1、单因素方差分析(One-Way ANOVA)1ppt课件1、问、问题题与数据与数据有研究者认为，体力活动较多的人能更好地应对职场的压力。为了验证这一理论，某研究招募了31名受试者，测量了他们每周进行体力活动的时间(分钟)，以及应对职场压力的能力。根据体力活动的时间数，受试者被分为4组：久坐组、低、中、高体力活动组，变量名为group。利用Likert量表调查的总得分来评估应对职场压力的能力，分数越高，表明应对职场压力的能力越强，变量名为coping_stress。应对职场压力的能力，可以简写为CWWS得分。研究者想知道，CWWS得分的高低是否取决于体力活动的时间，即coping_stress变
2、量的平均得分是否随着group变量的不同而不同（部分数据如右图）2ppt课件2、对问、对问题题的分析的分析研究者想分析不同group间的coping_stress得分差异，可以采用单因素方差分析。单因素方差分析适用于2种类型的研究设计：1）判断3个及以上独立的组间均数是否存在差异；2）判断前后变化的差值是否存在差异。使用单因素方差分析时，需要考虑6个假设。假设1：因变量为连续变量；假设2：有一个包含2个及以上分类、且组别间相互独立的自变量；假设3：每组间和组内的观测值相互独立；假设4：每组内没有明显异常值；假设5：每组内因变量符合正态分布；假设6：进行方差齐性检验，观察每组的方差是否相等。那么
3、，进行单因素方差分析时，如何考虑和处理这6项假设呢？3ppt课件3、思维思维导图导图4ppt课件5ppt课件4、对假设的判、对假设的判断断假设1：因变量为连续变量；假设2：有一个包含2个及以上分类、且组别间相独立的自变量；假设3：每组间及组内的观测值相互独立。和研究设计有关，需根据实际情况判断。假设4：每组内没有明显异常值。如果某个组别中的某些因变量取值和其他值相比特别大或者特别小，则称之为异常值。异常值会影响该组的均数和标准差，因此会对最终的统计检验结果产生很大的负面影响。对于小样本研究，异常值的影响尤其显著，必须检查每组内是否存在明显异常值。以下将说明如何在SPSS中利用箱线图（Boxpl
4、ots）检查是否存在异常值，以及存在异常值时的几种处理方法。6ppt课件(1)在主菜单点击Analyze Descriptive Statistics Explore.：出现右图Explore对话框：利用箱线图（Boxplots）检查是否存在异常值，以及存在异常值时的几种处理方法7ppt课件(2)把因变量coping_stress送入Dependent List框中，把自变量group送入Factor List框中：(3)点击Plots.，出现Explore:Plots对话框：8ppt课件(4)在Boxplots模块内保留系统默认选项Factor levels together，在Descri
5、ptive模块内取消选择Stem-and-leaf，在下方勾选Normality plots with tests（执行 Shapiro-Wilks检验）：点击Continue，返回Explore对话框。(5)在Display模块内点击Plots：如果使用偏度和峰度（skewness and kurtosis）进行正态性判断，则保留Display模块内的默认选项Both或者选择Statistics。(6)点击OK，输出结果。9ppt课件根据如下输出的箱线图，判断每个组别内是否存在异常值。10ppt课件SPSS中将距离箱子边缘超过1.5倍箱身长度的数据点定义为异常值，以圆点表示；将距离箱子边缘超
6、过3倍箱身长度的数据点定义为极端值（极端异常值），以星号（*）表示。为容易识别，在Data View窗口异常值均用其所在行数标出。本例数据箱线图无圆点或星号，因此无异常值。假如数据中存在异常值和极端异常值，其箱线图如右：箱线图是一种比较简单和流行的异常值检验方法，当然同样存在一些更为复杂的方法，这里不过多介绍。11ppt课件如何处理数据中存在的异常值 异常值的处理方法分为2种：(1)保留异常值：1）采用非参数Kruskal-Wallis H检验；2）用非最极端的值来代替极端异常值（如用第二大的值代替）；3）因变量转换成其他形式；4）将异常值纳入分析，并坚信其对结果不会产生实质影响。(2)剔除异
