《被试内设计及数据处理ppt课件.ppt》由会员分享，可在线阅读，更多相关《被试内设计及数据处理ppt课件.ppt（100页珍藏版）》请在三一办公上搜索。
1、心理实验设计,主讲人：陈彩琦,华南师范大学心理学研究生课程,第七讲 被试内设计及数据处理,单因素被试内设计,1、单因素被试内设计的基本特点：适用条件：研究中有一个自变量；当若干处理水平连续实施给同一被试时，被试接受前面的处理对接受后面的处理没有长期影响（如学习、记忆效应）。基本方法：实验中每个被试接受所有的处理水平。误差控制：重复测量法。利用被试自己做控制，使被试的各方面特点在所有的处理中保持恒定。但在这种设计的实验中，要特别注意控制顺序效应。变异来源：自变量的处理效应；被试间个体差异的效应；随机误差变异。优点：能全面控制被试变量对实验结果的影响；只需较少被试即可。,2、单因素被试内设计的数据
2、处理方法（SPSS统计软件）：包含的统计变量：实验自变量A的各个处理水平：A1，A2，A3AP实施的统计过程：如果水平数为2，则进行paired-samples T test; 如果水平数大于2，则进行重复测量方差分析：analyzeGeneral Linear ModelRepeated Measures 预期的统计结果：自变量A的主效应是否显著；如果水平数大于2，则需做多重检验。具体做法不同于完全随机设计。,不同照明条件对工作效率的影响研究,研究2种照明条件下工人车零件的效率。被试30人，每个被试接受全部2种处理。为了消除顺序误差，需要将2种处理作拉丁方设计以使顺序得到平衡。因此，要将被试
3、分为2个顺序小组，每顺序小组的被试分别接受1种顺序的2种处理：,顺序小组1 顺序小组2 注： 表示高照明度 表示低照明度,单因素重复测量设计应用举例（2水平）,被试间平衡,顺序效应平衡的几种情形试验次数较少的情形，宜用被试间拉丁方或者ABBA法平衡，即不同被试用不同顺序做，总体平衡。如篇章阅读研究，照明条件研究试验次数较多，但条件切换不方便时，也适宜采用被试间平衡。可以采用批量ABBA法。如挡板距离和运动速度对速度知觉的影响试验次数较多，可以用电脑灵活呈现时，可以采用随机呈现。如启动效应、Stroop效应、汉字规则效应,不同照明条件对工作效率的影响的被试内数据,原始数据表 姓名 高照明度工效
4、低照明度工效 1 张明 56 43 2 刘修 67 68 3 刘冬 53 47 4 黄卫 61 58 5 李家 45 43 30 张岩 68 65,不同照明条件对工作效率影响研究结果的正式数据表与统计分析：,不同照明条件下工作效率比较 （n20） 照明条件 制造零件数（个） 统计检验 高明度组 78.6513.24 t2.876* 低明度组 67.55 17.12,配对样本t检验,单因素重复测量2水平设计的SPSS统计步骤,数据模式,进行配对样本T检验(1),单因素重复测量2水平设计的SPSS统计步骤,进行配对样本T检验(2),单因素重复测量2水平设计的SPSS统计步骤,单因素重复测量2水平设
5、计的SPSS统计步骤,配对样本T检验的结果（1）,描述统计量，可将上图中的平均数和标准差列于实验报告结果部分的三线表。,单因素重复测量2水平设计的SPSS统计步骤,配对样本T检验的结果（2）,检验结果及显著性水平：t(15)=-6.093, P 0.01,单因素重复测量实验设计应用举例（4水平）,研究题目：文章的生字密度对学生阅读理解的影响。实验设计：为了更好地控制被试的个体差异对实验结果的影响，本实验采用单因素重复测量实验设计。实验变量：自变量生字密度，含有4个水平（5：1、10：1、15：1、20：1）； 因变量阅读测验的分数；被试及程序：研究者选取8名被试参加实验，每个被试阅读4篇生字密
6、度不同的文章。为了克服疲劳效应、练习效应等顺序效应，应以拉丁方排序实施4种生字密度的文章。数据： s1 s2 s3 s4 s5 s6 s7 s8 a1： 3 6 4 3 5 7 5 2 a2： 4 6 4 2 4 5 3 3 a3： 8 9 8 7 5 6 7 6 a4： 9 8 8 7 12 13 12 11数据处理的练习与演示,单因素重复测量方差分析的SPSS实施步骤,数据模式,自变量有几个水平就有几列数据,有几个被试就有几行数据,同一个被试内变量的4个水平,单因素重复测量方差分析的SPSS实施步骤,重复测量方差分析的命令,重复测量,单因素重复测量方差分析的SPSS实施步骤,定义被试内变量
