SPSS第八课：征服一般线性模型——Ge
eralLi
earModel菜单详解（下）
（医学统计之星：张文彤）
上次更新日期：
81两因素方差分析811812u
ivarate对话框界面说明结果解释
82协方差分析821822分析步骤结果解释
83其他较简单的方差分析问题84多元方差分析841842分析步骤结果解释
85重复测量的方差分析851852Repeatedmeasures对话框界面说明结果解释
§84多元方差分析
f所谓的多元方差分析，就是说存在着不止一个应变量，而是两个以上的应变量共同反映了自变量的影响程度。比如要研究某些因素对儿童生长的影响程度，则身高、体重等都可以作为生长程度的测量因子，即都应作为应变量。
841分析步骤
为了方便起见，我们这里直接利用SPSS自带的数据集plasticsav，假设tear_res、gloss和opacity都使反应橡胶质量的指标（不要笑，是假设），现在要研究extrus
和additive对橡胶的质量影响如何，则应采用多元方差分析。选择A
alyzeGe
eralLi
earModelMultivariate，则弹出Multivariate对话框，请注意，除了没有ra
domeffect外，它的所有元素都是和u
ivariate对话框相同的，里面的内容也相同，因此我们这里就不再重复了。按照我们的分析要求，对话框操作步骤如下：
1A
alyzeGe
eralLi
ealmodelMultivariate2Depe
de
tVariable框：选入tear_res、gloss和opacity3FixedFactors框：选入extrus
和additive
4单击OK此处两个自变量均是二分类变量，故无需选择两两比较方法。
842结果解释
按上面的选择，分析结果如下：
Ge
eralLi
earModel
f这是引入模型的自变量的取值情况列表。
上表是针对模型中的自变量间及其交互作用所做的检验，采用的是四种多元检验方法。一般他们的结果都是相同的，如果不同，一般以Hotelli
gsTrace
f方法的结果为准。可见在所用的模型中，extrus
和additive对结果变量是有统计学意义的，但交互作用无统计学意义。
上表实际上是四个一元方差分析表的合并，即分别考虑四个应变量时的方差分析结果。上面的多元方差分析已经得知两自变量对应变量有影响，从现在的
f分析表就可以更清楚的知道是对那些自变量影响较大。对照可知，extrus
和additive对tearresista
ce和gloss都有较大影响，而他们的交互作用对gloss有影响，他们（及交互作用）对Opacity都没有影响。
§85重复测量的方差分析
重复测量的方差分析指的是一个应变量被重复测量好几次，从而同一个个体的几次观察结果间存在相关，这样就不满足普通分析的要求，需要用重复测量的方差分析模型来解决。
851Repeatedmeasures对话框界面说明
r