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简单效应怎么做 SPSS简单效应结果怎么看
简单效应分析是在进行方差分析后,发现各个因素之间有显著的交互作用,想进一步探究某一因素在另一因素不同水平下的效应分析,下面我们就通过SPSS来为大家演示一下SPSS简单效应怎么做,SPSS简单效应结果怎么看的操作流程。...
阅读全文 >
SPSS如何分组分析数据结构 SPSS分组数据怎么求平均数标准差
我们在进行数据探究的过程中,有时会将整组数据拆解开来进行分析,这样更容易发现局部细节和细微变化。今天,我就以“SPSS如何分组分析数据结构,SPSS分组数据怎么求平均数标准差”这两个问题为例,带大家了解一下SPSS数据分组和求均值的相关方法。...
阅读全文 >
SPSS随机分组操作步骤 SPSS随机分组不均匀怎么办
我们在进行实验设计时,为了保证实验结果的准确性,会对研究对象进行随机分组设置,这是一种非常有效的实验设计方法,本文就通过SPSS软件,带大家了解一下SPSS随机分组操作步骤,SPSS随机分组不均匀怎么办的相关内容。...
阅读全文 >
SPSS方差分析怎么看交互效应 SPSS方差分析怎么看结果数据
双因素方差分析(Two-way ANOVA)是一种统计分析方法,用于研究两个自变量(也称为因素)对一个因变量(响应变量)的影响,同时分析两个自变量之间是否存在交互作用。双因素方差分析应用广泛,如实验设计中的多因素实验,双因素方差分析可以了解两个实验条件对实验结果的单独影响,以及实验条件之间是否存在相互作用。大家可以借助专业的统计分析软件,如IBM SPSS Statistics,进行双因素方差分析。SPSS方差分析怎么看交互效应,SPSS方差分析怎么看结果数据,本文将向大家作简单的介绍。...
阅读全文 >