7、,Factor1处输入被试内变量名下框输入水平数，然后“Add”,已经定义好的变量名与水平数;然后点“Define”,单因素重复测量方差分析的SPSS实施步骤,将数据与已定义的变量对应起来,单因素重复测量方差分析的SPSS实施步骤,在“Options”窗口内选择多重比较方法,“生字密度”需要多重比较,选定的多重比较方法是LSD,同时设置需要输出描述统计量,单因素重复测量设计方差分析结果的解读,被试内因素及因变量信息,单因素重复测量设计方差分析结果的解读,描述统计量：平均数和标准差；用于“结果”部分的三线表,单因素重复测量设计方差分析结果的解读,多元方差分析结果,球形检验的结果。对球形假设的检验
8、实际上是对同一个体的多次测量之间是否存在相关性进行检验。如果球形检验结果达到显著水平，说明说明球形假设不能满足，即多次测量之间存在相关性，这时进行标准的一元方差分析就不合适了，需要采用备选的方差分析结果。,Sphericity,Assume equality of variances of the differences between treatment levels.Applicable to within-subject ANOVA.,Test Sphericity,Mauchlys test for sphericity (2 distribution).,Example: ANOVA
9、-2,Mauchlys testH0: Sphericity2=11.628 (p=0.043) Reject H0 No sphericity.,Violation of Sphericity,Consequence:Loss of powerCorrectionGreenhouse-GeisserHuynh-FeldtLower-bound,ANOVA result after Greenhouse-Geisser correction for violation of sphericity:校正前：F= 5.119 (p=0.025)校正后：F= 3.70 (p=0.063) Brand
10、s effect is not significant.,一元方差分析结果,标准一元方差分析的结果，适用于球形假设满足的情况。,球形假设不满足时的备选方差分析,生字密度,Greenhouse-Geisser, etc.,SPSS报表中的Greenhouse-Geisser, Huynh-Feldt, and Lower limit等等, 都是用来修正 违反sphericity假设 的方法, 为的是获得更具可信度的检验结果,各水平间的多重比较,描述统计量：M,SD,思考与讨论：请大家结果工作或生活实际，想一个单因素重复测量的实验设计,两因素被试内设计,（1）两因素被试内实验设计的基本特点：适用条
11、件：研究中有两个自变量，每个自变量有两个或多于两个水平；如果一个自变量有P 个水平，另一个自变量有q个水平，则实验中有pq个处理的结合，即具体的实验条件。研究中的两个自变量都是被试内变量。基本方法：每个被试都接受所有的实验处理的结合。实验刺激呈现给被试的先后顺序是随机的，或按拉丁方排序的。误差控制：重复测量法。,实验设计模型：Yij = + i +j+ ()ij+ k+ ()j k +( )jk+()jjk +ijk (i=1,2,.,n; j=1,2,.,p; k=1,2,q) i表示由被试 i 引起的变异，即被试间变异； ()jk 表示水平j 与水平k的交互作用； ()ij 表示j和被试
12、i 的交互作用的残差； ()j k表示k和被试 i 的交互作用的残差；i(j)表示误差变异。,两因素被试内设计应用举例,研究题目：文章的生字密度与主题熟悉性对学生阅读理解的影响实验设计：为了全面控制被试的个体差异，考虑到处理之间无显著学习效果，实验处理水平结合的数量不多，本实验采用23两因素的重复测量设计。所以两个自变量均为被试内变量。其中主题熟悉性有2个水平（熟悉的，不熟悉的）；生字密度含有3个水平（5：1、10：1、20：1）；因变量阅读测验的分数。被 试：4人实验程序：把两个自变量的水平结合成6种实验处理，即6种文章。每个被试阅读6篇文章，其中3篇生字密度不同，主题熟悉，3篇生字密度不同
