯著的影響，當然前提是超過兩組。

1.2 方差分析的前提

1.資料符合正态分布；

2.資料出自随機樣本；

不論原來的總體是否服從正态分布，樣本均值的抽樣分布都将趨于正态分布（中心極限定理）。

1.3 方差分析的結論

從輸出結果檢視方差分析，是否達到顯著水準：是（一般是小于0.05），接受結論一（有差異）；否（一般是大于0.05）， 接受結論二 （無差異），如果符合方差齊性，則選擇看符合方差齊性的事後檢驗，如果不符合方差齊性，則看方差非齊性的事後檢驗。

方差不齊性可能的原因就是樣本量不夠大，或者事實就是不齊性，這就要看後面的具體分析。

1.4 常用方差分析分為：單因素設計方差分析、多因素設計方差分析和協方差分析

1.41 單因素設計方差分析

比較超過兩組組資料的平均值和一組資料有無差異。

例如：選了4個城市，測試對4個城市的飲料口感評分，這裡選用單因素設計方差分析 。

1.411 單因素設計的結果解讀

由于顯著性<0.05，是以方差同質性檢驗未通過，之後的事後檢驗就隻能看Tamhane‘s T2的事後檢驗。

這裡Tamhane事後檢驗的顯著性都大于0.05，是以說明城市之間飲料口味并無顯著差異 。

1.42 多因素設計方差分析

多因素方差分析的基本思想基本等同于單因素方差分析，不同在于研究的是兩個或者兩個以上因素對于試驗結果的作用和影響，以及這些因素共同作用的影響。

例如：選了22個人，肌肉的恢複度與縫合手法和縫合時間是否相關，這就要用多因素方差分析。

1.421 多因素設計的結果解讀

結論：顯著性>0.05,說明肌肉的恢複度與縫合時間和縫合時間沒有顯著差異；

1.43 協方差分析

協方差分析就是在一般方差分析上的基礎上還受另一個難以控制的協變量的影響，在分析中剔除其影響，再分析各因素對觀測變量的影響。

1.431 協方差分析的前提

1.各組資料來自正态總體，且方差相等。

2.各組系數要通過平行線檢驗。

1.431 協方差分析的結果解讀

顯著性大于0.05，是以通過檢驗。

原工資的顯著性為0，是以得出 現工資和原工資有顯著關系，教師級别*政策實施顯著性0.453>0.05,說明和現工資沒有顯著關系；