Затем из раскрывающегося списка Build Term выберите тот или иной тип взаимодействия между переменными. И наконец, щелк­ните на соответствующей кнопке, чтобы перенести сформированную пользовательскую модель в правый список Model. Поэтому при ограничениях, налагаемых аппаратным обеспечением компьютера, следует отказаться от использования полнофакторных моделей в пользу определяемых пользователем . Если ограничения жесткие, можно выполнить только исследования влияния независимых переменных на зависимую по отдельности (в терминологии SPSS, Main effects)1.

Мужчины от 19 до 35 лет имеют наивысшую кратность покупок; женщины 19–35 лет — наименьшую. Например, пассажиры оценивают уровень и качество питания авиакомпании Х и авиакомпании Y. Чтобы определить, является ли статистически значимой разница в оценке этих двух авиакомпаний, следует воспользоваться диалоговым окном Paired-Samples T Test, вызываемым при помощи меню Analyze4 Compare Means4 Paired-Samples T Test (рис. 3.5).

Также в этих таблицах вы видите однородные кластеры респондентов, различающиеся частотой и кратностью покупок глазированных сырков. Многомерный дисперсионный анализ является дальнейшим расширением од­номер­ного дисперсионного анализа (после рассмотренного в разделе 3.2.2 ANOVARM), предназначенным для одновременного анализа сразу нескольких зависимых и независимых переменных. Дело в том, что некоторые источники иногда относят анализ с повторными измерениями к одномерному, а иногда — к многомерному дисперсионному анализу.

Глава 3. Анализ различий

Если две (или более) линии близки к параллели, следовательно, различия между данными категориями минимальны (незначимы). В противном случае, если линии пересекаются, следует признать различие между ними существенным (значимым). Мы добавили в соответствующие поля главного диалогового окна Univariate одну зависимую переменную и сра­зу три независимые.

• Одномерный дисперсионный анализ может быть однофакторным (one-way ANOVA) или многофакторным (n-way ANOVA).
• Мы рекомендуем ограничиться наиболее популярным и универсальным тестом Scheffe для равных дисперсий и тестом Tamhane’s T2 — для неравных дисперсий.
• В окне Options выберите параметр Homogeneity Tests и в соответствующее поле поместите переменные с двумя категориями, для которых следует рассчитать средние значения (q80 — Пол и все взаимодействия, в которых она участвует).
• Фиксированными факторами называют переменные, уровни которых охватывают все возможные состояния этой переменной.
• Рассмотрим теперь ситуацию, когда необходимо исследовать сразу две независимые переменные (и взаимодействия между ними), то есть выполнить двухфакторный одномерный дисперсионный анализ.
• Завершают вывод результатов двухфакторного анализа таблицы с расчетами апостериорных тестов.

Вторая таблица Independent Samples Test позволяет установить статистическое различие между данными значениями. В случае t-тестов для независимых выборок под независимыми выборками понимаются бинарные категории (то есть варианты ответа) какой-либо переменной. Например, мужчины и женщины (вопрос Пол респондента), покупатели и не покупатели какого-либо продукта (вопрос Покупаете ли Вы данный продукт?) и т. То есть когда есть два уровня группирующей (зависимой) переменной и несколько независимых переменных, на основании которых и будет выполняться различие между группами зависимой переменной. 3.35 представлены результирующие таблицы Homogenous Subsets, по которым можно сделать выводы относительно различий между отдельными категориями независимых переменных на основании обеих рассматриваемых зависимых переменных.

SPSS предлагает много различных дополнительных тестов, помогающих определить различия между группами исследуемых переменных. Мы рекомендуем ограничиться наиболее популярным и универсальным тестом Scheffe для равных дисперсий и тестом Tamhane’s T2 — для неравных дисперсий. Теперь можно закрыть описываемое диалоговое окно щелчком на кнопке Continue. Обратите внимание на разницу между областями Fixed Factor (факторы с фиксированными эффектами) и Random Factor (факторы со случайными эффектами).

1.1. Т-тесты для независимых выборок

Мы не приводим полностью результаты апостериорных тестов из-за их большого объема. Мужчины от 19 до 35 лет и женщины младше 18 лет характеризуются наивысшей кратностью покупок сырков. Можно сформулировать следующие рекомендации по построению графиков в дисперсионном анализе. После того как SPSS завершит расчеты, связанные с дисперсионным анализом, в окне SPSS Viewer после таблиц появится заданный график.

В нашем случае это q11 (Питание в авиакомпании Х) и q26 (Питание в авиакомпании Y). По мере того как вы будете выбирать переменные, они будут последовательно отображаться в области Current Selections. Указав две переменные для анализа, щелкните на кнопке с символом 4, чтобы перенести переменные в область Paired Variables. Кнопка Options позволяет установить уровень доверия для производимых расчетов. Рассмотрим методику проведения t-тестов для независимых выборок на следующем примере. Предположим, что мы оцениваем различия в частоте посещения игровых клубов между посетителями заведений марки Х и других марок.