13、，主题不熟悉。为了克服疲劳和顺序效应，实验分6次进行，每个被试每次阅读一篇文章，用拉丁方平衡学生阅读文章的先后顺序。模拟数据： a1b1 a1b2 a1b3 a2b1 a2b2 a2b3 3 4 5 4 8 12 6 6 7 5 9 13 4 4 5 3 8 12 3 2 2 3 7 11,两因素被试内设计的SPSS方差分析步骤,数据模式,23共六个处理结合，形成六种实验条件；每个被试有六个数据。,两因素被试内设计的SPSS方差分析步骤,重复测量方差分析的命令,重复测量,两因素被试内设计的SPSS方差分析步骤,定义被试内变量,Factor1处输入被试内变量名下框输入水平数，然后“Add”,定义
14、好两个变量名及对应的水平数;然后点“Define”,两因素被试内设计的SPSS方差分析步骤,将数据与已定义的被试内变量对应起来,将被试内变量6个处理结合的数据移到右边,两因素被试内设计的SPSS方差分析结果,输出结果（1）：描述统计量,巩固练习：请按上表画处三线表！,两因素被试内设计的SPSS方差分析结果,输出结果（2）：多元方差分析,两因素被试内设计的SPSS方差分析结果,输出结果（3）：球形检验,两因素被试内设计的SPSS方差分析结果,输出结果（4）：被试内效应,两因素被试内设计的SPSS方差分析结果,输出结果（5）：多重比较结果,两因素被试内设计的简单效应检验程序,MANOVA A1B1
15、 A1B2 A1B3 A2B1 A2B2 A2B3 /WSFACTORS=A(2) B(3) /WSDESIGN= B WITHIN A(1) B WITHIN A(2).MANOVA A1B1 A1B2 A1B3 A2B1 A2B2 A2B3 /WSFACTORS=A(2) B(3) /WSDESIGN= A WITHIN B(1) A WITHIN B(2) A WITHIN B(3).,想一想：能想出自己的两因素被试内设计吗？,两因素混合实验设计,混合实验设计：是指既包含非重复测量的因素（被试间因素），又包含重复测量因素（被试内因素）的实验设计。是现代心理与教育研究中应用最广泛的一种设计
16、。（1）两因素混合实验设计的基本特点：适用条件：研究中有两个自变量，每个自变量有两个或多个水平； 其中一个自变量是被试内的，即每个被试要接受他的所有水平的处理，另一个自变量是被试间的，即每个被试只接受一个水平的处理（从记忆效果和处理数过多考虑），或者它本身是一个被试变量，是每个被试独特具有，不可能同时兼备的； 研究者更感兴趣于被试内因素的处理效应以及两个因素的交互作用。,基本方法：首先确定研究中的被试内变量和被试间变量，将被试随机分配给被试间变量的各个水平，然后使每个被试接受与被试间变量的某一水平结合的被试内变量的所有水平。（被试分配模式见表）误差控制：随机化法与重复测量法。 优点：被试内因素
17、的方差分析精度高，适用范围广,实验设计模型：Yij = +j+ k+ ()jk+i(j)+i(j) +i(jk) (i=1,2,.,n; j=1,2,.,p; k=1,2,q)j表示A因素水平j的处理效应； k 表示B因素水平k的处理效应； ()jk 表示水平j 与水平k的交互作用； i(j)表示 嵌套在j 水平内的被试i 的效应； i(j) 表示嵌套在k 水平和被试i 的交互作用中的残差；i(j)表示误差变异。,（2）数据处理方法（SPSS统计软件）：统计变量：实验的自变量A、B1，B2，B3。预期结果：自变量A、B的主效应分别是否显著， AB的交互作用是否显著，若交互作用显著，需进行简单效
18、应检验。统计过程： analyzeGeneral Linear ModelRepeated measures,两因素混合设计应用举例,研究题目：文章的生字密度与主题熟悉性对学生阅读理解的影响实验设计：为了重点考察生字密度对阅读理解的影响，本实验采用23两因素混合实验设计。其中主题熟悉性为被试间变量，含有2个水平（熟悉的，不熟悉的）；生字密度为被试内变量，含有3个水平（5：1、10：1、20：1）；因变量阅读测验的分数。被 试：8人实验程序：把八名学生随机分成两组，一组学生每人阅读一篇三篇生字密度不同的、主题熟悉的文章；另一组学生每人阅读三篇生字密度不同的、主题不熟悉的文章。实验实施时，阅读三篇
