用SPSS20进行二因素设计的简单效应分析.docx

用SPSS20进行二因素设计的简单效应分析
两因素试验要检验互作效应，如果互作显著则应进一步做简单效应分析。SPSS20图形界面无法简单效应分析，其实SPSS大多数功能均无法利用图形界面实现。所以SPSS的优点并不是其易用性，而重点在于输出结果丰富、编排合理。比较SAS、和R软件均能利用图形界面进行简单的统计分析，但其输出结果简单，无法直接发布。
主区a
副区b
重复r
籽粒产量
xm26
10万
1
6942
xm26
10万
2
6725.3
xm26
10万
3
6692
xm26
15万
1
7658.7
xm26
15万
2
7467
xm26
15万
3
7375.4
xm26
20万
1
7642
xm26
20万
2
7683.7
xm26
20万
3
7467
9398
10万
1
6775.3
9398
10万
2
6900.3
9398
10万
3
6748.7
9398
15万
1
6950.3
9398
15万
2
6825.3
9398
15万
3
6775.3
9398
20万
1
7725.4
9398
20万
2
7575.4
9398
20万
3
7883.7
ts28
10万
1
8167.1
ts28
10万
2
8033.7
ts28
10万
3
7858.7
ts28
15万
1
7975.4
ts28
15万
2
8025.4
ts28
15万
3
7908.7
ts28
20万
1
8450.4
ts28
20万
2
8200.4
ts28
20万
3
8475.4
我们用一个两因素裂区试验的产量数据进行简单的说明。这个试验是一个品种密度试验，品种为主区，种植密度为副区，三次重复，籽粒产量为每公顷公斤产量。
其分析语法为：
UNIANOVA 单产 BY a b r
/RANDOM=r
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/CRITERIA=ALPHA(0.05)
/POSTHOC=a b(DUNCAN LSD)
/DESIGN=a b r r(a) a*b
/EMMEANS = TABLES(a*b) COMPARE (b) ADJ(LSD)
/EMMEANS = TABLES(a*b) COMPARE (a) ADJ(LSD).

注意最后两句，采用EMMEANS进行简单效应分析，其选项ADJ表示均值检验方法，有3种方法可供选择，常用的是LSD。
运行该语句（Ctrl+r）的下列结果。注意，该语句前面还有数据集设置（DATASET ACTIVATE 数据集1.），不能写错数据集的名称。
表1 主体间效应的检验
因变量: 单产
源
III 型平方和
df
均方
F
Sig.
截距
假设
1524883353.546
1
1524883353.546
41177.914
.000
误差
74063.167
2
37031.584a

a
假设
5090978.401
2
2545489.201
257.340
.000
误差
39566.096
4
9891.524b

b
假设
2253126.736
2
1126563.368
79.838
.000
误差
169326.808
12
14110.567c

r
假设
74063.167
2
37031.584
3.744
.121
误差
39566.096
4
9891.524b

r(a)
假设
39566.096
4
9891.524
.701
.606
误差
169326.808
12
14110.567c

a * b
假设
836244.524
4
209061.131
14.816
.000
误差
169326.808
12
14110.567c

a. MS(r)
b. MS(r(a))
c. MS(错误)

表1显示互作显著，因此有必要进行简单效应分析。表2、3为主效应间的多重比较。

表2 单产

品种
N
子集

1
2
3
Duncana,b
9398
9
7128.875

xm26
9

7294.809

ts28
9

8121.702
Sig.

1.000
1.000
1.000
已显示同类子集中的组均值。
基于观测到的均值。
误差项为均值方 (错误) = 14110.567。
a. 使用调和均值样本大小 = 9.000。
b. Alpha = 0.05。
表3 单产

密度
N
子集

1
2
3
Duncana,b
10万
9
7204.805

15万
9

7440.187

20万
9

7900.395
Sig.

1.000
1.000
1.000
已显示同类子集中的组均值。
基于观测到的均值。
误差项为均值方 (错误) = 14110.567。
a. 使用调和均值样本大小 = 9.000。
b. Alpha = 0.05。

表4为三个品种在不同密度下产量均值及差异显著性，表5为三种密度下不同品种的差异。表4、5就是我们要进行的简单效应分析。

表4 成对比较
因变量: 单产
品种
(I) 密度
(J) 密度
均值差值 (I-J)
标准 误差
Sig.b
差分的 95% 置信区间b
下限
上限
9398
10万
15万
-42.224
96.990
.671
-253.547
169.099
20万
-920.046*
96.990
.000
-1131.369
-708.723
15万
10万
42.224
96.990
.671
-169.099
253.547
20万
-877.822*
96.990
.000
-1089.145
-666.499
20万
10万
920.046*
96.990
.000
708.723
1131.369
15万
877.822*
96.990
.000
666.499
1089.145
ts28
10万
15万
50.002
96.990
.616
-161.320
261.325
20万
-355.573*
96.990
.003
-566.896
-144.250
15万
10万
-50.002
96.990
.616
-261.325
161.320
20万
-405.576*
96.990
.001
-616.899
-194.253
20万
10万
355.573*
96.990
.003
144.250
566.896
15万
405.576*
96.990
.001
194.253
616.899
xm26
10万
15万
-713.925*
96.990
.000
-925.247
-502.602
20万
-811.152*
96.990
.000
-1022.475
-599.829
15万
10万
713.925*
96.990
.000
502.602
925.247
20万
-97.227
96.990
.336
-308.550
114.096
20万
10万
811.152*
96.990
.000
599.829
1022.475
15万
97.227
96.990
.336
-114.096
308.550
基于估算边际均值
*. 均值差值在 0.05 级别上较显著。
b. 对多个比较的调整： 最不显著差别（相当于未作调整）。

表5 成对比较
因变量: 单产
密度
(I) 品种
(J) 品种
均值差值 (I-J)
标准 误差
Sig.b
差分的 95% 置信区间b
下限
上限
10万
9398
ts28
-1211.727*
96.990
.000
-1423.050
-1000.404
xm26
21.668
96.990
.827
-189.655
232.991
ts28
9398
1211.727*
96.990
.000
1000.404
1423.050
xm26
1233.395*
96.990
.000
1022.072
1444.718
xm26
9398
-21.668
96.990
.827
-232.991
189.655
ts28
-1233.395*
96.990
.000
-1444.718
-1022.072
15万
9398
ts28
-1119.500*
96.990
.000
-1330.823
-908.178
xm26
-650.033*
96.990
.000
-861.355
-438.710
ts28
9398
1119.500*
96.990
.000
908.178
1330.823
xm26
469.468*
96.990
.000
258.145
680.791
xm26
9398
650.033*
96.990
.000
438.710
861.355
ts28
-469.468*
96.990
.000
-680.791
-258.145
20万
9398
ts28
-647.255*
96.990
.000
-858.577
-435.932
xm26
130.562
96.990
.203
-80.761
341.885
ts28
9398
647.255*
96.990
.000
435.932
858.577
xm26
777.817*
96.990
.000
566.494
989.140
xm26
9398
-130.562
96.990
.203
-341.885
80.761
ts28
-777.817*
96.990
.000
-989.140
-566.494
基于估算边际均值
*. 均值差值在 0.05 级别上较显著。
b. 对多个比较的调整： 最不显著差别（相当于未作调整）。