医学统计学方差分析答案

方差分析是分析调查或检验结果是否存在差异的统计分析方法，即检验组间是否存在差异。本文将对下方差分析的分析过程进行梳理。

1.数据类型方差分析用于分析分类数据和数量数据之间的关系，可以比较两组或多组数据之间的差异。在分析之前，首先要根据数据类型判断使用的方法是否正确。

如果x是分类数据，y是分类数据，就要用卡方分析。如果X是分类数据，Y是数量数据，X组只有两组，那么就要用T检验。

2.方差分析的类型方差分析按自变量个数可分为单因素方差分析、双因素方差分析和多因素方差分析。

单因素方差分析可以比较一个自变量(如品牌)；双因素方差可以比较两个自变量(品牌和销售区域)；多元方差可以比较三个或更多的自变量。

单因素方差分析常用于问卷研究，分析个人背景信息对核心研究变量的影响(例如，不同性别的工作满意度是否存在显著差异)。

它还可以用来判断聚类分析的效果。获得聚类类别后，通过方差分析比较不同类别的差异。如果都表现出显著差异，且研究者能结合专业知识命名类别，说明聚类效果更好。

两因素多因素方差分析可以研究多个自变量对因变量y的交互作用，通常只用于实验研究，一般的问卷数据很少使用。

3.正常测试

方差分析要求Y项满足要求的正态性，SPSSAU提供了多种方法来检验正态性。随便选一个。

问卷中数据的正态性很难保证，但正态性检验的准则更严格，因为更推荐用正态图或P-P/Q-Q图来检验正态性。当数据基本满足正态特征时，可以接受为正态分布。

P-P图

P-P图中的散乱点近似为一条对角直线，意味着数据呈现正态分布。

不令人满意的常态

如果数据不符合正态性:

①可以进行对数处理:即可以利用【生成变量】函数对Y项进行转换，使数据呈现正态。但是，转换数据的分析结果很难解释。如果数据是问卷数据，建议考虑其他方法。

②非参数检验:如果没有正态性，可以用非参数检验进行分析。

非参数检验

③直接使用方差分析:参数检验的检验效率高于非参数检验。比如ANOVA是参数检验，所以即使数据不满足正态性的要求，也经常使用。

4.方差齐性检验方差齐性是方差分析的前提。在进行方差分析之前，一般需要对数据进行方差齐性检验。

在SPSSAU中找到【通用方法】→【方差】，在右边的下拉框中选择【方差统一检验】。

同质方差检验

方差齐性检验

检验结果主要集中在p值，即p < 0.05，说明数据显著，说明不同组的数据波动不一致，即方差不均匀；相反，p gt0.05，表示方差为偶数。

不满意的方差齐性

理论上，一元方差分析首先要满足方差齐性。但在实际研究过程中，很多数据的方差是不均匀的，因此可以将分类数据X重新组合或者取Y的对数。

如果方差齐性仍不满足，可采用非参数检验。

另外，如果研究的分类数据是两种类型，可以考虑用独立样本T检验来表示方差分析，避免方差不均匀无法分析的尴尬。

5.SPSSAU运营案例:不同广告形式对销售的影响是否存在显著差异？

①操作步骤:完成以上步骤后，可以进行差异分析，点击常规方法→差异。

Au方差分析

*一般方法中的方差只有一元方差分析，其他如二元方差分析都在【高级方法】中。

②结果分析

分析步骤参考SPSSAU输出结果中的“分析建议”和“智能分析”。

③效果数量指标

此外，SPSSAU还提供了更深入的检验指标，通过该指标可以深入研究差异的大小。

一般情况下，一般不需要显示效果数量指标。如果需要举报，参考spssau的帮助手册更容易理解。

6.事后多重比较单向方差分析，如果显著，说明不同组之间确实存在显著差异，但有时我们想知道哪些组是不同的。

这时候可以用事后多重比较(回测)来比较两组。

高级方法-事后多重比较

*如果方差分析显示无差异，则无需进行事后多重比较。

SPSSAU提供了五种回测方法，需要根据自己的数据进行选择。默认使用LSD法，这是判断差异最灵敏的方法。

Au-back测试结果

结果中的一行显示一组成对比较结果，以及每行的最后p值。如果p

在这个例子中，X项被分成4组，有6个两两比较组合，对应6个比较结果。根据结果，报纸与宣传材料、报纸与经验、广播与宣传材料、经验与宣传材料之间存在显著差异，并通过平均数比较具体比较差异。

最后，以上是方差分析的过程，需要严格的方差分析理论。但在实际分析中，很多情况下会用到，即使前提条件不满足。需要结合实际研究做出选择，关于回测和效果量问题建议你查看相关帮助手册。