7、常值：直接删除异常值很简单，但却是没有办法的办法。当我们需要删掉异常值时，应报告异常值大小及其对结果的影响，最好分别报告删除异常值前后的结果。而且，应该考虑有异常值的个体是否符合研究的纳入标准。如果其不属于合格的研究对象，应将其剔除，否则会影响结果的推论。导致数据中存在异常值的原因有3种：(1)数据录入错误：首先应该考虑异常值是否由于数据录入错误所致。如果是，用正确值进行替换并重新进行检验；(2)测量误差：如果不是由于数据录入错误，接下来考虑是否因为测量误差导致（如仪器故障或超过量程）；(3)真实的异常值：如果以上两种原因都不是，那最有可能是一种真实的异常数据。这种异常值不好处理，但也没有理由
8、将其当作无效值看待。目前它的处理方法比较有争议，尚没有一种特别推荐的方法。需要注意的是，如果存在多个异常值，应先把最极端的异常值去掉后，重新检查异常值情况。这是因为有时最极端异常值去掉后，其他异常值可能会回归正常。12ppt课件如果样本量较小（50），并且对正态Q-Q图或其他图形方法的结果诠释不够有把握，推荐采用Shapiro-Wilk检验。每组自变量都会有一个Shapiro-Wilk正态性检验结果。本例结果见如下Tests of Normality表格。假设5：每组内因变量符合正态分布正态性检验有很多方法，这里只介绍最常用的一种：Shapiro-Wilk正态性检验（其他还有偏度和峰度值、直方
9、图等）。在假设4的判断中，我们在Explore:Plots对话框中勾选了Normality plots with tests，输出结果中会给出Shapiro-Wilk检验的结果。如果样本量大于50，推荐使用正态Q-Q图等图形方法进行正态判断，因为当样本量较大时，Shapiro-Wilk检验会把稍稍偏离正态分布的数据也标记为有统计学差异，即数据不服从正态分布。如果数据符合正态分布，显著性水平（蓝框中的Sig.）应该大于0.05。Shapiro-Wilk检验的无效假设是数据服从正态分布，备择假设是数据不服从正态分布。因此，如果拒绝无效假设（P Compare Means One-Way ANOVA
10、：5、SPSS操作出现One-Way ANOVA对话框：5.1 单因素方差分析（ONEWAY procedure）事后两两比较（post hoc test）15ppt课件(2)把因变量coping_stress送入Dependent List框中，自变量group送入Factor框中：(3)点击Options，出现One-Way ANOVA:Options对话框：16ppt课件(4)在Statistics模块勾选Descriptive，Homogeneity of variance test和Welch，同时勾选Means plot：(5)点击Continue，返回One-Way ANOVA对
11、话框。17ppt课件(6)点击Post Hoc，出现One-Way ANOVA:Post Hoc Multiple Comparisons对话框：对话框根据方差齐性检验的假设是否满足，分为2个主要区域：18ppt课件(7)在Equal Variances Assumed模块内勾选Tukey，在Equal Variances Not Assumed模块内勾选Games-Howell：(8)可以在Significance level框中修改显著性水平的大小（系统默认为0.05，表示当P General Linear Model Univariate.5.2 一般线性模型（GLM procedure
12、）求效应量（偏2）20ppt课件(2)把因变量coping_stress送入Dependent List框中，自变量group送入Fixed Factor(s)框中(3)点击Options.，出现 Univariate:Options对话框：21ppt课件(4)在Display模块内勾选Estimates of effect size：(6)点击OK，输出结果。(5)点击Continue，返回Univariate对话框。22ppt课件(1)点击Analyze General Linear Model Univariate.5.3 一般线性模型（GLM procedure）自定义组间比较（cus
