SPSS分析技术:多因素方差分析
下面介绍多因素方差分析。单因素方差分析和多因素方差分析都是针对一个因变量的方差分析方法,单因素方差分析是通过分析单个因素(自变量)的不同水平对应因变量的数据变化来判断该因素是否对因变量有影响;多因素方差分析则包含两个以上的因素(自变量),不仅需要考虑每个因素单独对因变量的影响,还需要考虑因素之间交互作用以后对因变量的影响。下面两个表格是单因素方差分析和两因素方差分析的数据整理表格。
多因素方差分析原理
我们以两因素方差分析为例,介绍多因素方差分析原理。 假设因变量可能受两个因素(自变量)A和B的影响,其中因素A有p个水平,因素B有q个水平,则两个因素的交叉将因变量数据分成了P×Q个水平,如下图所示。
分析A和B两个因素对于因变量的影响,仍然是从因变量的样本方差开始,样本的总方差SST可以分解为:
SSA代表因素A引起的因变量数据变化的方差;SSB代表因素B引起的方差;SSAB表示因素A和因素B交互作用引起的方差;SSE代表随机误差。假如因素A的水平发生变化,比如从水平1变化到水平2,无论因素B取那个水平,因变量观测值都要同时增加或同时减小,则表示因素A的变化就可以决定观测值的变化,此时称A和B没有交互作用;如果因素A从水平1变化到水平2,因变量观测值在B的不同水平上变化方向不同,在有些水平上增加,有些水平上减小,也就是需要A和B交叉的水平才能确定因变量的变化,此时称因素A和B存在交互作用。
分析步骤
1、提出成对假设;原假设是多因素方差分析原假设为各因素的各个水平下,因变量的均值没有显著性差异;备择假设是各因素的各个水平下,因变量的均值不完全相同。
2、构造F统计量;构造3个不同的F统计量:
3、计算F值及p值,做出判断;SPSS会自动计算各统计量观测值和对应的概率p值,并以表格方式输出。根据P值,进行统计检验。如果P值大于显著水平,则不能拒绝原假设,认为因素水平上没有显著差异;如果P值小于显著水平,则拒绝原假设,认为有显著差异。
案例分析
2016年的考研人数创造了历史新高,其中一个重要原因是人们普遍认为学历与薪资收入成正比。现有一份社会调查数据,采集了470名公司员工的学历、工资和工作年限等7项信息。用多因素方差分析方法分析性别和学历对他们的薪资是否有显著影响。
(例题数据文件已经上传到QQ群中,需要的朋友可以前往下载)
分析步骤
1、选择【分析】-【一般线性模型】-【单变量】,如下图所示,在跳出对话框中将工资选入因变量框,将学历和性别选入固定因子框。
2、概要图设置;点击绘图按钮,将学历选为水平轴,性别选入单图,点击添加。
3、点击【选项】按钮,按下图所示操作,其它保持系统默认设置,点击输出结果。
结果分析
1、主体间因子列表。
主体因子列表显示共有教育年限和性别两个因子,分别包含三个水平和两个水平,数字表示因子各水平对应的样本个案数。
2、方差齐性检验结果;
方差齐性检验结果显著性p等于0.000,小于0.05,说明方差齐性检验未通过,因此事后多重比较表也不具参考价值。
3、主体间效应检验表
修正的模型对应的p值为0.000,小于0.05,达到显著水平,说明学历和性别两个因素中至少有一个对当前工资的影响是显著的;学历的主效应F值为.226.372,P=0.000,达到非常显著的水平,说明学历对当前工资影响很大;性别对应的p值为0.022,小于0.05,说明性别对当前工资的影响也是显著的;学历*性别的交互效应p值为0.111,大于显著水平0.05,说明学历和性别交互作用后对当前工资的影响不显著。
4、概要图
由图可知,当前工资的均值在男女性别的两个水平上都随着教育年限的增加呈上升趋势。两条线有交叉,说明教育年限和性别有交互效应,但是从主体间效应检验表可知,交互效应没有达到显著性程度。
综合结论:数据分析结果显示学历对工资收入有显著性影响,这也证明考研人数屡创新高有其合理性存在。性别对收入也有显著影响,只是影响程度不及学历因素,说明社会发展到现在,职场对女性的歧视正在逐步降低,但是并未完全消失,仍需社会各方的努力。性别与学历交互后对工资收入没有显著影响,说明两者之间不存在明显的交互作用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当今数字化时代,数据分析师的重要性与日俱增。但许多人在踏上这条职业道路时,往往充满疑惑: 如何成为一名数据分析师?成为 ...
2025-04-02最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12