2.1. Одномерный дисперсионный анализ

Все ста­тисти­ческие процедуры, относящиеся к группе процедур, ко­торые позволяют выявить такие различия (t-тесты и дисперсионный анализ), сравнивают респондентов на основании средних значений переменных. Иными словами, провести различие можно на основании двух или более числовыхпеременных. Таблица Multivariate Tests позволяет сделать выводы относительно влияния независимых переменных в отдельности, а также их взаимодействий на зависимые переменные в целом. Поскольку с практической точки зрения влияние не несет никакой смысловой нагрузки, данная таблица обычно не рассматрива­ется. В результате мы выясняем, какой из трех факторов — пол, возраст или время (кварталы) — определяет различия в оценках одежды марки Х.

После завершения процедуры расчета t-теста в окне SPSS Viewer будут отражены результаты (рис. 3.4). В первой таблице Group Statistics вы видите средние значения тестируемой переменной (частота посещения клубов) для обеих групп зависимой переменной Х. Как следует из рисунка, для респондентов, посещающих игровые залы марки Х, средняя частота посещения составляет 11,9 раз в месяц.

2. Дисперсионный анализ

Теперь щелкните на кнопке Add, чтобы подтвердить построение графика с заданными параметрами. Так, если предположить, что влияние переменной Пол статистически значимо, из рис. 3.18 можно было бы заключить, что женщины покупают глазированные сырки в больших объемах по сравнению с мужчинами. Случается, что по результатам таблицы Tests of Between-Subjects Effects некая переменная оказывается незначимой, однако в таблице Multiple Comparisons отдельные уровни этой переменной значимо отличаются друг от друга.

Столбца Levene’s Test for Equality of Variances показывает статистическую незначимость теста (в нашем случае — 0,547), то различие между двумя анализируемыми средними определяется из строки Equal variances assumed. В противном случае, если тест Levene статистически значим, различие между двумя средними определяется из строки Equal variances not assumed. Одномерный дисперсионный анализ с повторными измерениями является расширением одномерного дисперсионного анализа .

2.3. Многомерный дисперсионный анализ

В большинстве практических случаев, встречающихся в маркетинговых исследованиях, при проведении дисперсионного анализа вам не потребуется ничего сохранять. Откройте диалоговое окно Univariate и добавьте в список независимых переменных (область Fixed Factor) еще одну переменную q72 (Количество членов семьи). Следует отметить, что если исследуемая независимая переменная https://deveducation.com/ имеет всего две категории (дихотомия), апостериорные тесты для нее не проводятся. Установить направление различия между категориями позволяет вывод средних значений зависимой переменной в каждой из двух категорий. Для этого перенесите исследуемую независимую дихотомическую переменную из области Factor and Factor Interactions в область Display Means for.

2.3. Многомерный дисперсионный анализ

В таком случае различия между конкретными группами независимой переменной определяются исходя из результатов апостериорных тестов. При числе взаимодействий более трех сохраняется возможность разбиения данного взаимодействия на несколько взаимодействий второго или третьего уровней и построения затем серии графиков. Однако в этом случае интерпретация данных графиков является практически неразрешимой Мультивариантное тестирование задачей. Наконец, третья таблица, Paired Samples Test, позволяет сделать вывод о наличии/отсутствии статистически значимого различия между тестируемыми переменными, что следует из значения в столбце Sig. Исходные данные останутся такими же, как в предыдущем примере, однако теперь мы будем устанавливать различие в кратности покупок сырков возрастными и половыми группами (переменная q3).

2.1. Одномерный дисперсионный анализ

В этой трактовке следует скорее говорить о специфической форме одномерного дисперсионного анализа, в котором зависимая переменная представлена набором подпеременных (точно так же, как при кодировании многовариантных вопросов; см. раздел 1.4.2). Таким образом, мы придерживаемся точки зрения тех авторов, которые считают ANOVARM видом одномерного дисперсионного анализа . Завершают вывод результатов двухфакторного анализа таблицы с расчетами апостериорных тестов. В нашем случае они практически такие же, как в предыдущем примере, поскольку переменная Возраст сохранила свою значимость (см. рис. 3.14 и 3.15). Однако при интерпретации таблицы Multiple Comparisons следует помнить о неравенстве дисперсий. Поэтому значимость различий между отдельными возраст­ными группами надо устанавливать на основании второй части таблицы Tamhane.

Откройте диалоговое окно Independent-Samples T Test при помощи меню Analyze4Compare Means4 Independent-Samples T Test (рис. 3.1). В область Test Variable поместите переменные, являющиеся критерием для установления различий (в нашем случае это q18_i Частота посещения). Затем в поле Grouping Variable переместите переменную, которая будет являться группирующей (зависимой).

В справочной системе SPSS не указана явно принадлежность ANOVARM к одной или другой группе статистических методов. По сути расчетов ANOVARM близок к многомерному дисперсионному анализу, поскольку в качестве зависимой переменной выступают сразу несколько пере­менных, кодирующих ряд временных периодов. Зависимые переменные в ANOVARM по смыслу (с точки зрения исследователя) представляют собой фактически одну и ту же переменную, только измеренную многократно.