SPSS分析技术:多元方差分析
下面要介绍多元方差分析的内容,多元方差分析是研究多个自变量与多个因变量相互关系的一种统计理论方法,又称多变量分析。多元方差分析实质上是单因变量方差分析(包括单因素和多因素方差分析)的发展和推广,适用于自变量同时对两个或两个以上的因变量产生影响的情况,用来分析自变量取不同水平时这些因变量的均值是否存在显著性差异。
分析原理
多元方差分析可以看做是多因素方差分析和协方差分析合并后的拓展,能够一次性做两个以上因变量的多因素方差分析和协方差分析。多元方差分析的优点是可以在一次研究中同时检验具有多个水平的多个因素各自对多个因变量的影响以及各因素交互作用后对多个因变量的影响,以及多个因变量作为一个整体模型,自变量对模型的影响。
多元方差分析的条件是:各个自变量的每个水平必须是独立的随机样本,服从正态分布且各总体方差相等。因变量和协变量必须是数值型变量且协变量与因变量相关。自变量可以是数值型分类变量,也可以是字符型分类变量,这是方差分析的基本条件。
案例分析
随着经济的发展,城市生活的节奏也是越来越快,白领的健康状况成为了社会的热门话题。人们晨练和早餐的状况很能够反映人们的生活习惯和健康状况,所以有研究者对不同婚姻状况、性别、年龄阶段的人做了一次较大规模的随机调查,获得880个有效数据。现在用多元方差分析方法分析不同婚姻状况、性别和年龄阶段的人的晨炼状况和早餐状况是否有显著性的差别。
(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、选择菜单【分析】-【一般线性模型】-【多变量】,选择“锻炼情况”和“早餐状况”作为因变量;再选择“年龄”、“婚姻状况”和“性别”作为自变量。本题中不涉及协变量,所以不用选择协变量。按照下图所示操作。
2、单击【选项】按钮,打开“多变量:选项”对话框,按下图操作。
3、单击【确定】,输出分析结果。
结果解读
1、协方差矩阵的齐性检验结果;
该检验的零假设是:因变量的协方差矩阵在各组中相等。从表可知,显著性水平P值为0.000,小于0.05,则拒绝零假设,因变量的协方差矩阵在各个组中不相等,表明各个分组的均值不是完全相等的,说明有的变量对模型(两个因变量整体)有显著影响,有的自变量则对模型(两个因变量模型)没有影响。
2、多变量检验结果
因为协方差矩阵的齐性Box’s检验中显著性概率P=0.000,小于0.05,拒绝方差齐性假设。因此要以“Pillai’s 轨迹”、“Hotelling 轨迹”和“Roy最大根”三个指标作为多变量检验的判断依据。从结果来看,年龄和婚姻状况的三种指标的显著性概率均为P=0.000,都小于0.05,达到显著程度,表明年龄和婚姻状况对模型(两个因变量整体)有显著影响,以此类推,在所有因子和因子交互中,年龄、婚姻状况、年龄*性别和年龄*婚姻状况*性别等自变量或自变量交互对模型(两个因变量整体)产生了影响,其它的自变量或自变量交互对模型(两个因变量整体)的影响可以忽略不计。但是想要知道纠结是对模型(两个因变量整体)中的那个自变量产生影响,就要对各因变量分别进行单因素方差分析,也就是下面的主体间效应检验结果。
3、误差方差齐性检验
结果表明,晨练和首选早餐在各组中的方差齐性检验不成立,p=0.000,小于0.05。说明各个自变量和自变量交互对两个因变量的独立影响不完全一样,有的显著有的不显著。
4、主体间效应的检验结果
从结果来看,年龄对晨练的效应显著性为0.000,小于0.001,达到极显著的水平,对于首选早餐的效应显著性为0.036,小于0.05,也是显著的。婚姻状况对晨练的p=0.602,没有达到显著水平,即对因变量晨练没有影响,但是对首选早餐的p=0.000,达到显著水平,即对婚姻状况首选早餐影响重大。在自变量交互里面,只有年龄*性别和年龄*性别*婚姻状况对晨练有显著性影响,其它的没有显著性影响。
综上所述,年龄对于早餐选择和晨练的影响都是显著的,这也符合现在的生活节奏,年轻人能坚持晨练的少于老年人,同时,年轻人对于早餐的选择也多是以方便快捷为主。婚姻状况对晨练没有影响,但是对早餐有影响,一般结婚后,家庭生活稳定,夫妻在一起吃早饭的情况较单身人士多。交互作用的体现比较容易理解,都是在有这两个因素的影响下表现的数据指标显著。数据分析培训
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