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

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。

图1 录入数据

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。

图2 多因素协方差分析

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。

图3 进行协方差分析

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。

图4 指定变量

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。

图5 构建定制项

然后点击EM平均值，将组别加入到显示下列各项的平均值。

图6 EM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。

图7 进行齐性检验

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。