网站首页/硬件软件列表/内容

如何进行SPSS多因素方差区分的检验办法设置与结果解读

硬件软件2024-05-04阅读
SPSS由IBM公司出品,它提供了包括描述性统计、推断性统计、因子分析、聚类分析、回归分析等多种统计分析功能,并包括文本分析、机器学习算法、数据分析模型等。SPSS的界面友好,易于操作,能够快速从数据中提取有用的洞察和分析,广泛应用于教育、心理、医学、市场、人口、保险等多个研究领域,也用于产品质量控制、人事档案管理和日常统计报表等。

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。

使用的数据

图1:使用的数据

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。

选项设置

图2:选项设置

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。

事后多重比较设置

图3:事后多重比较设置

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。

平均值

图4:平均值

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。

主体间效应检验

图5:主体间效应检验

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。

轮廓图

图6:轮廓图

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。

方差齐性检验

图7:方差齐性检验

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。

多重比较

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。


世界上许多有影响的报刊杂志就SPSS给予了高度的评价。
相关阅读