GLM 单变量分析

“GLM 单变量”过程通过一个或多个因子和/或变量，为一个因变量提供回归分析和方差分析。因子变量将总体划分成组。通过使用此“一般线性模型”过程，您可以检验关于其他变量对单个因变量的各个分组的均值的效应的原假设。您可以调查因子之间的交互以及个别因子的效应，它们之中有些可能是随机的。另外，还可以包含协变量的效应以及协变量与因子的交互。对于回归分析，自变量（预测变量）指定为协变量。

平衡与非平衡模型均可进行检验。如果模型中的每个单元包含相同的个案数，则设计是平衡的。除了检验假设，“GLM 单变量”还生成参数估计值。

常用的先验对比可用于执行假设检验。另外，在整体的 F 检验已显示显著性之后，可以使用两两比较检验评估指定均值之间的差值。估计边际均值为模型中的单元格给出了预测均值的估计值，且这些均值的轮廓图（交互图）允许您容易地对其中一些关系进行可视化。

残差、预测值、Cook 距离以及杠杆值可以另存为数据文件中检查假设的新变量。

WLS 权重允许您指定用来为加权最小二乘 (WLS) 分析赋予观察值不同权重的变量，这样也许可以补偿不同的测量精度。

示例。数年来一直收集芝加哥马拉松赛中各个选手的数据。每名选手到达终点的时间是因变量。其他因子包括天气（冷、舒适或热）、训练月数、以前参加马拉松赛的次数以及性别。年龄被视为协变量。您可能会发现性别是一个显著作用，性别与天气的交互也是显著的。

方法。类型 I、类型 II、类型 III 和类型 IV 的平方和可用来评估不同的假设。类型 III 是缺省值。

统计量。两两比较范围检验和多重比较：最小显著性差异、Bonferroni、Sidak、Scheffé、Ryan-Einot-Gabriel-Welsch 多重 F、Ryan-Einot-Gabriel-Welsch 多范围、Student-Newman-Keuls、Tukey's 真实显著性差异、Tukey 的 b、Duncan、Hochberg's GT2、Gabriel、Waller-Duncan t 检验、Dunnett（单侧和双侧）、Tamhane's T2、Dunnett's T3、Games-Howell 和 Dunnett's C。描述统计：所有单元格中的所有因变量的观察均值、标准差和计数。Levene 的方差齐性检验。

图。分布-水平图、残差图以及轮廓图（交互）。

GLM 单变量数据注意事项
数据。因变量是定量变量。因子是分类变量。它们可以具有数字值或最多 8 个字符的字符串值。协变量是与因变量相关的定量变量。

假设。数据是来自正态总体的随机样本，在总体中，所有单元格方差相同。尽管数据应对称，但方差分析对于偏离正态性是稳健的。要检查假设，您可以使用方差齐性检验和分布-水平图。您还可以检查残差和残差图。

获取 GLM 单变量表
◇ 从菜单中选择：

　分析
　　一般线性模型
　　　单变量...

◇ 选择一个因变量。

◇ 为“固定因子”、“随机因子”和“协变量”选择变量（如果适用于您的数据）。

◇ 可选地，您还可以使用“WLS 权重”为加权最小二乘分析指定权重变量。如果加权变量的值为 0、负数或缺失，则将该个案从分析中排除。已用在模型中的变量不能用作加权变量。