4因素2水平正交设计方差分析怎么做
当你的变量内形里面有一些是分类变量的时候，特别是你要探索两个两个分内变量之间 是一个什么样的关系，或者是两个分裂变量与另外一个连续性的变量是一个什么样的关系。这个时候呢，我们就可以用到下面的这些方法， 主要是交叉表分析、卡方分析和这个方叉分析。其实方叉分析在呃各个领域，在在生物学啊，在这个心理学啊，都运用的还是非常非常广泛的，所以说呃方叉分析也是非常重要的一个重要的一个分析方法。 那么方向分析的，其实有时候我们也把它叫做 f 检验，也是把它叫 f 检验，它在本质上呢，实际上是比较两个或者两个以上的样本均值是否存在显著的差异。 虽然他叫方差分析，他本质上比较的是两个和两个样本之间的均值，因为跟均值相对应的还有一个是方差，对吧？而且他在分析的过程是御用的一些方差，所以我们把它叫做这个方差分析，他本质上是比较几个样本之间的这个均值。那么我们说方差分析的目的就是实现梳理出 各个不同的这个分类变量。分类变量就说我们质变量是一个分类变量，然后阴变量呢，可能是一个这个呃数值性的变量， 我们要看不同的这个分类变量对一些事物是否具有显著性的影响，特别是连续性的变量是否具有显著的影响。比如说我们这个里面用的分类变量，用性别，用不同广告的类型，都是我们所说的这个分类变量，对吧？那么 呃连续性面料或者我们所说这个数字性面料有什么呢？比如说这个用户对于产品的购买意愿，用户对于产品的购买意愿， 对吧？这个都是我们所说的这个连续性的这个变量。呃，连续性的变量或者是数值性的变量。好，它的原理是什么呢？它原理呢？实际上就是说利用主内及主间这个偏差平方与自由度，呃计算出主内主间的这个军方的这个值，从而计算出 f 值， 然后依靠这个 f 分布去判断呃变量之间的这个关系是否存在变量之间是否存在显著的这个差异。说的相对来说有一点偏专业哈，相对来说偏专业。但是如果你完全没有学过统计学，也没有学过概念论，你就理解一点，就是不同组织他的均值是不是一样的？ 方才分析就是要做这个不同组建的均值是不是一样的，但是为了从统计上判断他的均值是不是一样的，他可能他运用了一些其他的一些指标，比如说主内组建的这个军方，呃，这个军方的这个值啊等等等等一些其他的那些 判断。那么从操作上呢？显著差异是否是等于显著影响？是的，我们说显著差异就是说他的他 a 对 b 的影响，他 他存在显示他就说 a 对 b 的影响，他不是等于零，他是大于零或者是小于零的，所以说 a 对 b 就有显著的影响。好吧，那么方叉分析他有一些要求。要求呢？首先是这个质变量和这个音面量之间的这个关，呃，这个类型是有要求的， 首先是要要求分析分类变量与数值性变量这样的关系，我们刚才已经给大家强调过了。第二个呢，就是说他对样本的要求，他是两组或者多组之间 数据之间的差异进行呃进行检验。就像如果我们进行这个，如果只有两组的话，他在本质上他实际上也是一种 t 检验，是本质上也是一种 t 检验，对吧？我们说 f 检验和 t 检验他本身是有一个关系的，本身是有一个关系的。也是这里其实也是可以反 根据自备量的这个类型，我们可以把方差分析分为单一组方差分析、双一组方差分析和这个多一组的方差分析。当然这个分类其实跟我们前面讲这个，呃，回归分析的是我分类方式，实际上是有一些类似的哈，有一些类似的 回归分析的时候，我们有一元现金回归和这个多元现金回归，对吧？然后这里呢，我们有单因素分叉分析和双因素分析分析，还有多因素分叉分析。 呃，我们这里面在进行分析的时候，都是说质变量是一个或者是多个，但应变量肯定是只有一个的。在统计分析里面，如果应变量有多个的情况下，有多个的情况下，也可能会存在，也可能会存在。但是这种呢，比较复杂，比较复杂，不建议那种基础不是很好的同学去使用。 如果基础不是很好的话，你就去做一些比较常规的分析，比如说这个回归分析啊，方向分析也是我们今天要讲的这一些目，主要 目的哈，就采用一些比较简单的方法去得出你们需要的结论，而不是说上来就会说，我会，会，我会很多分析方法，我来把我所会的分析方法全部来一套，那没有这个必要，没有这个必要。 好，那么方叉飞机怎么去操作？呃，首先呢，我们要去计算这个方叉飞机的这个主内方叉和主尖方叉，然后通过主内方叉和主尖方叉呢得出这个 f 值，根据 f 值去查对应的借零借表 临界表，确定这个临界表的这个值。然后呢去根据我们的这个呃 f 值和临界表的这个值 进行比较，然后以及去看去判断，如果 f 值是小于零戒值的话，一般就说明他的 p 值肯定就是大于零点零五了，一般就说明他们之间是没有显著差异的。 如果 f 值大于零借值， f 值比零借值大，然后就说明变量之间存在显著的差异，也就是说这个分类变量对我们这里所说的这个数字变量是有显著的影响的。呃，有同学问到说方拆分析、卡方检验都是大于零借值的时候显著，对吗？ 实际上啊，不管是方差分析还是卡方卡方分析，还是我们所说的回归分析，他都是一样的。就是说你根据你算出来这个 f 值或者是这个 t 值去跟你的这个零界值进行比较，当你的 f 值 t 值越大大于零界值的时候，那么你的 t 值是会越小的，这个是我们说是存在显著差异的。 如果你的 f 值 t 值或者是 p， 呃，或者是这个卡方值他都是小于你的零戒值的话，一般他的这个 p 值就会大于零点一五，就说明没有显著的差异，这是我们从原理上，从原理上进行了这个 讲解。那么从操作上呢？操作上一样的，我们还是按照我们之前的这个思路，从操作上给大家讲一下。从操作上我们在分期数据或者收集数据的时候呢，我们有两类变量，一类是分类变量，也是我们所说的质变量，对不对？分类变量或者质变量， 我们呢就可以去啊，把这个质变量放到这个分析分析的这个质变量方框里面去。然后呢？呃，因变量呢？可能是连续性的变量，可以是购买意愿或也可以是信息性，或者这个趣味性。假设我们看这个购买意愿， 我们就会发现这个性别，这里面性别呢，就说女性对这个购买医院的均值是五点三二三五，男性的是五点一九三九，对吧？这个值好像是有差别，因为从这个数值上看，女性的这个值是比男性的这个值大的，但这个值从统计上 是不是一定是女性的这个购买医院比男性的统计医院大？我们需要去做这个方差分析，做这个方差分析，我们读出来这个 f 值是多少呢？ f 值是零点四五八七， 零点四五八七，零点四五八七，得出来这个 p 值呢？可能就是呃，因为这个值已经比较小了哈，已经比较小了，一般你至少要呃大于，一般要大于二或者大于三嘛，这才会显著。好，那么在这个零点四五八七的这个情况，你的 p 值就会 大于零点零，我们说这个影响是不显著的，影响是不显著的，那么影响是不显著，有可能是什么？有可能是 因为你分析的时候，你的这个样本的这个样本的这个男女比例不协调，对吧？有可能是你这个分析的比例不协调，或者是什么样子，要去找一下原因。所以说我们在分析的时候哈，一般是一般是这个样子的，我们在收集数据的时候再给 给大家强调一下，分析的时候呢，为了平衡，为了平衡这个性别啊，平衡这个地域，一开始的时候，你不要一开始就比如说我要收集一千二百分问卷，或者我会收集收集四百分问卷，我一开始咔就把四百分问卷给设置了。 你如果这样设计的话，首先你的这个人力成本和这个人力物力财力就发挥很大的，这个人力物力财力，结果一收起来发现啊，要么你们问，就你们有一项有问题， 问题里面有一项有问题，那么你需又需要全部重新推到全部重来，这个对你来说是有很大的损失。 所以我们建议，我们建议大家在做的时候呢，做的时候做这个，呃，做一次前侧，做一次前侧，也就是在正式发布问卷的时候，你做一次前侧，前侧就是在发布之前测一下你这个问卷，测一下你的这个收集收集数据的 方式是不是合理的收据收据是不是合理的，如果不是，你可以稍微进行修改，这里的损失也只是少部分。我们说 t 检验是可以，但是 t 检验，因为我们说 t 检验是 f 检验的一种，对不对？不是说 t 检验不是 f 检验，他只是一种，这实际上是我们所说的单因素方差分区，不是说他不是方差分析，好吧？ 如果是有多个变量的话，那么你就需要做什么？如果有多个变量，你就需要把多个变量放在一起做这个方差分析就是多因素方差分析。多因素方差分析呢？可能还会有一个，呃，可能还会有一个更复杂的情况，就会出现这种交叉，就是交互的影响。 就比如说这一个是性别，那么一个是性别，一个是年龄，那么性别和年龄他们除了这个性别会对这个购买意愿产生影响，年龄会对购买意愿产生影响，那么他们才会有一个交互。就比如说男性在年 的时候是什么样子，女性在年轻人什么样子，这个时候就会有一个交互影响，那么交互影响的他这个 他这个分析方法。呃，我们在后面可能会讲到这个是我们对于这个方差分析的一个基本的这个讲解。当然我们也可以分析这个不同年龄对这个购买医院的对不同年龄对购买医院的影响，不同年龄对购买医院的影响。这个时候呢？呃， 我们就会发现不同年龄层呢，他的购买意愿是存在这个显著差异的，因为 p 值是等于 f 值是大于三的，大于三，而且 p 值是小于零点零五的， p 值是小于零点零五的，对吧？这个时候我们就说年龄对消费者的购买意愿存在显著的差异 啊。有同学问到，就是说啊，刚刚讲的这个交互影响是不是属于双因素分析？呃，双因素一般就是说我们讲双因素区别于单因素，就是说你的影响因子啊，是有两个，就是你的分 那边呢？是其实是有两个，对不对？但是交互交互影响是说这两个背量之间，这两个背量之间是存在相互的这个影响的，好吧？在后面的时候呢，呃，后面的章节里面老师会讲到如何去做这个调节效应。调节效应的分析在这里只是给大家简单的提一下，就是， 呃，你在做这个双因素分析的时候，或者多元呃，分析的时候，你要注意到可能会有这个调节效应，就是我们所说的交互效应。
粉丝1609获赞5719
相关视频
01:11查看AI文稿AI文稿有人问怎么做单因素方向分析？其实很简单，数据是这样的，四个班级的成绩问题是这四个班级的平均分是否有差异？在菜单数据中找到数据分析，找到单因素方向分析，确定 输入区域呢，就是上方的数据区域分组方式列，也就是每一列呢是一个组勾选标志位于第一行，也就是上方的表头啊法，也就是显著性水平。用默认的零点零五 输出区域呢，我们让他输出，在这个下方选择这里的单元格确定，这样就得到了结果。上方是描述性统计分析的结果，下方呢是方沙分析 结果。这里呢，我们要重点关注这里的 p 值，现在这个 p 值呢是零点零三八七啊，也就是小于零点零五， 也就是要拒绝原假设啊，也就是说这四个班级的平均分呢，是有差异的，这个就是用 excel 做单因素方向分析。
1176孙斌说数据
00:17查看AI文稿AI文稿前面讲到如何制作正交表，那么接下来正交试验怎么做呢？例如进行私因素养水平的正交试验， solo 认，找到最接近的标准正交表。确定正交表后，根据正交表安排实验方案，将数据填入表中，上传数据进行极差分析，偶尔方差分析，进行极差分析，找到各因素自由水平。你学会了吗？
