多組資料的平均數是否有差異？SPSS的單因子變異數分析/ One ...

但如果是三組以上的資料，那就得要用單因子變異數分析(one-way ANOVA)。

... 查看「誤差變異量的Levene檢定等式」，Levene的F值為1.139，顯著性為0.345，大於0.05， ... ::: HOME SITEMAP ABOUT MENU HOME回到首頁 SITEMAP網站地圖 ABOUT關於布丁 PUBLICATIONS發表 WORKS作品 ARCHIVES文章列表 LABELS標籤 DONATE捐款 SUBSCRIBE訂閱 CONTACT聯絡布丁 HELP ::: 多組資料的平均數是否有差異？SPSS的單因子變異數分析/One-wayANOVAinSPSS 10月21,2017 Software/SPSS , Statistics 2Comments Edit Copy Download 如果要比較兩組資料的平均數有沒有差異，可以使用獨立樣本t檢定。

但如果是三組以上的資料，那就得要用單因子變異數分析(one-wayANOVA)。

雖然該方法名稱中為「變異數」，但實質上比較的卻是平均數，這點很容易讓人混淆。

網路上有許多SPSS單因子變異數的教學，但是卻很少搭配事後多重比較一起操作的例子。

所以我參考邱皓政老師的「統計原理與分析技術：SPSS中文視窗版操作實務詳析」，在這裡將變異數分析的操作方法整理一下，也連帶介紹如何在SPSS中匯入CSV格式的資料，供大家參考。

SPSS版本/SPSSversion這邊我使用的是SPSS20版。

資料集/Dataset雖然是要在SPSS中執行，不過這次我們的資料先從Google試算表開始，而不是SPSS使用的sav格式。

注意，這裡面的資料請全部使用英文與數字，不要包含多餘的空格。

第一行為變項的名稱，第一欄為分組的編號。

工作條件分群結果：請下載CSV格式下載CSV檔案「工作條件分群結果-data.csv」之後，待會我們就用這個檔案進行分析。

Step1.開啟CSV檔案/OpenCSVformatfile開啟SPSS之後，選擇「開啟既有的資料來源」中的「更多檔案」，按下「確定」。

在檔案類型選擇「文字(*.txt，*.dat，*.csv)」，移動到擺放資料的資料夾，開啟剛剛下載的CSV檔案「工作條件分群結果-data.csv」。

接下來SPSS會啟動文字匯入精靈，讓我們一步一步操作。

第一步什麼都不用設定，按「下一步」。

在第二步中，請在「變數名稱包含在檔案額度最上層嗎？」選擇「是」，這樣SPSS就知道第一列就是變數名稱。

然後按「下一步」。

第三步採預設值即可，按「下一步」。

第四步中，請在「變數間要顯示何種分隔符號？」底下，僅打勾「逗點」，其他選項取消打勾。

因為CSV檔案是用逗點(comma)來分隔欄位，所以我們在這裡要選用「逗點」，這樣SPSS就能正確取得欄位的值。

接著請按下一步。

第五步採預設值即可，請按「下一步」。

最後一步也不用設定，按下「完成」即可。

CSV格式的資料順利匯入SPSS中囉。

到這邊為止，這個階段的操作就算完成了。

Step2.單因子變異數分析設定/ANOVAAnalysis一般線性模式設定/GeneralLinearModelsetting選單列進入「分析>一般線性模式>單變量」。

