发布时间:2021-01-13 10: 51: 54
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
展开阅读全文
︾
读者也喜欢这些内容:
spss均值怎么求 spss均值结果解释
平均值反映了一组数据的集中趋势,在经济社会各个领域都有非常广泛的应用。可以采用很多种方法求解平均值,如带有统计功能的计算器,Excel,SPSS等。关于SPSS均值怎么求,SPSS均值结果解释是什么,本文借助实例,向大家作简单的介绍。...
阅读全文 >
spss方差齐性检验如何操作 spss方差齐性检验怎么看方差齐不齐
方差的大小代表了数据分布的离散程度,方差大,数据分布越分散,方差小,数据分布越集中。组间数据分布离散程度差别较大时,是不能进行比较的,此时不能确定两组数据的差异来源于组间还是组内,因此方差齐性检验是进行组间数据比较的基础。关于SPSS方差齐性检验如何操作,SPSS方差齐性检验怎么看方差齐不齐,本文借助实例,向大家作简单介绍。...
阅读全文 >
spss计算平均值和标准差 spss计算平均值的置信区间
平均值和标准差反应了数据的集中趋势和分布特点。对于符合正态分布的少量数据(小于20),在一定的置信水平下,还可以通过t分布,了解总体平均值的分布区间。通过SPSS计算变量功能,可以完成数据平均值和标准差的计算,进而计算总体平均值的置信区间。如何使用SPSS计算平均值和标准差,SPSS计算平均值的置信区间如何操作,本文结合实例,向大家作简单介绍。...
阅读全文 >
spss卡方检验结果怎么看 spss卡方检验结果解读
卡方检验是由皮尔逊提出的一种统计检验方法。在一定的置信水平下,通过比较卡方统计量和卡方分布函数概率值,判断实际概率和期望概率是否一致,根据实际概率和期望概率的符合程度,了解两组定类变量的相关性。利用SPSS可以迅速的完成卡方检验,避免进行大量的数学计算。关于SPSS卡方检验结果怎么看,SPSS卡方检验结果如何解读,本文结合实例,向大家作简单的介绍。...
阅读全文 >