138SPSSAU
05:52查看AI文稿AI文稿大家好，我是李博士，接下来我跟大家颁奖的是征标摄影的方案文件，这里面呢分别用两个软件，第一个软件呢是征标设计助手，第二个呢是用 spss 来做 好。首先呢我们来看一下正标实验数据的两种方机方法，一种呢是急刹扳机，在前面的内容里面呢，我们已经介绍过了， 大家如果感兴趣呢可以看一下前面的内容。第二个呢是方扎分机，方扎分机呢我们可以采用针雕设计助手这个软件来做，同时呢也可以通过 spss 的一般鉴定模型单变量这个来做好，我们先来看一下用蒸胶设计注 怎么来做正交实验的观察标记。首先呢我们新建一个工程，然后在新建工程下面呢，我们新建一个实验，通过新建重建呢，我们把实验名称选择正交表以及一组鱼水平，这里面我们 选择好相应的内容。然后呢我们就可以对实验数据呢进行录录入，主要是对这个实验结果呢进行录入， 最后呢我们就可以进行选择分析。呃确定一个选择误差所在列，这里呢我们是地理是误差所在列， 然后确定呢二把水平，一般呢选择是零点零，然后选择呢就可以输出相应的结果。好，我们 来通过一个具体数据呢来看一下，这是我们的数据，我们来打开这个数据， 好，这是我们的数据，然后我们呢通过分析观察分析 选择误差，左边列是低列确定，这样呢我们就把这个观察分析的情况得出来了，因素 a， b， c 呢等于呢 f 值呢 分别是二点零三九，一点二九五，二点七七，在阿尔法至零点零五水平下呢，呃， f 的临界值呢是十九，说明这三个因素呢都不讲究的。我们再来看一下这个文章，这个数据呢我们是在这个文章里面数据， 我们来看一下 前面，前面数据呢， a、 b、 c， 七百零四点二八七，然后 p 呢是四百四十七点三零三， c 呢是八百四十四点八六八， 这这几个数据呢都是一样的， f 值呢也都是一样的。呃，临界值呢，他这就取零点零的话就错了，那显著性呢？根据错的，他这里面呢？呃，后面这两面呢是错的，大概呢 注意一下就可以了，这是用增加设计助手来做的防沙喷漆，而我们呢再用 sps s 呢来做防沙喷漆，然后它呢首先呢我们就是落入护具了，根据 这叫增焦设计表呢，呃，把数据录入，然后这个因素 abc 呢，地呢是空白量，但是将录入进去，对于产量呢是产率呢，是一列数据，让我们通过分析，一般建筑模型单变量就可以进入到这个主界面， 然后音变量呢是我们这里的产率，然后固定音组是 abc， 这里空白组呢？呃，空白，这样的地点就不要纳入进去了，然后在这模型里面呢，我们这里需要注意的就是 需要选择三个母亲的主教育，就不要选择全因子，我们这里选择了构建将要选择三个主教育 好，然后呢我们就可以输出结果来，输出结果呢就可以分别得到 a， b， c， 呃，三个因素呢之间 啊， f 值和对应的 p 值，这里呢我们看到专门因素呢都是不讲究的，跟我们用蒸胶设计祝福呢，结果呢是一致的，我们呢就是通过一个 数据呢来具体操作一下，这是我们录入好的数据，然后飞机一般在你们单面量，这是刚才做过的重置一下， 然后产率选进来 a b c 这么变量，然后模型里面呢就是选择勾尖酱 主效应重新来继续确定。好，这样呢就把它的一个嗯呃防查分期的结果呢展示在这里嘛， a b c 呢？ f 呢就二点零三九，一点二九五，二点四七。 对于我们这个结果呢也是一样的， f 值呢二点零杠九，一点二九五，二点四七。在这里呢没有给出减速精准水平呢，我们这里用 spss 呢可以给出精确的批值，相对来说呢比这个结果呢要好一些。 好，关于征交实验的防查分析呢就介绍到这里，大家如果有意愿或者合作的事情呢可以联系我们。好，谢谢。
234数据分析李博士
04:45查看AI文稿AI文稿好，来说一下这个正交设计住处的安装，首先呢我们打开这个安装包，这有个点， e x e 玩家，我们用右键以管理员身份运行，是， 然后它呢正在初始化，好选择下一步，然后更改一下路径，直接改成地板， 确定是下一步，下一步，然后呢这样就完成了。好，我们再来打开一下这个， 好，这样呢我们就打开了这个程序，我们通过文件精建工程，然后呢我们就可以建立一个实验，比如说我们这个一块工艺。 we， 然后呢我们选择一个增焦表，呃，这里呢有这么多，我们可以选择我们同房间用的 c 因素，将单水平要做九次实验。呃，增交表或者因素与水平呢，我们可以参考这来做去，我们呢可以参考这一篇 名称呢，我们就比如说是 a c d， 然后水平呢我们都讲这是一二三吧，一二三 一二三，然后呢这样呢我们就确定，然后呢我们就可以看到优化功率呢，这样结果呢我们就可以，呃，根据一个 你说这篇文章里面的一个实验结果吧，就是这叫优化这个合成工艺，我们可以把这个数据呢录入进来， 五十五点八六五十二点三三五十四点五三 十五点七五六十九点八五五十三点四三 七十一点零六七十二点二九 五十九点九五，好，这样呢我们就把这个数据呢录进来了，就是这里的实验句号一到九，我们再来核对一下，就是 进行了九次之验，然后呢现在是一二一二三三，然后一二三一二三一二三一， 然后 c 呢是一二三二三一三一二一二三二三一三一二 d 呢是一二三三一二二三一一二三三一二二三一，好，实验结果呢就是对应这个成语这一列，然后我们 就通过分界，直观分界我们就得出来了，这君子呃开一开二开三跟着，是 啊，这 g 叉呢二呢也是呃，二十一点四二四十七点二六六是一样的，然后呢下面这个方差表呢，我们可以通过方差分期来做 防插分机，然后呢我们这里的地点是插列，也就是角磨地，然后显得近水平呢，直角零点零五确定，然后呢他那零点零五水平加的零点只能是六点零， 他这里面标注就错误了，这个临界值呢也是有错误的，所以说呢，我们根据他这个来看到这 f 呢是二点零三九，临界 真的是十九，数小于十九的是不显著的，然后这三个因素呢都是不显著的 啊，我们再来核对一下这乌叉下就要讲的这个地点确定， 所以说呢他这个表格呢，前面这一部分呢是正确的，那后面呢就是做错了。好，关于这个征交设计书助手做征交试验呢就介绍到这里，好，谢谢。
207数据分析李博士
00:29查看AI文稿AI文稿快速完成正交试验极差分析。第一步，生成正交表，使用 sale 正交试验，输入音速数与水平数，得到正交表。第二步，根据正交表进行正交试验，得到试验结果，将数据整理成如下格式。第三步，进行极差分析，得到最优试验组合， 你学会了吗？
421SPSSAU
11:02查看AI文稿AI文稿大家好，我是好奇学长这一期呢，因为我电脑连不上网，所以呢就不开始这个头像视频了。呃，那么就用这个录屏软件录屏给大家讲一下， 嗯，单一数方加分析。那么前两节呢，给大家讲了如何把数据录入到 spax 软件当中，然后再 对数据进行描述性统计和这个正态检验。因为单数方差分析是的前提条件是数据要满足正态分布，如果不满足正态分布呢？我们需要用其他的一些分析手段。 那么我们来看分析这个单数方差分析是怎么做呢？我们首先点到分析这里，然后通过均值比比较均值这里这一栏，然后找到最下面就有一个单数二罗瓦分检验，那就是单数方差分析， 我们点进去了之后，这里有一个变量列表和这个因子，这个是什么意思呢？这个下面因子是代表我们的处理变量，但是处理变量因为在这个表当中给到的是一个字符串，这样一个表格一个数值， 那么在统计的时候，他没办法对这个呃制服串进行定量化，所以我们要把这个 处理组用相应的数值数值来代替，比如说对照是零，呃处理一是一，那么我们就用这样的数字来代替，然后我们把这个处理代号放到英子这里来， 然后把我们所测定的所有的观测指标都放到这个嗯，变量力表里面去，然后我们再来看，嗯，除了常规的他的末 认得这些统计结果之外，我们还要做哪些操作啊？嗯，第一个呢是，嗯，这个对比较，这个呢我们通常不是不常用啊。嗯，第二个事后多层比较呢，就是一个说这个比较不同处理之间的这种，嗯， 这种差异性，那么我们常用的呢是有 lsd 和这个邓肯多重比较，那我们科技组呢，通常会要求用邓肯多重比较，所以大家根据自 自己的研究和要求，可以用 i s d l n s n k 这个或者是邓肯，那么其实可以同时多选很多个啊。嗯，但我们因为常用，我们这边常用这个邓肯的话，就用邓肯比较就可以了，勾选一下就行。 那后面这些选项的话描述性统计，因为前节课呢给大家讲过描述性统计，那么这里呢也可以对他进行勾选，他也得到 这个相应的这个标志性统计结果。只有抽象这里我们就可以不管他，跟着选，选定默认值就可以了， 然后直接点确定，然后如果在英文是肯定的是继续，然后就得到了我们这个分析的结果。 好，因为我们选了描述性统计，他会对这些描述性统计得到这样的一个表，我们有一共有呃五个指标，然后每个指标的这个 这个处理的个数有五个，然后比如说这个对照组零代表的是对照组有五个，然后他的均值标准差，标准物上下线最大最小值这些都给出来了，那我们有需要的时候，我们就把它填写进去，填写到自己的文章当中。然后最重要的呢，我们是要来看这个单一数方差分析的结果。呃， 这个可以看到这个每一个指标，我们测定的每一个指标在不同的处理变量下，他得到的这个平方和自由度均方，这个方差值和显著性。那其实我们看这个， 我们做了这个实验，做了这个处理有没有效果呢？我们就来看一看这个最后方差分析的这个显著性是否是显著的。 呃，零点，第一个对指标一是零点零三七是小于零点零五的，这样一个值是显著达到显著的一个影响水平。那么第二个是零点五零 九，这个就是不显著。第三个零点三二四也是不显著的。那么第四个是零点零一，一也是屁值，这个显著性是屁值，呃，是小于零点零五的，那是显著的。 那么第五个呢，是等于零点零零零。那么我们在写文章的时候呢，我们就可以写成小于零点零零零一，然后这样的一个就是两两个零加个一的这样一个方式来表示他， 呃，那么这个是不但小于零点零五，还小于零点零一，那么他就是一个极其显著的这样的一个影响。就是说不同的处理对指标五呢是极其显著的影响。而对这个指标四和指标一呢，都只是一个显著影响。 而对这个指标二和指标三呢，是没有显著影响的，就是说对他的影响是不大的。嗯，下面呢是这个呃邓肯多重比较的这个结果， 这个结果怎么来看呢？呃，这个结果呢，是比如说对指标一，我们首先要看他叫呃 事后多重比较，他是说在这个比较有意义的前提是在前面的这个方差分析，他具有显著性才有意义。那么也就是说指标二和指标三对他进行邓肯多重比较，他得到的这个参数是没有任何意义的，而且得到的应该也是一个，嗯， 同一个级别的啊，你看可以看到他没有分级，然后这个，呃在指标一的话就分成了两级，那么这个级怎么来看呢？我们这个级呢是从后往前看， 然后二，那么就是说这个他是最大的，那么就是从后往前看啊，二这里只有两列呢，二就代表是最大的，如果有三列，有四列，最后一列是最大的，这里呢我们可以看一下他的均值啊，这个给他的均值，那么八点零、八六零，这个， 呃和这个，呃二点零这两个是一样的啊，一样的。