IBM SPSS Statistics 中文网站 > 使用技巧 > 实践SPSS单因素方差分析之检验结果解读

实践SPSS单因素方差分析之检验结果解读

发布时间:2021/01/11 11:50:26

《实践SPSS单因素方差分析之变量与检验方法设置》一文中,我们已经详细地演示了IBM SPSS Statistics单因素方差分析方法的变量选择以及相关的选项、对比设置。

本文,将会重点讲解单因素方差分析方法的事后多重比较及其检验结果的解读。我们使用的数据是4组初中生身高样本数据,检验的是4组初中生身高样本数据均值是否有差异。

图1:示例数据

一、事后多重比较

如图2所示,在事后多重比较中,包含了假定等方差与不假定等方差的情况。由于未进行方差齐性检验,需将两种情况的检验方法都勾选上。那么该勾选哪些检验方法呢?

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。

而在不假定等方差情况下,常用的是塔姆黑尼法。


图2:事后多重比较

二、检验结果解读

完成以上设置后,运行检验。

如图3所示,从描述数据看到,初中生组4的身高均值稍大于其他三组。

图3:描述数据

接着,再看到ANOVA的检验结果,其组间的显著性数值为0.003<0.05,说明检验结果显著,拒绝原假设,也就是说不同初中生组的身高样本均值有差异。

那么,身高均值的差异出现在哪些组别?我们需要进一步查看事后多重比较的结果。

图4:组间差异显著

由于多重分析结果包含了方差齐性与方差非齐性的结果,我们需要先查看方差齐性的检验结果。如图5所示,可以看到方差齐性的结果显著,拒绝原假设,也就是说身高数据不服从方差齐性的假设。

图5:检验方差齐性

因此,在事后多重比较结果中,我们需查看方差非齐性的塔姆黑尼检验结果。如图6所示,可以看到,初中生组4与其他三组的身高均值数据都有显著性差异。

图6:多重比较

从平均值图也可以看到,初中组4的平均值明显高于其他三组。

图7:平均值图

三、小结

综上所述,IBM SPSS Statistics的单因素方差分析,不仅可用于检验总体数据组是否存在差异,还可以运用事后多重比较来检验不同数据组之间的差异,是一种先验对比和事后检验相结合的检验方法。

作者:泽洋

标签:SPSS数据分析软件

读者也访问过这里:
SPSS Statistics
一款功能强大的数据统计分析工具
立即购买
QQ 群
官方交流群:815794396 立即加群
400-8765-888 kefu@makeding.com
热门文章
SPSS数据分析显著性差异分析步骤 SPSS显著性差异分析结果怎么看
数据的显著性差异分析主要有三种方法,分别是卡方检验、T检验和方差分析。这三种方法都有具体的数据要求:卡方检验是对多个类别的数据进行分析,T检验是对两组数据进行分析,方差分析是对多组数据进行检验。下面,小编具体说明一下SPSS数据分析显著性差异分析步骤,SPSS显著性差异分析结果怎么看。
2022-01-07
实践SPSS单因素方差分析之检验结果解读
在《实践SPSS单因素方差分析之变量与检验方法设置》一文中,我们已经详细地演示了IBM SPSS Statistics单因素方差分析方法的变量选择以及相关的选项、对比设置。
2021-01-11
SPSS相关性分析结果怎么看
相关性分析是对变量或个案之间相关度的测量,在SPSS中可以选择三种方法来进行相关性分析:双变量、偏相关和距离。
2021-04-23
SPSS多元logistic回归分析的使用技巧
回归分析是数据处理中较为常用的一类方法,它可以找出数据变量之间的未知关系,得到较为符合变量关系的数学表达式,以帮助用户完成数据分析。
2021-04-26
spss多元线性回归分析操作步骤,spss多元线性回归分析结果解读
spss多元线性回归分析操作步骤,本文会以客流量、销售量与销售额的线性关系演示spss的多元线性回归分析操作步骤,并进行spss多元线性回归分析结果解读。
2022-05-07
SPSS线性回归如何预测 SPSS怎么得到预测值
SPSS线性回归预测的主要步骤是通过线性回归分析构建模型,得出线性回归方程,然后对整体效果进行F检验和T检验,证实回归方程的正确性。最后,给定一个自变量值,进行点预测和区间预测。下面,小编具体来介绍一下SPSS线性回归如何预测,SPSS怎么得到预测值的方法。
2022-01-10

咨询热线

在线咨询

限时折扣