简介这份PPT课件围绕第5章“SPSS的方差分析”展开面向统计学、经济学、管理学等专业学生及数据分析入门者系统讲解方差分析的基本概念、因素与水平、单元与元素、交互作用以及单因素方差分析所需的基本假设并借助某公司四种销售方式的销量数据演示了组间方差与组内方差的F检验逻辑。资源包共1个文件文件类型为PPT大小2.04MB内容结构完整涵盖原理分析、案例演示、SPSS单因素方差分析菜单操作以及LSD、Bonferroni、Scheffe等多种多重比较方法和各组均值精细比较的详细说明。已有317人学习下载。通过本课件读者能够理解方差分析中系统性差异与随机性差异的区别掌握单因素方差分析的统计检验步骤并能在SPSS中独立完成操作与结果解读为后续学习多因素方差分析打下扎实基础。1. 方差分析不是多做几次 t 检验先看懂“组间差异”和“组内波动”手里有三组数据要比较均值临床医生常顺手做三次 t 检验A 对 B、A 对 C、B 对 C。这个做法的问题在误差累积每次检验有 5% 的概率把“无差异”误判成“有差异”做三次以后整体出错概率接近 14%。SPSS 的方差分析ANOVA解决的就是这个场景——它先做一个整体假设各组均值是否全部相等用 F 统计量把“组间差异”和“组内波动”放在同一个天平上。这个思路贯穿 SPSS 从单因素到多因素的全部方差分析功能。无论你是做医学试验、市场调研还是工业质量分析只要因变量是连续变量、自变量是分类变量且组数大于等于 3这一章的方法论都是绕不开的地基。2. 用 SPSS 跑通单因素方差分析从数据摆放到事后检验2.1 先说清楚 SPSS 方差分析里的 F 值在比什么方差分析的核心是把总变异拆成两部分。总平方和SS代表所有观测值相对总均值的偏离组间平方和SSB衡量各组均值相对总均值的偏离组内平方和SSW衡量每个观测值相对本组均值的偏离。F 值的算式是把这两部分各自除以自由度后再相比F (SSB/(k-1)) / (SSW/(n-k))k 是组数n 是总样本量。这个结构的含义是组间差异再大如果组内数据乱成一团F 值照样上不去。SPSS 输出的 ANOVA 表正是按“平方和—自由度—均方—F—显著性”的顺序列出来的看懂这张表比看懂任何正态性检验都优先。要特别留意的是分组变量的测量尺度。SPSS 对“因子”的默认要求是数值型或短字符串但有时候分组变量被读成了数值 1、2、3却没有设置值标签。这种情况下分析能跑但输出表里只显示 1、2、3写报告时很容易把组别顺序弄混。建议进入“变量视图”给分组变量设置值标签再进分析流程。2.2 单因素方差分析的标准操作菜单路径与四个必开选项最常见的数据摆法是两列一列是连续因变量比如血压变化值另一列是分组变量比如 0对照组、1低剂量组、2高剂量组。在 SPSS 里依次点击“分析”菜单找到“比较均值”或“比较均值和比例”新版本对这个入口做过归拢选择“单因素 ANOVA”把因变量和因子分别选入对应列表框。对话框里真正影响结论的不是主界面而是右侧两个按钮。“事后比较”里勾选 LSD 和 Tukey“选项”里勾选“描述性”“方差齐性检验”“Welch”。描述性用于报告各组均值和标准差Levene 检验用于判断方差异质性Welch 是方差不齐时的稳健修正。以下语法和菜单操作等价适合需要复用或写操作文档的场景ONEWAY score BY group /STATISTICS DESCRIPTIVES HOMOGENEITY /MISSING ANALYSIS /POSTHOC LSD TUKEY ALPHA(0.05).这段语法中ONEWAY是单因素方差分析命令score必须写在BY之前作为因变量group写在BY之后作为分组因子。/STATISTICS子命令里的DESCRIPTIVES会输出各组均值和标准差HOMOGENEITY输出 Levene 方差齐性检验结果。/POSTHOC指定事后多重比较的方法LSD 灵敏度高但控制错误率弱Tukey 适合组数较多时控制总体错误率后面跟ALPHA(0.05)明确显著性水平。/MISSING ANALYSIS表示按变量逐个剔除缺失值。