那么这两个呢就是比较大的，然后这个他就分在了第一类啊，就是最大的一组当中， 然后对照这一组呢，是既在第二组又在第一组，那么他就是分在了一组，他就是处在一组和二组之间， 那么这个处理一这个这个处理下来他是在第一组，那就说明他是在这个，呃，是在这个低水平这个组。那么待会我再给大家去讲一下这个怎么去看？ 好，那么这里就是单一式方叉分析的这个结果。呃，我再给大家看一下这个文章里面，哎，放到文章里面，呃，是要怎么去去应用呢？啊？这个就是已经发 表的土壤学土壤期刊里面，我们课里只需要是发的啊这个这样一篇文章，那么 我们刚才做了描述性同做了这个单式方差分析，得到的结果呢？就是这样一个表，嗯，然后我们把这个表复制到 word 里面进行编辑，把该要的就留下，不该要的就删掉啊，包括了这个，呃， 是这些这个具体的指标，那么这里我在呃讲案例的时候呢，我兄弟指标一，指标二，那么在研究的过程当中，具体是什么指标就写成什么指标，嗯， 然后再把这个自由度和军方这里，嗯，调换一下位置就行了。可以看到这个我们这里是先把这个呃变上来源给了之后，就后面接着就是自由度，然后这个军方，然后方，嗯，我们可以看到 这个是平方和是前面 ss 平方和 s 平方是军方，然后这个方差值和这个显著性 p， 然后在这个呃 这边呢，我们就用屁值，显著性的话就用屁值来表示，你看如果小于零点，呃，比如说这个这里的最后一个的话，我们这里就用这样的形式，屁小于零点零零一这样来表示。那么得到这个结果之后，我们就可以判断 在这个处理之下对哪些指标有显著的影响，然后有这些显著的影响之后，我们再进一步的对他进行画这样一个趋势图，看一下哪个处理更高，哪个处理更低，更显著的去 表现我们数据分析的结果，表现我们这个每一个处理下不同处理下每一个指标的展现形式。 呃，刚才给大家说的这个，呃，这个邓肯多重比较的这样一个结果，但是这个数据对应不起来哈，大家要只要学会去去应用就行了，就以指标五为例来对应这个图，嗯，但这个实际是不对应的哈，就大家去做的时候就区分一下就行了。 那么说这个二和三是在这个三这一组，而且是在最最大的一组里面，那么我们把倒着来标第三组和第二组都标上 a， 从从后往前标哈，这个，嗯， 最大的就是 a， 最小的一字 abc， 这样标下去 a 是最大。那么这里呢要要说一下的，是可以用大写的，也可以用小写的，但是他有规定哈，这个 a 是使平均，呃，这个呃用小写的，这个字母呢，是代表显著 信是在零点零五，如果用大写字母呢，是小屁，是零点零一这样的一个呃，一个概率值， 一个筛选范围，那么我们依次往前标，那么这个呃 d 一和处理一和对照，处理一就应该标为 b， 处理这个对照呢，就标为 c， 就是从高往低这样 abbcdbc 这样的一个趋势。那么这里呃 给了只有三只，分成三组，那么就只用三个字母去标 abc 这一列的，在这一列的标准 a， 在这一列的标准 b， 在这一列的标准 c， 那么像这一个，这一组 呃，他有两个，那就只能一把，这后面的对应的他是处理，处理这个就标准 a， 然后处理一的这个他既在二又在一，那么就标准 ab， 然后 这个三和二二都标识 b， 那么这里可以看一下哦，这里没有 ab 的情况啊。嗯， 这里因为因为在这个研究当中呢，没有涉及到这个跨行分组的这种情况，所以就像如果在同学们在数据分析的时候，遇到 这个跨行的，他既在第二组，又在第一组的情况下，那么就写成标准 ab 这样的形式。当然要看如果他在后面几行，该是 ab 还是 cd， 或者是呃 bc 的，这样的该怎么标就怎么去标就行了。 好，今天呢就先分享到这里，因为视频长度的限制，那么呃，后期呢？给大家讲如何做图。 好，我是豪杰学长，大家对我视频感兴趣的可以点赞、收藏、评论加转发，有什么问题也可以在评论区留言，我可以 针对大家的留言针对性的出一些相应的视频。好，谢谢大家。
585豪吉学长
07:11查看AI文稿AI文稿大家好，下面呢我们继续讲解啊，我们再讲解一下我们的多因素防查分析。 多因素防查分析的基本思想呢，它是在基本等同于这种单因素的防查分析啊，它的差别在于哪里呢？在于研究的是两个或者两个以上的因素对于实验结果的作用和影响，以及这些因素共同作用的影响。 呃，这是什么意思呢？就是说在多因素房产分析当中，我们的这个响应变量，或者叫被解释变量音变量， 他呢还是一个啊，但是我们的这个影响的因素或者叫因子，他就变成了两个或两个以上啊，而且这两个或两个以上呢，他还会有一个交互项啊， 也就说这些因素的共同作用的影响。多因素防查分析所要研究的是多个因素的变化是否会导致实验结果的变化 啊？注意注意，大家这一块一定要理解好，就是说我们多因素防查分析啊，比如说他的影响因素包括 ab 是吧？ a 可能对结构有影响， b 对结构影响，那么 a 乘以 b 是吧？他的这种叫做交互项，对结果同样可能也很有影响，甚至在有些情况下 单独没有影响，比如 a， b 都没有影响，但是 a 乘以 b， 它就会产生了一种显著的影响啊，这也是多因素方差分析，相较于逐个的进行单因素方差分析，它的最重要的差别之所在。多因素方差分析的基本命令呢？它是 啊，同样的还是他这个地方是啊， nova 啊，然后呢，这个，呃变量的名称啊，变量的名称，这个呢是因子变量的列表啊，大家注意看这一点，不再是这个 responsible factor， 而是 因子变量列表。 if 是条件表达式， in 用于设定样本的范围， wet 用于设定权重， options 用于设定可选项啊，下面呢我们结合着我们的案例啊进行一个讲解 啊，我们这个呢在主界面输入这样的一个命令，这个命令呢，大家自己能不能看出什么意思来？首先呢这个是什么？ 这个就是我们多因素方差分析的命令，对不对？接受呢？是我们的被解释变量啊，也就是我们的这一个，呃，被影响的那个变量啊，后边这一堆都是我们的这个影响因子是吧？影响因子呢？它包括很多是吧？ 啊，所以是叫多因素啊，既有这种单个的啊，性别，年龄频次，单个的，还有他的交互项是吧？两两交互是吧？还有三啊，三个的共同交互对不对啊？注意这个交互项中间呢用这个井号啊进行一个呃，一个分析， 这里边这里边有一个问题， 呃，这里边呢就是说这这一个呃，相当于是一个全因子的模型，他就可以用这种井井来解决啊，可以用井井来解决，井井来解决，也就是说用两个这就是一种全因子模型，跟这一个的呢是一样的，跟这个是完全一样的。 然后这个呢再看一下 性别，年龄啊，这个地方，这个地方大家可以看一下， 他少了这么一个，多了一个空格， 大家注意在输命令的时候一点也不能错，在这后边再加一个，这是三个交互项对吧？还加一个三三的交互项 对吧？啊？这里边呢就是牵扯到那个，那个地方多了一个空格啊，这空格呢大家一定要要注意，这两个的结尾呢是一样的，其实是啊呃全音字模型， 大家来看一下这个这个模型啊，啊呃这个就是，首先呢他是呃也是看这个批列，看批列性别有没有影响，说有影响非常显著。 年龄有没有影响？有频次有没有？没有对不对？这个交互像有没有没有？ 这个呢？有，因为看 p 值啊，跟零点零五作比较只要他小于零点零五就是有影响，大于零点零五就是没有影响，或者说不能说没影响就说是影响不显著，从统计学上不具有显著意义啊，这个没有显著影响啊，这个有显著影响对吧？ 这个呢也可以我们做一个 test 啊，分别进行一个验证 对吧？这呢不带追述啊，这个结果呢是一样的。 然后呢我们针对于剔除掉那些不显著的啊，影响不显著的，只针对于影响显著的进行一个更加简化的房产分析模型啊得到的结论，呃像这个所示 这个地方呢这个阿斯贵尔的啊就是科学系数修正的科学系数达到了百分之七十三左右以上啊，说明这个模型的解释能力还是非常不错的啊，每一个里边的每一个变量都非常显著。 那么这个呢其实我们还可以针对于纸在评分呃整体要求度评价在五分以上的进行一个分析。 if 接受答疑物可以发现呢发生了一个非常显著的一个变化啊，这些呢 这三个变量都变得不再显著啊，这个模型的能力啊，解释能力也出现这个显著的下降啊，也就说我们的这个样本有点少啊，这个最终这个模型的质量非常差，解释能力很弱，然后呢这个变量的这个系数也很弱。 以上呢就是我们这个多因素房产分析的讲解，谢谢大家。
07:55查看AI文稿AI文稿各位小伙伴们大家好呀，我是想看雪的光，今天这期视频主要是想介绍的是啊正交实验他的一个设立以及他的一个啊分析。 在大读大学的时候或者是刚接触实验的时候，老师会给我们布置一个啊相关的一个实验，就是镇交实验，这个也是比较基础的，然后就是让我们进行一个相关的一个实验设置，以及他的一个呃分析， 那么是如何设立他的一个实验以及他的一个分析呢？呃，然后我今天我找到一个文献，然后用他的一个文献的一个实验结果来进行我们的一个反推认证，看我们的一个相关操作是否是正确的。然后啊，这篇文献是 呃镇焦实验法优化废氧化芯吹汗剂中氧化型的回收工艺，就是后期大家如果想自己尝试用镇焦实验法来啊，就是练一下，就也可以查香这篇文献来进行一个验证，看是否是一致的。 然后接下来打开我们的一个镇交实验助手，然后首先的话我们点击新建工程， 然后这里就是有一个为民工程，然后修改他的一个名字，名字比如说我们就工工艺吧，然后我们填补那个工艺，然后呢我们就新建的一个实验也这里也是随便另一个名工艺的，呃，选择正交表， 因为他这里是商因素试水试水平吗？然后我们也选择商因素试水平，他这里 有好多种，然后因素的话我们就开始写啊，就是按照他的一个呃相关的一个参数，就是来啊输入进去，比如说第一个是叶骨笔啊，第二个他这里是啊硫酸浓度 tcph 成化时间， 然后我就剪写他们有无双浓度啊，就憋屈，然后惩罚时间， 然后这里的话就是按他的一个数字进行写进去，比如说三点五对四，对四点五 错误三十，然后这里是商务， 然后撇取是七到八，从而时间是二点五到三点五， 然后我们点的确定，然后我们点击这个加号，它里面就会有我们的一个设定的一个实验，比如说这里是 就是因为我这这个是教大家是如何去啊？设置他的一个实验，就是根据我那个正教实验 法，然后设置他这个实验出来，然后我们进行做他这个实验，然后我们现在根据他的一个文章的一个作者来分析，就是知道他的结果，然后进行一个分析，就是他做了之后，我们拿他的结果啊填写进去，看 他的一个分析是否是对的。然后后面的话就是你如果你自己要做实验，然后我们弄出这九个实验，你要自己去做，然后得到这些结果之后，然后再进行分析，然后得到 啊，进行一个我们最佳的一个实验条件，来得到我们一个最好的一个实验结果，比如说这里我们就按他这个结果输入进去哈，然后这里是八十二点八十二点四三 啊，这里是八十五点八五，八七点二九， 这是九十二点三一，八十九点二八 九点四七，还是五点零五九， 然后这弄弄完之后，然后我们就点这个分析，直观分析，然后这个可以得到每一个结果， 就是他的一个君子，君子的话就是比如说这个君子一就是他的一个啊，就是我教大家如何看哈？