统计211

 找回密码
 立即注册

QQ登录

只需一步,快速开始

查看: 6299|回复: 10
打印 上一主题 下一主题

关于方差分析的问题请教!

[复制链接]
跳转到指定楼层
1
发表于 2011-10-24 17:30:33 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
现有份资料是这样的,人体三个部位(L1,L2,L3),每个部位重复30次黏贴刺激,每隔5次(P0,P5,P10,P15,P20,P25,P30)测量相应指标(R1,R2,R3…),各指标为计量资料。现欲比较不同部位(L),不同次数(P),之间的关系,请问用什么方法好!
鄙人考虑是不是应该用多因素的方差分析呢?还是多因素方差分析?如果是的话,怎么用SPSS实现呢?
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 支持支持 反对反对
2
 楼主| 发表于 2011-10-24 19:35:20 | 只看该作者
多因素方差分析?还是重复测量资料的方差分析?(不慎打错了,不好意思!)
3
发表于 2011-10-24 20:06:34 | 只看该作者
本帖最后由 zhyucheng1985 于 2011-10-24 20:07 编辑

这个问题可以从多元方差分析看,属于重复有序测量范畴。我给你个资料,你先看看。图片观看顺序为1........10,上传的顺序不对。
4
 楼主| 发表于 2011-10-24 22:55:41 | 只看该作者
zhyucheng1985 发表于 2011-10-24 20:06
这个问题可以从多元方差分析看,属于重复有序测量范畴。我给你个资料,你先看看。图片观看顺序为1........1 ...

谢谢你的图片,我先学习下,回头再向你请教!
5
 楼主| 发表于 2011-10-25 15:21:17 | 只看该作者
zhyucheng1985 发表于 2011-10-24 20:06
这个问题可以从多元方差分析看,属于重复有序测量范畴。我给你个资料,你先看看。图片观看顺序为1........1 ...

你好!看了你的贴图,很受益!现有个新问题,重复测量资料的方差分析之后,也是要进行两辆比较的,对吧,我查了点资料,说是使用多元方差分析模型,我试着做了个结果见附件!,但对结果的解读不是很清楚,望指教!
6
 楼主| 发表于 2011-10-25 15:28:21 | 只看该作者
晕不能传附件!
7
 楼主| 发表于 2011-10-25 15:32:45 | 只看该作者
下面两个表怎么解读?第二个表后的几个R2什么意思?

Multivariate Tests(c)
Effect                 Value        F        Hypothesis df        Error df        Sig.
Intercept        Pillai's Trace        .961        286.051(a)        7.000        81.000        .000
        Wilks' Lambda        .039        286.051(a)        7.000        81.000        .000
        Hotelling's Trace        24.720        286.051(a)        7.000        81.000        .000
        Roy's Largest Root        24.720        286.051(a)        7.000        81.000        .000
position        Pillai's Trace        .383        2.775        14.000        164.000        .001
        Wilks' Lambda        .636        2.940(a)        14.000        162.000        .001
        Hotelling's Trace        .543        3.102        14.000        160.000        .000
        Roy's Largest Root        .481        5.637(b)        7.000        82.000        .000
a        Exact statistic
b        The statistic is an upper bound on F that yields a lower bound on the significance level.
c        Design: Intercept+position


Tests of Between-Subjects Effects
Source        Dependent Variable        Type III Sum of Squares        df        Mean Square        F        Sig.
Corrected Model        NRJ1        .000(a)        2        .000        1.703        .188
        NRJ2        .000(b)        2        .000        1.105        .336
        NRJ3        .000(c)        2        .000        .647        .526
        NRJ4        .002(d)        2        .001        6.589        .002
        NRJ5        .003(e)        2        .001        7.571        .001
        NRJ6        .003(f)        2        .001        8.027        .001
        NRJ7        .003(g)        2        .001        7.600        .001
Intercept        NRJ1        .042        1        .042        483.946        .000
        NRJ2        .100        1        .100        605.682        .000
        NRJ3        .147        1        .147        797.369        .000
        NRJ4        .168        1        .168        1063.703        .000
        NRJ5        .195        1        .195        1032.543        .000
        NRJ6        .222        1        .222        1188.676        .000
        NRJ7        .241        1        .241        1269.345        .000
position        NRJ1        .000        2        .000        1.703        .188
        NRJ2        .000        2        .000        1.105        .336
        NRJ3        .000        2        .000        .647        .526
        NRJ4        .002        2        .001        6.589        .002
        NRJ5        .003        2        .001        7.571        .001
        NRJ6        .003        2        .001        8.027        .001
        NRJ7        .003        2        .001        7.600        .001
Error        NRJ1        .008        87        8.71E-005                       
        NRJ2        .014        87        .000                       
        NRJ3        .016        87        .000                       
        NRJ4        .014        87        .000                       
        NRJ5        .016        87        .000                       
        NRJ6        .016        87        .000                       
        NRJ7        .017        87        .000                       
Total        NRJ1        .050        90                               
        NRJ2        .115        90                               
        NRJ3        .163        90                               
        NRJ4        .184        90                               
        NRJ5        .214        90                               
        NRJ6        .241        90                               
        NRJ7        .261        90                               
Corrected Total        NRJ1        .008        89                               
        NRJ2        .015        89                               
        NRJ3        .016        89                               
        NRJ4        .016        89                               
        NRJ5        .019        89                               
        NRJ6        .019        89                               
        NRJ7        .019        89                               
a        R Squared = .038 (Adjusted R Squared = .016)
b        R Squared = .025 (Adjusted R Squared = .002)
c        R Squared = .015 (Adjusted R Squared = -.008)
d        R Squared = .132 (Adjusted R Squared = .112)
e        R Squared = .148 (Adjusted R Squared = .129)
f        R Squared = .156 (Adjusted R Squared = .136)
g        R Squared = .149 (Adjusted R Squared = .129)
8
发表于 2011-10-25 19:44:46 | 只看该作者
yanrui012 发表于 2011-10-25 15:28
晕不能传附件!

可以的,点击高级模式。
9
发表于 2011-10-25 20:04:19 | 只看该作者
有点乱,我还没看到R2。
一般来说,R2是指相关系数货调整相关系数的的平方,一般也可以称作决定系数,当然R2越大说明两个因子相关性越大。
10
 楼主| 发表于 2011-10-26 08:25:12 | 只看该作者
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则


免责声明|关于我们|小黑屋|联系我们|赞助我们|统计211 ( 闽ICP备09019626号  

GMT+8, 2025-4-3 11:31 , Processed in 0.092504 second(s), 25 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表