13、tom contrasts）如果只关心特定组别间的差异，你需要知道如何进行自定义比较（custom contrasts），以及如何对多重比较结果进行调整，这就要用到SPSS软件中的Syntax Editor窗口编写相应程序语句。当满足方差齐性条件时，推荐采用GLM程序进行自定义组间比较。23ppt课件(2)把因变量coping_stress送入Dependent List框中，自变量group送入Fixed Factor(s)框中出现Univariate对话框：24ppt课件(3)点击Paste，出现IBM SPSS Statistics Syntax Editor窗口：25ppt课件(4)在
14、/PRINT 和/CRITERIA两行中间，输入/LMATRIX=group -1 1 0 0本例中久坐组系数为-1，“低”体力活动组系数为1，其他组别均为0，则是要比较久坐组和“低”体力活动组的CWWS得分差异，看二者的平均CWWS得分差值是否为0（用“低”体力活动组得分减去久坐组得分，即系数为1的组别减去系数为-1的组别，以系数为-1的组别为参照组，系数赋值的正负与研究设计和研究假设有关）。注：自定义比较包括了简单比较（simple contrasts）和复合比较（complex contrasts）。简单比较为只比较自变量某两个组别间的差异，需要建立线性比较函数（linear contr
15、ast，）。它包含一系列系数和每个组别对应的均数，系数取值只能为1，-1，0。我们把要比较的两组的系数分别赋值为1和-1，其他不比较的组别系数赋值为0。/LMATRIX=旨在告诉SPSS我们要做一个自定义假设；group表示将要进行比较的自变量组别；-1 1 0 0表示要进行比较的系数，系数的顺序和SPSS里输入的组别顺序有关：这里从左到右（-1 1 0 0）分别对应着久坐组、“低”、“中”和“高”体力活动组，表示将“低”体力活动组与久坐组进行比较。26ppt课件(5)用/LMATRIX指令增加另外2种比较：/LMATRIX=group-1 1/3 1/3 1/3 /LMATRIX=group
16、-1/2 -1/2 1/2 1/2本例中，/LMATRIX=group-1 1/3 1/3 1/3表示“低”、“中”和“高”体力活动组的组合整体与久坐组CWWS得分差异的比较，/LMATRIX=group-1/2 -1/2 1/2 1/2表示“中”和“高”体力活动组的组合与“低”体力活动组和久坐组组合的比较。注：复合比较为比较自变量超过2个组别的组合间的差异，如比较B组与C、D两组的组合间的差异，或C、D两组间的组合与A、D两组间组合的差异。同样采用线性比较函数的方法，某组合的系数赋值为1或-1除以组合内的组数，但是要保证要比较的组间组合与另一组（组合）的所有系数加起来为0，系数赋值的正负与研
17、究设计和研究假设有关。27ppt课件(6)多重比较的校正接下来，我们需要校正显著性水平（），通常也可以校正每次比较的P值和可信区间，得到调整后P值和联合可信区间（simultaneous confidence intervals）。我们首先采用Bonferroni方法对显著性水平进行校正，公式如下：调整后=调整前 比较的次数本例中我们需要进行3次比较，则调整后=0.053=0.01667。(7)箭头标注处为SPSS软件默认的显著性水平=0.05：/CRITERIA=ALPHA(.05)28ppt课件(8)我们将其改为调整后的显著性水平=0.1667：/CRITERIA=ALPHA(.01667
18、)29ppt课件(9)在菜单栏点击Run All：30ppt课件(1)点击Analyze Compare Means One-Way ANOVA：出现One-Way ANOVA对话框：5.4 单因素方差分析（ONEWAY procedure）自定义组间比较（custom contrasts）31ppt课件(2)把因变量coping_stress送入Dependent List框中，自变量group送入Factor框中：(3)点击Contrasts，出现 One-Way ANOVA:Contrasts对话框：32ppt课件(4)在Coefficients模块中输入第一组比较（如-1 1 0 0）