比如说这个君子一，就是他所有条件都是一的时候，他进行一个得到一个君子是怎么样的？然后具体怎么选择他的一个最佳的一个先条件就看 他那个金子条件，比如说对比下来金子一、金子二，金子三，就是他，比如说这个叶固比，他不是有一二三个啊，三因素吗？然后他这个金子一的话，就是我在啊，第一个因素的时候，比如说他的这里的话是 三点五的因素，然后对应下来其他的一个金子，他得到的一个结果是八十五点一九。 然后第二个是君子肉的话，就是相对于他的一个啊，比如说他这里是四点零，他的一个实验结果的一个得到的一个君子。 然后通过对比的话，我们可以对比出最佳的一个啊，就是业务比他的一个时间啊，他的一个比例。是啊，就是四点零的时候是最好的，比如说就是得到 结果金子是九十点三五三吗？所以我们就选择第一个，就选择一股比四四点零的。然后第二个我们也是对比吗？然后这个是选择第三个吗？那就是选择第二个，然后这个选择第三个吗？那就得不得到我们一个最佳的一个实验结果， 然后再进行我们那个分析吗？啊？比如说我们的一个，呃，因这个的话，如果大家需要的话也可以点出来。然后第三第三个是交互时间，交交互作用， 这个一般我们是用不到啊。第四个是分叉分析，这是有些有些人发表论文的时候需要把这个写进去，然后这个是他的一个最佳的一个，呃，就是他的一个 f 字嘛，然后他 一个分叉分析，然后再点着他的一个输出啊，然后就可以得到我们一个。呃，结果嘛？然后就是我们可以对比他的一个对比，他的一个条件就是得到他得到的一个 啊，是否跟我们一样？比如说他这里选择 a 二、 b 三、 c 二、 d 三，这都是这个也是跟我们一样的，这是 a 二，然后这个 b 三 需要第三，是吧？这是得到他一个最佳的一个结果，然后你得到这个最佳的一个结果之后，然后我们再进行去认证他，看一下他是否是最佳的， 然后就大概就是这样，然后就跟他一样吗？那他就说最后的公益认证，然后他去验证了他一个实验结果，然后得到他的一个公益条件 是否是值得的？嗯，以上就是我一个整个的一个内容，请大家记得商量啊。因为这个实验可能是比较偏基础的，然后后面的话我就会继续讲他的一个 更加深入的一个啊，实验数据处理就是想立面分析。好的，再见。
2843想看雪的瓜
04:35查看AI文稿AI文稿哈喽，大家好，我是 doctor 里，今天呢我们开始学习方差分析，也就是 r 分析，它也是一种差异分析。我们要进行方差分析呢，要具备两个条件，首先是各个总体呢服从正态分布，一般情况下呢，我们调研到的数据，在随机自然的情况下，它是都是服从正态分布的。 当然了，检验正态分布者也有很多方法，我们这个呢，在以后的课程当中呢，会给大家讲解如何检验正态分布。第二个方叉情性检验， f 检验，也就是说方差要是一致的， 如果说当方叉不一致的时候，我们就没有办法分辨出究竟是控制因素，哎，对这个观测变量产生的影响呢？还是内在波动对这个观测变量产生的影响，所以说方叉一定要保持一致，这是方叉分析的两个基本条件。 方差分析呢，主要有两种，第一种呢是单因素方差分析，第二种是多因素方差分析。今天呢我们注重讲解单因 单元素房产分析的目的呢，就是为了检验某一个控制因素的改变呢，会不会对观测变量带来的显著影响，一定要记住啊，一个控制因素，下面呢可以是两个或以上的主体。好，我们来看个例子， 市场经济不景气呢，闸机店老板想要了解一下分布在不同商圈的三个闸机店的销售额情况，以便根据不同的情况呢制定不一样的营销策略。他这个呢就是一个控制因素商圈，但是这个商圈呢，下面有两或两个以上的主体，所以说我们要进行单因素化妆分析。如何进行单因素化妆分析呢？我们来打开 sports 同学软件， 好，这是我们收集到的商圈呢，它是这个控制因素，我们要了解商圈是否对销售额产生影响，然后商圈下面呢有三个主体哎，中路店啊，江南区以及宏大区这三个店的三个地方的炸鸡店呢， 销售额的统计好了，我们点击分析，在比较平均值当中选择单音算的话，分析好了，我们将商圈呢导入到因子当中，销售额呢导入到音变量列表当中，对比我们不用管。首先我们来看这个选项，首先呢一般进行基本的描述，然后检验方差其性， 好点击继续即可。然后呢我们点击事后比较，就是说如果这个商圈对销售额存在一定的影响呢，我们就要看到底是分布在哪些地方，杂技店对销售额有成影响，这叫事后的比较分析，一般呢我们来选择第一个 l、 s、 d 即可，然后点击继续好确定， 这就是我们这个单元素发展分析的一个分析结果。首先我们来看描述位于宏大的闸机店呢，它的平均销售额为六十八点一四，位于中路区的这个闸机店呢，销售额为五十九点六四， 位于江南区的闸机店呢，他的销售额是六十九点三啊，这是他的一个平均值，我们通过平均值呢也可以大概判断一下，哎，哪几个闸机店的销售额是比较高的呢？但是呢是不具有统计学意义的，对吧，所以我们来看下面。好，我们进行方叉分析呢，就要判断方叉是否齐性， 我们来看这个一般是基于品质的显著性，如果 p 值是大于零点零五的呢，我们就可以认为方叉是一直啊是满足进行方叉分析的一个条件。好看阿罗马分析的结果，他 p 值是也是小于零点零五的，也就是说商圈呢，对这个销售额是存在差异的。 但是我们调查这个商圈是三个商圈，是三个不同地方的杂技店，那到底是所有的杂技店的销售额不一样呢？还是其中两个不一样呢？我们就要进行事后检验，做成比较。这个结果来看，我们来看一下这个 宏大店和中路店，他的显著性是小于零点零五的，也就是说中路和宏大是存在显著差异的。对这个销售额，我们来看，宏大和江南区呢，他是大于零点零五的，所以说他是不显著的，也就是说宏大店和江南店的这个炸鸡店销售额呢，是没有差异的。好，我们看这个中路和宏大店， 是吧？刚才第一个已经判断了，他是有明显差异的，中路和江南呢，我们来看他是小于零点零五的，也是有显著差异的，也就是说中路和江南区呢，他是存在差异的，对这个销售额 好，这个也是一样的，也就说明了呢，这个平均值，恒大和中路呢，看他们的平均销售额是存在形成差异的，而中路和江南呢， 他也是存在系数差异的，而恒大和江南呢，他是几乎是没有差异的，这就是我们这个单元素方向分析的一个过程和结果。那么我们分析出来的这个结果呢，如何进行解读呢？我们一起来看一下。首先呢，我们需要将这个 描述的这个表格呢要放在自己的论文当中，还有这个阿罗马分析的表格，以及我们看到这个多重比较，如果说这个 p 值是大于零点零五的话，也就说商圈对这个销售额是没有影响的呢，也就没有必要进行下一个分析了。 好，我们进行简单一个文字叙述即可，然后道出中路和加蓝区，以及中路和宏大的销售额是存在显著差异的，这就是我们讲的单因素方向分析以及如何解读。好，今天的课程就讲到这里。
825小小羊爱分析
07:04查看AI文稿AI文稿大家好，那么这次呢，我们用一个最简单的二乘二多因素发达分析的设计为例，再来领悟我们多因素发达分析的一个思想和它的流程。 那么多因素发达分析，我们说跟单因素发达分析相比是吧，你这边是多个自变量，那边呢是一个自变量。那么最主要的特点就是我们在总平方和进行分解的时候，会多出一个 交互作用的平方和。那么这句话听起来还是比较抽象的，所以我们要结合一个具体的例子来说好。比如看到这个表当中啊，我们研究的是不同教学方法，也就是 a 因素是吧？ a 这个字面量和不同教学态度。 b 对儿童识字量的一个作用。 好，那么大家记住啊，其实很简单，一个就是教学方法。第二个呢，就是教学态度对儿童识字量的一个作用是吧？那这两个因素啊，而且呢，教学方法分为两个，这个水平，一个是集中的，一个是分散的。那么教学态 也分为两个水平，一个是严肃的，一个是轻松的，这个比较好记是吧？好，那么结合我们上一个视频讲到的，在二乘二的完全随机设计当中，你有几种实验处理，那么你就要将你的背式分成几组吧，对不对？二乘以二等于四，那你就分成四组啊，那么分成四组，你每组就五个人， 所以在这个实验当中，二十名背式，你就会有二十个。我们前面说的比较多的这个观测值，观测值是吧，也就是你的实验的一个结果， 数据的结果，二十个数据也就是他们的十字量是吧？十字量好，那么在这样的一个这个 放到分析当中啊，我们需要分别求出这个 a 因素是吧， b 因素以及 a 乘以 b。 交互效应他的组内均发啊。然后呢，我们进行的是 f 检验是吧，啊，用这个啊，组间的啊，比上组内的，这我们前面都讲了是吧？我们接个具体这个例子来说。先看看这个表格。 下面这个表格放大分析表，我们可以看到 a 因素他不显著。看到这样组建嘛， a 因素是不是 f 等于零点三六啊，零点三六，而且他没有带芯是不是？我们说了，如果你把 p 值省略掉的话，这个 f 呢？我们就用这个芯来表示他是否显著好。 a 因素他， 那么 b 因素呢？他是显著的吧，是不是 b 因素，而且是在零点零一的这个啊，水平上他是显著的，而 a 乘以 b 呢？交互效应，交互作用，那么他是显著的。十一点八八是吧，他的交互效应是显著的。好。那么这里面我们可以看到啊，我们用这个例子来解释的话，怎么解释呢？ 就是集中十字与分散十字的效果不同是吧？是受不同教学态度的影响的。同样不同的教学态度呢，对十字量也有，也会受到教学方式的影响，也就是态度对十字量的影响，会受到你发 方法的一个干扰。好，这里面我想强调的这个规律性的问题就是，如果我们现在这个方法分析表当中，交互作用不显著，假设他不显著，我们这是显著的是吧？大家可以看到 a 乘以 b， 他的 f 值是十一点八八，他是显著的。那么如果他不显著呢？ 那么我们就要检验每一个因素的主效应，也就是 a 因素的主效应和 b 因素的主效应。这是一个啊，也就是 a 乘以 b 不显著的情况下，如果 a 乘以 b 是显著的呢？那就是交互作用显著，那么对每一个因素的主效应的检验意义就不大。 这个你要搞清楚。就是为什么交互作用显著，反而不需要去检验 a 的主效应， b 的主效应了呢？是吧？也就是我们刚刚前面讲过的， a 的主效应就是在只考虑 a 因素的情况下，他会不会影响这个结果， 只考虑 b 因素的情况下，他会不会影响结果是吧？那么你 a 乘以 b， 这个交互作用都是显著的，那为什么不需要再去分析呢啊？那是因为 我们以这个例子来说是吧。 b 因素教学态度教学态度是显著的。但是呢，这个显著作用啊，他是与 a 因素教学方式有关系的。也就是你 b 因素是很显著吧。你看五十三点三九对不对？两颗星，五十三点三九， b 因素够显著了吧。但是呢，你的显著也是跟我的 a 有关系的，虽然我 a 独立影响结果没有是吧？