因变量和自变量的关系协方差ANOVA的spss

协方差分析解决的问题:多个自变量包括离散变量和连续变量)对单个因素变量连续数据)的影响。 参数中的连续变量作为协调变量被添加“控制”控制变量)。

协方差分析在一定程度上消除了非处理因素的影响,可以准确地得到处理因素的影响。

协方差分析的条件:除一般方差分析条件外,还需要满足“平行性检验”。

协方差分析是回归分析和方差分析的组合。

分析步骤由以下两部分组成。

第1部分:平行性检查

自变量与共变量的相互作用: p> 0.05、满足平行性检验,满足协方差分析条件; P0.05,不满足平行性检验,不满足协方差分析的条件。

第二部分:协方差分析

情况:

运动干预治疗高血压人群疗效研究

选择实验设计简化版) 54名高血压患者,随机分为三组,分别采用健身运动、宽舞、太极拳运动干预。 干预期为6个月。 实验前、实验后测量静息收缩压,差异形成变量“血压下降”。 经统计验证,实验前三组收缩压基础值差异无统计学意义。

根据统计思路,年龄可能对血压下降的程度有很大影响,考虑到年龄是连续变量,将“年龄”作为“协变量”。 研究运动干预对血压的影响,同时排除协整量“年龄”的影响,使结果更准确。 协方差分析是为了解决类似的问题。

自变量:培训项目

协变量:年龄

原因变量:血压下降。

1部分数据

图1

2平行性检查

这是协方差分析的重要条件。 意思是各组的共变量和因变量呈线性回归关系,斜率大致相同。 也就是说回归直线几乎平行。

可以先绘制散点图,初步探索平行性。

图2散布图

根据图2,3条回归直线几乎平行,可以尝试协方差分析。

SPSS步骤:

1 )分析-一般线性模型-单变量

图3

2 )“血压下降”为“因变量”,“组”为“固定因子”; “年龄”是“协变量”。

图4

3 )单击“模型”。

图5

4 )单击“定制”,并在“模型”列表中选择因子、变量的主效应和交互)默认值为无交互)。 单击“继续”。

5 )返回“图4”后,点击“确定”。 结果如下。

图6

组与年龄的相互作用为: P=0.770> 0.05,表明相互作用不明显。 也就是说,满足平行性检查。

因为相互作用不明显,所以可以简化模型。 消除相互作用后,再进行协方差分析。

3协方差分析

1 )在图4状态下点击”模型”,取消”组”与”年龄”的交互。 单击“继续”。

图7

2 )返回图4,单击“选项”,如下图所示进行检查。 单击“继续”,返回后,单击“确定”检查结果。

图8

4 SPSS结果

1 )方差齐性检测结果

图9

P=0.462> 0.05,分散齐性。 满足了协方差分析的另一个条件。

2 )方差分析表

图10

p组P=0.019< 0.05显示三种运动干预方式对血压下降的效果不同。

年龄P=0.000< 0.05表明年龄影响着血压下降的程度。 排除这一部分影响后,使运动干预对血压的影响结果更准确。

图11

结合图11的平均值可知。 结果:降压效果由高到低依次为HIIT、持续有氧、核心训练。 当然,结合后面的配对比较统计结果进一步判断,会更合适,由于篇幅原因,不会展开。 )

5请一定要往下看

如果不考虑“年龄”这一共变量对致病变量血压下降)的影响,结果会怎么样?

1 )“组”为“固定因子”; “血压下降”是“原因变量”。 其他默认值。 直接单击“确定”。

图12

2 )方差分析表

图13

组P=0.133> 0.05显示三种运动干预方式对血压下降效果相同。

由此可知,在不考虑协调变量“年龄”的情况下,得到了与之前完全相反的结果。

这暗示了在科学研究中选择正确的统计方法的重要性,如果方法错误,就无法追求科学真理。

Published by

风君子

独自遨游何稽首 揭天掀地慰生平

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注