《因素、交互作用、簡單效應分析》由會員分享，可在線閱讀，更多相關《因素、交互作用、簡單效應分析（60頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、單因素、交互作用、簡單效應分析,，,,方差分析的適用條件,變異的可加性 總體正態(tài)分布 方差齊性（總體方差相等）,實際應用中，對方差齊性要求較高，因此需要單獨檢驗。,,SPSS中的4個方差分析菜單,Univariate 單因變量方差分析 Multivariate 多因變量方差分析 Repeated Measures 含有重復測量的方差分析,Compare Means,One-Way ANOVA 單因素方差分析,General Linear Model,,,很少用，因變量不止一個時,含有重復測量的數(shù)據(jù),,很常用,One-Way ANOVA,8.1 單因素完全隨機方差分析,例1：單因

2、素完全隨機實驗設計,目的：文章生字密度對學生閱讀理解成績的影響 自變量：生字密度，含4個水平 （5：1、10：1、15：1、20：1） 因變量：閱讀測驗的分數(shù) 被試及程序：32人，隨機分為四組，每組接受一個自變量處理（即閱讀一種生字密度的文章）,One Way ANOVA:生字密度對學生閱讀理解的影響shuhua_p_39.sav,,即自變量,即多重比較 也稱事后檢驗,,,結果,,,,p值,由p=.037<.05可知，,可認為方差齊性,邊緣顯著,結果,,,組間均方,,,F值,,,p值,,,自由度,研究報告中的方差分析結果,自由度、均方、F、P,而p值以星號的形式標注,One-Way ANO

3、VA通常用文字陳述結果,因素較多時則用三線表呈現(xiàn),自由度、均方、F,,畢業(yè)論文格式,結果,由方差分析表可知， F(3,28)=22.533,p<.01，,生字密度對閱讀理解成績有影響。,學生對生字密度不同的文章的閱讀理解有顯著差異,結果,多重比較,練習1,數(shù)據(jù)文件“自信心與社交苦惱” 任務1：在1總自信平均分上，男生與女生是否存在顯著差異； 任務2：在1總自信平均分上，各個年級間是否存在顯著差異,8.2 單因素隨機區(qū)組方差分析,Univariate,,因變量,,絕大多數(shù)時候自變量都應該往里面選,,用于選入隨機因素，如果你不明白，假裝沒看見他就是了。,,,,單擊后出現(xiàn)一個對話框，用于設置在模型中

4、包含哪些主效應和交互因子，默認情況為Full factorial，即分析所有的主效應和交互作用。,本例沒有交互作用可分析，所以要改,,即 【custom 】,【Buil Term】【main effcts】,左邊變量的全選入右邊,,單擊后出現(xiàn)一個對話框，用于設置在模型中包含哪些主效應和交互因子，默認情況為Full factorial，即分析所有的主效應和交互作用。,,,本例沒有交互作用可分析，所以要改,,例2：單因素隨機區(qū)組設計,題目：文章的生字密度對學生閱讀理解的影響 自變量：生字密度，含有4個水平 （5：1、10：1、15：1、20：1） 因變量：閱讀測驗的分數(shù) 無關變量：被試的智

5、力水平 （區(qū)組變量） 實驗設計：單因素隨機區(qū)組實驗設計 被試及程序：首先給32個學生做智力測驗，并按測驗分數(shù)將被試分成8個組，每組4人（智力水平相等），然后隨機分配每個區(qū)組內(nèi)的4個被試閱讀一種生字密度的文章。,生字密度對學生閱讀理解的影響（按智力測驗成績劃分8個區(qū)組）shuhua_p_45.sav,數(shù)據(jù)錄入,,,,組間,區(qū)組,,,組內(nèi)（誤差項）,,,,Univariate,單因素完全隨機,n因素隨機區(qū)組,多因素混合設計,單因素重復測量,One-way ANOVA,Repeated Measures,Repeated Measures,多因素重復測量,Repeated Measures

6、,,不管有幾個因素，只要其中一個因素為重復測量，即用 Repeated Measures,Onece more,單因素完全隨機,One-way ANOVA,不管有幾個重復測量因素,Repeated Measures,其他方差分析,Univariate,,只有一個因變量,兩因素完全隨機實驗設計的應用舉例,題目：當主題熟悉性不同時，生字密度對兒童閱讀理解的影響。 實驗變量： 自變量A文章類型，即熟悉的（a1）與不熟悉的（a2）； 自變量B生字密度，即5:1(b1)、10:1(b2)、15:1(b3) 實驗設計：兩因素完全隨機實驗設計 被 試：24名五年級學生 實驗程序：首先將自變A與B的水平結合成

7、23即6個實驗處理；然后把選取的被試分成6組，每組4人，分別接受一種實驗處理水平的結合。,,,,,,數(shù)據(jù)如何錄入？,,,,,邊緣(際)平均數(shù),即主效應,,即交互作用效應,細格平均數(shù),Onece more,主效應,一個因素內(nèi)各個水平的差異,交互作用,一個因素的各個水平在另一個因素的不同水平上變化趨勢不一致。,,,,,,邊緣(際)平均數(shù),即主效應,,即交互作用效應,細格平均數(shù),,結合實例，請分別說明：,（1）主效應,（2）交互作用,23完全隨機方差分析,B因素：年級,A因素：性別,思考,兩因素完全隨機方差分析舉例：shuhua_p71,,,因變量,自變量,結果1：綜合的方差分析,,A因素的主效應,

