京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在Python开发中,HTTP请求是与外部服务交互的核心场景——调用第三方API、对接微服务、爬取数据等都离不开它。虽然requests库已 ...
2025-12-12在数据驱动决策中,“数据波动大不大”是高频问题——零售店长关心日销售额是否稳定,工厂管理者关注产品尺寸偏差是否可控,基金 ...
2025-12-12在CDA(Certified Data Analyst)数据分析师的能力矩阵中,数据查询语言(SQL)是贯穿工作全流程的“核心工具”。无论是从数据库 ...
2025-12-12很多小伙伴都在问CDA考试的问题,以下是结合 2025 年最新政策与行业动态更新的 CDA 数据分析师认证考试 Q&A,覆盖考试内容、报考 ...
2025-12-11在Excel数据可视化中,柱形图因直观展示数据差异的优势被广泛使用,而背景色设置绝非简单的“换颜色”——合理的背景色能突出核 ...
2025-12-11在科研实验、商业分析或医学研究中,我们常需要判断“两组数据的差异是真实存在,还是偶然波动”——比如“新降压药的效果是否优 ...
2025-12-11在CDA(Certified Data Analyst)数据分析师的工作体系中,数据库就像“数据仓库的核心骨架”——所有业务数据的存储、组织与提 ...
2025-12-11在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01