表格（為了方便說明，先將結果整理成表格）：
（15）表格中由於部分變數因違反變異數同質性而採取修正方法，因此習慣上可以採用註解的方式，在表格下方說明。
（16）事後比較欄位是在F檢定或Brown-Forsythe/Welch檢定達顯著水準時，才需要根據事後比較結果來填寫，若F檢定或Brown-Forsythe/Welch檢定未達顯著水準，應直接空白下來；這邊出現一個非常有趣的現象，從結果來看，顧客41-50歲（M = 4.43）對於服務品質的滿意度顯著高於30歲以下（M = 3.78），但顧客51歲以上（M = 4.50）的滿意度分數更高，卻沒有顯著高於21-30歲（M = 3.78），這是由於顯著差異的條件除了考慮到兩組的平均數之外，兩組的樣本數也在考量的範圍內，顯然51歲以上只有4人的樣本數，不足以證明高於30歲以下，解決的方式，就是盡可能將人數比較少的組別併入性質接近的組別中，譬如說41-50歲與51歲以上合併為41歲以上。
（17）當組別較多時，進行兩兩組別比較的組合也會增加，筆者習慣是將結果彙整後並簡化呈現方式，不過有時候會遇到客戶的老闆看不懂，若真的遇到此情況，那也只能將結果逐一列出，以圖中的3、4>2>1為例，包含的結果有「2>1」、「3>1」、「4>1」、「3>2」、「4>2」。
（18）當某組別的樣本數少時，除了發生第16步的問題之外，最常發生的問題是F檢定達顯著，但事後比較結果卻都沒有顯著差異，此時習慣在事後比較的欄位標示N.S.，並在表格下方註解。這是很常發生的結果，不過遇到蠻多客戶的老闆回應說這是不可能的，我們必須先瞭解ANOVA與事後比較的關係【https://dasanlin888.pixnet.net/blog/post/34468892】。
就這個例子來說，如果想要比較顧客不同年齡在滿意度上的差異，何不直接用獨立樣本t檢定進行兩兩比較，四組年齡層共進行六次的組間比較。這是因為統計上的每次檢定，都會有一次α = 0.05的容忍水準，當檢定次數增加時，容忍水準也是會累積增加，這就是常聽到「型一誤差膨脹的問題」，所以「比較顧客不同年齡在滿意度上的差異」這個檢定結果會因為做了六次檢定，誤差α會從0.05增加到約為0.265（實際算法1-(1-α)n，n=檢定次數），因此才先用單因子變異數分析進行聯合檢定，以檢驗整個組間因子的顯著性結果（此時的容忍水準α = 0.05）。若組間因子達顯著水準，才會進一步做各水準組別間的兩兩比較，而最常被使用的就是雪費法（Scheffe法）事後比較，這是因為雪費事後比較是所有事後比較最嚴格的一種，因為當不等組設計的時候雪費事後比較擁有最高的檢定力（power），因此換來的代價就是最不容易達顯著（p值最大），這也導致剛剛一開始提到的問題【F檢定達顯著，但事後比較結果卻都沒有顯著差異】。
（19）為了避免步驟18遇到的問題，會建議將人數較少且性質接近的組別進行合併，以本例來說，將41-50歲的17人，與51歲以上的4人合併為41歲以上，在SPSS資料中的合併教學，可以參考我們的文章【SPSS初學者必學的資料處理：重新編碼（recode）與計算（compute）（三）】，合併完後，結果是不是就好很多了呢。
留言列表
{{ article.title }}