19、文章分三次进行，用拉丁方平衡学生阅读文章的先后顺序。模拟数据：见右表。,两因素混合设计的SPSS方差分析步骤,数据模式,两因素混合设计的SPSS方差分析步骤,也使用重复测量方差分析的命令,重复测量,两因素混合设计的SPSS方差分析步骤,定义被试内变量,Factor1处输入被试内变量名下框输入水平数，然后“Add”,已经定义好的变量名与水平数;然后点“Define”,两因素混合设计的SPSS方差分析步骤,将数据与已定义的被试内变量对应起来,将被试内变量3个水平的数据移到右边,将被试间变量从左框移到这里,两因素混合设计的SPSS方差分析步骤,通过“Plots”命令设置输出交互作用图,分别以熟悉性和
20、生字敏度为X轴的交互作用图,两因素混合设计的SPSS方差分析步骤,在“Options”窗口内选择多重比较方法,“生字密度”需要多重比较,选定的多重比较方法是LSD,同时设置需要输出描述统计量,被试间变量方差齐性检验,两因素混合设计的SPSS方差分析步骤,输出结果（1）：描述统计量,两因素混合设计的SPSS方差分析步骤,输出结果（2）：多元方差分析,两因素混合设计的SPSS方差分析步骤,输出结果（3）：球形检验,检验结果表明：球形检验显著，P0.05, 不符合球形分布，因此不能使用标准一元方差分析结果，而使用备选方差分析结果,两因素混合设计的SPSS方差分析步骤,输出结果（4）：被试内效应,备选
21、方差分析结果，各效应均显著,两因素混合设计的SPSS方差分析步骤,输出结果（5）：被试间效应,主题熟悉性的主效应显著：F(1,6)=15.869,P0.01,两因素混合设计的SPSS方差分析步骤,输出结果（6）：多重比较结果,两因素混合设计的SPSS方差分析步骤,输出结果（7）：交互作用图1,被试内效应表明：F生字密度熟悉性113.167, P0.01。因此，交互作用显著，需进一步做简单效应检验,两因素混合设计的SPSS方差分析步骤,输出结果（8）：交互作用图2,被试内效应表明：F生字密度熟悉性113.167, P0.01。因此，交互作用显著，需进一步做简单效应检验,两因素混合设计的简单效应检
22、验步骤,1、把数据文件的中文变量名改成英文名或拼音,因为在简单效应检验的句法命令中，中文变量名常难以识别,2、打开句法编辑窗口,两因素混合设计的简单效应检验步骤,3、在句法窗口中编辑简单效应的命令行,检验主题熟悉性在生字密度三个两个水平上的简单效应,两因素混合设计的简单效应检验步骤,检验生字密度在主题不熟悉与熟悉两个水平上的简单效应,执行简单效应检验命令,4、简单效应检验结果（1）,结果表明，生字密度在主题不熟悉的时候简单效应不显著，F(2,12)=3.00, P=0.0880.05,结果表明，生字密度在主题熟悉的时候简单效应非常显著，F(2,12)=272.33, P 0.01,两因素混合设
23、计的简单效应检验步骤,生字密度在主题不熟悉的时候简单效应不显著，F(2,12)=3.00, P=0.0880.05,生字密度在主题熟悉的时候简单效应非常显著，F(2,12)=272.33, P 0.01,4、简单效应检验结果（2）,两因素混合设计的简单效应检验步骤,主题熟悉性在生字密度为5：1时简单效应不显著，F(1,6)=0.09, P=0.7800.05,主题熟悉性在生字密度为10：1时简单效应显著，F(1,6)=19.20, P=0.0050.01,主题熟悉性在生字密度为20：1时简单效应非常显著，F(1,6)=42.76, P0.01,主题熟悉性在生字密度为20：1时简单效应非常显著，