19、的第一个系数，点击Add：(5)在Coefficients模块中输入第一组比较（如-1 1 0 0）的其他系数，点击Add：33ppt课件(6)点击Next，输入新的自定义比较组，此时下图中红框区域内将变为 Contrast 2 of 2：(7)按照之前的方式输入第二个比较组（如-1 1/3 1/3 1/3）：注：Coefficients模块中无法输入分数，最多只能输入3位小数的数值来代替。因此本例中输入0.333代替1/3，但是由于最后总和不等于1（0.3333=0.999），因此我们将在后面的第（11）（12）步中进行调整。34ppt课件(8)继续点击Next，输入新的自定义比较组，此时下
20、图中红框区域内将变为 Contrast 3 of 3：(9)按照之前的方式输入第三个比较组（如-1/2-1/2 1/2 1/2）：35ppt课件(10)点击Continue，返回One-Way ANOVA对话框。(11)点击Paste，进入IBM SPSS Statistics Syntax Editor窗口：36ppt课件(12)手动增加小数位数，如把小数位数从3位改为10位（0.333改为0.3333333333）：37ppt课件(13)在菜单栏中点击Run All：38ppt课件6、结果解释、结果解释SPSS会给出自变量每个组别的基本情况统计表，以便对数据有个初步的了解：6.1 基本描述
21、 各列变量含义对应如下：基本情况统计表中每一行均代表着group（自变量）不同组别的coping_stress（因变量）统计结果。可以由此判断：1）哪两组间例数（N）相同；2）哪些组的平均得分（Mean）较高或较低；3）是否每组的变异情况相同（Std.Deviation）。39ppt课件本例中，各组的样本量不相等（范围7-9），并且随着体力活动水平的增加（即自变量group），应对职场压力的能力有上升趋势（CWWS得分，即因变量coping_stress）。例如从“久坐组”到“高”体力活动组，平均得分从4.1513增加为7.5054，但是各组标准差明显不同（范围0.77137-1.69131）
22、。不同体力活动组别的CWWS得分见右图：40ppt课件单因素方差分析假设不同组别的因变量变异相等。如果不相等，则会增加犯I型错误的概率。使用Levenes方差齐性检验来检验方差齐的假设，检验结果见如下Test of Homogeneity of Variances表格：6.2 方差齐性检验结果Sig.一列数值代表了检验的P值。如果Levenes检验的差异具有统计学意义（P0.05），则不能拒绝方差齐的假设。本例中，P=0.120，表示各组方差相等。41ppt课件在满足方差齐性假设的前提下，单因素方差分析结果如下：6.3 满足方差齐性假设的结果如果单因素方差分析显示差异具有统计学意义（P0.05
23、，则表示各组间均数差异无统计学意义。本例中，P值显示为0.000，不代表P值实际为0，而是表示P0.001。本例各组间（group）的得分（coping_stress）均数差异具有统计学意义。即在不同水平的体力活动组间，应对职场压力的能力（CWWS得分）差异具有统计学意义，F(3,27)=8.316,P0.05，表示两组间差异无统计学意义（即两组间均数差值等于0）。两组间均数差值的95%可信区间为-0.20583.6610，该区间范围包括0，等同于P0.05，差异无统计学意义。47ppt课件我们再来解读一下标黄的“高”体力活动组和久坐组比较结果：可以看出，“高”体力活动组的CWWS平均分比久坐
