MANOVA uitvoeren in SPSS en rapporteren

Inleiding
Je wilt weten of er verschil zit tussen twee groepen, die je gemeten hebt op twee verschillende
variabelen. Voorbeeld: je hebt de lengte en het gewicht van een groep jongens en een groep meisjes.
De standaard-oplossing is voor iedere variabele te kijken of er verschil is. Dat zou bijvoorbeeld
kunnen met een t-toets voor onafhankelijke steekproeven die dan eerst wordt uitgevoerd op lengte
en daarna op gewicht. Maar dat betekent twee toetsingen, dus twee keer een kans op een toevallig
significant resultaat. Verder heb je kans dat iedere variabele apart geen significant resultaat levert,
maar dat je, wanneer je beide variabelen in één keer kon toetsen wel een significant resultaat zou
vinden. Eén oplossing is een MANOVA uitvoeren. (Een andere oplossing is uit die twee variabelen
zelf een nieuwe variabele te maken, maar dat gaat het kader van dit stukje te buiten.)

We hebben onderstaande data. Kolom 1 is het persoonsnummer, kolom 2 geeft de groep, kolom 3
de eerste afhankelijke variabele en kolom 4 de tweede afhankelijke variabele.
1 1 5 3
2 1 6 4
3 1 5 3
4 1 7 2
5 1 8 4
6 1 6 5
7 2 4 3
8 2 5 3
9 2 6 2
10 2 6 2
11 2 4 4
12 2 5 5

Uitvoeren van de MANOVA in SPSS

- Voer bovenstaande data eventueel via knippen en plakken in in SPSS.
- Zorg voor de juiste variabelennamen.
- Kies: ANALYZE/ General Lineair Model/ Multivariate
- Plaats de twee afhankelijke variabelen in Dependent Variable
- Plaats Groep in de Fixed Factors box

SPSS-uitvoer
De uitvoer van SPSS ziet er ongeveer uit als op het volgende blad.

Mik van Es / 23-04-2010 1 MANOVA in SPSS

General Linear Model
Between-Subjects Factors

groep 1 6

2 6

Multivariate Testsb

Effect Value F Hypothesis df Error df Sig.

Intercept Pillai's Trace ,983 253,505a 2,000 9,000 ,000

Wilks' Lambda ,017 253,505a 2,000 9,000 ,000

Hotelling's Trace 56,334 253,505a 2,000 9,000 ,000

Roy's Largest Root 56,334 253,505a 2,000 9,000 ,000

groep Pillai's Trace ,320 2,113a 2,000 9,000 ,177

Wilks' Lambda ,680 2,113a 2,000 9,000 ,177

Hotelling's Trace ,470 2,113a 2,000 9,000 ,177

Roy's Largest Root ,470 2,113a 2,000 9,000 ,177

a. Exact statistic

b. Design: Intercept + groep

Tests of Between-Subjects Effects

Depend
ent Type III Sum of
Source Variable Squares df Mean Square F Sig.

Corrected Model afh1 4,083a 1 4,083 3,769 ,081

afh2 ,333b 1 ,333 ,270 ,614

Intercept afh1 374,083 1 374,083 345,308 ,000

afh2 133,333 1 133,333 108,108 ,000

groep afh1 4,083 1 4,083 3,769 ,081

afh2 ,333 1 ,333 ,270 ,614

Error afh1 10,833 10 1,083

afh2 12,333 10 1,233

Total afh1 389,000 12

afh2 146,000 12

Corrected Total afh1 14,917 11

afh2 12,667 11

a. R Squared = ,274 (Adjusted R Squared = ,201)

b. R Squared = ,026 (Adjusted R Squared = -,071)

Mik van Es / 23-04-2010 2 MANOVA in SPSS

Toelichting op SPSS-uitvoer
In de eerste tabel geeft SPSS een overzichtje van de opgegeven onafhankelijke variabelen (de
'Between Subject Factors') en het aantal personen/cases per groep.

In de tweede tabel geeft SPSS de eigenlijke MANOVA-resultaten. De eerste helft daarvan over het
'Intercept' is niet interessant. De onderste helft met in de eerste kolom 'Groep' bevat de uitkomsten
waar het om gaat.

SPSS geeft dan vier verschillende toetsings-grootheden die alle vier in dit geval dezelfde
significantie opleveren. Wilks Lambda schijnt wel vaak gebruikt te worden. In ons voorbeeld is
Wilks Lambda 0,68.

Deze waarde wordt door SPSS omgezet naar een F-waarde met twee vrijheidsgraden. De gevonden
F is 2,113 met vrijheidsgraden 2 en 9 voor respectievelijk de hypothese en de 'error'. De p-waarde
die hier bijhoort, SPSS heeft het over de 'sig'(nificance), is 0,177. Dit is dus ongeveer 18 procent
kans op dit resultaat uitgaande van de nul-hypothese dat de twee groepen op beide afhankelijke
variabelen hetzelfde gemiddelde hadden. Er is dus geen significant verschil tussen de twee groepen
in dit voorbeeld (uitgaande van een gebruikelijk significantieniveau van 5%).

De derde tabel geeft de univariate toetsingen weer per afhankelijke variabele. Het eerste deel van de
tabel onder 'Corrected Model' en 'Intercept' is voor ons niet interessant. Wij zijn geïnteresseerd in de
uitkomsten voor 'Groep'. Voor afh1 vinden we dan een p-waarde van 0,081 of ongeveer 8 procent.
Voor afh2 vinden we een p-waarde van 0,614 of afgerond 61 procent. Ook de univariate toetsingen
leveren dus geen significant resultaat.

In dit voorbeeld levert de MANOVA een waarde die veel minder extreem is, dan de meest extreme
univariate toetsing. Dat is ook plausibel, want de informatie van beide afhankelijke variabelen werd
gebruikt.

Rapporteren
Hoe moeten we deze uitkomsten rapporteren? Dat zou bijvoorbeeld zo kunnen.
'Verschilden de groepen 1 en 2 op de twee afhankelijke variabelen afh1 en afh2? Om deze vraag te
beantwoorden, voerden we een MANOVA uit die geen significant resultaat opleverde (Wilks
Lambda = 0,68, F(2,9)=2,11, p=0,18).'

Mik van Es / 23-04-2010 3 MANOVA in SPSS