IBM SPSS Statistics多元方差分析研究的是多個自變量與多個因變量的相互關系，也被稱為多變量分析，與單變量分析有區別。多元方差分析的條件與單方差分析、多因素方差分析顯示，都要求數據符合正態分布、方差齊性以及觀測值具有獨立性。如果您已經學習過多因素方差分析，那么接下來的多元方差分析演示將會變得十分熟悉。

一、事后多重比較

本文，我們會使用一組包含性別、工作年限、工資、日常福利四個變量的數據作為例子，檢驗性別、工作年限對工資、日常福利是否有顯著性影響。

 、

圖1：示例數據

在性別值中，我們使用了編碼替代字符串，并在其變量值標簽中，標注編碼代表的字符串值。

圖2：性別編碼

二、應用多元方差分析

接下來，就可以依次單擊分析-一般線性模型-多變量，開啟多元方差分析。

圖3：多變量線性模型

1、選擇變量

在多變量分析設置面板中，如圖4所示，可以看到，選項與單變量分析設置面板相似，不同的是，其因變量可作多項選擇。

根據本次檢驗的目的，將工資、日常福利添加為因變量，將性別、工作年限添加為固定因子。

圖4：選擇變量

2、輪廓圖

由于數據中存在多個固定因子，需進一步探索因子與因子之間的交互關系。

在輪廓圖中添加性別與工作年限的輪廓圖，以探究性別與工作年限之間是否存在交互關系。

圖5：輪廓圖因子設定

關于性別與工作年限的輪廓圖類型設置，可設為“折線圖”，有助于直觀展現兩者之間的交互關系。

圖6：添加性別與工作年限

3、估算邊際平均值

除了使用輪廓圖展現因子間的相互關系外，我們還可以在估算邊際平均值中，對性別與工作年限的交互作用執行估算編輯平均值的檢驗。

一般情況下，選取“Overall”即可同時檢驗主效應與因子的交互效應。

圖7：估算邊際平均值

4、選項設置

接著，在選項設置中，選取“描述統計”獲取基礎的統計數值，如平均值、方差等。同時，勾選“齊性檢驗”，檢驗數據的方差齊性，以便進一步開展事后多重比較。

圖8：選項設置

5、事后多重比較

在數據方差齊性的前提下，設置“工作年限”的事后多重比較。由于未有檢驗結果，我們這里先勾選選項，待求得分析結果后，再決定是否采用多重比較的分析結果。

圖9：事后多重比較

三、小結

綜上所述，IBM SPSS Statistics的多元方差分析，是用于分析多個自變量與多個因變量相關關系的檢驗分析方法，其中涉及到因素對因變量的主效應檢驗，因素間的交互效應檢驗等。