IBM SPSS Statistics协方差分析是一种将回归分析与方差分析相结合的一种分析方法。在进行方差分析时,因变量与协变量间可能会存在着线性相关关系,如果简单对因变量执行方差分析的话,容易导致出现错误的检验结果。
比如,在检验培训后的成绩时,经常需要使用协方差分析,来去除培训前成绩差异的影响。协方差分析,实际上就是在求得因变量修正均数后,用方差分析比较修正均数之间的差别。接下来,我们将使用一个实例演示协方差分析。
一、使用的数据介绍
如图1所示,打开一组包含来自地区、培训前成绩与培训后成绩的数据表。一般情况下,培训后的成绩与培训前成绩会存在相关关系,这可能会影响到检验的结果。
在这种情况下,就需要使用协方差的检验方法。
二、应用协方差分析
如图2所示,依次单击分析——一般线性模型——单变量选项,打开SPSS的单变量分析设置面板。当然,我们也可以使用多变量选项执行协方差分析,但为了让演示过程更简单,本文使用单变量作为例子。
1.选择变量
在单变量的设置面板中,重点关注的是因变量、固定因子以及协变量。
1. 因变量,即用于检验影响是否显著的变量。多方差因素分析只选择一个因变量。
2. 固定因子,即用于检验是否有显著影响的因素变量。
3. 协变量,与因变量存在相关关系的变量。
为了修正因变量“培训后成绩”的均值,我们需要将“培训前”成绩添加为协变量,以探索“来自地区”固定因子对“培训后成绩”因变量的影响。
2.因子与因子交互关系
由于本例使用的单因子的分析,因此,在估算边际平均值时,添加overall即可,分析主效应交互关系即可。
3.选项设置
由于单因子协方差分析中不涉及到事后多重比较,在选项面板中,勾选“描述统计”即可。
4.结构解读
完成以上设置后,运行检验。
如图6所示,从来自地区的均值看到,地区2的培训后成绩均值更高,但是否有显著性差异,还要看主体间效应检验。
修正模型的显著性数值为0.00<0.05,表明调整后的模型检验结果显著有效。
而来自地区的显著性数值为0.00<0.05,表明培训后的成绩与地区显著相关。
三、小结
综上所述,IBM SPSS Statistics的协因素方差分析,可用于修正因变量与协变量存在的相关关系,从而剔除人为的影响因素,让检验结果更准确,属于一种均值的修正检验方法。