
发布时间:2021/01/18 11:59:33
多元方差分析研究的是多个自变量与多个因变量的相互关系,也被称为多变量分析。在《怎么使用SPSS的多元方差分析法》一文中,我们已经详细学习了IBM SPSS Statistics多元方差分析的设置方法。
本文将会重点介绍如何解读多元方差分析的检验结果。由于多元方差分析中涉及到多个自变量与因变量,因此其检验结果会包括自变量与因变量的主效应检验、自变量间的交互效应,以及自变量的事后多重比较。接下来,我们一起来解读下这复杂的关系。
一、描述统计
首先,从描述统计结果看到,无论是工资的平均值,还是福利的平均值,均随着工作年限的提高而提升,但是否存在着显著性差异,还要看多变量检验的显著性。
二、多变量检验
如图3所示,数据中的多变量检验包含了截距(一般无实际意义,可在模型设置中设置不显示)、性别、工作年限、性别*工作年限的检验。其中工作年限对因变量有显著性影响,而性别与性别*工作年限对因变量无显著性影响。
三、主体间效应检验
接下来,我们要使用主体间效应检验,来检验不同自变量对不同因变量的影响显著性。
从多变量检验结果得知,工作年限对因变量有显著性影响,而从如图4所示的主体间效应检验结果得知,工作年限对工资、福利均有显著性影响。另外,性别与性别*工作年限的主体间效应检验进一步说明其对工资、福利无显著性影响。
四、轮廓图
接着,进一步查看性别与工作年限间的交互关系。如果轮廓图中的线条是平行的话,说明因子间无交互关系,可单独分析因子对因变量的影响;如果轮廓图的线条有交叉的话,说明因子间存在交互关系,需要看两个因子的对因变量的协同作用。
从图5的工资轮廓图看到,性别与工作年限之间无明显的交互关系,可单独分析性别对因变量或工作年限对因变量的影响。
同样地,在福利的轮廓图中也观察到性别与工作年限无交互关系。
五、事后多重比较
在效应检验中,我们知道工作年限对工资、福利都有显著影响,那么不同工作年限的工资、福利是否有显著差异?对于这个问题,可以查看事后多重比较结果。
在这之前,需要先检验数据的方差齐性,满足方差齐性的前提下,才可以采用方差齐性的事后多重比较结果。如图7所示,工资与福利的方差齐性显著性数值均大于0.05,说明数据符合方差齐性。
基于方差齐性的结果,可以看到,不同工作年限的工资、福利均有显著性差异。比如1年工作年限的工资、福利均显著性低于2、3、4年工作年限的,而2年工作年限的工资、福利均显著性低于3、4年工作年限的,以此类推。
三、小结
综上所述,IBM SPSS Statistics的多元方差分析,可检验多个自变量与多个因变量的相关关系,不仅可以检验单个自变量对因变量的影响,也可以研究多个自变量对因变量的协同效应,是一个比较复杂的检验方法。
作者:泽洋
读者也喜欢这些内容:
SPSS多因素相关性分析结果解读
多因素相关性分析可以帮助用户了解多因素以及因素协同对最终结果的影响程度,从而优化条件,达到更高的经济效益。利用专业的统计学软件SPSS,用户可以方便,快速的完成多因素相关性分析,下面以分析某化学反应中3个温度水平,5个压力水平反应的进行程度为例,向大家介绍SPSS多因素相关性分析的步骤以及结果解读。...
阅读全文 >
spss中t值和p值是什么意思 spss中t值和p值的关系
在统计分析过程中,常常会遇到这样的情况:检验两个相关的样本是否来自具有相同均值的总体,就会用到t检验。t检验(Student's t test),主要用于样本含量较小(例如n < 30),总体标准差σ未知的正态分布, t检验是用t分布理论来推论差异发生的概率,从而比较两个平均数的差异是否显著。利用IBM SPSS Statistics统计分析软件进行t检验可以避免繁杂的统计学计算,快速给出结果,供用户分析。SPSS中t值和p值是什么意思,SPSS中t值和p值的关系是什么,本文结合实例,向大家做简单的介绍。...
阅读全文 >
spss缺失值处理方法 spss缺失值怎么设置
我们在使用SPSS处理数据时,会遇到中间的数值缺失的状况,处理数据的首要前提便是需要确保我们输入数据的准确。因此,就需要对缺失的数值进行找回,那么下面就来给大家介绍SPSS缺失值处理方法,SPSS缺失值怎么设置。...
阅读全文 >
spss相关性分析有哪些方法 spss相关性分析的基本步骤
通过统计学的,定量的指标来描述变量之间的关系,这种过程即为相关分析,根据变量类型的不同,可以选择不同的指标来描述变量间的相关关系,鉴于统计分析巨大的计算量,我们一般通过专业的统计分析软件如IBM SPSS Statistics来完成分析。关于SPSS相关性分析有哪些方法,SPSS相关性分析的基本步骤是怎样的问题,本文结合实例,向大家做简单的介绍。...
阅读全文 >