下载文档原格式
单因素方差分析定义：单因素方差分析测试某一个控制变量的不同水平是否给观察变量造成了显著差异和变动。
例如，培训是否给学生成绩造成了显著影响；不同地区的考生成绩是否有显著的差异等。
前提：1总体正态分布。
当有证据表明总体分布不是正态分布时，可以将数据做正态转化。
2变异的相互独立性。
3各实验处理内的方差要一致。
进行方差分析时，各实验组内部的方差批次无显著差异，这是最重要的一个假定，为满足这个假定，在做方差分析前要对各组内方差作齐性检验。
一、单因素方差分析1选择分析方法本题要判断控制变量“组别”是否对观察变量“成绩”有显著性影响，而控制变量只有一个，即“组别”，所以本题采用单因素分析法，但需要进行正态检验和方差齐性检验。
2在控制变量为“组别”，3正态检验（P>0.05，服从正态分布）正态检验操作过程:“分析”→“描述统计”→“探索”，出现“探索”窗口，将因变量“成绩”放入“因变量列表”，将自变量“组别”放入“因子列表”，将“人名”放入“标注个案”；点击“绘制”，出现“探索：图”窗口，选中“直方图”和“带检验的正态图”，点击“继续”；点击“探索”窗口的“确定”，输出结果。
因变量是用户所研究的目标变量。
因子变量是影响因变量的因素，例如分组变量。
标注个案是区分每个观测量的变量。
带检验的正态图（Normality plots with test，复选框）：选择此项，将进行正态性检验，并生成正态Q-Q概率图和无趋势正态Q-Q概率图。
正态检验结果分析:p值都大于0.05，因而我们不能拒绝零假设，也就是说没有证据表明各组的数据不服从正态分布（检验中的零假设是数据服从正态分布）。
即p值≥0.05，数据服从正态分布。
4单因素方差分析操作过程“分析”→“比较均值”→“单因素ANOVA”，出现“单因素方差分析”窗口，将因变量“成绩”放入“因变量列表”，将自变量“组别”放入“因子”列表；点击“选项”选择“方差同质性检验”和“描述性”，点击“继续”，回到主对话框；点击“两两比较”选择“LSD”和“S-N-K”、“Dunnett’s C”，点击“继续”，回到主对话框；点击“对比”，选择“多项式”，点击“继续”，回到主对话框；点击“单因素方差分析”窗口的“确定”，输出结果。
第12章方差分析（Analysis of V ariance）方差分析是鉴别各因素效应的一种有效统计方法，它是通过实验观察某一种或多种因素的变化对实验结果是否带来显著影响，从而选取最优方案的一种统计方法。
在科学实验和生产实践中，影响一件事物的因素往往很多，每一个因素的改变都有可能影响产品产量和质量特征。
有的影响大些，有的影响小些。
为了使生产过程稳定，保证优质高产，就有必要找出对产品质量有显著影响的那些因素及因素所处等级。
方差分析就是处理这类问题，从中找出最佳方案。
方差分析开始于本世纪20年代。
1923年英国统计学家R.A. Fisher 首先提出这个概念，（ANOV A）。
因当时他在Rothamsted农业实验场工作，所以首先把方差分析应用于农业实验上，通过分析提高农作物产量的主要因素。
Fisher1926年在澳大利亚去世。
现在方差分析方法已广泛应用于科学实验，医学，化工，管理学等各个领域，范围广阔。
在方差分析中，把可控制的条件称为“因素”（factor），把因素变化的各个等级称为“水平”或“处理”（treatment）。
若是试验中只有一个可控因素在变化，其它可控因素不变，称之为单因素试验，否则是多因素试验。
下面分别介绍单因素和双因素试验结果的方差分析。
1.1 单因素方差分析（One Way Analysis of Variance）1.一般表达形式2.方差分析的假定前提3.数学模形4.统计假设5.方差分析：（1）总平方和的分解；（2）自由度分解；（3）F检验6.举例7.多重比较1.1.1 一般表达形式首先通过一个例子引出单因素方差分析方法。
某农业科研所新培养了四种水稻品种，分别用A1，A2，A3，A4表示。
每个品种随机选种在四块试验田中，共16块试验田。
除水稻品种之外，尽量保持其它条件相同（如面积，水分，日照，肥量等），收获后计算各试验田中产量如下表：通过这些数据要考察四个不同品种的单位产量，是否有显著性差异。
单因素⽅差分析（one-wayANOVA）单因素⽅差分析（⼀）单因素⽅差分析概念是⽤来研究⼀个控制变量的不同⽔平是否对观测变量产⽣了显著影响。
这⾥，由于仅研究单个因素对观测变量的影响，因此称为单因素⽅差分析。
例如，分析不同施肥量是否给农作物产量带来显著影响，考察地区差异是否影响妇⼥的⽣育率，研究学历对⼯资收⼊的影响等。
这些问题都可以通过单因素⽅差分析得到答案。
（⼆）单因素⽅差分析步骤第⼀步是明确观测变量和控制变量。
例如，上述问题中的观测变量分别是农作物产量、妇⼥⽣育率、⼯资收⼊；控制变量分别为施肥量、地区、学历。
第⼆步是剖析观测变量的⽅差。
⽅差分析认为：观测变量值的变动会受控制变量和随机变量两⽅⾯的影响。
据此，单因素⽅差分析将观测变量总的离差平⽅和分解为组间离差平⽅和和组内离差平⽅和两部分，⽤数学形式表述为：SST=SSA+SSE。
第三步是通过⽐较观测变量总离差平⽅和各部分所占的⽐例，推断控制变量是否给观测变量带来了显著影响。
（三）单因素⽅差分析原理总结在观测变量总离差平⽅和中，如果组间离差平⽅和所占⽐例较⼤，则说明观测变量的变动主要是由控制变量引起的，可以主要由控制变量来解释，控制变量给观测变量带来了显著影响；反之，如果组间离差平⽅和所占⽐例⼩，则说明观测变量的变动不是主要由控制变量引起的，不可以主要由控制变量来解释，控制变量的不同⽔平没有给观测变量带来显著影响，观测变量值的变动是由随机变量因素引起的。
（四）单因素⽅差分析基本步骤1、提出原假设：H0——⽆差异；H1——有显著差异2、选择检验统计量：⽅差分析采⽤的检验统计量是F统计量，即F值检验。
3、计算检验统计量的观测值和概率P值：该步骤的⽬的就是计算检验统计量的观测值和相应的概率P值。
4、给定显著性⽔平，并作出决策（五）单因素⽅差分析的进⼀步分析在完成上述单因素⽅差分析的基本分析后，可得到关于控制变量是否对观测变量造成显著影响的结论，接下来还应做其他⼏个重要分析，主要包括⽅差齐性检验、多重⽐较检验。
