本文將會(huì)重點(diǎn)講解，多因素方差分析方法的事后多重比較及其檢驗(yàn)結(jié)果。我們本次檢驗(yàn)的是性別、工作年限對(duì)工資的影響是否有顯著性。

圖1：使用的數(shù)據(jù)

一、選項(xiàng)設(shè)置

在進(jìn)行多方差分析的事后多重比較時(shí)，需滿足等方差的假定。因此，在進(jìn)行選項(xiàng)設(shè)置時(shí)，需將“齊性檢驗(yàn)”勾選上。另外，一般情況下，都會(huì)勾選“描述統(tǒng)計(jì)”，以獲取平均值、方差等統(tǒng)計(jì)數(shù)值。

對(duì)于顯著性水平，一般保持0.05即可。

圖2：選項(xiàng)設(shè)置

二、事后多重比較設(shè)置

接著，就可以打開事后多重比較選項(xiàng)，將性別、工作年限添加到事后檢驗(yàn)中。

在假定等方差的情況下，常用的是LSD法，也就是最小顯著性差異法，其檢驗(yàn)敏銳度高，一些細(xì)微的差異都能檢驗(yàn)出來(lái)。SNK檢驗(yàn)與LSD檢驗(yàn)相似，但檢驗(yàn)結(jié)果更為保守，比較適用于兩兩比較。

圖3：事后多重比較設(shè)置

三、數(shù)據(jù)解讀

完成以上設(shè)置，運(yùn)行檢驗(yàn)。

如圖4所示，從簡(jiǎn)單的平均值數(shù)值看到，隨著工作年限的增加，工資的平均值也在增加，無(wú)論是男性還是女性的數(shù)據(jù)都表現(xiàn)出此規(guī)律，但男女性的工資似乎差異不大。

圖4：平均值

接著，查看主體間效應(yīng)檢驗(yàn)。

修正模型的顯著性數(shù)值為0.00<0.05，表明主體間效應(yīng)具有顯著性。從性別、工作年限、性別*工作年限的顯著性數(shù)值看到，性別對(duì)工資沒(méi)有顯著性影響，而工作年限對(duì)工資有顯著性影響，性別與工作年限的協(xié)同影響不顯著。

圖5：主體間效應(yīng)檢驗(yàn)

而從性別與工作年限的輪廓圖看到，其線條呈現(xiàn)平行關(guān)系，表明性別與工作年限無(wú)交互關(guān)系。

圖6：輪廓圖

方差齊性檢驗(yàn)，用于檢驗(yàn)事后多重比較結(jié)果的有效性。在使用LSD（最小顯著性差異法）檢驗(yàn)時(shí)，需確保數(shù)據(jù)滿足方差齊性的假設(shè)。

基于平均值的顯著性數(shù)值為0.088>0.05，檢驗(yàn)結(jié)果不顯著，不能拒絕原假設(shè)，也就是檢驗(yàn)各組中的方差相等。

圖7：方差齊性檢驗(yàn)

在方差齊性的前提下，查看LSD多重比較數(shù)據(jù)。

從顯著性數(shù)值（均小于0.05）看到，工作年限3-4年與工作年限1-2的工資有顯著性差異。

圖8：多重比較

三、小結(jié)

綜上所述，IBM SPSS Statistics的多因素方差分析，可用于檢驗(yàn)多因素對(duì)因變量的影響是否有顯著性，另外，還可以用于檢驗(yàn)因素間的交互作用，并運(yùn)用事后多重比較來(lái)檢驗(yàn)因素各組中的差異。