上述第一项检查,选择该窗口中部 Diagnostics栏目中的 Residual plot一项。如 需要上述第二项,可选择同栏目中的 Homogeneity tests如需要上述第三项检 验,可选择该窗口的左下部分 Error matrices栏目中的 Correlation一项。 2.第一模型分析输出的结果及讨论 例题的第一模型中分组变量只有一个,因此只有主效应,没有交互效应,所 以残差项等于0。多元方差检验是按照SPSS方差检验的默认状态进行的、而实 际上是组间方差与组内方差相比的检验。 应用SPSS对上述例题进行多元方差分析所得到的输出包括以虚线分开的两 部分分析结果。第一部分是多元方差分析假设检验结果( Multivariate Test of Significance),第二部分是一元方差分析假设检验结果( Univariate F-tests) 多元方差分析假设检验结果中提供了以四种不同方法对自变量NAT在两个 因变量INC和FIU上的解释作用的检验。这一检验是同时完成的。所谓解释作 用以组间均方差代表,未解释部分以组内均方差代表。上述四种检验方法中包 括:Fili检验、 Hotelling检验、 Wilks检验和Roy检验(在SPSS中只给出Roy 统计量值,不进行检验)ε其中,wlks检验得到的F检验值是精确值,其他三 种检验得到的F值是近似值。这四种统计量一般取得十分相近的检验结果 般来说,我们希望所应用的方法在多元方差分析假设条件出现某种违反程度的情 况下其检验依然不受太大影响,并且能够保持最大的统计检验功效( power of statistical test,即在无差异假设实际上为不真实时正确地拒绝它的概率)。 在一般情况下,Pli检验的显著水平值比其他检验得到的α稍高,说明这 种方法在接受无差异假设时相对较为保险,并且它在样夲规模很小、各分组规模 不等、或分布的方差不等时使用的效果也较好。Wlks检验也具有不太受违反假 设条件影响、统计检验功效较强旳特点。然而,在足以确信所有假设条件能够得 到严格遵守且因变量能够由一维效应所代表时,Roy检验可以具有最强的检验功 效。但是,它的计算值不能直接换算成某种已知分布的统计量,所以在SS多 元方差分析报告中只提供计算值,没有提供换算的F检验值及其显著水平 般采用经验方法来评价Roy值,如果Roy值小于0.1,便认为其不显著。 检验功效的大小取决于几个因素,包括显著水平α的确定、效应规模(ef fect size,即各分组平均值之间的差异)以及各分组的样本规模。一般情况下 研究人员对于显著水平和效应规模没有什么选择的余地,所以通常采用扩大各分 组样本的规模的办法来增强检验的功效。在实际研究中,一般希望检验功效的概 率能够维持在08以上。如果各分组的样本规模少于50,对于维持上述检验功