方差分析（SPSS版）
原创 Gently spss学习乐园 2019-10-15
文章同步于 微信公众号：SPSS学习乐园
方差分析（SPSS版）
方差分析的基本思想
R.A.Fisher提出的统计理论基础：将总变异分解为由研究因素所产生的变异与抽样误差的部分，通过比较来自于不同部分的变异，借助统计分析做出推断。（将所有样本响应变量的变异分解成因素不同水平间变异和随机误差，再判断因素不同水平间变异与随机误差之间是否存在统计学意义。）其中，所有样本响应变量的方差称为全部平方和 SS T；由因素不同水平间差异引起的、可以由模型中因素解释的部分方差称为模型平方和（SS M）；由抽样过程本身引起的部分方差称为误差平方和（SSE）；且有 SS T = SS M+ SSE ；
其中，R2 =SSM / SST ；取值范围为0~1，R方越趋近于1，意味着模型能解释的比例越大，即模型对数据的拟合越好。
方差分析应用条件
① 样本数据服从正态分布
② 样本数据满足方差齐性要求
③ 样本数据集中观测间是独立的
（样本数据中，某一个观测所包含的信息与其它观测均无关）【注】在实际应用中，并不要求观测严格服从正态分布，如果观测近似服从正态分布，就认为其满足方差分析的正态性假设；当样本含量较大时，无论资料是否来自正态分布总体时，中心极限定理均保证了样本均数的抽样分布服从或近似服从正态分布。
通常采用方差齐性检验来判断方差齐性，如果样本含量相等或相近，即使方差不齐，方差分析仍然稳健且检验效能较好。SPSS中提供了Levene检验来判断是否方差齐性。
对于明显偏离正态性和方差齐性的资料，可采用数据变换或秩变换的非参数检验的方法。方差分析的分类：
按照因素个数可分为，单因素方差分析、双因素方差分析、多因素方差分析等等。按照不同的设计方式可分为，完全随机设计资料的方差分析、随机区组设计资料的方差分析、拉丁方设计资料的方差分析、析因设计资料的