单因素方差分析里还有一个常被忽略的前提组间样本量可以不等但不能悬殊过大。若某组样本量不到别的组一半F 值对非正态和方差不齐会变得非常敏感这时应重点参考 Welch 检验的结果行而不是经典 ANOVA 的 F 值。2.3 读输出表的顺序先看齐性再看 F最后看多重比较SPSS 会一次性输出 Levene 检验、ANOVA 表和多组间比较结果。阅读顺序不能乱先看 Levene 检验的显著性如果 p 大于 0.05说明满足方差齐性正常读 ANOVA 表的 F 值和 p 值如果 p 小于 0.05说明各组方差不等此时应改读 Welch 检验那一行的结果。用下面这个简化输出为例来源平方和自由度均方F显著性组间32.50216.255.420.007组内171.00573.00总计203.5059这张表里组间自由度 2 说明共有 3 组组内自由度 57 说明总样本量是 60。F(2, 57) 5.42p 0.007整体差异显著。但整体显著不意味着知道哪两组之间有差异所以需要看第三张表——多重比较表。LSD 和 Tukey 都会给出两两组别的均值差、标准误和显著性通常还会用星号标记显著的配对。实操中经常出现一个让人困惑的情况ANOVA 整体不显著但 LSD 事后比较却显示某两组有差异。这并不矛盾LSD 没有对多重比较做校正整体检验被稀释了。遇到这种结果结论应当以 ANOVA 整体检验为准事后比较只作探索性参考。3. SPSS 方差分析进阶多因素模型与交互效应别只看主效应3.1 什么时候从单因素切到多因素方差分析当分类自变量不止一个时比如研究“教学方法和学习基础”对成绩的影响单因素方差分析就不够了。两因素方差分析能同时检验两个因素的主效应以及它们之间是否存在交互效应。交互效应的含义是一个因素对因变量的影响在另一个因素的不同水平上表现不一致。这种场景在 SPSS 里的对应功能是“一般线性模型—单变量”而不是“比较均值”下的 ANOVA 对话框。两者的区别在于单因素 ANOVA 只能放一个因子而 GLM 单变量可以放多个固定因子并明确指定交互项。下面用一个 2×2 析因设计示意数据来说明数据列为score成绩、method1讲授法、2案例法、basis1基础好、2基础弱scoremethodbasis781182117412701288219121802276223.2 在“一般线性模型”里搭一个 2×2 模型操作路径是“分析—一般线性模型—单变量”因变量放入score固定因子放入method和basis。模型默认使用全因子也就是会同时生成两个主效应和一个交互项。在“绘制”对话框中把method设为横轴变量、basis设为分线变量SPSS 会输出一张交互作用图“选项”里勾选“效应量估算”“描述统计”“方差齐性检验”。等效语法如下UNIANOVA score BY method basis /METHODSSTYPE(3) /INTERCEPTINCLUDE /PLOTPROFILE(method*basis) /PRINTETASQ DESCRIPTIVE HOMOGENEITY /CRITERIAALPHA(.05) /DESIGNmethod basis method*basis.UNIANOVA是单变量方差分析命令BY后的method和basis都是固定因子。/METHODSSTYPE(3)指定用 III 型平方和这是 SPSS 默认也是多数研究情境下最稳妥的选择当各组样本量不等时III 型平方和是在调整了其他所有效应之后才检验当前效应避免了因子顺序对结果的影响。/PLOTPROFILE(method*basis)要求输出以method为横轴的交互图。/PRINT里的ETASQ会额外输出偏 eta 方作为效应量。最后的/DESIGN行列出模型包含哪些项交互项写作method*basis必须显式声明。注意一个新手很容易犯的错误如果直接用“分析—比较均值—单因素 ANOVA”把method放进去等于完全无视了basis的存在组内误差会被高估或低估本来显著的交互效应也无从谈起。多因素设计的第一步是先想清楚哪些因子需要同框再考虑操作。