我的主效应是不行的，但是我不能影响结果，不代表我不能影响你啊，我 a 不能影响总体的结果，但是不代表我 a 不能影响 b 啊。 所以就这个道理啊。就是虽然 a 因素的主效应不显著，但是呢， a 对 b 的影响你是不能忽视的呀，是不是 a 对交互作用的贡献你是不能忽视的呀。 所以说交互作用显著，那么就表明啊，两个因素对实验结果有共同的重要性，就这个原因。所以既然他有共同的重要性，你再去区分什么 a 因素的主效应， b 因素主效因，我们就觉得 意义就不大是吧？就这个问题。好，接下来我们还要进一步的分析。看到这个表当中是吧？那么 a 因素， 或者说 b 一、 b 二在 a 因素的哪一个水平上差异显著呢是吧？ b 因素。我说教育态度吧。教育态度你有严肃和轻松吗？也就是说严肃的还是轻松的，对于集中和分散来说，他们哪一个是显著的呢？ 这是进一步了。因为我有两个水平啊，是吧？所以这个时候你就发现啊，有同学说老师，我三乘以三九个时间处理行不行啊？我二乘以三六个时间处理行不行啊？当然行，是不是行，关键是你到这一步你就发现会非常复杂了啊，已经这个计算量都非常大了，而且你的交叉分析也就非常多了。 好，所以说啊，我们接下来看。那么我们要分析的是 b 一、 b 二在 a 因素的哪一个水平上差异显著是吧？或者反过来说，一个要 a、 e、 a 啊，在 b 一 b 二的哪个水平上显著好？基于此呢，我们读出下面这张表。这张表呢？ 下面这个表又更细节一点了。看到 a 因素是吧？你在 b 一的水平和你在 b 二的水平。那么 b 因素在 a 的水平和 a 二的水平。从这个表当中我们可以看 a 因素啊，从整体来看是不显著的。前面我们都已经说了是吧？ a 因素整体来说是不显著的，但是 a 因素在 b 二这个水平上，它是显著的呀，对吧？ a 因素在 b 二这个水平，那么 b 二是什么？我们刚刚讲到的，我们如果用这个例子来说，在轻松的氛围下，教学方法就很重要了， 是不是？大白话就是如果说这个教学态度是轻松的，整个班级分为是轻松的情况下，那么你老师到底是集中十字教还是分散十字教，他具有显著的差别，就这个意思是吧？好，接下来。那么 在严肃的这种气氛当中呢，是吧？那么两者就没有什么差异嘛，对不对？第一就是严肃嘛啊，必要就是这个轻松嘛啊。如果是你这个课堂氛围很严肃，教室很严肃，那么不论你是几种 十字教学，还是分散十字教学，哎，学生这个十字量是吧？都没有显著的差别。所以我们得出这样一个结论好。那么 b 因素呢？ b 因素在 a 一水平上他是显著的对吧？在 a 二水平也显著也显著吧。所以我们如果集合这个例子来说，可以怎么说啊？那么 在不同的教学态度方面，不管用哪一种教学方法，那么在这个集中十字，两种教学态度都产生了 这个差异。都产生了差异啊，显著的差异是吧？那你看看在这个教学方法当中啊，其实不管是集中的还是分散的是吧？关键还是你的这个教学态度会有影响。好，这就是我们在这个 常常分析当中啊。在二乘以二的实验设计当中，我们分别要考虑 a 因素在 b 一、 b 二水平的一个显著性差异，我们也要考虑 b 因素在 a 一、 a 二两个水平 方面的显著性差异啊，就这个问题，所以这已经是最简单的多因素发达分析了啊。一般来说，在应用心理学本科的这个毕业论文当中啊，还是比较少涉及到多因素的发达分析的啊。那么研究生的 这个数十分文，应该说要达到这样的一个深度，要达到这样的一个水平。好这一讲呢，我们就到这里，谢谢大家。
19太阳季节
06:28查看AI文稿AI文稿各位学员大家好，欢迎大家参加我的六十一个马黑带培训系列课程，我是您的老朋友刘刚，今天我们来讲第二十讲方叉分析，简称 banana anala， 是由 analysis of various 的缩写形式而得来，它是由 analysis 的前两个字母 a n 和 a 五的 o， 还有 rins 的前两个字母 va 构成的。方叉分析和脑瓦的缩写形式方叉分析我们将分两节课给大家讲解， 我们来讲方叉分析的第一部分。好，本节课的主要内容是 什么？是方差分析。第二，方差分析的原理是什么？第三，如何来进行单因素的方差分析，也就是说我们的单项额脑瓦。 好，我们先看什么是方叉分析， 所谓的方差分析就是我们将数据体内的变化性 分解为变化的来源或者原因的方法，那也就说来寻求变化的来源和原因这么个方法，我们把它 分为方叉分析，简单的来说，我挠啊，他是一种发泄变化性来源强度的方法 和脑外的检验方法。通常是我们给定总体中两个或者多个随机样本的平均值是否存在统计的显出性差异， 那也就是说他是在寻求产生变化的来源或者原因，从而进步进行改进，达到我们的改善目标。 那在讲方差分析之前，我们先给大家介绍几个关于方差分析的基本概念。第一个， 因子，所谓的因子就是我们的输入因素，也叫输入要素，是实验中我们要考察而改变状态的因素成为因子因子，通常也就是我们的 x。 那么在我拿瓦中，因子通常用字母 abc 来代替。 好，举个例子，温度、压力、电流、电压、材料类型，这些都属于因子。 第二，水平水平是因子在实验中所处的状态或者调整的值， 设定的值，我们把它称为因子的水平，比如说温度这个因子，那么他的水平是一百度、两百度，那么一百度、两百度就称为水平 压力这个因子，我们的一兆帕，两兆帕就称为水平 材料类型，比如说塑料尼龙，也称为水瓶，大家可以看水瓶是可以是数字，也可以是文字， 可以是任何的状态，也就是说是连续性数据，也可以他是属性数据，也可以。 第三个，输出响应。 yy 是我们是衡量实验结果特性的指标，也称为响应，通常称为输出响应， 那也就说我们衡量过程输出的一个，比如说我们产品的强度，领间的尺寸、硬度、密度、产量等等。 第四个，交互作用，交互作用是针对因子而言， 当有两个或者两个以上的音字可能对输出才输出响应产生影响 的时候，那么就可能会存在 a 和 b 的交互作用，对输出响应产生影响。那我们把两个因子之间的相互依赖程度称为 交互作用，他有可能是两个因子，也有可能是三个因子的交互作用。 五、实验条件也称为实验组合，他是指在一次实验中，每个因子重取一个特定的水平 因子水平的一个组合，或者我们他称为一个处理，也就也可以称为一个实验条件。比如说 我们要在温度一百度六十分钟这个实验条件下进行的实验，我们把一百度六十分钟称为一个处理，或者说一个实验组合。
61LG
08:20查看AI文稿AI文稿大家好，这里是 fpss 学堂，我是主讲人斯洛。本节的内容为两因素完全随机方差分析， 今天要给大家分享的是关于两因素完全随机方差分析，我将从两个方面出发，一是方差分析的统计条件，主要讲解两因素完全随机方差分析的含义以及案例分析。 第二部分是方差分析的具体统计操作。 那么什么是两因素完全随机方差分析呢？这种方差分析和单因素完全随机 观察分析的思想是一样的。我们首先来认识一下完全随机实验设计，所谓的完全随机实验设计是指将同志的研究对象或者叫背适随机的分配到各个实验处理组， 在观察其实验效应。完全随机设计考虑的是不同的实验处理对处理结果的影响，从变异的分配来看是这样的，总误差等于组间误差加随机误差。 完全随机设计与重复测量设计的区别就在于前者是将有背式随机的分配到各个实验处理组，形成对照组，每 个背式只接受一种实验处理，而重复测量设计是一个背式，要接受所有的实验处理。关于重复测量方查分析，在之后的视频中我们将会具体的讲解， 那么今天我们重点探讨的是两因素完全随机方差分析，那么所谓的两因素完全随机方差分析是指有两个自变量， 一个音变量的完全随机设计的一个实验处理。那么我们一般通过这样的分析结果来判断我们的实验处理对于 实验结果有没有影响。下面我们通过案例来具体的看一下，给大家举个例子， 文章类型和文章的难度可能会影响到阅读速度，那在这个里面呢，文章类型与文章的难度就是我们的字面量， 而阅读速度就是音面量。在这个例子中，文章类型分为科普文和议论文，文章难度分为简单和中等，所以这个里面它是一个典型的二乘二的实验设计。 那接下来我们来看一下具体的 spss 的操作， 我们打开数据， 看到最左侧是阅读速度，然后中间 文章类型和文章难度，那么我们要考察文章类型和文章难度是如何对于阅读速度产生影响的，那么我们实现的路径如下，首先点击分析， 选择一般线性模型单面量，然后我们可以看到在这个里面出现了几个框，因为我们的音面量为阅读速度，所以我们将其选入音面量中， 然后我们的文章类型和文章难度，把它选择到固定因子框中。 做完这个操作之后，我们选择模型，然后选择默认的这个全因子，单击继续， 然后选择全因子呢，其实就意味着在分析的过程中呢，我们会分析两个自变量的主效应，也会分析这两个自变量是否存在交互效应， 然后我们单击对比，在这个里面我们还是选择默认继续就可以了。图这个里面呢，不用去管他，单击继续， 然后我们单击事后比较，事后比较，这个里面呢，我们把文章类型和文章难度把它勾选过去， 然后我们在这个里面勾选 lsd， 单击继续，然后我们单击 em 平均值， em 平均值的话，我们把文章类型和文章难度以及他们的交互选进去，我们勾选比较主，相应 我们下一步单击选项，在这个里面我们勾选上描述统计、 习性检验，然后效应量估算就可以了，然后我们单击继续之后选择确定 好的结果已经出来了，我们来看一下，在这个里面，首先他出现了一个警告，那么在这个里面呢，由于我们的 自辨量，他均有两个水平，文章类型，文章难度分别有两个水平，科普文、议论文、 简单和中等。所以咱们在看分析结果的时候呢，他会提示由于变量不足而不能进行事后检验的一个说明啊，这是由于我们的因素 就是水平过少而导致的，这里我们忽略掉。之后大家进行操作的时候一定要注意水平分为三个以上，就可以出现正常的数字显示。然后我们看一下数据的结果，在这个里面我们先来看一下描述统计， 描述统计这个里面呢包含了每个实验处理的平均值、标准差和平数。 接下来是方， 他的同性检验，当他的同性检验里面，我们可以看到他的批值，也就是显著性，这里是零点五八四，他是大于零点零五的，所以我们接受语言假设， 也就是说各个组中的音变量误差方差是相等的。然后我们重点来看这个表格，这个表格是我们在写论文以及做研究的过程中最重要的表格。那么在这个里面，我们看文章类型这一栏， 在这一行中，他的显著性是零点零一八，是小于零点零五的，也就是说文章类型他会对于我们的阅读速度有影响，文章类型的 主效应显著。第二个文章难度，文章难度他的显著性是零点零零七，小于零点零五主效应也是显著的。 然后我们来看他的交互效应，文章类型乘以文章难度，他的主校，他的显著性是零点八八九，是大于零点零五。 所以综上所述，我们不难发现，文章的难度会影响阅读速度，文章的类型也会影响阅读的速度，但是二者之间没有交互作用。 好的，以上就是本期内容，更多的 spss 知识，请关注 spss 学堂微信公众号。
68SPSS学堂
