1、第九讲 多因素方差分析,对两个及以上分类变量或可能出现的协变量与一个连续变量之间的相关分析 单因素方差分析和多因素方差分析统称一元方差分析，即针对一个因变量的分析,什么是多因素方差分析,只考虑主效应，不考虑交互效应及协变量 考虑主效应和交互效应，但不考虑协变量 考虑主效应、交互效应和协变量,多因素方差分析的三种情况,只考虑主效应,实例1 之前的分析发现受访者的性别会影响其月收入，教育程度也会影响月收入，那么这里的问题是，当我们控制了其中一个变量后，另一个变量对月收入的单独影响是否仍然显著，也就是性别和教育对月收入的主效应是否显著？,步骤1：点击“univariate”，弹出对话框,步骤2：选择
2、因变量（只能选一个）和自变量,步骤3：点击“Model”，弹出对话框,步骤4：在Model中选择Custom，在Build Term中选择Main effects,步骤5：将性别和教育变量选入右侧Model,步骤6：点击Continue，回到主对话框,步骤7：点击Plots，弹出对话框,步骤8：将教育变量作为横坐标,步骤9：将性别变量作为两条不同水平线,步骤10：点击Add,步骤11：点击Continue，回到主对话框,步骤12：点击OK，出现结果一,从分析结果的显著度0.05可以得到结论：在控制了其中一个变量之后，性别和教育对月收入的影响是显著的,结果二：均数图,考虑交互效应,实例2在例1中
3、，我们分析了性别和教育变量对受访者月收入的主效应，但进一步的问题是，对于不同教育水平的受访者而言，性别对月收入的影响是否存在差异，即在性别和教育之间是否存在交互作用？,步骤1：点击“univariate”，弹出对话框,步骤2：选择因变量（只能选一个）和自变量,步骤3：点击“Model”，弹出对话框,步骤4：在Model中选择Custom，在Build Term中选择Interaction,步骤5：将性别和教育变量分别选入右侧Model,步骤6：将性别和教育变量同时选入右侧Model,步骤7：点击Continue，回到主对话框,步骤8：点击Plots，弹出对话框,步骤9：将教育变量作为横坐标,步
4、骤10：将性别变量作为两条不同水平线,步骤11：点击Add,步骤12：点击Continue，回到主对话框,步骤13：点击OK，出现结果一,结果二：均数图,结果解释,从性别与教育的交互作用的显著度0.0370.05，可以发现性别与教育除了各自对月收入存在显著的单独影响外，在不同性别和教育水平的组合上还存在附加影响。 从均数图可以发现，在不同教育水平上，男女之间的平均月收入差异是不一样的。,考虑协变量,实例3在例1和例2中，我们分别考察了性别和教育的主效应和交互效应，但是，除了这两个分类自变量的影响外，我们还想知道在控制了性别和教育变量后，年龄这一连续变量是否也对月收入产生影响？,步骤1：点击“u
5、nivariate”，弹出对话框,步骤2：选择因变量（只能选一个）和自变量,步骤3：选择年龄作为斜变量,步骤4：点击“Model”，弹出对话框,步骤5：选择Custom和Interaction,步骤6：将性别、教育和年龄分别选入右侧Model,步骤7：将性别和教育变量同时选入右侧Model,步骤8：点击Continue，回到主对话框,步骤9：点击OK，出现分析结果,结果解释,从年龄的显著度0.6090.05，可以得到结论，在控制了性别、教育、性别和教育的交互作用后，年龄对月收入的影响不显著,练习题,利用spss自带的1991GSS数据进行以下练习： 如果只考虑自变量的主效应，那么性别和种族对职业声望是否存在显著影响？ 如果考虑自变量之间的交互效应，那么性别和种族对职业声望是否存在显著影响？ 如果再引入教育这一协变量，性别、种族和教育对职业声望是否对存在显著影响？,
