1樓：
以0.05為顯著性水平，處理分組有顯著差異，時間分組無顯著差異。兩個分組的共同作用（處理分組*時間分組）有顯著差異。
為什麼同一因素單因素和雙因素方差分析時結果不同呢？ 5
2樓：三黃玉帝
這兩個的
來分析思路是不源
一樣的。一般來說，anova的分析中顯著性會高很多，而你說的一般線性分析求的是主效應，它的顯著性比anova受到的影響因素更多一些，因此也更低一點。但是，從規範的統計學分析而言，一般涉及多個因子的時候，都會要求先做主效應，然後再對主效應顯著的進行深入分析，採用anova看顯著性的**是什麼。
不知道我的理解是不是準確，拋磚引玉一下，一定會有高手來解決的
單因素方差分析的結果代表什麼意思
3樓：
表示各組均數是否有差異
單因素方差分析結果分析，懂的進來
4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
單因素方差分析結果分析
5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。
spss中，單因素方差分析和雙因素方差分析
6樓：匿名使用者
這兩個的分析思路是抄不一樣的。一般來bai說，anova的分析中顯著du性會高很
zhi多，而你說的一般dao線性分析求的是主效應，它的顯著性比anova受到的影響因素更多一些，因此也更低一點。但是，從規範的統計學分析而言，一般涉及多個因子的時候，都會要求先做主效應，然後再對主效應顯著的進行深入分析，採用anova看顯著性的**是什麼。不知道我的理解是不是準確，拋磚引玉一下，一定會有高手來解決的。
7樓：合卿閣王先生
請搜尋網易雲課堂：生命科學實驗統計分析
單因素方差分析與兩因素方差分析基本原理有什麼不同
8樓：齊峰環境
單因素方差分析（oneway anova）； 兩因素方差分
析（two way
anova）.單因素方差中只有專
一個自變數,兩因素方差中有屬兩個自變數.舉個例：有三種教學方法（a1,a2,a3）,我們要檢測哪種教學方法最好,這是
單因素方差分析,因為只有一個自變數---教學方法（但是有三個水平）.如果我們要檢測這三種教學方法對不同年紀學生（高年級,低年級）的影響,就是兩因
素方差分析,因為此時有兩個自變數：教學方法（a1,a2,a3）學生年級（b1,b2）.兩因素方差分析主要檢測兩個自變數之間的是否有顯著的
interaction.剛才那個例子是個3x2的兩因素方差分析,兩個自變數就有6種組
合,a1b1,a2b1,a3b1,a1b2,a2b2,a3b2,我們做兩因素方差分析就是要檢測這六種組合同哪種最顯著.
單因素方差分析結果怎麼看
9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單因素三水平重複測量方差分析方法以及結果解釋
你資料的格式不對。應該用三個變數 編號 因素號 1 2 3 數值 如何用spss 對重複測量資料進行單因素方差分析並及進行組內不同時間之間測量結果的多重比較呢？spss三因素兩水平的方差分析後，結果中出現的標準誤差怎麼是相同的？在spss進行資料分析中，各個樣本 原始資料，亦即樓主說的平均值 的標準...
SPSS三因素兩水平方差分析F值和顯著性無輸出怎麼回事
你的樣本量少是主要原因 因為一個分類只有一個樣本，無法估計se 如果灰色模型的話可不可以弄成月濃度來進行 重複做幾次試驗就行了 spass 方差分析結果沒有f值和顯著性為什麼 我發現不設定空白列就有f值，設定了就沒有了 檢查一下是否在資料分析中資料 是一個因子做了三次 重複。spss方差分析輸出結果...
怎麼用spss做單因素方差分析能得到類似圖的資料
你要考察的是什麼？不同組別 的抗體效價是否存在顯著差異?在dataview裡組別豎著一列 組別以數字1，2，3，4，5區分 抗體效價豎著一列。然後分析 比較平均數法 單因素方差分析。將組別放到自變數框，抗體效價放到因變數框。如果還想考察不同日齡，那就再加一列，20日齡可以量化為 1 30日齡可以為 ...