效水平就容易发生问题了。根据经验,各分组的样本规模在50至150之间增加 时,检验功效提高得很快,但超过150以后继续增加各分组的样本规模,检验功 效虽然可以再提高,但提高速度会越来越慢。 非常大的分组样本规模会减少抽样误差,因此分组平均值之间很小的差异也 可能获得统计性十分显著的结果。这时,研究人员必须认识实际显著性(sub stantive or practical significance)与统计显著性( statistical significance)之间的区 别。有时,统计上十分显著的差异不过是样本规模巨大的结果,并无实际意义。 表8-2中提供了例题的多元方差分析的命令及输出结果 表8-2 对民族的多元方差分析的检验结果 Analysis of varia nce- design EFFECT. NAT Multivariate Tests of Significance(S=2, M 12.N=9) Test nar rox. F Hypoth. dF Error dF Sig of F hotelling 8.7015041.33214 4.00 38.00 000 wilks 10295 21.16593 4.00 000 Note. F statistic for WilKs Lambda is exact EFFECT. NAT(Cont bivariate F-tests with(2, 21)D.F Hypoth. Ss Error Ss Hypoth. MS Error MS Sig. of F 144.750001895.7500072.3750090.27381.80173 EDU 67.75000161287500183.8750076.803572.39409 l16 上面SPSS输出中的第一行标志了分组变量为NAT(为了醒目,后加了双下 划线)。报告分成两部分,中间以点划线分开。第一部分的标志为 Multivariate Tests of Significance(后加了双下划线),即多元显著性检验。从例题数据中分组 变量的多元方差分析结果来看,在检验不同民族同时在社会、经济发展水平的多 元差异上,四种检验值都一致得出了统计显著的结论,前三个检验指标的a值 都小于0.001,而Ry检验值则大于0.1。于是,我们可以很大的把握拒绝无差