往期已经介绍过方差分析的相关内容。相信大家已经掌握了方差分析，但是这是远远不够的。因为，方差分析中我们关注的仅仅是：识别组间均值的差异。 为什么说是远远不够的！ 例如：在研究不同剂量阿司匹林预防中风的效果中，研究对象分为5个剂量组，分别每日服用1片、2片、3片、4片、5片的阿司匹林，每片为81mg，预防中风的效果是某项定量指标。 在这样的研究中，我们不会只关注4片的效果是否要优于2片，而是要关注预防中风的效果是否会随着阿司匹林服用剂量的增加而增加，找出最佳的服用剂量才是研究的真正目的。 换言之，当作为分组依据的变量具有一定的定量性质时，我们关注的是效果的趋势，而不是组间效果均值的差异。 效果的趋势？趋势到底有几种形式？ 下面图例并茂展示一下常见的三种形式：线性趋势(linear trend)、二次趋势（quadratic trend）、两者的结合（linear plus quadratic trend）。 1 线性趋势(linear trend) 案例解读： 在阿司匹林的案例中，预防中风的效果随剂量的趋势存在一种可能： 预防中风的效果随剂量的增加而线性增加或降低。这种趋势为线性趋势，如上图。 2 二次趋势（quadratic trend） 3 linear plus quadratic trend 案例解读： 在阿司匹林的案例中，预防中风的效果随剂量的趋势存在另一种可能： 预防中风的效果随着剂量增加而增大，但当剂量到一定水平后，效果随着剂量的增加反而减小，此种趋势为二次趋势，或为线性与二次趋势的结合，如图b、c。 意义 寻找效果随剂量增加的可能趋势，可以为最终确定适宜剂量起到很大的作用。 趋势分析的SPSS操作 案例： 为了研究饮酒量与情绪暴躁的关系，将研究对象分为5组，分别每天饮用不同量的酒（0个单位，2个单位，4个单位，6个单位，8个单位），一个月后测量反映情绪暴躁程度的某项定量指标。 首先，可以先做一个单因素方差分析，结果如下： 由上表，可以看出不同饮酒量组间的情绪暴躁存在统计学差异。 但这是远远不够的，这里想进一步了解情绪暴躁随饮酒量的变化趋势。 那么接下来进行趋势分析。趋势分析中非常重要的第一步：画均值图。根据均值图可以大致判断趋势的类型，为进一步的分析提供思路。 SPSS操作如下:
根据上面的均值图可以看出，随着饮酒量的增加，情绪暴躁水平先降低后升高。这种情况与二次趋势，或线性趋势与二次趋势结合的特征一致。
因此，接下来可以对二次趋势进行检验。
在SPSS中有两种方法实现趋势分析：
1、compare means→one-way ANOVA→polynomial contrasts。
2、General Linear Model→Univariate procedure→polynomial contrasts。
方法1、one-way ANOVA
通过上表，可以看出：线性趋势不存在统计学意义，而二次趋势存在统计学意义，与均值图相符。
方法2、Univariate procedure
结果中输出了linear、quadratic、cubic、oder 4四种趋势的检验结果，与法1一致。
注意：不要忽视最下方的注释，这个注释有大含义。它表示在Univariate procedure下进行趋势分析时，不论你的分组变量是否等距，都会被转化成1、2、3、4、5、6等，也就是不等距也当成等距的情况来计算，而在第一种方法（one-way anova）中就不会这样。
所以，在分组变量等距时，SPSS中的两种实现方法（one-way anova、Univariate procedure）结果一致。
在分组变量不等距时，在SPSS中只能用one-way anova这种操作来实现趋势分析。这点很重要哦！大家可以亲自动手试试，不等距情况下，两种方法的结果是不同的。已亲测！
联系客服
