IBM SPSS Statistics多元方差分析研究的是多个自变量与多个因变量的相互关系，也被称为多变量分析，与单变量分析有区别。多元方差分析的条件与单方差分析、多因素方差分析显示，都要求数据符合正态分布、方差齐性以及观测值具有独立性。如果您已经学习过多因素方差分析，那么接下来的多元方差分析演示将会变得十分熟悉。

一、事后多重比较

本文，我们会使用一组包含性别、工作年限、工资、日常福利四个变量的数据作为例子，检验性别、工作年限对工资、日常福利是否有显著性影响。

 、

图1：示例数据

在性别值中，我们使用了编码替代字符串，并在其变量值标签中，标注编码代表的字符串值。

图2：性别编码

二、应用多元方差分析

接下来，就可以依次单击分析-一般线性模型-多变量，开启多元方差分析。

图3：多变量线性模型

1、选择变量

在多变量分析设置面板中，如图4所示，可以看到，选项与单变量分析设置面板相似，不同的是，其因变量可作多项选择。

根据本次检验的目的，将工资、日常福利添加为因变量，将性别、工作年限添加为固定因子。

图4：选择变量

2、轮廓图

由于数据中存在多个固定因子，需进一步探索因子与因子之间的交互关系。

在轮廓图中添加性别与工作年限的轮廓图，以探究性别与工作年限之间是否存在交互关系。

图5：轮廓图因子设定

关于性别与工作年限的轮廓图类型设置，可设为“折线图”，有助于直观展现两者之间的交互关系。

图6：添加性别与工作年限

3、估算边际平均值

除了使用轮廓图展现因子间的相互关系外，我们还可以在估算边际平均值中，对性别与工作年限的交互作用执行估算编辑平均值的检验。

一般情况下，选取“Overall”即可同时检验主效应与因子的交互效应。

图7：估算边际平均值

4、选项设置

接着，在选项设置中，选取“描述统计”获取基础的统计数值，如平均值、方差等。同时，勾选“齐性检验”，检验数据的方差齐性，以便进一步开展事后多重比较。

图8：选项设置

5、事后多重比较

在数据方差齐性的前提下，设置“工作年限”的事后多重比较。由于未有检验结果，我们这里先勾选选项，待求得分析结果后，再决定是否采用多重比较的分析结果。

图9：事后多重比较

三、小结

综上所述，IBM SPSS Statistics的多元方差分析，是用于分析多个自变量与多个因变量相关关系的检验分析方法，其中涉及到因素对因变量的主效应检验，因素间的交互效应检验等。