雙因素方差分析

2022-11-01 12:08 作者:SPSSAU官方賬號 0人讀過 | 我要投稿

如果進行多因素方差分析一般是主效應顯著后才會進一步查看事后多重比較，對于交互作用顯著的模型才會更深一步研究簡單效應分析。利用SPSSAU針對雙因素方差分析舉例說明：

背景簡單說明：研究性別和學歷對產(chǎn)品的滿意度是否有顯著影響。

雙因素方差分析數(shù)據(jù)格式

無論是搜集到的數(shù)據(jù)是什么格式，一般在分析前都需要整理成正確的數(shù)據(jù)格式，才可以進行分析，那么雙因素方差分析的數(shù)據(jù)格式正確的應該是怎樣的呢？接下來進行說明：

無論是哪一類型的方差分析，其實目的都是研究X對Y的差異關系，所以數(shù)據(jù)格式有些類似，1個X均占用1列，1個Y也占用1列，如果有協(xié)變量那么1個協(xié)變量占用1列。舉例說明如上圖。

雙因素方差分析SPSSAU操作

操作路徑：SPSSAU【進階方法】→【雙因素方差】

將分析項拖拽到右側(cè)分析框中，勾選‘二階效應’以及‘簡單效應’選項，選擇‘事后多重比較’點擊‘開始分析’

補充說明：

關于事后多重比較應該選擇哪種方法？三種方差差異如下：

該例子選擇Bonferonni校正，三種方法比較Bonferonni校正更保守些，所以當比較次數(shù)不多時該方法比較好，但是比較次數(shù)較多時（比如大于10）盡量不使用該方法。當然如果研究者選擇其它比較方法只要合適也是可以的。

結(jié)果分析

從雙因素方差分析結(jié)果中可以看出，‘性別’、‘學歷’的p值均小于0.05，所以說明性別和學歷對產(chǎn)品滿意度均具有顯著性差異，并且主效應存在，具體差異可以分析事后多重比較，并且進一步查看‘二階效應’，從上表可以看出‘性別*學歷’此項p值小于0.05，說明該項對因變量具有顯著性差異說明，交互作用顯著即存在二階效應。因而可以進一步分析簡單效應。

事后多重比較

針對性別之間的比較可以得到t值=-1.279，p值大于0.05，所以不存在顯著性差異。接下來研究學歷的事后多重比較。

從分析結(jié)果可以得到，‘本科和本科以下’以及‘本科以上和本科以下’的p值均小于0.05具有顯著性差異，也說明本科學歷和本科以下學歷之間比較對產(chǎn)品滿意度是有明顯的差別的。本科以上學歷和本科以下學歷之間比較對產(chǎn)品滿意度也是有明顯的差別的。

簡單效應

由于上述分析已經(jīng)得到交互效應顯著，二階效應存在，所以也可以進一步研究簡單效應。

簡單效應指A因素在某水平時，B因素不同水平之間的差異比較；從上表可以看出，當被調(diào)查者為女性時，‘本科和本科以上’、‘本科和本科以下’以及‘本科以上和本科以下’的p值均小于0.05，說明都具有顯著性差異。當被調(diào)查者為男性時，可以發(fā)現(xiàn)只有‘本科和本科以下’p值小于0.05，所以男性學歷為本科和男性學歷為本科以下之間比較，具有顯著性差異。

同時還可以分析“學歷和性別”的簡單效應分析。