当研究多个因素对因变量的作用时,我们常常需要引入多因素方差分析,多因素方差分析计算非常繁琐,我们可以借助IBM SPSS Statistics软件完成。可能大家对多因素方差分析和多元回归分析感到难以分辨,会有多因素方差分析和多元回归分析一样吗,SPSS多因素方差分析结果这么看恰当吗,这样的疑问,本文简单向大家作出解答。
一、多因素方差分析和多元回归分析一样吗?
进行不同组别间平均数比较时,我们可以借助t检验进行,但是我们会要求其他因素对结果的影响是一致的。如果存在某个因素未经控制或者未经校正,直接进行方差分析的话,可能会存在效应的混杂,无法进行判断,因此对于某些实例需要进行线性回归校正,也就是协方差分析。
协方差分析可以控制对最终结果有影响的数值变量,将其对总平方和的影响扣除,以准确的评估结果。因此多因素方差分析和多元回归分析并不一样,多因素方差分析过程中,可能会借助多元回归分析。
为了便于大家理解,以实例向大家说明,为研究三种肥料对植物生长的促进作用,对24株植物分组进行实验,统计植物的生长情况。
在本实例中,植物的初始高度是有差异的,符合协方差统计特点,进行协方差统计分析,向SPSS中录入数据如图1所示。
二、SPSS多因素方差分析结果这么看
第一小节实例的SPSS多因素协方差统计结果如图2所示,我们首先需要关注莱文等同性检验,此值如果大于0.05,认为方差齐性,可以进行后续的检验,如果此值小于0.05,则方差不齐,后续检验无意义。
然后我们需要关注施肥前植物高度差异是否有统计学意义,其显著性为0,小于0.05,认为植物高度差异有统计学意义。
而组别显著性为0.317,显著性大于0.05,无统计学差别,即三组肥料对植物促进作用无差别。需要用户注意的是,此时的统计值是扣除协变量影响之后的统计值。
三、如何进行SPSS多因素方差分析
首先点击分析,一般线性模型,单变量。
然后将施肥后加入因变量,将组别加入固定因子,将施肥前加入协变量。
然后点击模型,构建定制项,构建组别和施肥前的交互项,然后选择构建项,类型选择交互。
然后点击EM平均值,将组别加入到显示下列各项的平均值。
然后点击选项,选择齐性检验,点击继续,回到主界面,点击确定即可。
多因素方差分析和多元回归分析一样吗?实际不一样,多因素方差分析可能会借助多元回归分析,SPSS多因素方差分析结果这么看来必须扣除协方差影响的,如果不进行扣除,将造成各效应混同,无法辨别。