本文將會重點講解，多因素方差分析方法的事后多重比較及其檢驗結果。我們本次檢驗的是性別、工作年限對工資的影響是否有顯著性。

圖1：使用的數據

一、選項設置

在進行多方差分析的事后多重比較時，需滿足等方差的假定。因此，在進行選項設置時，需將“齊性檢驗”勾選上。另外，一般情況下，都會勾選“描述統計”，以獲取平均值、方差等統計數值。

對于顯著性水平，一般保持0.05即可。

圖2：選項設置

二、事后多重比較設置

接著，就可以打開事后多重比較選項，將性別、工作年限添加到事后檢驗中。

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，其檢驗敏銳度高，一些細微的差異都能檢驗出來。SNK檢驗與LSD檢驗相似，但檢驗結果更為保守，比較適用于兩兩比較。

圖3：事后多重比較設置

三、數據解讀

完成以上設置，運行檢驗。

如圖4所示，從簡單的平均值數值看到，隨著工作年限的增加，工資的平均值也在增加，無論是男性還是女性的數據都表現出此規律，但男女性的工資似乎差異不大。

圖4：平均值

接著，查看主體間效應檢驗。

修正模型的顯著性數值為0.00<0.05，表明主體間效應具有顯著性。從性別、工作年限、性別*工作年限的顯著性數值看到，性別對工資沒有顯著性影響，而工作年限對工資有顯著性影響，性別與工作年限的協同影響不顯著。

圖5：主體間效應檢驗

而從性別與工作年限的輪廓圖看到，其線條呈現平行關系，表明性別與工作年限無交互關系。

圖6：輪廓圖

方差齊性檢驗，用于檢驗事后多重比較結果的有效性。在使用LSD（最小顯著性差異法）檢驗時，需確保數據滿足方差齊性的假設。

基于平均值的顯著性數值為0.088>0.05，檢驗結果不顯著，不能拒絕原假設，也就是檢驗各組中的方差相等。

圖7：方差齊性檢驗

在方差齊性的前提下，查看LSD多重比較數據。

從顯著性數值（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

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