3.3 交互效应怎么看交叉图与边际均值交互图是最直观的判断工具两条连线近似平行交互大概率不显著两条线交叉或发散交互就值得认真对待。输出表里会给出method * basis那一行的 F 值和显著性这才是检验交互效应的正式依据。交互显著时主效应就不能被单独解读。比如method主效应显著可能只是因为它在“基础好”组里效果拔群而在“基础弱”组里毫无优势。此时需要做简单效应分析固定basis的某一个水平比较method组间差异。SPSS 里可以用以下语法实现/EMMEANSTABLES(method*basis) COMPARE(method) ADJ(LSD)这行语法把method*basis的边际均值按method做两两比较ADJ(LSD)指定显著性校正方法。它解决的是“在基础好的学生里教学方法之间有没有差异”这类具体问题。输出的成对比较表会针对basis的每个水平单独给出method的均值差和 p 值报告时可以只挑有意义的配对来写。4. 数据不满足条件怎么办SPSS 方差分析前提检验与稳健选择4.1 先跑探索性分析正态性、方差齐性、离群点一起看方差分析的经典版本有三个前提各组数据近似正态、各组方差齐性、观测值独立。独立性由研究设计保证无法靠软件修正前两项可以在 SPSS 里一次性检查。“分析—描述统计—探索”是最高效的入口因变量放入因变量列表分组变量放入因子列表“图”里勾选“含检验的正态图”和“箱图”。等效语法如下EXAMINE VARIABLESscore BY group /PLOT BOXPLOT STEMLEAF NPPLOT /COMPARE GROUP /STATISTICS DESCRIPTIVES /CINTERVAL 95 /MISSING LISTWISE /NOTOTAL.EXAMINE是探索分析的命令score BY group的含义是按group分组检验score的正态性。/PLOT里的NPPLOT会生成正态 Q-Q 图并提供 Shapiro-Wilk 和 Kolmogorov-Smirnov 检验结果BOXPLOT输出箱线图用于识别离群点。/MISSING LISTWISE表示任一变量缺失就整条剔除。用这个命令跑完既能看到 Levene 检验的替代版本也能直接看到哪组有异常值。关于正态性检验要有个清醒认识Shapiro-Wilk 在小样本比如每组 15 人里非常敏感轻微偏离也可能报出 p 小于 0.05大样本下 K-S 检验又容易因为样本量大而过度敏感。所以判断正态性不能只看检验 p 值要结合直方图和 Q-Q 图。SPSS 里没有正式的“离群值剔除”按钮箱线图中显示为圆圈或星号的点就是可疑离群值先回到原始数据核对是否为录入错误再决定是否剔除或做数据变换。4.2 组间方差不齐的三个出路Welch、秩和检验、数据变换方差齐性检验失败时最直接的替代是改读 Welch 检验或 Brown-Forsythe 检验。SPSS 单因素 ANOVA 的“选项”里勾选“Welch”后输出表会多出两行关于 Welch 和 Brown-Forsythe 的结果自由度被调整过结论更稳健。这条路径不需要改动数据是首选项。第二个选项是放弃参数检验改跑 Kruskal-Wallis 检验。它在“分析—非参数检验—旧对话框—K 个独立样本”中因变量放score分组变量放group。Kruskal-Wallis 比较的是各组的秩分布不要求正态性和方差齐性但检验的是分布位置差异而非严格意义上的均值差异在写结论时要换成“中位数存在差异”这类表述。第三个选项是数据变换。SPSS 里用“转换—计算变量”创建一个新变量再对新变量重跑方差分析COMPUTE log_score LN(score 1). EXECUTE.LN(score 1)里加 1 是因为原始数据可能有 0 值LN(0)是缺失值会导致该行被整条剔除。对数变换适合右偏数据能压缩大值开根号变换适合计数数据倒数变换适合严重右偏。变换之后必须重新跑 Levene 检验确认方差齐性问题是否缓解同时注意结论的解释单位已经变了——原来“血压下降 5 mmHg”变换后是“对数血压差异”汇报时需要换算回来。