Резюме:
Практически упражнения с ANCOVA анализ с помощта на SPSS.
Цели на обучението:
Придобиване на практически опит в провеждането на ANCOVA анализи и интерпретиране на резултатите с помощта на SPSS.
Научете как да включвате ковариативни величини в моделите ANCOVA и да оценявате ефекта им върху зависимата променлива.
Упражнете се да интерпретирате резултатите от ANCOVA анализите и да правите заключения въз основа на резултатите.
За този пример ще използваме набор от данни от извадките на SPSS: customer_dbase.sav
Изберете customer_dbase.sav.
Щракнете върху раздела Analyze (Анализ) от горното меню.
Намерете раздела General Linear Model (Общ линеен модел) в раздела Analyze (Анализирай). След това щракнете върху бутона Univariate....
След като кликнете, ще видите следното меню:
При ANCOVA имате зависима променлива, факторни променливи и ковариати.
В този пример ще използваме една факторна променлива и една ковариация.
Избрахме доход на домакинството в хиляди (доход) като зависима променлива, ниво на образование (edcat) като категорична/факторна променлива и брой на хората в домакинството (reside) като ковариативна/контролна променлива.
При анализа ANCOVA има едно допълнително допускане: Хомогенност на регресионните наклони.
За да проверите това предположение, щракнете върху бутона Model (Модел) вдясно.
Щракнете върху условия за изграждане или персонализиран модел.
Изберете всеки от факторите и ковариатите. След това изберете и двете вдясно, след което щракнете върху бутона със стрелка. По този начин ще можете да анализирате факторната променлива, ковариативната променлива и техния термин на взаимодействие.
След като приключите, щракнете върху бутона Продължи. След това щракнете върху бутона OK в главното меню.
Това, което трябва да проверите в таблицата Test of Between-Subjects Effects (Тест на междусубектните ефекти), е Sig. (p-стойност) на термина за взаимодействие, който е edcat*reside. Ако p-стойността е по-голяма от 0,05, с други думи незначителна, тогава вашият модел не нарушава предположението за хомогенност на регресионните наклони. В този пример предположението не е нарушено (тъй като p-стойността на члена на взаимодействие е 0,126, което е по-голямо от 0,05), така че можем да продължим анализа.
Затова трябва отново да щракнете върху Analyze -> General Linear Model -> Univariate (Анализиране -> Общ линеен модел -> Едномерни данни).
Сега трябва да щракнете върху бутона Model... в менюто отдясно. След това изберете Full factorial и продължете.
След това щракнете върху бутона Options... (Опции) и изберете Descriptive Statistics (Описателна статистика), Estimates of effect size (Оценки на размера на ефекта), Homogeneity tests (Тестове за хомогенност) и щракнете върху бутона Continue... (Продължи).
Сега в главното меню щракнете върху OK..., за да видите крайните резултати.
От резултатите може ясно да се каже, че равнището на образование (edcat) и броят на хората в домакинството (reside) оказват значително влияние върху доходите на домакинствата в хиляди.