24、组高3.35409分，P=0.001。我们可以报告：“高”体力活动组的平均CWWS得分(7.51.2)比久坐组(4.20.8)高3.4(95%CI：1.35.4)，差异具有统计学意义(P=0.001)。48ppt课件目前许多杂志要求除了列出上述结果，还要报告效应量。因此，本例的2计算结果如下：公式里的各指标见ANOVA表格：计算单因素方差分析的效应量有很多方法，比较推荐的是计算2，公式如下：49ppt课件结果显示，偏2=0.480。偏2表示控制了其他自变量后，因变量被某一自变量解释的百分比（单因素方差分析时，即自变量对因变量的解释程度），代表样本的效应量；与偏2相比，2还考虑了抽样误差，可以提
25、供相对准确的总体效应量的估计。同样地，我们也可以报告偏2，在Tests of Between-Subjects Effects表格中group一行，列名为Partial Eta Squared（已标黄）：50ppt课件当方差不齐时，必须使用校正的单因素方差分析。本例采用Welch方差分析，结果见Robust Tests of Equality of Means表格：6.5 不满足方差齐性假设的结果可以报告：不同水平的体力活动组间，应对职场压力的能力（CWWS得分）差异具有统计学意义，Welch F(3,14.574)=14.821,P0.0005。当差异无统计学意义时，我们也可以报告：不同水平
26、的体力活动组间，应对职场压力的能力（CWWS得分）差异无统计学意义，Welch F(3,12.325)=1.316,P=0.523。51ppt课件结果叙述里的指标与Robust Tests of Equality of Means表格对应如下：每部分的含义如下：52ppt课件当方差不齐，而且关心所有组间的两两比较时，推荐采用Games-Howell检验。Games-Howell检验不仅提供了每两个组间比较的P值，也给出了均数差值的可信区间。本例结果见如下Multiple Comparisons表格：6.6 Games-Howell检验Games-Howell检验的结果解释与Tukey检验相同，
27、这里不再赘述。大家可以参阅第4部分Tukey检验结果的解读。53ppt课件当我们在GLM程序中的syntax编辑器输入了自定义比较的组别后，我们会得到如下Contrast Results(K Matrix)表格。此表为久坐组和“低”体力活动组比较的结果，与我们当时输入的比较顺序对应一致。6.7 当方差齐时，自定义组间比较的结果54ppt课件首先，我们来看Contrast Estimate、Lower Bound和Upper Bound这三行的结果。Contrast Estimate一行结果为1.728，这是所比较的2组间的均数差值，见下图：均数差值的95%（联合）CI为-0.0763.531。
28、但是，我们注意到最后一行写的是98.333%CI for difference，和我们表述的95%CI略有差异。这是因为为了使三次比较的总体CI达到95%，每次比较的CI实际会高于95%。同时，由于之前为了计算联合CI调整了显著水平，并没有调整P值，因此Sig.=0.021为未调整的P值（调整后P值=报告P值比较次数，本例为0.0213=0.063）。如果调整后P值0.05，两组差异无统计学意义。55ppt课件第二组比较为久坐组与非久坐组（“低”、“中”、“高”体力活动组的组合）均数的比较（/LMATRIX=group-1 1/3 1/3 1/3），即复合比较的第一组，见下图：相应结果见如下C
29、ontrast Results(K Matrix)表格：Contrast Estimate一行结果为2.684，计算方法为2.684=(5.879+7.123+7.505)/3-4.151。其他结果解释和P值的调整方法与第一组相同。本次比较调整后P值=0.0004，差异具有统计学意义。56ppt课件第三组比较为2个高水平体力活动组（“中”、“高”体力活动组的组合）与2个低体力活动组（久坐组、“低”体力活动组的组合）均数的比较（/LMATRIX=group-1/2 -1/2 1/2 1/2），即复合比较的第二组，Contrast Results(K Matrix)表格结果见下图：Contrast