可以按下面的决策规则来选路检查项检验方法SPSS 位置不满足时的处理正态性Shapiro-Wilk / K-S探索—含检验的正态图样本量大时可容忍严重偏态走秩和检验或变换方差齐性Levene单因素 ANOVA—选项Welch 检验 / Brown-Forsythe正态且齐性均不满足Kruskal-Wallis非参数检验—K 个独立样本报告 H 统计量和渐进显著性5. 把 SPSS 方差分析结果写进报告或 PPT一个固定结构 三个自查点要把第 2 章到第 4 章的结果整理成一页能放进 PPT 的内容其实只需要固定四件套各组描述统计、前提检验结论、ANOVA 主表、多重比较或交互图。描述统计表放在最前报告均值加减标准差Levene 检验结果用一句话带过比如“方差齐性满足Levene F 0.51, p 0.604”ANOVA 主表按规范格式写成 F(2, 57) 5.42, p 0.007, partial η² 0.16事后比较只报告显著的配对并注明校正方法。三个自查点能拦下多数返工。第一事后比较的校正方法是否匹配超过三组时不要用裸 LSDTukey 或 Bonferroni 能有效压低总体错误率如果组间比较是研究前就定好的可以在分析前就锁定配对用 LSD 也说得过去。第二有没有写出效应量只有 F 和 p 值读者无法判断差异是“真的有用”还是“样本大所以显著”SPSS 在 GLM 的“选项”里勾选“效应量估算”就能输出偏 eta 方。第三确认研究设计是独立组还是重复测量如果同一批被试测了前测和后测或在不同时间点各测一次必须走“一般线性模型—重复测量”把时间设为被试内因子用独立组方差分析去处理重复测量数据会把个体差异混入误差项结论不可用。把表格贴进 PPT 前先逐项核对格式和这三个自查点任何一格对不上都回 SPSS 重新打开数据文件从“分析—比较均值—单因素 ANOVA”再跑一遍验证输出的自由度和组数是否与设计一致。本文还有配套的精品资源点击获取
SPSS方差分析全攻略：从组间差异到交互效应
简介这份PPT课件围绕第5章“SPSS的方差分析”展开面向统计学、经济学、管理学等专业学生及数据分析入门者系统讲解方差分析的基本概念、因素与水平、单元与元素、交互作用以及单因素方差分析所需的基本假设并借助某公司四种销售方式的销量数据演示了组间方差与组内方差的F检验逻辑。资源包共1个文件文件类型为PPT大小2.04MB内容结构完整涵盖原理分析、案例演示、SPSS单因素方差分析菜单操作以及LSD、Bonferroni、Scheffe等多种多重比较方法和各组均值精细比较的详细说明。已有317人学习下载。通过本课件读者能够理解方差分析中系统性差异与随机性差异的区别掌握单因素方差分析的统计检验步骤并能在SPSS中独立完成操作与结果解读为后续学习多因素方差分析打下扎实基础。1. 方差分析不是多做几次 t 检验先看懂“组间差异”和“组内波动”手里有三组数据要比较均值临床医生常顺手做三次 t 检验A 对 B、A 对 C、B 对 C。这个做法的问题在误差累积每次检验有 5% 的概率把“无差异”误判成“有差异”做三次以后整体出错概率接近 14%。SPSS 的方差分析ANOVA解决的就是这个场景——它先做一个整体假设各组均值是否全部相等用 F 统计量把“组间差异”和“组内波动”放在同一个天平上。这个思路贯穿 SPSS 从单因素到多因素的全部方差分析功能。无论你是做医学试验、市场调研还是工业质量分析只要因变量是连续变量、自变量是分类变量且组数大于等于 3这一章的方法论都是绕不开的地基。2. 用 SPSS 跑通单因素方差分析从数据摆放到事后检验2.1 先说清楚 SPSS 方差分析里的 F 值在比什么方差分析的核心是把总变异拆成两部分。总平方和SS代表所有观测值相对总均值的偏离组间平方和SSB衡量各组均值相对总均值的偏离组内平方和SSW衡量每个观测值相对本组均值的偏离。F 值的算式是把这两部分各自除以自由度后再相比F (SSB/(k-1)) / (SSW/(n-k))k 是组数n 是总样本量。