Pезюме:
Практически упражнения за анализ на MANCOVA с помощта на софтуера SPSS.
Цели на обучението:
Усвояване на умения за провеждане на MANCOVA анализи и интерпретиране на резултатите в SPSS.
Научете се как да включвате ковариативите в моделите MANCOVA и да оценявате ефекта им върху множество зависими променливи.
Упражнете се да интерпретирате резултатите от анализите MANCOVA и да правите заключения въз основа на резултатите.
В модела на Манкова има поне две зависими променливи. Вашият модел трябва да има поне една ковариативна величина.
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 Multivariate....
След като кликнете, ще видите следното меню:
Използваме времето за придвижване до работа в минути (commutetime) и Log-Credit Card Debt (Increddebt) като зависими променливи, категорията доход в хиляди (inccat) като категорична независима променлива и годините образование (ed) като ковариатив.
Като втора стъпка щракнете върху бутона Model:
При анализа MANCOVA (както и при 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 члена на взаимодействие, който е inccat*ed. Ако p-стойността е по-голяма от 0,05, с други думи незначителна, тогава вашият модел не нарушава допускането за хомогенност на регресионните наклони. В този пример допускането не е нарушено (тъй като p-стойността на члена на взаимодействие и за двете зависими променливи е по-голяма от 0,05), така че можем да продължим анализа.
Друго предположение за равномерно разпределение на дисперсията на грешката на зависимата променлива се проверява чрез теста на Levene. Както може да се види, и двете Sig. (p-стойности) са по-високи от 0,05. Следователно приемаме нулевата хипотеза и моделът отговаря на предположението. Така че можем да продължим с анализа.
Тъй като сте проверили предположенията, трябва отново да щракнете върху Analyze (Анализиране) -> General Linear Model (Общ линеен модел) -> Multivariate (Многомерни).
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).
Едно от предположенията на MANOVA е равенството на ковариационните матрици. Както можете да видите в таблицата с резултатите, нулевата хипотеза за теста е, че ковариационните матрици на зависимите променливи са равни в различните групи. Резултатите показват, че Sig. (p-стойността) е над 0,05, което означава значима. Следователно приемаме нулевата хипотеза и можем да продължим с анализа.
Резултатите от многовариантните тестове показват, че съществува значителна връзка между групите по доход и зависимите променливи, от друга страна, променливата "години на образование" няма значителен ефект върху тях.
Тестът за междусубектни ефекти показва, че променливата за групите по доход има значима връзка с дълга по кредитна карта, но незначима връзка с времето за пътуване до работа в минути.
Тъй като предишната таблица ни показа, че няма значителен ефект на годините на образование върху двете зависими променливи, не можем да изследваме ефекта между субектите.
