วิธีการดำเนินการ manova ใน spss

การ วิเคราะห์ความแปรปรวนแบบทางเดียว ใช้เพื่อกำหนดว่าระดับที่แตกต่างกันของตัวแปรอธิบายนำไปสู่ผลลัพธ์ที่แตกต่างกันทางสถิติในตัวแปรการตอบสนองบางตัวหรือไม่

ตัวอย่างเช่น เราอาจสนใจที่จะทำความเข้าใจว่าการศึกษาสามระดับ (อนุปริญญา ปริญญาตรี ปริญญาโท) นำไปสู่รายได้ต่อปีที่แตกต่างกันทางสถิติหรือไม่ ในกรณีนี้ เรามีตัวแปรอธิบายและตัวแปรตอบสนอง

• ตัวแปรอธิบาย: ระดับการศึกษา
• ตัวแปรตอบสนอง: รายได้ต่อปี

MANOVA เป็นส่วนขยายของการวิเคราะห์ความแปรปรวนแบบทางเดียวซึ่งมีตัวแปรตอบสนองมากกว่าหนึ่งตัว ตัวอย่างเช่น เราอาจสนใจที่จะทำความเข้าใจว่าระดับการศึกษานำไปสู่รายได้ต่อปีที่แตกต่างกัน และ จำนวนหนี้นักเรียนที่แตกต่างกันหรือไม่ ในกรณีนี้ เรามีตัวแปรอธิบายหนึ่งตัวแปรและตัวแปรตอบสนองสองตัว:

• ตัวแปรอธิบาย: ระดับการศึกษา
• ตัวแปรตอบสนอง: รายได้ต่อปี, หนี้นักศึกษา

เนื่องจากเรามีตัวแปรตอบสนองมากกว่าหนึ่งตัว จึงเหมาะสมที่จะใช้ MANOVA ในกรณีนี้

ในบทช่วยสอนนี้ เราจะอธิบายวิธีดำเนินการ MANOVA ใน SPSS

ตัวอย่าง: MANOVA ใน SPSS

เพื่ออธิบายวิธีการดำเนินการ MANOVA ใน SPSS เราจะใช้ชุดข้อมูลต่อไปนี้ซึ่งประกอบด้วยตัวแปร 3 ตัวต่อไปนี้สำหรับ 24 คน:

• การศึกษา: ระดับการศึกษา (0 = Associate, 1 = ปริญญาตรี, 2 = Master)
• รายได้: รายได้ต่อปี
• หนี้: หนี้เงินกู้นักเรียนทั้งหมด

ใช้ขั้นตอนต่อไปนี้เพื่อดำเนินการ MANOVA ใน SPSS:

ขั้นตอนที่ 1: ดำเนินการ MANOVA

คลิกที่แท็บ วิเคราะห์ จากนั้นคลิก General Linear Model จากนั้นคลิก Multivariate :

ในหน้าต่างใหม่ที่ปรากฏขึ้น ให้ลากตัวแปร รายได้ และ หนี้ ลงในช่องที่มีป้ายกำกับว่า ตัวแปรตาม จากนั้นลากตัวแปรปัจจัยด้าน การศึกษา ลงในช่องที่มีข้อความว่าปัจจัยคงที่:

จากนั้นคลิกที่ปุ่ม Post Hoc ลากปัจจัย ด้านการศึกษา ลงในกล่องที่มีข้อความว่า การทดสอบหลังเฉพาะกิจสำหรับ จากนั้นทำเครื่องหมายที่ช่องถัดจาก Tukey จากนั้นคลิก ดำเนินการต่อ

สุดท้ายคลิก ตกลง

ขั้นตอนที่ 2: ตีความผลลัพธ์

เมื่อคุณคลิก ตกลง ผลลัพธ์ MANOVA จะปรากฏขึ้น ต่อไปนี้เป็นวิธีการตีความผลลัพธ์:

การทดสอบหลายตัวแปร

ตารางนี้จะบอกคุณว่าการสำเร็จการศึกษาทำให้เกิดความแตกต่างที่มีนัยสำคัญทางสถิติในรายได้ต่อปีและหนี้นักเรียนทั้งหมดหรือไม่ เราจะดูตัวเลขในแถวที่มีข้อความว่า Wilks’ Lambda :

สถิติ F โดยรวมคือ 6.138 และค่า p ที่สอดคล้องกันคือ 0.001 เนื่องจากค่านี้น้อยกว่า 0.05 แสดงว่าระดับการศึกษามีผลกระทบอย่างมีนัยสำคัญต่อรายได้ต่อปีและหนี้นักเรียนทั้งหมด

การทดสอบผลกระทบระหว่างวิชา

ตารางนี้แสดงค่า p แต่ละรายการสำหรับ รายได้ และ หนี้สิน :

p-value สำหรับรายได้คือ 0.003 และ p-value สำหรับหนี้คือ 0.000 เนื่องจากค่าทั้งสองนี้น้อยกว่า 0.05 ซึ่งหมายความว่าระดับการศึกษามีผลกระทบอย่างมีนัยสำคัญต่อรายได้และหนี้สิน

การทดสอบหลังการทดสอบ

ตารางนี้นำเสนอการเปรียบเทียบภายหลังของ Tukey สำหรับแต่ละระดับการศึกษา

จากตารางเราสามารถสังเกตได้ดังต่อไปนี้:

• จำนวนรายได้ของผู้สำเร็จการศึกษาระดับอนุปริญญา (การศึกษา = 0) แตกต่างอย่างมีนัยสำคัญจากจำนวนรายได้ของผู้สำเร็จการศึกษาระดับปริญญาโท (การศึกษา = 1) | ค่า p = 0.003 .
• จำนวนรายได้ของผู้สำเร็จการศึกษาระดับปริญญาตรี (การศึกษา = 1) แตกต่างอย่างมีนัยสำคัญจากจำนวนรายได้ของผู้สำเร็จการศึกษาระดับปริญญาโท (การศึกษา = 2) | ค่า p = 0.029 .
• จำนวนรายได้ของผู้สำเร็จการศึกษาระดับปริญญาตรี (การศึกษา = 0) แตกต่างอย่างมีนัยสำคัญจากจำนวนรายได้ของผู้สำเร็จการศึกษาระดับปริญญาตรี (การศึกษา = 1) | ค่า p = 0.018 .
• จำนวนรายได้ของผู้สำเร็จการศึกษาระดับอนุปริญญา (การศึกษา = 0) แตกต่างอย่างมีนัยสำคัญจากจำนวนรายได้ของผู้สำเร็จการศึกษาระดับปริญญาโท (การศึกษา = 2) | ค่า p = 0.000 .

อ่านเพิ่มเติม: ความแตกต่างระหว่าง ANOVA, ANCOVA, MANOVA และ MANCOVA