將分組變項(自變項、獨變項)移到「固定因子」，將要檢測的依變項移到「依變數」中。

這裡一次只能檢測一個變項，我們先選擇的是「duration_of_agreement」(合約期間)。

事後多重比較設定/PostHocsetting點選「PostHoc檢定」，進入事後多重比較設定。

將因子中的分組變項group移到PostHoc檢定，然後選擇假設相同的變異數中的「Scheffe法」，以及未假設相同的變異數中的「Dunnett'sT3檢定」。

這裡我們選擇這兩種最泛用的做法來分析，其他多重比較法請回頭看書上的介紹囉。

多重比較設定完成後，按下「繼續」退出視窗。

選項設定/Options進入「選項」。

將「因子與因子交互作用」全部移至「顯示平均數」。

勾選「比較主效果」。

下面的「顯示」中，勾選「敘述統計」、「效果大小估計值」、「觀察的檢定能力」、「同質性檢定」、「離散對水準之圖形」。

然後按下「繼續」。

設定完成後，按下「確定」。

SPSS會跳出輸出視窗，接下來我們就輸出的分析結果來一個一個檢視。

Step3.單因子變異數結果解讀/ANOVAResult分析檢定力分析/Poweranalysis在樣本數較小的研究中，特別是生物醫學和行為科學領域，我們應該先進行檢定力分析，以檢視統計考驗的敏銳度。

過低的檢定力表示該研究結果並無實務意義。

在「單變量檢定」中，對比的「觀察的檢定能力」為0.85。

實驗設計應該都以達到0.8以上為目標，0.85檢定力表示此數據得到的結果可以正確拒絕虛無假設。

如果檢定力低於0.8，則可能需要蒐集更多樣本數。

樣本規模的決定請查閱邱皓政老師的「統計原理與分析技術：SPSS中文視窗版操作實務詳析」中的介紹。

敘述統計/Descriptives回來看看「敘述統計」表格，可以看到4組合約期間的平均數、標準離差、個數。

4組的平均數為1.6、2.286、2.25、2.667，第1組平均數最少、第4組最多。

請特別注意這個平均數的高低，待會多重比較會再看到。

此外，各組之間個數皆不相同，第3組個數最多。

組間平均數差異檢定/ANOVA接著回來看「單變量檢定」的自由度df、F值跟顯著性。

分子自由度(v1)為3、分母自由度(v2)為42，F值為4.508，顯著性為0.008，小於0.05，表示不同分群的合約期間的確有顯著差異。

至於各組差異的細節，需要做後續的事後多重比較。

如果此表格的顯著性大於0.05，那表示各組之間並沒有顯著差異，不需要做後續的分析。

事後多重比較/PostHoctest在進行事後多重比較之前，我們要先檢視各組是否符合變異數同質性假設。

查看「誤差變異量的Levene檢定等式」，Levene的F值為1.139，顯著性為0.345，大於0.05，表示各組的離散情形並沒有明顯差別，符合變異數同質性假設。

如果小於0.05，則表示顯著違反了變異數同質性假設。

這會影響後面我們要看的多重比較法。

再來看到「多重比較」表格。

如果前面的變異數同質性檢定為符合，那我們看Scheffe法的結果。

如果不符合，則是看DunnettT3檢定的結果。

因為各組符合變異數同質性檢定，所以下面我們看Scheffe法。

我們先找「平均差異(I-J)」欄位中，有打「*」星號表示顯著的項目。

例如找到「-1.07*」，那再往前找到「(J)group」為4，再前一個欄位「(I)group」為1。

這表示1到4之間的平均差異為-1.07，達到顯著。

意思是說，1的合約期間明顯比4還要少，反過來說就是4明顯比1還要大。

下面的「1.07*」是用這個方式解讀，最後也能得到4的合約期間明顯比1大的結論。

自變項與依變項之間的關聯性/Etasquare自變項對依變項的影響力有多少呢？我們要回頭來看2 (etasquare)量數。

它是類似於迴歸分析中的R2。

除了作為X對Y解釋強度的指標外，經常也被視為效果量的指標。

我們可以在「單變量檢定」的「淨相關Eta平方」中找到此結果。

2為0.244，表示自變項分組變項能夠解釋依變項合約期間的24.4%資料。

2的關聯強度判斷準則如下：0.059>2 ≥0.01低度關聯強度0.138>2≥0.059中度關聯強度2≥0.138高度關聯強度因此2 =0.244為高度關聯強度。

Step4.趨勢分析/Trendanalysis我們發現不同分組之間的平均數的確有顯著差異，那我們可以進一步來看不同分組的平均數變化是否有特定的趨勢，這就是變異數分析進階應用的趨勢分析。

