1樓：中子
duncan檢驗是一種事後檢驗，就是說在自變數主效應已經確定顯著的情況下，看各個水平之間專具體是哪幾個間有差屬異
你這裡的編號1——5就是各處理水平，表裡面縱列的1，2，3（alpha=0.05的子集下面）實際上是給各水平的分類，同一列裡面包含的水平之間無差異，而1,2,3列互相之間有差異，比如2那一列裡面包含了1,3,6三個水平，說明水平1,3,6之間差異不顯著，顯著性為0.062也表明的確不顯著，但水平1,3,6和3那一列就有差異，也就是水平1,3,6和水平2有差異
明白了這個，你這些問題你自己就可以回答了
spss中單因素方差分析使用lsd出來的結果怎麼看，怎麼在後面加abc 15
2樓：匿名使用者
方差分析用於兩bai個及兩
du個以上樣本均數差別的顯zhi著性檢驗。dao 由於各種因素的回影響，答研究所得的資料呈現波動狀。造成波動的原因可分成兩類，一是不可控的隨機因素，另一是研究中施加的對結果形成影響的可控因素。
檢視方法為：
2、分析後得到以下的結果表。
3、對於分析結果**，spssau系統將自動輸出分析建議，根據建議的提示就能讀懂結果表的含義，自行進行分析。
4、進一步利用大資料和人工智慧原理，spssau系統還自動輸出了智慧化分析，直接看這些文字就能明白結果。
注意事項：
方差分析的基本思想是通過分析研究不同**的變異對總變異的貢獻大小，從而確定可控因素對研究結果影響力的大小。
3樓：
lsd是多重檢驗複比較的
方法一直，目的是制
對每bai個因素的均值逐對進du行比較，以判斷具體是哪些水zhi平間存dao
在顯著差異。按你**上面的結果顯示，第1個因素和第2、3兩個因素間有顯著的差異（看顯著性那欄，＜0.05），其他各因素間差異不顯著。
你說的後面加abc沒看懂什麼意思。
4樓：匿名使用者
加abc是在word加的，不是在spss裡面
我替別人做這類的資料分析蠻多的
5樓：匿名使用者
多重比較，看第一個表裡面因素1和2、1和3之間有意義~~
單因素方差分析結果分析
6樓：江中竹
方差分析表中的ss表示平方和，ms表示均方，f是組間均方與組內均方的比例，p-value表示在專相應f值下的概率值屬，f crit是在相應顯著水平下的f臨界值，在統計分析上可以通過p-value的大小來判斷組間的差異顯著性，通常情況下，當<=0.01有極顯著差異，>0.05時沒有顯著差異，介於二者之間時有顯著差異。
也可通過f值來判斷差異顯著性，當f>=f crit時，有顯著(或極顯著)差異。順便說一下，f檢驗只能在總體上來檢驗差異顯著性，不能判別這些顯著差異具體來自哪些處理間，若要分析，需要進行多重比較。
方差分析：單因素方差分析結果應該怎麼比較？
7樓：醫學統計博士
ss表示離均差平方和，代表資料的總變異；ms表示平均的離均差平方和；f表示內f值，也就是方差分容析求出的統計量；p就是p值，根據f值而得。crit表示f值的標準，即f值大於crit時表示差異有統計學意義，p值小於0.05。
方差分析的總體思想就是要分析這些資料之間為什麼有差異，通過對總的差異（總變異）的分解，最終分析出組別之間或組別之內是否有統計學差異。
你這個結果表明，四組之間的差異無統計學意義，你的f值為1.55，小於crit3.009，如果大於3.009，就有統計學差異了。
單因素方差分析結果分析，懂的進來
8樓：匿名使用者
假設檢驗是推斷統計中的一項重要內容。在假設檢驗中常見到p 值( p-value，probability，pr)，p 值是進行檢驗決策的另一個依據。
p 值即概率，反映某一事件發生的可能性大小。統計學根據顯著性檢驗方法所得到的p 值，一般以p < 0.05 為顯著， p <0.
01 為非常顯著，其含義是樣本間的差異由抽樣誤差所致的概率小於0.05 或0.01。
實際上，p 值不能賦予資料任何重要性，只能說明某事件發生的機率。 p < 0.01 時樣本間的差異比p < 0.
