能告诉你什么
Crosstabs 在你的设备上运行与 SPSS BAYES ANOVA 对应的过程,提供四种 g 先验贝叶斯因子、经典方差分析表,以及每个组平均值和误差方差的后验分布。
- 因子是否解释了结果变量:BF10 将分组模型与仅含截距的模型相比较。
- 通过 BF01 给出所有组共享同一平均值的证据——在 F 检验不显著而难以判断时尤为有用。
- 每个组平均值以及误差方差的后验平均值和可信区间。
- R² 与经典 F 检验,便于同时报告贝叶斯与频率学派的结果。
适用场景
适合使用
- 一个连续结果变量在三个及以上独立组之间比较,例如不同肥料的产量或不同教学方法的成绩。
- 需要论证各组之间没有差异,例如各地区样本的等价性。
- 希望获得可按概率解读的各组平均值区间估计。
改用其他方法
- 只有两组:贝叶斯独立样本可直接给出差值的后验。
- 多个因子或协变量:使用带因子的贝叶斯线性回归或 GLM 单变量。
- 同一批对象的重复测量:使用贝叶斯重复测量方差分析。
在 Crosstabs 中如何操作
- 01
打开数据
打开文件,切换到“统计”模式,在“贝叶斯统计”组中选择“贝叶斯单因素方差分析”。
- 02
设置因变量与因子
选择一个数值型“因变量(标度)”,以及一个有 2 到 50 个类别的“因子”。
- 03
选择贝叶斯因子
在“贝叶斯因子”中选择“JZS(Zellner–Siow)”、“Zellner(固定 g,留空则 g = N)”、“超 g”(a,默认 3)或“Rouder(尺度 s)”(默认 1)。
- 04
选择后验的先验
保留“参考先验,p(θ, σ²) ∝ 1/σ²”,或选择“共轭正态–逆伽马”并设置“形状 a0”“尺度 b0”“先验平均值”和“先验方差(× σ²)”。
- 05
运行
设置“可信区间(%)”,声明工作区权重(如有),然后点击“运行贝叶斯单因素 ANOVA”。任一变量缺失的个案按列表删除。
计算示例
以下结果由 Crosstabs 引擎在构建本页时根据模拟数据实际计算得出,并非手工填写。
数据
30 块模拟试验田,三种肥料配方(A、B、C)各 10 块;因变量为每块田的产量(千克),由固定随机种子从方差相同的正态分布生成。
| 源 | 平方和 | df | 均方 | F | 显著性 |
|---|---|---|---|---|---|
| 组间 | 115.99 | 2 | 57.99 | 6.710 | .004 |
| 组内 | 233.35 | 27 | 8.64 | ||
| 总计 | 349.33 | 29 |
| N | R² | BF10 | BF01 |
|---|---|---|---|
| 30 | 0.332 | 6.397 | 0.156 |
JZS 方法(Zellner–Siow 柯西先验),模型与仅含截距的模型进行比较。
| blend | 后验众数 | 后验平均值 | 后验方差 | 95% 可信区间下限 | 95% 可信区间上限 |
|---|---|---|---|---|---|
| A | 30.07 | 30.07 | 0.933 | 28.16 | 31.98 |
| B | 33.18 | 33.18 | 0.933 | 31.27 | 35.09 |
| C | 34.81 | 34.81 | 0.933 | 32.90 | 36.72 |
参考先验 p(θ, σ²) ∝ 1/σ²;等尾可信区间。
结果解读
经典方差分析表给出 F(2, 27) = 6.71,p = .004,R² = 0.332。将配方模型与仅含截距模型相比较的 JZS 贝叶斯因子显示支持备择假设的证据为中等(BF10 = 6.397)。后验表给出每种配方平均产量的 95% 可信区间,从配方 A 的 30.07 千克到配方 C 的 34.81 千克;整体贝叶斯因子本身并不说明具体哪些配方之间存在差异。
输出表格说明
- ANOVA
- 所选因变量的组间与组内平方和、自由度、均方、F 值及显著性。
- 贝叶斯因子
- 分组模型相对仅含截距模型的 N、R²、BF10 和 BF01;脚注注明 g 先验方法及其设置。
- 组平均值的后验分布特征
- 参考先验或共轭先验下每个组平均值的众数、平均值、方差及等尾可信区间。
- 误差方差的后验分布特征
- 误差方差的逆伽马后验,其形状与比率参数见脚注;图形显示各平均值与方差的后验。
前提假设与注意事项
- 观测相互独立,每个个案只属于一个组。
- 残差近似正态且各组方差相同;此处没有 Welch 类选项。
- 贝叶斯因子是整体比较:它不指出哪些组不同,也不输出事后多重比较。
结果如何验证
JZS 与 Rouder(s = 0.5)因子与 mpmath 30 位精度求积的相对误差在 1e-8 以内,与 R 包 BayesFactor 0.9.12.4.8 在 k − 1 个虚拟变量列上的 lmBF 在 1e-8 以内;Zellner 与超 g 因子分别与闭式解在 1e-12 和 1e-8 以内一致。参考先验和共轭先验下,组平均值与误差方差后验与参考值在 1e-10 以内一致(可信区间端点 1e-9)。 验证证据(英文)
常见问题
为什么我的贝叶斯因子与 JASP 或 anovaBF 不同?
SPSS 对整个模型的 k − 1 个系数设置 g 先验,而 BayesFactor 的 anovaBF(JASP 使用)对每个水平设置固定效应先验,尺度也不同。两者都合理,但先验不同,因此数值不同。
应使用哪种 g 先验?
JZS(Zellner–Siow)是稳健的默认选择。Zellner 固定 g 简单但对 g 敏感;超 g 和 Rouder 尺度 s 可调节备择假设预期的效应大小。
如何找出哪些组不同?
比较各组平均值的可信区间,或对关心的两组运行贝叶斯独立样本。如需多重比较校正的两两检验,请使用单因素方差分析的事后比较选项。
可以使用频率权重吗?
可以。已声明且为整数的频率权重按复制个案处理。小数权重和抽样权重会被拒绝。
相关过程
- 单因素方差分析ONEWAY
- 贝叶斯独立样本BAYES INDEPENDENT
- 贝叶斯线性回归BAYES REGRESSION
- 贝叶斯重复测量方差分析BAYES REPEATED
- Kruskal-Wallis 检验NPAR TESTS /K-W
- 免费的 SPSS 替代工具:支持范围
用你自己的数据运行贝叶斯单因素方差分析
打开 .sav、CSV 或 Excel 文件。所有计算都在浏览器中完成,文件不会离开你的设备。
SPSS 是 IBM Corp. 的商标。Crosstabs 与 IBM 无关联,也未获得 IBM 认可。