此方法特別適合用於自變項的分組有順序關係時，例如使用不同強度的實驗處理、社會地位的高低。

但如果分組變項本身不具備順序，像是不同類型的教學方法，那趨勢分析就沒有實質意義。

分析設定/Analysissetting回到資料視窗，進入選單列的「分析>比較平均數法>單因子變異數分析」。

依變數清單選擇要檢測的依變數，例如「duration_of_agreement」(合約期間)，因子選擇自變項分組變數group。

按下「比對」，進入比對設定。

勾選「多項式」，次數選擇「三次曲線模式」，這樣可以檢測一次方程式(線性)、二次方程式跟三次方程式的可能趨勢。

最後按下「繼續」退出。

按下「確定」進行分析。

SPSS會跳出輸出視窗顯示分析結果。

結果解讀/Result在「單因子變異數分析」表格中，我們先看一次項、二次項與三次項的未加權的顯著性是否低於0.05。

這裡可以發現一次項未加權的顯著性為0.002，其F值為11.431，分子自由度為1，分母自由度則是看組內一行，為42。

這樣趨勢分析的結果顯示，不同分組的合約期間平均數變動呈現線性遞增的現象。

跟前面敘述統計的結果相互搭配，可以發現第1組最低、第3組次之、然後是第2組，最後第4組的合約期間平均數最高。

Step5.撰寫結論/Conclusion最後我們來將上面的分析結果做一個總結：由上述的報表可以得知，此一獨立樣本單因子變異數分析的四個水準的平均數為1.6、2.286、2.25、2.667。

整體考驗結果發現，不同分群的工作，其合約期間有所不同(F(3,42)=4.508，p<0.008)，表示分群的結果的確能夠顯示出合約期間的差異。

Levene的變異數同質性檢定並未顯著(Levene=1.139，p=0.345)，表示這四組樣本的離散情形並無明顯差別，符合變異數同質性假設。

再經事後比較Scheffe法檢驗發現，合約期間的平均數中，以第4群顯著大於第1群，但是與第2群跟第3群之間並沒有顯著差異。

自變項分群結果對於依變項合約期間的解釋力，以2(etasquare，淨相關Eta平方)係數來看，達到24.4%，為高度關聯強度。

此結果的統計檢定力達0.85，表示統計檢定能力是可接受的程度。

最後，趨勢分析的結果發現，不同分組的合約期間平均數變動呈現線性遞增的現象。

跟前面敘述統計的結果相互搭配，可以發現第1組最低、第3組次之、然後是第2組，最後第4組的合約期間平均數最高。

到這裡為止，我們就做完了整個單因子變異數分析囉。

詳細的公式與原理，還請回頭參閱邱皓政老師的「統計原理與分析技術：SPSS中文視窗版操作實務詳析」。

結語/Inclosing到這裡為止，我們就做完了整個單因子變異數分析囉。

詳細的公式與原理，還請回頭參閱邱皓政老師的「統計原理與分析技術：SPSS中文視窗版操作實務詳析」。

變異數分析的做法可以完全涵蓋獨立樣本t檢定分析，所以很多統計老師會略過獨立樣本t檢定，而直接教變異數分析。

不過變異數分析的原理涵蓋範圍比獨立樣本t檢定大上不少，若從原理教起，那可是相當的吃力。

不管怎麼說，總算能把變異數分析的方法做一個整理，這樣未來就比較容易照著進行變異數分析了。

我在前面所講的「自動決定最佳化分群數量：層疊K平均分群法」中，也有用到單因子變異數分析來比較連續變項，這時候就可參考這篇的做法囉。

這篇對變異數分析的介紹就到此為止了。

你在統計課程中是否也學過單因子變異數呢？你在課堂上學到的內容跟我這篇有什麼不同呢？歡迎在下面留言處與我分享你的想法，或是在AddThis分享工具上按讚或分享到Facebook等社群媒體上。

感謝你的耐心閱讀，讓我們下次見囉。

布丁布丁吃布丁 多組資料的平均數是否有差異？SPSS的單因子變異數分析/One-wayANOVAinSPSS 是由 布丁布丁吃布丁 製作，以創用CC姓名標示-非商業性-相同方式分享3.0台灣授權條款釋出。

