SPSS方差分析之多因素方差分析（1）（主效应和交互效应）

生物医药统计

发布于 2019-08-28 · 浏览 7523 · IP 湖北湖北

这个帖子发布于 5 年零 274 天前，其中的信息可能已发生改变或有所发展。

每天更新，制作教程不易，各位大侠觉得有用的话

★★★请留言顶一下，在下先谢过了！★★★

在医学研究中，经常会遇到一列连续数值型因变量受多个因子影响的情况。

要分析多个因子变量与因变量的关系，比如某个指标的值受不同的实验组，测量时间等因素影响，是否会产生显著的差异，这些因子的主效应、交互效应等是否显著，就需要我们用到今天所讲解的SPSS方差分析之多因素方差分析，下面通过实际案例来详细讲解。

我们搜集了180例患者不同治疗方式、水平、测量时间下的α指标的数据，要分析不同治疗方式、水平、测量时间对α指标的数据的主效应、交互效应。（图1）

图1

操作步骤：

①点击“分析”--“一般线性模型”--“单变量”（图2），将α指标选入右侧因变量栏，将治疗方式、水平、测试时间选入右侧固定因子栏（图3）

图2

图3

②设置参数。点击右侧“对比”按钮，将3个因子的对比全部选为“简单”，点击“变化量”按钮。（图4）

图4

③点击右侧“事后比较”按钮，将测试时间选入右侧框中，并勾选下方的“LSD”多重比较方法，（图5），注意，只有当因子分类大于2类时候，才可以使用多重比较

图5

④点击右侧“选项”，将3个因子选入右侧的均值框中，并勾选下方“描述统计”（图6），然后点击确定按钮

图6

⑤结果分析

图7-0

上表(图7-0)为3个不同因子下的α指标的一个均值和标准差的描述分析，比较简单，就不过多分析。

图7-1

由上表（图7-1）可以看出：治疗方式、水平、测试时间3个因子的主效应均显著，P都小于0.05。说明在不考虑其他2个因子，单只考虑其中一个因子的时候，α会随这个因子的变化而产生显著的变化。而2因素交互效应治疗方式*水平、治疗方式*测试时间、水平*测试时间也全部显著。三因素交互效应治疗方式*水平*测试时间也显著。

图7-2

而不同测试时间之间的多重比较如上表（图7-2），可以看出前测的α显著最小，即时后测的α显著最大。

以上就是今天SPSS方差分析之多因素方差分析在医学统计分析中的应用，今天所讲的是多因素方差分析的方法与操作，主要学习了因子的主效应和交互效应是否显著。这里拓展一下，当交互效应显著时候，我们还需要进一步分析因子之间的简单效应。那么简单效应如何操作和分析结果，我们将在下一讲中详细讲解，敬请大家持续关注！

相关文章：

● SPSS虚拟线性回归分析在问卷数据分析中的应用

● SPSS进行问卷量表信度检验（详细操作过程及结果分析）

● SPSS进行中介效应检验的实战操作与分析结果详解

● AMOS结构方程教程，调节效应分析操作与结果的详细解读

● SPSS混合线性模型在生物医药统计中的应用与操作

● SPSS无序Logistic回归在生物医药统计分析中的应用

● AMOS处理生物医药问卷中的中介效应分析

● AMOS进行问卷分析中效度分析之验证因子分析教程

● SPSS重复测量方差分析在生物医药中的应用

● SPSS调节回归分析在生物医药统计分析中的应用

● SPSS进行组间差异比较及其两两比较