在《应用SPSS多因素方差分析，探索因变量的影响因素（变量选择篇）》一文中，我们已详细讲解了IBM SPSS Statistics多因素方差分析方法的变量选择以及相关的图选项、估计边际平均值设置。

本文将会重点讲解，多因素方差分析方法的事后多重比较及其检验结果。我们本次检验的是性别、工作年限对工资的影响是否有显著性。

一、选项设置

在进行多方差分析的事后多重比较时，需满足等方差的假定。因此，在进行选项设置时，需将“齐性检验”勾选上。另外，一般情况下，都会勾选“描述统计”，以获取平均值、方差等统计数值。

对于显著性水平，一般保持0.05即可。

二、事后多重比较设置

接着，就可以打开事后多重比较选项，将性别、工作年限添加到事后检验中。

在假定等方差的情况下，常用的是LSD法，也就是最小显著性差异法，其检验敏锐度高，一些细微的差异都能检验出来。SNK检验与LSD检验相似，但检验结果更为保守，比较适用于两两比较。

三、数据解读

完成以上设置，运行检验。

如图4所示，从简单的平均值数值看到，随着工作年限的增加，工资的平均值也在增加，无论是男性还是女性的数据都表现出此规律，但男女性的工资似乎差异不大。

接着，查看主体间效应检验。

修正模型的显著性数值为0.00<0.05，表明主体间效应具有显著性。从性别、工作年限、性别*工作年限的显著性数值看到，性别对工资没有显著性影响，而工作年限对工资有显著性影响，性别与工作年限的协同影响不显著。

而从性别与工作年限的轮廓图看到，其线条呈现平行关系，表明性别与工作年限无交互关系。

方差齐性检验，用于检验事后多重比较结果的有效性。在使用LSD（最小显著性差异法）检验时，需确保数据满足方差齐性的假设。

基于平均值的显著性数值为0.088>0.05，检验结果不显著，不能拒绝原假设，也就是检验各组中的方差相等。

在方差齐性的前提下，查看LSD多重比较数据。

从显著性数值（均小于0.05）看到，工作年限3-4年与工作年限1-2的工资有显著性差异。

图8：多重比较

三、小结

综上所述，IBM SPSS Statistics的多因素方差分析，可用于检验多因素对因变量的影响是否有显著性，另外，还可以用于检验因素间的交互作用，并运用事后多重比较来检验因素各组中的差异。

作者：泽洋