這個布丁是在無聊的世界中找尋樂趣的一種不能吃的食物，喜愛動漫畫、遊戲、程式，以及跟世間脫節的生活步調。

L P 關於布丁 訂閱BLOG 贊助 RelatedPosts 總共2則留言 ( 我要發問 , 隱藏留言 顯示留言 ) 布丁布丁吃布丁2019年6月16日晚上11:16感謝網友提醒，etasquared的中度關聯是0.059，不是0.59，已經修正。

回覆刪除回覆回覆布丁布丁吃布丁2020年4月17日晚上10:20有網友詢問三組的情況下，如何搭配共變數來做ANCOVA。

這種分析方式叫做one-wayANCOVA(analysisofcovariance)，獨立樣本單因子共變數分析。

在SPSS教學中「One-wayANCOVAinSPSSStatistics」有講述該做法的假設和操作。

https://statistics.laerd.com/spss-tutorials/ancova-using-spss-statistics.php這個說明包括了簡介、假設、操作和解釋。

李敦仁老師教學網中的獨立樣本單因子共變數分析(one-wayANCOVA).ppt裡面也有介紹三組為例子的one-wayANCOVA如何操作-共變數分析 https://sites.google.com/site/duenrenweb2/ancova-獨立樣本單因子共變數分析(one-wayANCOVA).ppt https://docs.google.com/viewer?a=v&pid=sites&srcid=ZGVmYXVsdGRvbWFpbnxkdWVucmVud2ViMnxneDozN2U5ZTUyNjgxMTI0ZGI1  備份：https://docs.google.com/presentation/d/1Q8BpGJbd9ds7a7GthVIylMh9n2Y_ffu28EO8LgRDGT4/edit?usp=sharing回覆刪除回覆回覆新增留言載入更多… CommentTools: Chooseone... UploadImage(imgur) UploadVideo(Streamable) UploadTemporaryFile(Upload.express) CodeFormatter(forHTMLorXMLcode) CommentsFeed(JSONformat) CommentsFeed(XMLformat) 較新的文章 首頁 較舊的文章 訂閱： 張貼留言(Atom) ::: AboutMe 布丁布丁吃布丁 這個布丁是在無聊的世界中找尋樂趣的一種不能吃的食物，喜愛動漫畫、遊戲、程式，以及跟世間脫節的生活步調。