00:54查看AI文稿AI文稿一分钟学会用 excel 做防查分析，这是品牌，这是地区，中间的表示销量。想知道品牌和地区对销量是否有显著性影响，在菜单数据里找到数据分析， 找到方查分析，无重复双因素方查分析，输入区域，选择上方的数据区域，勾选标志显出性水平，又默认的零点零五输出，选择输出区域，让结果显示在下方，确定给书方查分析结果。 第一部分是描述性统计分析，给出了品牌和地区的求和均值和方差。第二部分才是我们要关心的 行因素，也就是品牌 p 值非常小，小于零点零五说明品牌对销量没有影响。另因素也就是地区 p 值大于零点零五，说明地区对销量有显著性的影响。这就是用 excel 做防杀分析。
2989孙斌说数据
14:47查看AI文稿AI文稿大家好，这一次的内容是镇江实验设计，那么镇江实验呢，是一种啊，可以用最少的这个实验次数啊，来去覆盖掉各种我们的这个实验组合的一种 方法，一定要做填口设计，那么他的目的啊，其实是为了减少这个实验的次数啊，那同时呢，就减少我们的这个啊，实验的经费之类的， 以及提高我们的这个实验效率的一种方法，或者叫措施吧。那么实验设计这个增加设计呢，他有一些注意事项，那么 我们以这 sps au 系统为例啊，如何选择我们的增加表？其实呢，他的实验的第一步就是选择增加表啊，我们来看一下这个 ps l 系统， sps 又系统呢，他提供了两种方法啊，第一种呢是自动帮你选择增加表，就是你只需要去知道说你的有几个因子啊，或者叫做几个因素啊，比如说他默认进来时，你有三个因素，每个因素是三个水平，对吧？你点开始分析， 他就自动帮你找到一个增加表，自动帮你找到一个最符合你要求的增加表，准确的说是从他的备选的这种标准增加表里边找到一个最符合你，最接近于你需要的一个啊，增加表，这是 啊，然后呢，你再给予这个增加表进行接下来的，那么你得看淡，判断一下这个增加表是否是你，刚好是你需要的啊，这是第一个第一种方法，第二种方法呢是自选增加表。什么叫自选增加表呢？就是你自己选 啊，你觉得就他自动帮你生成的这个有问题，或者说你就喜欢自己选择啊，对吧？啊，你可以自己选择常用的增加表啊，这个是常用的啊，比如给你列了很多，比如说这个 l 四点二三二 点三，什么意思啊？要做四次实验啊，有两个啊，水平的英子有三个对吧？有九点三点四啊，要做九次实验啊，三，水平的英子有四个啊，也或者是说你自己可以输入这个啊，这 增加表 id 号啊，比如说我在你这里哎呦，九点三点四，对吧？啊，你在这里说哎呦，九点 三点四，对吧？点这个看什么写，他就会自动帮你哎，把这个对应的这个增加表 id 的增加表帮你输出啊，那么具体 spu 的里边有哪些增加表呢啊，你可以 点这个下载按钮，他会把所有的这个啊增加表的都帮你列传，你可以自己查看啊，我们这里已经下载了，查看一下啊，稍等啊，在这里面 其实出来的就是这样的一个啊， excel 的一个表格啊，是 sk cl 的，相当于增加表的一个手册吧。啊，列出了所有的大概常见的一些标准增加表大概有两百个左右吧。啊，你比如说啊，使用的最多的这个，这个是 l 九点三点四，对吧？啊，要做九次实验啊，啊， 这个有四个因子啊，做那个水平都是三个啊，这是增加表，当然你自己把这个复制放在里边，要选择自己合适的一个增加表。你比如说你的因素有五个，对吧？有五个因素啊，分别是二三四五啊，那你要肯定要选择二三四五， 而且是有五个因子，对吧？五个因子啊，分别是两个水平，三个水平，四个水平，五个水平，你肯定要选择一个更大一点的，那么你对你去找这个肯定不行，对吧？你有五个因子，最少是要找到五个因子，嗯， 那么你要找到二三四五，你最好找的是他的水平数为五，你最大为五，你找到这个五的时候啊，对应的证明有六个影子吗？那你找这个肯定就合适啊，对吧？啊？二十五次实验， 因为每一个他的这一个总共有六个英子，每个英子都是五个水平，你刚好是这个叫什么五个英子，然后分别水平是二三四五啊，那他给你找到六个英子的，你删除英烈， 对吧？然后呢？水平数，而且还更多了啊，那么你需要水平数更多了，你需要自己组合一下啊，进行一些理水平法， 组合法。那么接下来我们就要讲一下怎么样去做这样的一个操作。就是简单来说呢，就是这个你找到了这个标准增加表啊，很可能与你实际的这个预期不是完全相等的，这是很正常的，因为那个标准增加表 不能覆盖各种组合，那么这个时候你要进行改造，我们接下来看一下啊，比如说我们做这个增加实验啊，啊，我们看这个包装锁车吧，包装锁车里面有个例子啊， 啊，增加表的因子或者因素数量与我要求的预期不一致，其实就是这个意思啊，你比如说我们申请这一个啊，得到一个，那个叫什么东西啊？刚刚举的是 l 二十五点五点六，就如果说你要找到一个三个因素的增加表，三个因素分别是三， 是五个水平啊，那么来看一下哈，三个因子，三个水平，四个水平，五个水平，假设是你是预期，是这样子啊，出来你会发现呢，他帮你找到了是多少？ l 二十五点五点六，他找到的是说也总共 有六个因子，每个因子是五个水平，但是你要的其实是三个因子，每个因子分别是三四五个水平，是吧？和你的预期是不一致的，那么这个时候呢， 是正常的现象啊，标准增加表不可能完全和你的预期一致的，所以说你要进行一些组合，你要进行一些操作，包括呢？有两种，一种是这个组合法啊， 什么叫组合法呢？其实一个用最简单的啊，应用的是说直接把这个多余的删掉，他不是帮你找到了六个英子吗？对吧？你只需要三个英子，那多出来的随意的删掉，删掉， 多出来的不要了，因为这个增加表的增加性，他是不会影响的，你删掉了之后他还是有增加性的，删掉就行了，比如说这个四五六，直接删掉了啊，我们来在这个 excel 里面进行一下操作啊， ceo 里面任选 写上操作，比如说这个啊，我们复制他啊，直接复制他，然后呢？在这个以色表里边啊，在这个以色表里边啊，你当然第一行肯定是要去掉了，对吧？这个，这个，这个标题，你最后是上传数据，没法上传，你直接把这三类给他删除掉， 或者是你删除任意的删列都可以啊。删除掉，然后呢？你其实是需要的是这个叫什么啊？三四五个水平的，对吧？你其实只需要英子一有三个水平，英子二有四个水平，英子三有五个水平，对吧？那么英子三十五个水平 刚好合适的，因为他这里就五五个水平。因子一，其实你只需要三个水平，对吧？你发现他会出现四和五啊，数字四和五啊，就是有第四类，第五类，那么 这个时候怎么办呢？啊？这个叫理水平法，那理水平法是指的什么意思啊？就是说你自己去把它填补回去，你比如说你的这个啊，第三类你可能是很重要，或者是说你就希望他多一点，那么你直接把这个给他改成我们的这个数字三就可以了， 或者是你改成数字一，或者改成数字二都可以了，对吧？他就变成三个水平了。你这种是对正交表的改造，是非常常见的一种做法啊，因为 实际的时候呢，这个增加表不可能和预期完全一模一样。类似的英子二啊，你要三四五，英子二你只需要四个水平，对吧？结果他穿五个水平出现了 数字五啊，对吧？那你把这个第五个这个水平给他改掉，你可以改成一或者二或者三或者四都可以了。那就看你的这个专业知识上，你希望说啊，这个第一第一个水平做的更多，或者第二个或者第三个还是随机的啊，做的更多都可以啊。你比如说我希望这个数字四啊， 第四个水平做的实验更多一点啊，那你就把它改成四，那么这样子就刚好就符合你的预期了啊，三个因子分别三个水平，四个水平， 五个水平，这种操作的叫做我们的这个叫什么理水平理水平法啊？对，进行替补替换啊， 当然你得到了这个证件表之后，你现在开始做实验，对吧？你你，你开始把你的这个实验数据做了，比如说你现在这个数字，是啊，得到是一个测试的数据，三点四啊， 三点五啊，三点六啊，三点二，二点九或者二点八，或者怎么样的？反正你是把这个数据 全部都填补好了，我随随机的填补一些数字吧。啊？填补好了，然后呢把这个数据保存起来，这就是你的这个实验的数据保存起来，然后呢进行什么上传的这个 sps u 系统，那么在接接下来进入接下来一个分析啊，上传数据啊，把这个数据上传啊， 再进行分析啊，再进行我们的分析。那么做什么样的一些分析呢？就是说你的实验已经做好了，实验增加表已经设计好了啊， 然后呢实验也做了，接下来要做一些分析，那么做分析啊，一般是会使用到这个方差分析啊，比如说我们的这个啊，单元素方差， 你可以啊，你不是有三个音字或者三个音数吗？对吧？他和这个实验数据的这个差异放在这里边，音字一啊，好开始做， 也或者是一减二开始做，那你发现在这里还是叫做数字一二三，对吧？啊？这个和你的这个实际的意义不一样，那你可以做个什么事情啊？可以做个数据标签啊，比如说这个叫做第一个水平，对吧？啊？ 这个第一第二水平到底是是专业上叫什么意思？以专业上为准啊，你自己改个名字啊，确认标签一下，就标签，就把这个数字的意义给他标识出来的意思，然后再做一次分析， 第一个水平平均值是三点三二，第二水平二点五五，第三个水平一点零八啊，有明显的差异，对吧？啊？这是做单因素，那么你也可能做我们的这个多因素放差，就是同时考虑 三个因素啊，放进去多因素放差在这个实验医学研究里，那在这个进阶方法里边哈，进阶方法里面有个叫做多因素啊，就现在你研究的是三个 x 啊，三个因素对于这个实验数据的这种差异 多因素。放假啊，得到的是这样的一个表格啊，得到的是这样表格，那具体的分析的，你可以看这个分析电影和这个智能分析来做啊，这是我们的这个啊，镇江实验，与此同时呢，镇江实验还有一个特别需要注意一下啊，我们比如说啊， 举个例子吧，我把这个因子个数，我现在要选择一个因数，个数为四个的，分别是三个水平，对吧？啊？开始他会自动帮你选择啊，选择出来呢，是找到一个表，叫做符合你的是 l 九点三点四啊，做九次实验啊， 然后呢，那个总共有四个因素，每个因素是三个水平啊，那么这个自动分析呢？他会提示你啊，提示你一个叫什么东西啊？提示你基于当前的因子及水平数量设置自动生成的增加表，无法满足放下自由度的要求，需要自选实验次数至少为十的增加表，什么意思啊？ 那说明自由度不够，其实简单来的意思就是说你的这个实验次数太少了，你要做四个因素，每个因素三个水平，他们的交叉组合确实太少了， 增加表上是可以有增加性的，但是如果说你要接下来要做这种多因素方差，他是不行的，因为分析方法和这个增加表他是两码事情。分析方法并不知道你做的是这个增加表还是什么样的数据，所以说呢， xp 又单独帮你提示了啊，为什么要至少次数为十？ 我们看一下这个帮助手车里面他有更多的一个说明，所以说这个时候你要看看，如果说你要做多因素方法，你要看这个啊，分析那个智能分析给你的提示啊，在这里边啊，无法进行放大分析 封的话，会出现一个问题，如果你不注意这个事情，因为你时间数据已经收集好了，你后面做这个分析没有办法分析啊，很脏话啊， 在这里，比如说还有九点三点四，九十十一点，对吧？