SPSS 命令: SPSS BAYES ANOVA

在浏览器中做贝叶斯单因素方差分析

贝叶斯单因素方差分析将“各组平均值不同”的模型与仅含截距的模型相比较,并报告二者之间的贝叶斯因子。

免费 · 无需注册 · 文件留在本机 · 更新于 2026年10月18日

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

  1. 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”。

  2. 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”。

  3. 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)。

  4. 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)”。

  5. 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。

用示例数据试一试

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。

ANOVA:yield
源平方和df均方F显著性
组间115.99257.996.710.004
组内233.35278.64
总计349.3329
贝叶斯因子
NR²BF10BF01
300.3326.3970.156

JZS 方法(Zellner–Siow 柯西先验),模型与仅含截距的模型进行比较。

组平均值的后验分布特征
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
A30.0730.070.93328.1631.98
B33.1833.180.93331.2735.09
C34.8134.810.93332.9036.72

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。

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。

打开分析工作区

SPSS 是 IBM Corp. 的商标。Crosstabs 与 IBM 无关联,也未获得 IBM 认可。