这个结构的含义是组间差异再大如果组内数据乱成一团F 值照样上不去。SPSS 输出的 ANOVA 表正是按“平方和—自由度—均方—F—显著性”的顺序列出来的看懂这张表比看懂任何正态性检验都优先。要特别留意的是分组变量的测量尺度。SPSS 对“因子”的默认要求是数值型或短字符串但有时候分组变量被读成了数值 1、2、3却没有设置值标签。这种情况下分析能跑但输出表里只显示 1、2、3写报告时很容易把组别顺序弄混。建议进入“变量视图”给分组变量设置值标签再进分析流程。2.2 单因素方差分析的标准操作菜单路径与四个必开选项最常见的数据摆法是两列一列是连续因变量比如血压变化值另一列是分组变量比如 0对照组、1低剂量组、2高剂量组。在 SPSS 里依次点击“分析”菜单找到“比较均值”或“比较均值和比例”新版本对这个入口做过归拢选择“单因素 ANOVA”把因变量和因子分别选入对应列表框。对话框里真正影响结论的不是主界面而是右侧两个按钮。“事后比较”里勾选 LSD 和 Tukey“选项”里勾选“描述性”“方差齐性检验”“Welch”。描述性用于报告各组均值和标准差Levene 检验用于判断方差异质性Welch 是方差不齐时的稳健修正。以下语法和菜单操作等价适合需要复用或写操作文档的场景ONEWAY score BY group /STATISTICS DESCRIPTIVES HOMOGENEITY /MISSING ANALYSIS /POSTHOC LSD TUKEY ALPHA(0.05).这段语法中ONEWAY是单因素方差分析命令score必须写在BY之前作为因变量group写在BY之后作为分组因子。/STATISTICS子命令里的DESCRIPTIVES会输出各组均值和标准差HOMOGENEITY输出 Levene 方差齐性检验结果。/POSTHOC指定事后多重比较的方法LSD 灵敏度高但控制错误率弱Tukey 适合组数较多时控制总体错误率后面跟ALPHA(0.05)明确显著性水平。/MISSING ANALYSIS表示按变量逐个剔除缺失值。单因素方差分析里还有一个常被忽略的前提组间样本量可以不等但不能悬殊过大。若某组样本量不到别的组一半F 值对非正态和方差不齐会变得非常敏感这时应重点参考 Welch 检验的结果行而不是经典 ANOVA 的 F 值。2.3 读输出表的顺序先看齐性再看 F最后看多重比较SPSS 会一次性输出 Levene 检验、ANOVA 表和多组间比较结果。阅读顺序不能乱先看 Levene 检验的显著性如果 p 大于 0.05说明满足方差齐性正常读 ANOVA 表的 F 值和 p 值如果 p 小于 0.05说明各组方差不等此时应改读 Welch 检验那一行的结果。用下面这个简化输出为例来源平方和自由度均方F显著性组间32.50216.255.420.007组内171.00573.00总计203.5059这张表里组间自由度 2 说明共有 3 组组内自由度 57 说明总样本量是 60。F(2, 57) 5.42p 0.007整体差异显著。但整体显著不意味着知道哪两组之间有差异所以需要看第三张表——多重比较表。LSD 和 Tukey 都会给出两两组别的均值差、标准误和显著性通常还会用星号标记显著的配对。实操中经常出现一个让人困惑的情况ANOVA 整体不显著但 LSD 事后比较却显示某两组有差异。这并不矛盾LSD 没有对多重比较做校正整体检验被稀释了。遇到这种结果结论应当以 ANOVA 整体检验为准事后比较只作探索性参考。3. SPSS 方差分析进阶多因素模型与交互效应别只看主效应3.1 什么时候从单因素切到多因素方差分析当分类自变量不止一个时比如研究“教学方法和学习基础”对成绩的影响单因素方差分析就不够了。两因素方差分析能同时检验两个因素的主效应以及它们之间是否存在交互效应。交互效应的含义是一个因素对因变量的影响在另一个因素的不同水平上表现不一致。这种场景在 SPSS 里的对应功能是“一般线性模型—单变量”而不是“比较均值”下的 ANOVA 对话框。两者的区别在于单因素 ANOVA 只能放一个因子而 GLM 单变量可以放多个固定因子并明确指定交互项。