1樓：若絮以沫
單因素方差分析是指對單因素試驗結果進行分析，檢驗因素對試驗結果有無顯著性影響的方法。
單因素方差分析是指對單因素試驗結果進行分析，檢驗因素對試驗結果有無顯著性影響的方法。單因素方差分析是兩個樣本平均數比較的引伸，它是用來檢驗多個平均數之間的差異，從而確定因素對試驗結果有無顯著性影響的一種統計方法。
示例：例如，將抗生素注入人體會產生抗生素與血漿蛋白質結合的現象，以致減少了藥效。下表列出了5種常用的抗生素注入到牛的體內時，抗生素與血漿蛋白質結合的百分比。
現需要在顯著性水平α = 0.05下檢驗這些百分比的均值有無顯著的差異。設各總體服從正態分佈，且方差相同。
青黴素 四環素 鏈黴素 紅黴素 氯黴素
29.6 27.3 5.8 21.6 29.2
24.3 32.6 6.2 17.4 32.8
28.5 30.8 11.0 18.3 25.0
32.0 34.8 8.3 19.0 24.2
在這裡，試驗的指標是抗生素與血漿蛋白質結合的百分比，抗生素為因素，不同的5種抗生素就是這個因素的五個不同的水平。假定除抗生素這一因素外，其餘的一切條件都相同。這就是單因素試驗。
試驗的目的是要考察這些抗生素與血漿蛋白質結合的百分比的均值有無顯著的差異。即考察抗生素這一因素對這些百分比有無顯著影響。這就是一個典型的單因素試驗的方差分析問題。
單因素方差分析結果裡面，p-value＜0.05，是不是就是原假設成立，一者對另一者沒有顯著影響（
2樓：匿名使用者
，p-value＜0.05，原假設不成立
用spss做方差分析，顯著水平設定成0.05或0.01有什麼區別嗎？
3樓：匿名使用者
有很大區別，用spss做方差分析，顯著水平設定成0.05或0.01的區別在於是否拒絕原假設的判定強弱不同。
1、主要是可能性上有很大區別。
顯著性水平取0.01，是在原假設事實正確的情況下，研究者接受這一假設的可能性為99%。
顯著性水平取0.05，研究者接受事實正確的原假設的可能性為95%。
擴充套件資料：
顯著水平的意義：
顯著性水平是假設檢驗中的一個概念，是指當原假設為正確時人們卻把它拒絕了的概率或風險。它是公認的小概率事件的概率值，必須在每一次統計檢驗之前確定，通常取α=0.05或α=0.
01。這表明，當作出接受原假設的決定時，其正確的可能性（概率）為95%或99%。
在統計學中，差異顯著性檢驗是「統計假設檢驗」（statistical hypothesis testing）的一種，用於檢測科學實驗中實驗組與對照組之間是否有差異以及差異是否顯著的辦法。
在實驗進行過程中，儘管儘量排除隨機誤差的影響，以突出實驗的處理效果，但由於個體間無法避免的差異，以及諸多無法控制的因素，使得實驗結果最後表現的觀察值處理處理效應之外，還包括實驗誤差的效應。
因此對兩個樣本進行比較時，必須判斷樣本間差異主要是隨機誤差造成的，還是本質不同或處理效應引起的。
4樓：戀人的蜜語吹過
對結果有影響的，0.01的顯著水平比0.05更嚴格，就是0.01意味著結果更難顯著，通常用的是0.05。
出現0.000是正常的，當計算出來的p值小於0.001的時候就會出現這個結果，這也和後面的f值有2000多相吻合，這麼大的f值，p值肯定很小的。
這麼大的f值確實少見，但至於有沒有算錯，沒有原始資料也沒辦法得出結論，檢查下是不是有可能資料錄入的差錯。
5樓：匿名使用者
用spss做方差分析，顯著水平設定成0.05或0.01的區別在於是否拒絕原假設的判定強弱不同。
顯著性水平取0.01，是在原假設事實正確的情況下，研究者接受這一假設的可能性為99%。顯著性水平取0.