30、 Estimate一行结果为2.299，计算方法为2.299=(7.123+7.505)/2-(5.879+4.151)/2=7.314-5.015。其他结果解释和P值的调整方法与之前相同。本次比较调整后P值=0.0003，差异具有统计学意义。注：另一种校正多重比较的方法是将未调整的P值与调整后的显著性水平进行比较。本例要进行3次比较，故调整后=0.05/3=0.01667。如果未调整P值0.01667，则差异具有统计学意义。57ppt课件当方差不齐时，我们在SPSS软件中使用ONEWAY ANOVA程序来进行自定义组间比较。首先，我们看Contrast Coefficients表格：6.8
31、当方差不齐时，自定义组间比较的结果该表格列出了我们之前输入的每个自定义比较组的各组别系数。Contrast Tests表格分为2部分：Assume equal variances（方差齐）和Does not assume equal variances（方差不齐）。我们来看方差不齐的结果，第一组比较（久坐组和“低”体力活动组）的结果，见下图标黄的第“1”行：58ppt课件Contrast Tests表格分为2部分：Assume equal variances（方差齐）和Does not assume equal variances（方差不齐）。我们来看方差不齐的结果，第一组比较（久坐组和“低”
32、体力活动组）的结果，见下图标黄的第“1”行：Value of Contrast一列结果为1.728，这是所比较的2组间的均数差值，见左图：两组均数差值的标准误（Std.Error）为0.635，P（Sig.(2-tailed)）=0.019。单独看这组自定义的比较（不考虑其他两组自定义的比较），如果P0.05，两组差异无统计学意义。59ppt课件第二组比较为久坐组与非久坐组（“低”、“中”、“高”体力活动组的组合）均数的比较，即复合比较的第一组，结果见下图标黄的第“2”行：Value of Contrast一列结果为2.684，这是所比较的2组间的均数差值，其标准误（Std.Error）为0.
33、423，P（Sig.(2-tailed)）0.0005。60ppt课件第三组比较为2个高水平体力活动组（“中”、“高”体力活动组的组合）与2个低体力活动组（久坐组、“低”体力活动组的组合）均数的比较，即复合比较的第二组，结果见下图标黄的第“3”行：Value of Contrast一列结果为2.299，这是所比较的2组间的均数差值，其标准误（Std.Error）为0.483，P（Sig.(2-tailed)）0.0005。如果要同时进行多重自定义比较，我们需要采用Bonferroni方法对显著性水平进行调整。本例要进行3次比较，故调整后=0.05/3=0.01667。如果未调整P值0.0166
34、7，组间差异无统计学意义。本例第一组自定义比较的P=0.019，如果与校正后的=0.01667比较，则久坐组和“低”体力活动组的差异不再具有统计学意义。61ppt课件7、结、结论论 采用单因素方差分析方法，判断不同水平体力活动组间的应对职场压力的能力（CWWS得分）是否有差异。受试者被分为4组：久坐组（7人）、“低”体力活动组（9人）、“中”体力活动组（8人）、“高”体力活动组（7人）。经箱线图判断，数据无异常值；经Shapiro-Wilk检验，各组数据服从正态分布（P0.05）；经Levenes方差齐性检验，各组数据方差齐（P=0.120）。数据以均数标准差的形式表示。CWWS得分按照从久坐
35、组(4.20.8)、“低”体力活动组(5.91.7)、“中”体力活动组(7.11.6)、“高”体力活动组(7.51.2)的顺序增加，但是不同体力活动组间的CWWS得分差异无统计学意义，F(3,27)=1.116,P=0.523。7.1 当方差齐，方差分析显示组间差异无统计学意义时62ppt课件 采用Welch方差分析方法，判断不同水平体力活动组间的应对职场压力的能力（CWWS得分）是否有差异。受试者被分为4组：久坐组（7人）、“低”体力活动组（9人）、“中”体力活动组（8人）、“高”体力活动组（7人）。经箱线图判断，数据无异常值；经Shapiro-Wilk检验，各组数据服从正态分布（P0.05