下面用一个 2×2 析因设计示意数据来说明数据列为score成绩、method1讲授法、2案例法、basis1基础好、2基础弱scoremethodbasis781182117412701288219121802276223.2 在“一般线性模型”里搭一个 2×2 模型操作路径是“分析—一般线性模型—单变量”因变量放入score固定因子放入method和basis。模型默认使用全因子也就是会同时生成两个主效应和一个交互项。在“绘制”对话框中把method设为横轴变量、basis设为分线变量SPSS 会输出一张交互作用图“选项”里勾选“效应量估算”“描述统计”“方差齐性检验”。等效语法如下UNIANOVA score BY method basis /METHODSSTYPE(3) /INTERCEPTINCLUDE /PLOTPROFILE(method*basis) /PRINTETASQ DESCRIPTIVE HOMOGENEITY /CRITERIAALPHA(.05) /DESIGNmethod basis method*basis.UNIANOVA是单变量方差分析命令BY后的method和basis都是固定因子。/METHODSSTYPE(3)指定用 III 型平方和这是 SPSS 默认也是多数研究情境下最稳妥的选择当各组样本量不等时III 型平方和是在调整了其他所有效应之后才检验当前效应避免了因子顺序对结果的影响。/PLOTPROFILE(method*basis)要求输出以method为横轴的交互图。/PRINT里的ETASQ会额外输出偏 eta 方作为效应量。最后的/DESIGN行列出模型包含哪些项交互项写作method*basis必须显式声明。注意一个新手很容易犯的错误如果直接用“分析—比较均值—单因素 ANOVA”把method放进去等于完全无视了basis的存在组内误差会被高估或低估本来显著的交互效应也无从谈起。多因素设计的第一步是先想清楚哪些因子需要同框再考虑操作。3.3 交互效应怎么看交叉图与边际均值交互图是最直观的判断工具两条连线近似平行交互大概率不显著两条线交叉或发散交互就值得认真对待。输出表里会给出method * basis那一行的 F 值和显著性这才是检验交互效应的正式依据。交互显著时主效应就不能被单独解读。比如method主效应显著可能只是因为它在“基础好”组里效果拔群而在“基础弱”组里毫无优势。此时需要做简单效应分析固定basis的某一个水平比较method组间差异。SPSS 里可以用以下语法实现/EMMEANSTABLES(method*basis) COMPARE(method) ADJ(LSD)这行语法把method*basis的边际均值按method做两两比较ADJ(LSD)指定显著性校正方法。它解决的是“在基础好的学生里教学方法之间有没有差异”这类具体问题。输出的成对比较表会针对basis的每个水平单独给出method的均值差和 p 值报告时可以只挑有意义的配对来写。4. 数据不满足条件怎么办SPSS 方差分析前提检验与稳健选择4.1 先跑探索性分析正态性、方差齐性、离群点一起看方差分析的经典版本有三个前提各组数据近似正态、各组方差齐性、观测值独立。独立性由研究设计保证无法靠软件修正前两项可以在 SPSS 里一次性检查。“分析—描述统计—探索”是最高效的入口因变量放入因变量列表分组变量放入因子列表“图”里勾选“含检验的正态图”和“箱图”。等效语法如下EXAMINE VARIABLESscore BY group /PLOT BOXPLOT STEMLEAF NPPLOT /COMPARE GROUP /STATISTICS DESCRIPTIVES /CINTERVAL 95 /MISSING LISTWISE /NOTOTAL.EXAMINE是探索分析的命令score BY group的含义是按group分组检验score的正态性。