8、,B因素的主效應,,AB的交互效應,A因素主效應顯著,B因素主效應顯著,不同主題熟悉性的成績存在顯著差異。,不同生字密度的成績存在顯著差異。,AB交互作用顯著,熟悉性與生字密度的交互作用顯著。,,該自變量水平大于等于3，事后檢驗,,交互作用顯著，則簡單效應檢驗,,結果2：事后檢驗即 Post hoc,,選中主效應顯著，且水平3的自變量,,通常用LSD,結果2：事后檢驗即 Post hoc,結果3：簡單效應的定量分析,通常不在SPSS for Windows完成,而是通過寫語句，即,syntax,交互作用顯著后進行簡單效應檢驗,兩因素完全隨機的方差分析syntax,,,,,23完全隨機的方差分析

9、,MANOVA Y BY A(1,2) B(1,3) /DESIGN /DESIGN=B WITHIN A(1) B WITHIN A(2).,,鍵盤敲兩下空格,,,多因素方差分析,變量說明 “BY”左邊為因變量 “BY”右邊為IV,總的方差分析,簡單效應檢驗,23完全隨機的方差分析,MANOVA Y BY A(1,2) B(1,3) /DESIGN /DESIGN=B WITHIN A(1) B WITHIN A(2).,Data View 與 Syntax 中的 “name” 務必保持一致,,,,Y表示因變量,A.B分別表示自變量,,A因素各個水平的最小值與最大值,,B因素同理,請

10、問：34完全隨機的方差分析，C因素3個水平，D因素4個水平，因變量為F，應如何改寫以上語句？,,鍵盤敲兩下空格,,實心點,,均可替換為其他字母,,結果3：簡單效應的定量分析,,,再結合作圖法，對結果進行解釋,結果4：交互作用的直觀分析作圖法,,結果4：交互作用的直觀分析作圖法,,X軸,,分為不同的線條,通常來說，把水平多的自變量作為X軸,,結果4：交互作用的直觀分析作圖法,再次復習： 什么是交互作用？,(B),b1,b2,b3,a2,a1,對于熟悉的文章，被試的閱讀理解成績無顯著差異(F(2,19)=0.12,P=0.883),對于不熟悉的文章，被試的閱讀理解成績存在顯著差異(F(2,19)=

11、11.33,P=0.001),結果5：對簡單效應的綜合分析,,見數(shù)據(jù)文件“dengzhu_p141”,練 習,,A因素的主效應,,B因素的主效應,,AB的交互效應,A因素主效應顯著,B因素主效應顯著,不同性別被試的**存在顯著差異。,不同年級被試的**存在顯著差異。,AB交互作用顯著,性別與年級的交互作用顯著。,,該自變量水平大于等于3，事后檢驗,,交互作用顯著，則簡單效應檢驗,兩因素混合設計的方差分析,注意：數(shù)據(jù)錄入,對于被試間（組間）變量，每個自變量須作為單獨的一列進行錄入 被試內(nèi)（組內(nèi)）變量，每個自變量無須單獨成列，而是被試內(nèi)變量各個水平所對應的因變量單獨成列 當只有被試間因素的時候，因

12、變量需要單獨成一列。 當含有被試內(nèi)因素的時候，因變量無需單獨成一列，而是錄入在被試內(nèi)因素相應的水平下,兩因素混合設計的方差分析舉例,詞的獲得年齡 與 專業(yè) 對詞的知覺速度的影響 采用3*2的混合設計 共有兩個自變量，自變量1是詞的獲得年齡（AOA）， 含3個水平，分別是a組、b組和c組，是被試內(nèi)變量；自變量2是專業(yè)，有體育和中文2個水平，是被試間變量。 因變量是反應時間 數(shù)據(jù)見“16-1”,,,被試內(nèi)變量的name,,,相應被試內(nèi)變量的水平數(shù),,,被試內(nèi)變量,,,被試間變量,,,,描述統(tǒng)計結果,球形檢驗,,,p0.05,球形檢驗差異不顯著,主效應A 與 交互作用,,,F(2，76)=4.813

13、，p=0.011<0.05,詞獲得年齡的主效應顯著,F(2，76)=1.471，p=0.2360.05,詞獲得年齡與專業(yè)交互作用不顯著,主效應B,F(1，38)=0.646，p=0.4260.05,系別的主效應不顯著,,F(2，76)=4.813，p=0.011<0.05,詞獲得年齡的主效應顯著,F(2，76)=1.471，p=0.2360.05,詞獲得年齡與專業(yè)交互作用不顯著,F(1，38)=0.646，p=0.4260.05,系別的主效應不顯著,需要進一步分析的：,詞的主效應顯著，須做多重比較,被試內(nèi)變量的事后多重比較只能用Options,,,,aoa,注意,被試內(nèi)變量主效應顯著后，事后多重比較只能用Options 如果被試間變量的主效應顯著，既可以用Options，也可以用post hoc,結果：事后多重比較,