36、）；经Levenes方差齐性检验，各组数据方差不齐（P=0.002）。数据以均数标准差的形式表示。CWWS得分按照从久坐组(4.20.8)、“低”体力活动组(5.91.7)、“中”体力活动组(7.11.6)、“高”体力活动组(7.51.2)的顺序增加，但是不同体力活动组间的CWWS得分差异无统计学意义，Welch F(3,12.325)=1.316,P=0.523。7.2 当方差不齐，方差分析显示组间差异无统计学意义时63ppt课件 采用单因素方差分析方法，判断不同水平体力活动组间的应对职场压力的能力（CWWS得分）是否有差异。受试者被分为4组：久坐组（7人）、“低”体力活动组（9人）、“中”
37、体力活动组（8人）、“高”体力活动组（7人）。经箱线图判断，数据无异常值；经Shapiro-Wilk检验，各组数据服从正态分布（P0.05）；经Levenes方差齐性检验，各组数据方差齐（P=0.120）。数据以均数标准差的形式表示。不同体力活动组间的CWWS得分差异具有统计学意义，F(3,27)=8.316,P0.05）；经Levenes方差齐性检验，各组数据方差不齐（P=0.003）。不同体力活动组间的CWWS得分差异具有统计学意义，F(3，14.574)=14.821，P0.0005。CWWS得分按照从久坐组(4.20.8)、“低”体力活动组(5.91.7)、“中”体力活动组(7.11.
38、6)、“高”体力活动组(7.51.2)的顺序增加。Games-Howell检验结果表明，从久坐组到“中”体力活动组，CWWS平均得分增加2.97（95%CI：1.074.88），差异具有统计学意义（P=0.003）；从久坐组到“高”体力活动组，CWWS平均得分增加3.35（95%CI：1.665.05），差异具有统计学意义（P=0.001）。7.4 当方差不齐，方差分析显示组间差异有统计学意义，并进行了两两比较时65ppt课件 各组间均数差异有统计学意义（P0.05）。因此，不能拒绝无效假设，不能接受备择假设。7.6 从无效假设和备择假设的角度出发，当单因素方差分析或Welch方差分析显示组间
39、差异无统计学意义时66ppt课件8 绘制图表绘制图表(1)在菜单栏中，点击Graphs Chart Builder.：8.1 在SPSS软件中生成柱状图出现如右图所示Chart Builder对话框：67ppt课件(2)在Chart Builder对话框的左下角，Choose from:模块中选择“Bar”：68ppt课件(3)在Chart Builder对话框的中下部，出现8个不同的柱状图选项，把左上角的第一个（Simple Bar）拖进上面的主要图表预览窗口，并点击Element Properties：69ppt课件(4)出现下图，图表预览窗口的柱状图横纵轴分别显示“X-Axis?”和“Y
40、-Axis?”：70ppt课件(5)从Variables:模块中把自变量group拖进“X-Axis?”，把因变量coping_stress拖进“Y-Axis?”：71ppt课件(6)在Element Properties对话框中勾选Display error bars，激活Error Bars Represent 模块，勾选Confidence intervals，Level(%):设定为95，当然也可以根据需要勾选Standard error或者Standard deviation，如右图所示。(7)点击Apply，进行确认。(8)如果想改变自变量分组的顺序，在Edit Propertie
41、s of:模块中点击X-Axis1(Bar1)进行设置。(9)如果想改变因变量的范围或刻度，在Edit Properties of:模块中点击Y-Axis1(Bar1)进行设置。(10)在Chart Builder对话框中点击OK。72ppt课件按照上述操作步骤，生成简单柱状图如下：8.2 简单柱状图结果图中每个柱子的高度表示各组均值的大小，error bar表示均值的95%CI。SPSS软件会自动生成灰色背景、米黄色柱子的柱状图，但是这种样式的图对于学术文章的发表可能不太适用。73ppt课件我们可以使用SPSS软件的图形编辑工具，得到如下更适用于学术研究的柱状图：74ppt课件Thanks75ppt课件