/PLOT里的NPPLOT会生成正态 Q-Q 图并提供 Shapiro-Wilk 和 Kolmogorov-Smirnov 检验结果BOXPLOT输出箱线图用于识别离群点。/MISSING LISTWISE表示任一变量缺失就整条剔除。用这个命令跑完既能看到 Levene 检验的替代版本也能直接看到哪组有异常值。关于正态性检验要有个清醒认识Shapiro-Wilk 在小样本比如每组 15 人里非常敏感轻微偏离也可能报出 p 小于 0.05大样本下 K-S 检验又容易因为样本量大而过度敏感。所以判断正态性不能只看检验 p 值要结合直方图和 Q-Q 图。SPSS 里没有正式的“离群值剔除”按钮箱线图中显示为圆圈或星号的点就是可疑离群值先回到原始数据核对是否为录入错误再决定是否剔除或做数据变换。4.2 组间方差不齐的三个出路Welch、秩和检验、数据变换方差齐性检验失败时最直接的替代是改读 Welch 检验或 Brown-Forsythe 检验。SPSS 单因素 ANOVA 的“选项”里勾选“Welch”后输出表会多出两行关于 Welch 和 Brown-Forsythe 的结果自由度被调整过结论更稳健。这条路径不需要改动数据是首选项。第二个选项是放弃参数检验改跑 Kruskal-Wallis 检验。它在“分析—非参数检验—旧对话框—K 个独立样本”中因变量放score分组变量放group。Kruskal-Wallis 比较的是各组的秩分布不要求正态性和方差齐性但检验的是分布位置差异而非严格意义上的均值差异在写结论时要换成“中位数存在差异”这类表述。第三个选项是数据变换。SPSS 里用“转换—计算变量”创建一个新变量再对新变量重跑方差分析COMPUTE log_score LN(score 1). EXECUTE.LN(score 1)里加 1 是因为原始数据可能有 0 值LN(0)是缺失值会导致该行被整条剔除。对数变换适合右偏数据能压缩大值开根号变换适合计数数据倒数变换适合严重右偏。变换之后必须重新跑 Levene 检验确认方差齐性问题是否缓解同时注意结论的解释单位已经变了——原来“血压下降 5 mmHg”变换后是“对数血压差异”汇报时需要换算回来。可以按下面的决策规则来选路检查项检验方法SPSS 位置不满足时的处理正态性Shapiro-Wilk / K-S探索—含检验的正态图样本量大时可容忍严重偏态走秩和检验或变换方差齐性Levene单因素 ANOVA—选项Welch 检验 / Brown-Forsythe正态且齐性均不满足Kruskal-Wallis非参数检验—K 个独立样本报告 H 统计量和渐进显著性5. 把 SPSS 方差分析结果写进报告或 PPT一个固定结构 三个自查点要把第 2 章到第 4 章的结果整理成一页能放进 PPT 的内容其实只需要固定四件套各组描述统计、前提检验结论、ANOVA 主表、多重比较或交互图。描述统计表放在最前报告均值加减标准差Levene 检验结果用一句话带过比如“方差齐性满足Levene F 0.51, p 0.604”ANOVA 主表按规范格式写成 F(2, 57) 5.42, p 0.007, partial η² 0.16事后比较只报告显著的配对并注明校正方法。三个自查点能拦下多数返工。第一事后比较的校正方法是否匹配超过三组时不要用裸 LSDTukey 或 Bonferroni 能有效压低总体错误率如果组间比较是研究前就定好的可以在分析前就锁定配对用 LSD 也说得过去。第二有没有写出效应量只有 F 和 p 值读者无法判断差异是“真的有用”还是“样本大所以显著”SPSS 在 GLM 的“选项”里勾选“效应量估算”就能输出偏 eta 方。第三确认研究设计是独立组还是重复测量如果同一批被试测了前测和后测或在不同时间点各测一次必须走“一般线性模型—重复测量”把时间设为被试内因子用独立组方差分析去处理重复测量数据会把个体差异混入误差项结论不可用。把表格贴进 PPT 前先逐项核对格式和这三个自查点任何一格对不上都回 SPSS 重新打开数据文件从“分析—比较均值—单因素 ANOVA”再跑一遍验证输出的自由度和组数是否与设计一致。本文还有配套的精品资源点击获取
