
SPSS详细操作:样本均数间的多重比较
下面我们用例子来探讨:方差分析得出各组总体均数间的差异有统计学意义之后,如何进行样本均数间的多重比较。
一、问题与数据
为调查A、B、C三种治疗措施对患者谷丙转氨酶(ALT)的影响,某科室将45名患者随机分为三组,每组15人,分别采取A、B、C三种治疗措施,治疗后ALT水平(U/L)如下。试问应用三种治疗措施后,患者的ALT水平是否有差异?如果有差异,又是哪两个组间的ALT水平存在差异?
表1. 三组患者治疗后的ALT水平(U/L)
二、对数据结构的分析
整个数据资料涉及三组患者,每组15人,测量指标为血常规报告的ALT水平,因此属于多组设计的定量资料。
我们已经知道可以采用单因素方差分析的方法,比较三组总体均数之间的差异是否具有统计学意义,但如果差异有统计学意义,并不意味着任意两组之间的均数差异都有统计学意义。想进一步了解哪两个组间的ALT水平存在差异,还需要做样本均数间的多重比较。
三、SPSS分析方法
1. 数据录入SPSS
2. 进行单因素方差分析:
(1)Analyze → General Linear Model → Univariate;
(2)主对话框设置:分析变量(ALT)送入Dependent Variable 框中→分组变量(Group)送入Fixed Factor(s) 框中;
(3)Options设置:勾选Descriptive statistics(统计描述)和Homogeneity tests(方差齐性检验)→Continue。
3. 均数间的多重比较:
(1)点击Post Hoc按钮,将Group送入Post Hoc Tests for框中→在Equal Variances Assumed(方差齐)框中,勾选几种常用的多重比较方法:
LSD、S-N-K、Bonferroni、Tukey、Šidák、Scheffé's、Dunnett
(2)在Dunnett选项下面,Control Category选择First(以A组作为对照组),Test框中勾选2-sided→Continue→OK。
四、结果解读
Tests of Between-Subjects Effects表格给出了方差分析的结果。在方差齐的条件下,Group一行结果显示,F值=68.810, P(Sig.)<0.001。
Multiple Comparisons表格给出了部分方法的多重比较结果,分别列出了每个组和其他组比较的均数的差值(Mean Difference (I-J))、标准误(Std. Error)、P值(Sig.)和均数差值的95%置信区间(95% Confidence Interval)。检验水准α设为0.05,组间差异有统计学意义的结果已用*标出。
不同多重比较方法的选择,需要结合研究设计和每个方法各自的特点及适用条件。我们以Bonferroni法和Dunnett法的结果为例,进行解读:
Bonferroni法结果显示,A组与B组的ALT水平相比,Mean Difference=-15.160 U/L,P(Sig.)<0.001;A组与C组相比,Mean Difference=1.133 U/L,P(Sig.)=1.000;B组与C组相比,Mean Difference=16.293 U/L,P(Sig.)<0.001。
Bonferroni法和Šidák法的检验原理为根据需要比较的次数来调整检验水准。以Bonferroni法为例,调整的方法有两种:1、将α’=α/m作为检验水准的调整值(m为共需比较的次数,假设m=C32=3,α’=0.05/3=0.017),两两比较得出的P值与α’进行比较,即P<0.017时才能拒绝零假设;2、将计算得到的P值扩大为原来的m倍为P’,然后将P’与0.05比较,即P’<0.05时拒绝零假设。SPSS采取的是第二种方法,直接为我们给出了Bonferroni法和Šidák法调整后的P’值,故将调整后的P’值与检验水准0.05比较即可,不用再自行计算。
Dunnett法结果显示,B组与A组的ALT水平相比,Mean Difference=15.160 U/L,P(Sig.)<0.001;C组与A组相比,Mean Difference=-1.133 U/L,P(Sig.)=0.688。
Homogeneous Subsets表格同样给出了部分方法的多重比较结果。我们以Student-Newman-Keuls(S-N-K)法的结果为例,进行解读:
C组ALT水平的均数为12.147 U/L,A组均数为13.280 U/L,C组和A组被分到一个亚组(Subset 1),P(Sig.)=0.469;B组均数为28.440 U/L,被单独分到另一个亚组(Subset 2),P(Sig.)>0.999。
五、撰写结论
A组患者ALT水平为(13.28 ± 4.39)U/L,B组患者ALT水平为(28.44 ± 3.65)U/L,C组患者ALT水平为(12.15 ± 4.64)U/L,A、B、C三种治疗措施对患者ALT水平的影响差异具有统计学意义(F=68.810,P<0.001)。其中,B组与A组,B组与C组间患者的ALT水平差异均具有统计学意义(P<0.001),A组与C组间患者的ALT水平差异无统计学意义(P>0.05)。
六、延伸阅读
SPSS中均数间多重比较方法可以分为两大类,包括多重两两比较的检验(Multiple Comparisons)和对极差进行亚组同质性的检验(Homogeneous Subsets),二者结果的表现形式有所不同,如本例结果所示。
两两比较检验给出了每个组和其他组比较的结果。亚组同质性检验则先按照每个组均数的大小进行排序,将组间均数差异无统计学意义的均数分到一个亚组,这样会形成若干个亚组,同一亚组内的均数差异无统计学意义,不同亚组间的均数差异有统计学意义。
本例中,C组和A组被分到一个亚组,说明两组间均数差异无统计学意义;B组被单独分到一个亚组,说明B组与A组、B组与C组间的均数差异都有统计学意义。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04