05 時更大，這種說法是錯誤的。統計結果中顯示pr > f，也可寫成pr( >f)，p = p或p = p。
下面的內容列出了p值計算方法
(1) p值是：
1) 一種概率，一種在原假設為真的前提下出現觀察樣本以及更極端情況的概率。
2) 拒絕原假設的最小顯著性水平。
3) 觀察到的(例項的) 顯著性水平。
4) 表示對原假設的支援程度，是用於確定是否應該拒絕原假設的另一種方法。
(2) p 值的計算：
一般地，用x 表示檢驗的統計量，當h0 為真時，可由樣本資料計算出該統計量的值c ，根據檢驗統計量x 的具體分佈，可求出p 值。具體地說: 左側檢驗的p 值為檢驗統計量x 小於樣本統計值c 的概率，即:
p = p 右側檢驗的p 值為檢驗統計量x 大於樣本統計值c 的概率:p = p 雙側檢驗的p 值為檢驗統計量x 落在樣本統計值c 為端點的尾部區域內的概率的2 倍: p = 2p (當c位於分佈曲線的右端時) 或p = 2p (當c 位於分佈曲線的左端時) 。
若x 服從正態分佈和t分佈，其分佈曲線是關於縱軸對稱的，故其p 值可表示為p = p 。 計算出p 值後，將給定的顯著性水平α與p 值比較，就可作出檢驗的結論: 如果α > p 值，則在顯著性水平α下拒絕原假設。
如果α ≤ p 值，則在顯著性水平α下接受原假設。 在實踐中，當α = p 值時，也即統計量的值c 剛好等於臨界值，為慎重起見，可增加樣本容量，重新進行抽樣檢驗。
p值是怎麼來的
從某總體中抽 ⑴、這一樣本是由該總體抽出，其差別是由抽樣誤差所致； ⑵、這一樣本不是從該總體抽出，所以有所不同。 如何判斷是那種原因呢？統計學中用顯著性檢驗賴判斷。
其步驟是： ⑴、建立檢驗假設（又稱無效假設，符號為h0）：如要比較a藥和b藥的療效是否相等，則假設兩組樣本來自同一總體，即a藥的總體療效和b藥相等，差別僅由抽樣誤差引起的碰巧出現的。
⑵、選擇適當的統計方法計算h0成立的可能性即概率有多大，概率用p值表示。⑶、根據選定的顯著性水平（0.05或0.
01），決定接受還是拒絕h0。如果p＞0.05，不能否定「差別由抽樣誤差引起」，則接受h0；如果p＜0.
05或p ＜0.01，可以認為差別不由抽樣誤差引起，可以拒絕h0，則可以接受令一種可能性的假設（又稱備選假設，符號為h1），即兩樣本來自不同的總體，所以兩藥療效有差別。
統計學上規定的p值意義見下表
p值 碰巧的概率 對無效假設 統計意義
p＞0.05 碰巧出現的可能性大於5% 不能否定無效假設 兩組差別無顯著意義
p＜0.05 碰巧出現的可能性小於5% 可以否定無效假設 兩組差別有顯著意義
p ＜0.01 碰巧出現的可能性小於1% 可以否定無效假設 兩者差別有非常顯著意義
注意要點
理解p值，下述幾點必須注意： ⑴p的意義不表示兩組差別的大小，p反映兩組差別有無統計學意義，並不表示差別大小。因此，與對照組相比，c藥取得p＜0.
05，d藥取得p ＜0.01並不表示d的藥效比c強。 ⑵ p＞0.
05時，差異無顯著意義，根據統計學原理可知，不能否認無效假設，但並不認為無效假設肯定成立。在藥效統計分析中，更不表示兩藥等效。哪種將「兩組差別無顯著意義」與「兩組基本等效」相同的做法是缺乏統計學依據的。
⑶統計學主要用上述三種p值表示，也可以計算出確切的p值，有人用p ＜0.001，無此必要。 ⑷顯著性檢驗只是統計結論。
判斷差別還要根據專業知識。樣所得的樣本，其統計量會與總體引數有所不同，這可能是由於兩種原因
spss單因素方差分析結果怎麼看
9樓：匿名使用者
截圖發來哈，不然怎麼給你看啊，另外你在之前是否進行了正態性檢驗和方差齊性檢驗。
單因素方差分析結果分析，懂的進來
假設檢驗是推斷統計中的一項重要內容。在假設檢驗中常見到p 值 p value，probability，pr p 值是進行檢驗決策的另一個依據。p 值即概率，反映某一事件發生的可能性大小。統計學根據顯著性檢驗方法所得到的p 值，一般以p 0.05 為顯著，p 0.01 為非常顯著，其含義是樣本間的差異...
如何用SPSS進行單因素方差分析
或者進行方差分析時，除研究因素外應保證其他條件的一致。這就要用到協方差分析。協方差分析是利用線性迴歸的方法消除混雜因素的影響後進行方差分析。協方差分析依據影響因素和協變數的個數分為單因素協方差分析 隨機區組設計協方差分析和析因協方差分析 本例項演示從最基本的單因素協方差分析入手，通過一個實際應用例子...
單因素方差分析對組數有要求嗎，單因素方差分析對組數有要求嗎只有兩組資料可以做單
1 excel不可以進行 正態檢驗，但有方差齊檢驗2 正態檢驗必需對每組資料分別檢回驗3 要對這兩個樣本進答行比較的時候，首先要判斷兩總體方差是否相同，即方差齊性。若兩總體方差相等，則直接用t檢驗，若不等，可採用t 檢驗或變數變換或秩和檢驗等方法。其中要判斷兩總體方差是否相等，就可以用f檢驗。exc...