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
展开阅读全文
︾
微信公众号
读者也喜欢这些内容:
SPSS数据类型有哪几种 SPSS数据类型怎么批量改
统计结果不准确,可能是因为数据类型没选对。作为一款强大的统计分析软件,SPSS支持多种数据类型,可以满足各种数据分析场景。熟练掌握SPSS数据类型的更改方法,可以有效提高数据分析的效率和准确率。有关SPSS数据类型有哪几种,SPSS数据类型怎么批量改的问题,本文将进行详细介绍。...
阅读全文 >
SPSS变量重新编码有几种类型 SPSS如何重新编码变量
在使用SPSS处理、分析数据的过程中,有时会涉及到对SPSS里面的变量进行重新编码。重新编码和编码不同,在遇到下列问题时则需要重新编码:①想要将数据从一种形式转换为另一种形式,例如,将字符串变量转换为数值变量②将连续的数据转换为分类数据,如将年龄的定量数据分组为青年、中年、老年组③修正数据输入错误,如将错误的代码更正为正确的代码,或者处理缺失值和异常值等。本文会告诉并教会大家SPSS变量重新编码有几种类型,SPSS如何重新编码变量。...
阅读全文 >
SPSS三因素方差分析举例 SPSS三因素方差分析步骤
SPSS三因素方差分析举例,三因素方差分析是一种多因素方差分析,常用于分析多个自变量对因变量产生的影响,当包含三个自变量时,即为三因素方差分析,本文会举例说明,同时会演示SPSS三因素方差分析步骤。...
阅读全文 >
SPSS因子分析结果怎么看 SPSS因子分析kmo检验不出现
工作和学习中,经常会遇到数据分析的情况。面对繁多的数据,IBMSPSSStatistics这款软件能给我们提供很多帮助。本篇文章小编就给大家解答一下,SPSS因子分析结果怎么看,以及SPSS因子分析kmo检验不出现的问题。...
阅读全文 >