啊，那么增加表有一个自由度啊，那自由度是自由度的，那个时间次数减一等于为八，这是增加表的自由度，那么四个因子，每个因子三个水平， 如果说你要做这个啊，这个叫什么？四个四因子放下分析，对吧？啊，起步考第二年作用的时候啊，那么自由度为每个因子的水平数减一内合，那就是啊，三减一加三减一加三减一 加上，你最后还要加上一为九次，这个就是说这个，如果说你要做这个方法，他的自由度最少要求为九，结果呢？你的增加表只有自由度为八，那这小于这个分析方法的要求，那因此你是后面是没有办法做的，这个是需要特别注意的啊， 特别注意的，所以说呢，在注这个，那那解决办法是怎么样的？你这只能选择更高的增加表，这个时候你只能选择自选增加表，你不要四个因素吗？每个因素三个水平，对吧？啊？四个因素，每个因素三个水平，我们那就看一下这个增加表， 四个因素，每个因素三个水平，对吧？啊？这个，这个已经不行了，如果说你要做多因素发展，那你选这个啊，嗯，这个什么？哎呦，九点三四，四个因素，每个因素三个水平啊，找到更高的，你比如说找这个啊，或者是 啊找这个也行啊，因为这个是多少？总共是四个因素，每个因素四个水平，那么这个时候你还是要用那个理水平法来进行。嗯，那个填替换，那你可以找这一个啊，十八次实验，做十十八次实验，然后呢 五个因素三个水平，那你只需要四个因素，对吧？嗯，你把这个删掉就行。哦，我们来看一下啊，自选增加表，对吧？数一个 l， 十八点三点五，这是这样的一个表，然后把它啊放在这个 ceo 里边来进行一下处理啊， 把这个删掉啊，把这个去掉。哈。你只需要四个因素，对吧？那把这个删掉就行了，随意的删掉一个，删掉一个并不影响镇江性的，镇江性不会受到你山某一列的影响的，然后再做这个实验， 那下面得到你的实验数据，这个时候呢才可以做这个多因素防查，而且不考虑 交互作用啊。一般像这种镇江的数据呢，他是不考虑这个交付作用，因为一旦考虑交互作用更麻烦，那要求的实验次数更多，那么这就违反了这个镇江实验的这个啊，他的一个啊有效性，因为他是就是要减少实验次数，结果你越考虑耳钉 这些东西，然后他的吸烟次数要求更高了啊，这是我们这一次的内容啊，这次的内容，谢谢大家。
809SPSSAU
20:04查看AI文稿AI文稿各位朋友大家好，今天我们开始学习 spas 统计分析实战终极篇。本次我们录制的内容是多因素方差分析中的双因素方差分析。 我们看一下具体的案例比较 治疗缺铁性贫血四种不同疗法，一个月后红细胞平均增加数。 那这里面的四种不同疗法是哪四种呢？在临床上治疗缺铁性贫血有两种药物，分别是 a 药、 b 药。 a 药呢， 他有两个水平使用或不使用。 b 要呢，也有两个水平使用或不使用。那这样子 a 要 b 要联合起来就是四种状态。第一种状态就是 a 要 b 要均不使用。 第二种状态呢，就是使用 a 药，但不使用 b 药。第三种状态呢，就是不使用 a 药，但是使用 b 药。那最后一种状态呢？就是 a 药 b 药都使用。 这些呢，就是四种不同疗法。让我们进行比较。如果这时候你将 a 药 b 药给他处理成一个变量，那这时候呢，我们就变成了单因素放大分析。但是你如果进行四种不同疗 法的单一素分叉分析，这时候你所获得的结果就比较单薄，不丰富。甚至你进行单一素分叉分析的结果，他就是与临床实际偏离较大。 所以这时候呢，我们应该将 a 要 b 要给它分开，进行双因素分叉分析。那这里面它所采用的研究设计呢？是西音设计。 在做方差分析之前，你的数据必须满足独立性、正态性、方差其性。这个呢，就是方差分析的适用条件。那这里面呢，我们就默认数据是否合他的适用条件呢？直接进行分析。 点击分析找到一般新型模型，在这里面呢，有个单变量，我们点击它之后呢，就弹出了单变量对话框。 在这里面呢，我们将我们所关注的这个变量 x， 也就是红细胞增加数拖入到音变量列表。 然后呢，再将我们的字变量是否使用 a， 要是否使用 b， 要拖入固定因子。 这里面呢，你如果不理解固定因子和随机因子，你就直接将 a 药 b 药拖入到固定因子。如果在你的数据里面，还存在一个治疗前的 红细胞，那这时候呢，治疗前的红细胞，它应该是属于连续性变量。那这时候呢，我们可以把它拖入到斜变量， 当然了，这里面是不存在斜变量的，我们这样设置就可以了。之后呢，是点击模型，弹出模型对话框。 在这里面呢，我们可以保持默认选择全因子，那全因子呢，就是 a 的主效应， b 的主效应，以及 a 乘以 b 的交互效应。 如果你不想分析交互效应，只想分析主效应，那这时候呢，你就点击构建项，在构建项里面呢，你就选择 a 的主效应和 b 的主效应，而把 a、 b 的交互效应不纳入就可以了。 我们点击继续。之后呢，是轮廓图，我们点击图，他就会弹出来轮廓图对话框。那在这里面呢，我们可以将 a 要拖入水平轴， b 要拖入单独的线条，然后点击添加 图表类型呢，你可以选择折线图，也可以选择条形图。点击继续。 之后呢，我们再点击事后比较，点击事后比较呢，他就会弹出来事后多重比较对话框。那在这里面呢，我们可以对 a 要和必要的主效应进行两两比较。 由于这里面 a 要和 b 要，它本身就是两个水平，所以呢，你不需要进行人量比较。但是如果这 里面的 a 药、 b 药，它不是两个水平，而是低剂量、中剂量、高剂量 三个水平，那这时候呢，你就很有必要进行流量比较。在流量比较的方法里面呢，它提供了 iolsd、 bottle、 floating 等等等等。那这里面呢， l、 l、 c、 d 是最可能出现阳性结构的方法。 bottle floating 呢，是最可能出现阴性结构的方法。其他的方法呢，都介于这两种方法之间。 通常而言呢，我是不喜欢使用事后比较这个选项进行多重比较的。因为呢，事后 比较这个对话框，它只能分析主效应，而不能分析简单效应。所以呢，我一般是使用 e m 平均值这个对话框。 点击 e m 平均值对话框，将 a 要 b 要 a 乘以 b， 拖入到显示下列各项平均值单元格。然后勾上比较主效应，执行区间调整呢，我们选择最严格的，最保守的包，能否有立法。 然后点击继续。之后呢，是点击选项。在选项这里面呢，我们可以勾上秒数统计， 他会返回来平均值标准差，勾上即兴检验会返回来。方查即兴检验结果，勾上效应量估算，会返回来偏一差平方。 这里面呢，我们还可以勾上参数估算值。这个呢，属于高级篇中的内容，就是参数估算值。 在我们这个案例里面呢，我们没有勾上参数估算值。 之后呢，我们点击继续，再点击粘贴。 点击粘贴之后呢，他就会返回来语法，也就是第一到第十行他原有的语法，我们可以看一下第七行， 它这里面呢语法后面少了 compare， 就说没有进行简单效应分析。所以呢，我们对它语法进行更改，就是第十三行到第二十三行是我们更改之后的。这里面呢，我们可以发现第十九行 与这里面第七行相比，就是后面跟上的 compare。 a、 d， j 放到 fero 里， compare 里面写上 a 要，就表示 固定必要来研究 a 要的效应。肯派后面跟上必要呢，就是固定 a 要来研究必要的效应。哎，这个代码我们就补全了。补全之后呢，就选中十三行到第二十三行的代码，然后运行就可以了。 当然了，这个代码呢，我已经放在公众号里面，大家回回复相应的关键词，就可以获得多因素的代码。 我们看一下结果。首先是主体间因子， a 要两个水平， b 要两个水平。然后呢是描述统计的结果， 不使用 a 药，不使用 b 药红细胞的增加数。 不使用 a 药，但是使用 b 药的红细胞增加数。不使用 a 药整体情况的红细胞增加数。 然后呢，是使用 a 药，但是呢，不使用 b 药的红细胞增加数。最后一个呢，就是既使用 a 药又使用 b 药的红细胞增加数。 那这里面呢就罗列了平均值和标准差。这这个总机是什么意思呢？ 总剂，这里面就表示不使用必要他的红细胞增加数是一点零。下面这个呢就是使用必要红细胞的增加数是一点五。五。凡是带总剂的， 这里面要注意，他就是某一个变量曲直的情况下，红细胞增加数，比如这里面的总计就是不使用 a 药红细胞的增加数，这个呢，就是使用 a 药 红细胞的增加数，这个呢就是不使用必要的红细胞增加数，这个呢，就是不使用这个就是使用必要的增加数。一点五五，哎，只要注意。 然后呢，是方叉齐心检验结果。在方叉齐心检验结果里面呢，我们是看它的 p 值，你可以发现四种方法，它的 p 值都是大于零点零五， 就算它 p 值小于零点零五呢，你也不要在意。只要你的数据不是极端的放插不齐，我们都可以进行放 分析。因为方叉分析的结果是比较稳健的。对于正态性同样是如此，只要不是极端偏态，我们的方叉分析结果都是比较稳健的，你可以直接进行。通常而言呢，关于正态性和方叉形的判断，如果 你所关注的这个变量标准差不超过平均值三分之一，我们就可以默认正态。如果各组间的标准差相差不超过一点七倍，我们就可以默认他方符合方差极性。这样的呢，大体上就是可以的。 然后是主体间效应检验。 a 药的主效应 p 值小于零点零零一， b 药的主效应 p 值小于零点零零一。 a 药和 b 药的交互效应 p 值呢，也是存在统计学 e 的，一旦交互效应存在统计学医，那这时候呢，我们就不能单纯的只看 a 要的主效应， b 要的主效应。因为交互效应所设计的简单效应的结果，可能会与 a 要 b 要的主效应的结果相互矛盾。 那这里面呢，我们就应该以简单效应的结果为准。 下面呢我们来看一下连量比较。首先呢是 a 一要的连量比较，因为这里面 a 要它只有两个水平，所以它连量比较结果就与刚才主体间相结， 主体间效应结结果相同的。但是如果这里面 a 要它不是两个水平，而是三个水平，低剂量、 中剂量、高剂量。那这里面呢就很有必要进行成对的流量比较，那成对流量比较的 p 值呢？就罗列在正面。然后是必要的流量比较，那成对比的 p 值呢？也罗列在这里面。 之后呢，就是简单效应。我们首先看到的是固定必要来研究 a 要在不使用必要的情况下是否使用 a 要它的红细胞增加数的差值是负的零点四 p 值呢？是零点零零一， 在使用必要的情况下是否使用 a 药它的红细胞增加数是负的一 点一 p 值呢？小于零点零零一是存在统计学意义。同样呢，下面给了单变量检验的结果，这里面呢就有了 f 值和 p 值。 比如不使用必要的情况下是否使用 a 要它是否存在统计学意义，这个就是它的 f 值 p 值。 然后下面两行就是使用必要的情况下是否使用 a 要他的红细胞增加数是否存在意义，这个是 f 值，这个是 p 值。由于我们这里面 a 要 b 要都是两个水平，所以它单变量减的结果和成对比的结果是相同的。但是如果你这里面 a 要 b 要，它不是两个水平，而是多个水平， 比如低剂量、中剂量、高剂量，那这里面的单变量检验就是整体是否存在统计学意义。 