spss中一般线性模型解析.ppt

《spss中一般线性模型解析.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、*1一般线性模型（一）*2一般线性模型一般线性模型单变量分析的基本过程完全随机设计资料的方差分析随机区组（单位组）设计资料的方差分析*3一、一般线性模型单变量分析的基本过程GeneralLinearModel（GLM，一般线性模型）包括：Univariate（单因变量多因素方差分析），Multivariate（多因变量方差分析），RepeatedMeasures（重复测量方差分析），Variance（方差分量分析）GLM可完成多自变量、多水平、多因变量、重复测量方差分析以及协方差分析等。*4Univariate（单因变量

2、方差分析）基本过程*51主对话框DependentVariable:因变量FixedFacter:固定因子，所有可能的水平都出现在样本中，如分组等RandomFacter:随机因子，所有可能的取值并不都在样本中出现，如观察个体Covariates:协变量，协方差分析时用WLSWeight:WLS权重。用于加权最小二乘分析。*62功能按钮Model：分析模型Contrast：对照方法Plots：分布图形PostHoc：多重比较Save：保存运算值Option：选择输出项。*72.1Model按钮Ⅰ、在SpecifyMode

3、l栏中指定模型类型FullFactorial，全模型，系统默认。包括所有因素的主效应和所有的交互效应。例如有三个因素变量，全模型包括三个因素的主效应、两两的交互效应和三个因素的高级交互效应。Custom，自定义模型。选择此项激活下面各操作框*8Ⅱ、建立自定义模型Factors＆Covariates框中自动列出可以作为因素的变量名，其后面的括号中标有字母“F”（固定因子）、“R”（随机因子）或者“C”（协变量）。*9A、选择效应类型Interactin：交互效应Maineffects：主效应All2-way：所有2维交互效

4、应All3-way：所有3维交互效应All4-Way：所有4维交互效应All5-Way：所有5维交互效应*10B、选择模型中的主效应（Model）首先定义效应类型为Maineffects鼠标键单击某一个因素，该变量名背景将改变颜色（一般变为蓝色），单击BuildTerm（s）栏中下面的箭头，该变量出现在Mode1中。一个变量名占一行称为主效应项。欲在模型中包括几个主效应项，就进行几次如上的操作。*11C、建立模型中的交互项例如，因素有Light(F)、Device（F）、Target（F），若要求模型中包括变量Light

5、与Device交互效应。首先定义效应类型为Interactin，然后在Factors＆Covariates框内的变量表中，用鼠标单击Device变量使其背景改变颜色，再用鼠标单击变量Light变量使其背景改变颜色；单击BuildTerm（s）栏内残数框的箭头按钮，一个交互效应出现在Model框中。模型增加了一个交互效应项：Device*Light。*12C.建立模型中的交互项模型中包括三个变量的所有2维交互效应项，定义效应类型为All2-way，单击light、Device、Target三个变量名，单击箭头按钮。Mode

6、l中出现三个2维交互效应项：Light*Device、Light*Target、Device*Target。模型中包括所有3维效应，定义效应类型为All3－way，单击变量Llight、Device、Target。单击箭头按钮，Model框中出现3维交互效应项：Ligh*Device*Target。*13Ⅲ、选择平方和分解的方法Sumofsquares:TYPEⅠ（嵌套设计）、TYPEⅡ（平衡设计、仅主效应）、TYPEⅢ（系统默认、最常用）TYPEIV（不完整数据）。*142.2Contrasts按钮Factors框中显

7、示出所有在主对话框中选中的因素，其后的括号中是当前的对比方法了；ChangeContrast栏中改变对照方法。*15可供选择的对照方法None：不进行均数比较；Deviation：比较预测变量或因素的每个水平的效应。选择Last或First作为参照的水平；Simple：对预测变量或因素变量的每一水平都与参照水平进行比较。选择Last或First作为参照水平；Difference：对预测变量或因素每一水平的效应，除第一水平以外，都与其前面各水平的平均效应进行比较。与Helmert对照方法相反；注：只有Deviation和S

8、imple需要选择参考水平，Last（系统默认）和First。*162.3Plots按钮Factor：主对话框中所选因素变量名；Horizontal：横坐标框SeparateLines：确定分线变量SeparatePlots：确定分图变量*172.4PostHoc按钮均数多重比较（事后检验）*182.5Save按钮(