FacebookFanpage NowLoading... RandomPosts Guestbook RecentPosts Comments ::: 聯絡布丁 信箱：[email protected] 提問： 留言板 聯絡時間：週一~週日24小時 BuyMeACoffee(Donate) 如果有幫到您的話，請布丁喝杯咖啡吧！ 進入贊助捐款網頁 Labels (AllLabels) 日記 (235) 輔大圖資 (166) 電腦軟體 (129) 政大圖檔 (113) 期刊論文閱讀 (98) Programming/JavaScript (85) 作品 (84) Blogger (77) 網路管理 (71) 記事 (58) DSpace (56) JavaScript (56) OS/ProxmoxVE (51) 程式寫作 (50) 碩士畢業論文 (47) Proxmox (41) Android (39) OS/Android (37) Presentation (36) OS/Linux (34) DataMining (31) Software/Weka (31) Course (30) Linux (29) 研究方法 (29) 虛擬機器 (29) OS/Windows (26) Software/Zotero (26) Work/Widget (26) Zotero (26) 新玩具 (26) DLLL-CIAS (25) Software/Windows (25) 程式語言/JavaScript (25) 網站服務 (25) Software/GoogleDoc (23) Software/LibreOffice (23) 雲端科技與圖書館行動服務研習班(2014) (23) Programming/PHP (22) 作業報告 (22) 研究所推甄 (19) 演講心得 (18) Windows/電腦軟體 (17) 資訊計量學 (17) Series/BigDataAnalysisCourse (16) 無題 (16) 課程/圖書資訊學研究趨勢 (16) PHP (15) Programming/AutoIt (15) GitHub (14) Programming/R (14) Statistics (14) 圖資學術界 (13) Software/Word (12) 課程/國際檔案學 (12) Series/LibreOfficeCalcTemplate (11) Software/OwnCloud (11) Software/R (11) VirtualMachine/VirtualBox (11) VirtualBox (11) 極短 (11) AutoIt (10) NetBeans (10) Server/ownCloud (10) Software (10) Software/Google (10) Software/NetBeans (10) Zentyal (10) 作業系統/Linux (10) KALS (9) Programing/PHP (9) Programming/PhoneGap (9) Research (9) Research/TextMining (9) 教學課程 (9) 課程/檔案應用研究 (9) 輔漫 (9) GLPI (8) Koha (8) OS/Chromebook (8) OS/Koha (8) Series/NOUWord (8) Software/SPSS (8) Work (8) 政大平價美食 (8) 數位圖書館 (8) CSS (7) OS/Zentyal (7) Plurk (7) Programming/CSS (7) Programming/Node.js (7) Drawing (6) OS/FreeNAS (6) Programming/APP (6) Service/GitHub (6) Software/PostgreSQL (6) Software/PostreSQL (6) Tool/NetBeans (6) VirtualMachine/OpenVZ (6) 報告/教學課程 (6) 發表 (6) 2009詐欺案件 (5) Note/Paper (5) Programming/Electron (5) Programming/Java (5) Programming/Python (5) Software/Firefox (5) Software/Inkscape (5) Work/Windows (5) 評論 (5) 3C (4) IDE (4) Library/ORCID (4) LibreOfficeCalcCourse (4) Programming/Database (4) Programming/SeleniumIDE (4) Programming/Vue.js (4) Research/SequentialAnalysis (4) Selenium (4) Server/OCS (4) Software/Browser (4) Software/Notepad++ (4) Software/PDF (4) Software/Pentaho (4) WebService (4) 博士班考試 (4) 問答訪談 (4) 課程/資訊行為與資訊服務 (4) 讀者服務研討 (4) CKEditor (3) Drupal (3) GAME (3) GoogleAnalytics (3) Hardware (3) Hardware/Notebook (3) OCS (3) Programming/CKEditor (3) Series/WekaImageClassification (3) Server/ApacheSolr (3) Software/Cortana (3) Software/Drupal (3) VirtualMachine (3) 活動籌辦 (3) 演講 (3) 生活/日記 (3) 網站系統/ownCloud (3) 課程/檔案學 (3) 遊戲 (3) 閱讀學習 (3) AngularJS (2) EMAIL-KM (2) GAME/PokemonGO (2) IPFire (2) MachineLearning (2) OS/IPFire (2) OS/pfSense (2) OSSIM (2) Programming/AdonisJs (2) Research/SocialNetworkAnalysis (2) Server/GitLab (2) Software/CWISE (2) Software/Office (2) Software/OpenLiveWriter (2) Software/WordPress (2) Software/mRemoteNG (2) Sponsored (2) VirtualMachine/Docker (2) pfSense (2) ニコニコ動画 (2) 國立政治大學 (2) 圖書資訊學研討 (2) 布丁通信 (2) 技術服務研討 (2) 生活/政大平價美食 (2) 研究方法\序列分析 (2) 研究領域/閱讀學習 (2) 硬體設備 (2) 系統/WordPress (2) 輕小說 (2) 電腦軟體/R (2) 3C/Note8 (1) Auto (1) Hardware/Teclast (1) Linux/WINE (1) Programming/AngularJS (1) Programming/HTML (1) Programming/SVG (1) Programming/Svelte (1) Programming/WebDesign (1) Programming/Webpack (1) Publication/Conference (1) RIME (1) Research/Infometric (1) SecondLife (1) Server/Apache (1) Software/ApacheTika (1) Software/DSpace (1) Software/FileZilla (1) Software/ImageMagick (1) Software/中州韻輸入法 (1) TimemarktoSSA (1) Travel (1) Userscript (1) 國家考試 (1) 國立空中大學 (1) 專題 (1) 課程/計算智能與商業分析 (1) 販售 (1) 資訊管理/網站管理 (1) 電視 (1)