
SPSS分析技術(shù):多元方差分析
下面要介紹多元方差分析的內(nèi)容,多元方差分析是研究多個(gè)自變量與多個(gè)因變量相互關(guān)系的一種統(tǒng)計(jì)理論方法,又稱多變量分析。多元方差分析實(shí)質(zhì)上是單因變量方差分析(包括單因素和多因素方差分析)的發(fā)展和推廣,適用于自變量同時(shí)對(duì)兩個(gè)或兩個(gè)以上的因變量產(chǎn)生影響的情況,用來分析自變量取不同水平時(shí)這些因變量的均值是否存在顯著性差異。
分析原理
多元方差分析可以看做是多因素方差分析和協(xié)方差分析合并后的拓展,能夠一次性做兩個(gè)以上因變量的多因素方差分析和協(xié)方差分析。多元方差分析的優(yōu)點(diǎn)是可以在一次研究中同時(shí)檢驗(yàn)具有多個(gè)水平的多個(gè)因素各自對(duì)多個(gè)因變量的影響以及各因素交互作用后對(duì)多個(gè)因變量的影響,以及多個(gè)因變量作為一個(gè)整體模型,自變量對(duì)模型的影響。
多元方差分析的條件是:各個(gè)自變量的每個(gè)水平必須是獨(dú)立的隨機(jī)樣本,服從正態(tài)分布且各總體方差相等。因變量和協(xié)變量必須是數(shù)值型變量且協(xié)變量與因變量相關(guān)。自變量可以是數(shù)值型分類變量,也可以是字符型分類變量,這是方差分析的基本條件。
案例分析
隨著經(jīng)濟(jì)的發(fā)展,城市生活的節(jié)奏也是越來越快,白領(lǐng)的健康狀況成為了社會(huì)的熱門話題。人們晨練和早餐的狀況很能夠反映人們的生活習(xí)慣和健康狀況,所以有研究者對(duì)不同婚姻狀況、性別、年齡階段的人做了一次較大規(guī)模的隨機(jī)調(diào)查,獲得880個(gè)有效數(shù)據(jù)?,F(xiàn)在用多元方差分析方法分析不同婚姻狀況、性別和年齡階段的人的晨煉狀況和早餐狀況是否有顯著性的差別。
(例題數(shù)據(jù)文件已經(jīng)上傳到QQ群中,需要的朋友可以前往下載)
分析步驟
1、選擇菜單【分析】-【一般線性模型】-【多變量】,選擇“鍛煉情況”和“早餐狀況”作為因變量;再選擇“年齡”、“婚姻狀況”和“性別”作為自變量。本題中不涉及協(xié)變量,所以不用選擇協(xié)變量。按照下圖所示操作。
2、單擊【選項(xiàng)】按鈕,打開“多變量:選項(xiàng)”對(duì)話框,按下圖操作。
3、單擊【確定】,輸出分析結(jié)果。
結(jié)果解讀
1、協(xié)方差矩陣的齊性檢驗(yàn)結(jié)果;
該檢驗(yàn)的零假設(shè)是:因變量的協(xié)方差矩陣在各組中相等。從表可知,顯著性水平P值為0.000,小于0.05,則拒絕零假設(shè),因變量的協(xié)方差矩陣在各個(gè)組中不相等,表明各個(gè)分組的均值不是完全相等的,說明有的變量對(duì)模型(兩個(gè)因變量整體)有顯著影響,有的自變量則對(duì)模型(兩個(gè)因變量模型)沒有影響。
2、多變量檢驗(yàn)結(jié)果
因?yàn)閰f(xié)方差矩陣的齊性Box’s檢驗(yàn)中顯著性概率P=0.000,小于0.05,拒絕方差齊性假設(shè)。因此要以“Pillai’s 軌跡”、“Hotelling 軌跡”和“Roy最大根”三個(gè)指標(biāo)作為多變量檢驗(yàn)的判斷依據(jù)。從結(jié)果來看,年齡和婚姻狀況的三種指標(biāo)的顯著性概率均為P=0.000,都小于0.05,達(dá)到顯著程度,表明年齡和婚姻狀況對(duì)模型(兩個(gè)因變量整體)有顯著影響,以此類推,在所有因子和因子交互中,年齡、婚姻狀況、年齡*性別和年齡*婚姻狀況*性別等自變量或自變量交互對(duì)模型(兩個(gè)因變量整體)產(chǎn)生了影響,其它的自變量或自變量交互對(duì)模型(兩個(gè)因變量整體)的影響可以忽略不計(jì)。但是想要知道糾結(jié)是對(duì)模型(兩個(gè)因變量整體)中的那個(gè)自變量產(chǎn)生影響,就要對(duì)各因變量分別進(jìn)行單因素方差分析,也就是下面的主體間效應(yīng)檢驗(yàn)結(jié)果。
3、誤差方差齊性檢驗(yàn)
結(jié)果表明,晨練和首選早餐在各組中的方差齊性檢驗(yàn)不成立,p=0.000,小于0.05。說明各個(gè)自變量和自變量交互對(duì)兩個(gè)因變量的獨(dú)立影響不完全一樣,有的顯著有的不顯著。
4、主體間效應(yīng)的檢驗(yàn)結(jié)果
從結(jié)果來看,年齡對(duì)晨練的效應(yīng)顯著性為0.000,小于0.001,達(dá)到極顯著的水平,對(duì)于首選早餐的效應(yīng)顯著性為0.036,小于0.05,也是顯著的?;橐鰻顩r對(duì)晨練的p=0.602,沒有達(dá)到顯著水平,即對(duì)因變量晨練沒有影響,但是對(duì)首選早餐的p=0.000,達(dá)到顯著水平,即對(duì)婚姻狀況首選早餐影響重大。在自變量交互里面,只有年齡*性別和年齡*性別*婚姻狀況對(duì)晨練有顯著性影響,其它的沒有顯著性影響。
綜上所述,年齡對(duì)于早餐選擇和晨練的影響都是顯著的,這也符合現(xiàn)在的生活節(jié)奏,年輕人能堅(jiān)持晨練的少于老年人,同時(shí),年輕人對(duì)于早餐的選擇也多是以方便快捷為主?;橐鰻顩r對(duì)晨練沒有影響,但是對(duì)早餐有影響,一般結(jié)婚后,家庭生活穩(wěn)定,夫妻在一起吃早飯的情況較單身人士多。交互作用的體現(xiàn)比較容易理解,都是在有這兩個(gè)因素的影響下表現(xiàn)的數(shù)據(jù)指標(biāo)顯著。數(shù)據(jù)分析培訓(xùn)
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10