05，研究者接受事實正確的原假設的可能性為95%。
顯著性水平是在原假設成立時檢驗統計量的值落在某個極端區域的概率值，估計總體引數落在某一區間內，可能犯錯誤的概率，用α表示。通常有兩種取值0.01和0.05。
1、如果p<0.01，說明是較強的判定結果，拒絕原假設的條件。
2、如果0.013、如果p值》0.05，說明結果無法拒絕原假設。
6樓：詩人的吉他
（1）對結果有影響的，0.01的顯著水平比0.05更嚴格，說白了就是0.01意味著你的結果更難顯著，通常用的是0.05。
（2）出現0.000是正常的，當計算出來的p值小於0.001的時候就會出現這個結果，這也和你後面的f值有2000多相吻合，這麼大的f值，p值肯定很小的。
（3）這麼大的f值確實少見，但至於有沒有算錯，沒有原始資料我也不能給你什麼有效的建議，檢查下是不是有可能資料錄入的差錯。
單因素方差分析中的零假設是什麼？用什麼統計量檢驗它？
7樓：若絮以沫
單因素方差分析是指對單因素試驗結果進行分析，檢驗因素對試驗結果有無顯著性影響的方法。
單因素方差分析是指對單因素試驗結果進行分析，檢驗因素對試驗結果有無顯著性影響的方法。單因素方差分析是兩個樣本平均數比較的引伸，它是用來檢驗多個平均數之間的差異，從而確定因素對試驗結果有無顯著性影響的一種統計方法。
示例：例如，將抗生素注入人體會產生抗生素與血漿蛋白質結合的現象，以致減少了藥效。下表列出了5種常用的抗生素注入到牛的體內時，抗生素與血漿蛋白質結合的百分比。
現需要在顯著性水平α = 0.05下檢驗這些百分比的均值有無顯著的差異。設各總體服從正態分佈，且方差相同。
青黴素 四環素 鏈黴素 紅黴素 氯黴素
29.6 27.3 5.8 21.6 29.2
24.3 32.6 6.2 17.4 32.8
28.5 30.8 11.0 18.3 25.0
32.0 34.8 8.3 19.0 24.2
在這裡，試驗的指標是抗生素與血漿蛋白質結合的百分比，抗生素為因素，不同的5種抗生素就是這個因素的五個不同的水平。假定除抗生素這一因素外，其餘的一切條件都相同。這就是單因素試驗。
試驗的目的是要考察這些抗生素與血漿蛋白質結合的百分比的均值有無顯著的差異。即考察抗生素這一因素對這些百分比有無顯著影響。這就是一個典型的單因素試驗的方差分析問題。
單因素方差分析只能有變數麼，單因素方差分析只能有一個變數麼
單因素方差分析與多因素方差分析的區別，簡單點說，就是影響樣本的因素有多少，一個的用單因素方差分析 只有一組資料是不是沒法做單因素方差分析？這種資料是不可以分析的，你的分組變數必須至少有兩個組才可以。spss單因素方差分析，分析多個因變數，結果出不來完全 結果不是有嗎，你要做多變數分析，不是多個自變數...
單因素方差分析沒有統計學意義，多因素方差分析有可能是危險因素
您表述的問題不是很清楚。我猜測您是想說單因素方差分析中發現自變數x1的影響沒有統計學意義，然後想問如果x1和x2共同進行多因素方差分析，是否可行。如果是這樣的話，是可以的，因為有可能x2是有影響的，以及x1和x2可能產生互動作用。南心網提供 單因素方差分析與多因素方差分析結果不一是怎麼回事 方差分析...
請問單因素方差分析spss資料怎麼錄入
控制抄因素的個數 觀測變數的個數襲 spss所佔的列數對於你說的早上，晚 上是定性的指標，在錄spss中要用具體的數代替，把早上，晚上分別用1，2表示，那spss要佔2列，結果 1 0.1 1 0.4 1 0.5 2 0.2 2 0.3 2 0.6 說得不是很明白，其實你說的lsd 最小極差法 和t...