双因素方差
- ##### 分析方法视频解读：
- ##### 数据格式说明
- 双因素方差分析,用于分析定类数据(2个)与定量数据之间的关系情况.例如研究人员性别,学历对于网购满意度的差异性;以及男性或者女性时,不同学历是否有着网购满意度差异性;或者同一学历时,不同性别是否有着网购满意度差异性。
双因素方差分析是相对于单因素方差分析而言;区别在于X(定类数据)的个数;如果仅为一个称为单因素方差;两个为双因素方差;单因素方差分析(即方差分析)的使用非常普遍;但双因素方差更多用于实验研究。
- 首先判断p 值是否呈现出显著性,如果呈现出显著性,则说明X或者交互项对于Y有着差异(影响)关系。
- | 分析项 | 双因素方差分析说明 |
| --- | --- | | 性别,学历,网购满意度 | 不同性别或者不同学历的人群,他们网购满意度是否有差异?同一性别时,不同学历人群网购满意度是否有差异?同一学历时,不同性别人群网购满意度是否有差异? |
- #### 分析结果表格示例如下(SPSSzero同时会生成折线图):
| 数字 | 标签 | 样本量 | 平均值 | 标准差 | |
|---|---|---|---|---|---|
| 分析项1 | 1 | 男 | 50 | 3.45 | 0.98 |
| 2 | 女 | 50 | 3.56 | 0.89 | |
| 分析项2 | 1 | 本科以下 | 30 | 3.12 | 0.97 |
| 2 | 本科 | 30 | 3.21 | 0.65 | |
| 3 | 硕士 | 40 | 3.78 | 0.76 | |
| - | 差异源 | 平方和 | df | 均方 | F |
| --- | --- | --- | --- | --- | --- |
| 截距 | 2.373 | 1 | 2.373 | 2.009 | 0.103 |
| 分析项1 | 3.375 | 1 | 3.375 | 4.009 | 0.03* |
| 分析项2 | 68.724 | 1 | 68.724 | 81.646 | 0.003* |
| 分析项1*分析项2 | 4.479 | 1 | 4.479 | 5.322 | 0.003* |
| 误差 | 340.062 | 404 | 0.842 |
- ###### 特别提示
- 双因素方差分析基本上仅用于实验研究中，请谨慎使用。
疑难解惑
- ##### 均方平方和类型？
- 当前计算均方平方和，算法处理上SPSSzero默认为III型平方和。
- ##### 事后多重比较的类型选择说明？
- 通常建议使用Bonferroni校正法较优。如果各组别样本不同时可使用scheffe，如果各组别样本完全相同可使用tukey法等。具体可参考此页面点击查看
- ##### 事后多重比较与‘单独进行事后多重比较’结果不一致？
- 单独进行事后多重比较（进阶方法->事后多重比较法）时，模型实质上为单因素方差，仅考虑1个X的情况，标准误差的计算并不一致，因此结果会不一致，但通常情况下结论会保持一致；以及此处事后多重比较使用的是边际估计均值（偏最小二乘均值）与一般意义上的平均值有所区别，类似于SPSS软件的EMMEANS功能。
- ##### 简单效应是指什么？
- 简单效应指X1在某个水平时，X2不同水平的比较；SPSSzero进行简单效应时默认使用Bonferroni法进行计算p 值。
- ##### 边际估计均值EMMEANS是什么？
- 在进行事后多重比较，或者简单效应时计算的‘均值差值’是基于‘边际估计均值’进行计算，实验研究中，如果为平衡数据，则‘边际估计均值’与平均值完全一样，如果为非平衡数据，‘边际估计均值’为平均值的‘矫正’，其更为科学和准确；通常来看，‘边际估计均值’和平均值应该非常接近，因为它们的测量意义完全一致。
- ##### 关于方差分析时的效应量?
- 如果选中‘效应量’，则SPSSzero 会在方差检验表格中输出偏Eta方(Partial η2)，偏Eta方表示效应量大小时，通常情况下效应量小、中、大的区分临界点分别是:0.01，0.06和0.14。与此同时，事后多重表格中会提供cohen d 这一效应量值，通常情况下Cohen's d 值表示效应量大小时，效应量小、中、大的区分临界点分别是:0.20，0.50和0.80。