比如不使用 b 药，然后呢， a 药的三个剂量低、中高是否存在差异，假设 p 值小于零点零零一。那这时候呢，你只是知道 低剂量、中剂量、高剂量整体上存在差异，至于哪两个剂量存在差异，你是不知道的，你还要看成对比较。 那这里面呢，还需要注意一个问题，就是不使用必要的情况下，是否使用 a 要他的红细胞增加数的差值是零点四。而使用必要的情况下，是否使用 a 要 他红细胞增加数的差值是负的一点一。你可以对比一下负的零点四和负的一点一。他差的数非常多，那这里面就说明他存在一个 促进作用，也就是正向的交互作用。在使用必要的情况下，我们使用 a 要 a， 它的效应要比不使用必要情况下使用 a 要的效应要高， 也就说明呢， a、 b 存在促进作用。然后呢，我们再来看一下简单效应分析的另外一个方向。固定 a 要不使用 a 要的情况下，是否使用 b 要 p 值零点零。四、 存在统计学意义。使用 a 要的情况下，是否使用 b 要 p 值小于零点零点一，也是存在统计学意义。那这时候呢，我们再来看一下它的效应量。在不使用 a 要的情况下，是否使用 b 要红细胞增加数的差值是负的零点二。 而在使用 a 幺的情况下，是否使用必要它的差值呢？是负的零点九。你可以发现这个零点二和零点九差的也是非常多。最后呢，就是单变量检验。那这个呢，在前面已经讲过单变量检验和成对比较究竟是什么意思？ 然后呢，是折线图。通过这个折线图呢，可以更好地来解释它的简单效应。 比如我们在不使用 a 药的情况下，是否使用 b 药，哎，这个效应差了零点二。 而在使用 a 幺的情况下，是否使用 b 幺，它的效应差了零点九。你可以发现这个是零点九，这个是零点二。它们都表示的是 使用必要与不使用必要，它的效应量差不同的是什么？不同的这个是零点二是不使用 a 要情况下的差值。 这个零点九是使用 a 要情况的差值。也就是说明使用了 a 要是可以促进必要的作用。这里 里面存在一个正向的交互。当然，如果你的数据做，也有可能出现解抗作用。 结抗作用是什么意思啊？就说明 a 要和 b 要联合使用哎，他们可以相互结抗。当然我们这里面不是相互结抗，是相互促进。除此呢，我们还可以来绘制轮廓图。 比如这里面不使用 a r 的情况下，是否使用 b r 它的红细胞增加数的柱形图。 然后这个呢，是使用 a 药的情况下，是否使用 b 药红细胞增加数的柱形图。这个一对比呢，你也可以发现，使用 用 a 要的情况下，是否使用必要，它的差值要远远的大于不使用 a 要的情况下，是否使用必要它的差值。 最后呢，就是三线表。这个三线表呢，我已经放在公众号里面，大家呢可以回复相应的关键词来获得我们的三线表模板。 那这里面三项表我们来看一下。首先是不使用必要的情况下，是否使用 a 要进行比较，存在意义。然后呢，是使用必要的情况下，是否使用 a 要，我们进行比较，也是存在统计学意义。 然后是纵向的不使用 a 要，我们进行是否使用 b 要的比较，哎，也是存在同学 一。最后呢，就是使用 a 的情况下，是否使用必要，他是否存在统计学意义。后面呢，就是整体检验的结果，将相应的 f 值品质罗列在上就可以了。但是通过这幅三线图， 你是很难发现他们之间究竟是正向的促进作用，还是负向的结抗作用。所以呢，你最好将那个折线图一并放在论文里面进行解释。 啊。怎么解释啊？假设我们的折线图横坐标是是否使用 a 要，那这时候呢，在不使用 a 要的情况下， 是否使用必要，它效应量的差值是不是零点二？而在 在使用 a 要的情况下，是否使用 b 要，它的效应量是不是零点九啊。 也就是说，你使用了 a 药效应量从零点二增加到了零点九，这个零点二增加到零点九。你在这部表格上，你是很难将它 直观的描述给省稿人。但是呢，你通过折线图就可以很生动形象的简单 的将零点二到零点九的变化给他显示出来。审稿人呢？一看就知道这个是正向的促进作用。 感谢大家的观看，我是大鹏统计工作室的大鹏。
06:07查看AI文稿AI文稿大家好，我们今天来进行单因素设计方差分析的讲解，我们今天会从四个部分进行讲解，首先是第一部分设计思想，然后是第二部分案例实战及解析，接下来是第三部分操作步骤，最后是第四部分结果解读。 首先是第一部分设计思想，所谓的单因素设计分叉分析，我们可以这么去认为，就是研究一个研究因素在不同水平， 这个水平 k 要大于等于三，他们之间的计量的变量的比较。那么主要是有两种方式，第一种方式是随机分组， 将一组被式随机分分组到三组里面去，每组三十人，不一定是三十人，这一个只是我举的一个例子。方式二，按照属性特征分， 比如说按照血型分成四组，然后接下来我们进入安利实战集锦西 某学校初一年级一共有九十名学生，该校研究生研究三种不同教学方法，对学校学生的成绩是否存在差异。 我们的案例数据存放在零零三点 s、 a、 c 里面，那么在这里的话呢，将倍视平均分成，随机分成三组，分别接受三种教学方法，这里的教学方法就是自辨量，一共有三个水平符合单因素设计方差分析， 在这里需要注意的是，方超飞机对侦探性的要求不高，但是对方超其性有要求。好，接下来我们进入操作步骤的一个演示，当我们打开我， 当我们打开我们的零三点 suv 文档是这个画面，这个时候我们点击分析，然后将鼠标放到比较均值， 这里有五个选项出现，我们点击单音数按钮法，这个时候把教学方法，点击教学方法，然后把教学方法放到最下面这个因子这个框框里面，点击方向按钮，然后 点击期末考试成绩，点击方向按钮，将期末考试成绩变量放到应变量列表里面，接下来我们点击选项选择 描述性，而且方差同质性检验，点击继续，接下来点击两两比较，勾选 lsd， 点击继继续，最后点击确定，这个时候我们就会出现四个结果，四个结果我们将回到 ppt 进行解答。好，继续， 接下来我们再重复一次的操作步骤，首先步骤一，点击分析比较均值，点击单元素儿童法， 步骤啊，将教学方法放到英子里面，将期末考试放入音变量列表，点击确定。步骤三，点击选项勾选描述性，勾选翻沙同志性检验。步骤四， 点击两人比较，勾选 sd， 最后点继续再点确认。好，接下来我们进入结果解读，首先是第一个结果， 第一个结果为统计量结果，其中是需要注意重点，注意三个核心基本统计量，第一个是恩，恩为样本量，我们可以看到 a 方法的恩有三十名学生， b 方法和西方法同样也是三十名学生。 第二是均值，均值为样本平均值，我们可以看到 a 方法的均值为六十二点八八， b 方法的平均值为六十五点五三，西方塔的平均值为七十一点零五零五， 接下来是标准差，我们可以看到一方法标准差为八点一零零一，方法标准差为三九点三五四， 西方法标准差为九点九二六，那么总体的一个总体的一个样本量是九十，总体的一个均值是六十六点四九，然后总体的一个标准差是九 点六八一，我们通常报告只需要报告前面三个，三个核心基本统计量、样本量均值以及为标准差。 好，接下来是结果二，结果二为方差同志性检验结果。在这里我们可以看到写注性，你就是我们的 p 是零点七二二，大约零点零五，可认为没有差异，所以他们的方差相同。方差，所以，所以他们的方差同志。 下面可以继续进行后续的方差分析，恰图是方差分析的结果，其中 f 等于六点二零七， p 等于零点零三，小于零点零五， 所以可以认为删除考试的成绩存在显著差异。那他们存在显著差异到底是怎么样的差异呢？接下来是接 果，是的，两人比较结果，让我们更加清晰的看到到底是谁和谁之间存在差异。好，我们先看到 教学方法 a 与教学方法 b 等于一个结果，教学方法 a 与教学方法 b 相比，他们的显著性是零点二六六，大于零点零五，所以说方法 a 和方法 b 对于期末考试 的影响是没有显著差异。同样的方法，看 a 方法与西方法的比较， a 方法与西方法的比较结果是零点零零一，小于零点零五，可认为 a 方法与 b 方法对于学生的成绩有显著差异。 同样，我们看一下 b 方法和西方法， b 方法和西方法的一个显著性是零点零二二，所以我们可以认为 b 方法和西方法教学对于学生的成绩有显著的一个差异。那 那么到最最后这里的话呢？这里是 c 方法比 b 方法，其实他们的显著性我们可以看到是一样的，同样西方法与 a 方法的比较的显著性也是一样的。那好，那么今天这里就是我们的单因素设计观察分析，谢谢。
303贰壹壹项目数据分析服务
02:22查看AI文稿AI文稿什么是 doe design of experiment 实验设计的英文首字母缩写，实验设计可使用正交实验设计，其主要工具是正交表。下图是一个比较典型的正交表， l 表示，此为正交表，九表示实验次数，三表示三水平，四 表示试验最多可以有四个因素，某炼铁厂为提高铁水温度，需要通过试验选择最好的生产方案。经初步分析，主要有三个因素，胶笔、封压、底胶高度影响铁水温度，每个因素都考虑三个水平 具体情况。接下表对这三个因素的三个水平如何安排才能获得最高的铁水温度？解决方案一、如果每个因素的每个水平都互相搭配着进行全面试验，必须做试验三的三次方二十七次， 这显然是不经济的。二、现在我们使用正交表来安排试验九次，我们按选定的九个试验进行试验，并将每次试验测得的铁水温度记录下来。由于铁水温度数值较大，我们把每一个铁水温度的值都减去一千三百五十，得到九个较小的数。 这样计算简单， k 一这一行的三个数分别是因素 a、 b、 c 的第一水平，所在的试验中对应的铁水温度之和。 k 二、这一行的三个数分别是因素 a、 b、 c 的第二水平，所在的试验中对应的铁水温度之和。 k 三这一行的三个数分别是因素为 b、 c 的第三水平，所在的试验中对应的铁水温度之和。 k 一、 k 二、 k 三这三行的九个数分别是，上面 k 一、 k 二、 k 三这 这三行中的九个数的平均值极差，是统一列中 k 一、 k 二、 k 三三个数中的最大者减去最小者所得的差，极差越大， 说明这个因素的水平改变时对试验指标的影响越大。极差最大的那一列就是那个因素的水平改变时对试验指标的影响最大。那个因素就是我们要考虑的主要因素。通过分析可以得出各因素对试验指标铁、水、温度的影响大小次序应当是 c 底胶高度 a 胶笔 b。 封押。最好的方案应当是 c 二 a 三、 b 二。与此结果比较接近的是第九号试验，按这个方案再试验一次，并同第九号试验相比，取效果最佳的方案。
4001质量管理
00:33查看AI文稿AI文稿如何用 spss 做多因素方差分析？打开 spss， 输入数据，点击分析，选择一般线性模型单变量命令，将需要分析的变量选入对应列表框中。单击右侧的模型按钮，勾选全因子， 单击右侧的选项按钮，勾选其性检验描述统计分布水平图，点击确定，潇洒结束分析验证结果收对，你学会了吗？小朋友，你是否有很多问号？为什么？
382纳兰程