24、F(1,6)=42.76, P0.01,主题熟悉性在生字密度为10：1时简单效应显著，F(1,6)=19.20, P0.01,主题熟悉性在生字密度为5：1时简单效应不显著，F(1,6)=0.09, P0.05,其他更常见的两因素混合设计研究情境： 探讨男女生，学优生、学困生，理科生、文科生等不同群体阅读能力的差异时，也可以运用类似的设计的数据模式。思考：请大家结果工作或生活实际，想一个两因素混合设计的实验,两因素混合设计的简单效应检验程序MANOVA ratio1 ratio2 ratio3 BY topic(1, 2) /WSFACTORS = ratio(3) /WSDESIGN = ra
25、tio /DESIGN = MWITHIN topic(1) MWITHIN topic(2).MANOVA ratio1 ratio2 ratio3 BY topic(1,2) /WSFACTORS=ratio(3) / WSDESIGN=MWITHIN ratio(1) MWITHIN ratio(2) MWITHIN ratio(3) /DESIGN=topic.,有关多重比较的补充,多重比較(Multiple Comparison Test),成對比較(pairwise comparisons)事後比較(post hoc comparisons)計畫性比較(planned compar
26、isons)或對比(contrasts),成對比較,針對所有可能的組合進行成對比較, 但不去控制型I錯誤(Type I error)的機率.例如, 若有三組要進行成對比較, 則須比較三次; 此時, 型I錯誤的機率便暴增為:1-0.953=0.143.,事後比較 (1/6),事後比較 會控制型I錯誤的機率.兩難但型I錯誤的機率如果控制得愈小, 會降低檢定力(即增加型II錯誤的機率).,事後比較 (2/6),事後比較 的方法 LSD (least-significant difference)LSD幾乎未控制型I錯誤.Scheff是最保守的方法(把型I錯誤機率控制得最小).,事後比較 (3/6),
27、事後比較 的方法 (續)Bonferroni保守, 但當比較的次數不多時, 可以維持較佳的檢定力.Tucky保守, 但當比較的次數很多時, 可以維持較佳的檢定力.,事後比較 (4/6),事後比較 的方法 (續)R-E-G-W Q (Ryan, Einot, Gabriel and Welsch Q procedure) 控制型I與型II錯誤的效果都不錯.但當分組樣本數不同時, 便不建議使用.,事後比較 (5/6),事後比較 的方法 (續)Gabriel當分組樣本數有些微的不同時, 效果頗佳.Hochbergs GT2當分組樣本數有極大的不同時, 效果頗佳.,事後比較 (6/6),事後比較 的方
28、法 (續) Tamhanes T2, Dunnetts T3, Games-Howell, and Dunnetts C當分組的變異數不相等時, 較為適用.這些方法之中, Games-Howell似乎會有較佳的檢定績效.,Planned Comparisons (Contrasts),Without controlling the Type I error rate, but the number of comparisons are fewer than post hoc.Z: contrast valuew: weights : group means,Planned Comparison
29、s (Contrasts),Some conditions on weightsSum of weights is 0Orthogonal Orthonormal,Planned Comparisons (Contrasts),Ad. Image (ANOVA-1),Planned Comparisons (Contrasts),Rules for contrastsIf a group is single out in one comparison, that group should be excluded from any subsequent comparisons.Groups co
30、ded with positive weights should be compared against groups coded with negative weights.,Planned Comparisons (Contrasts),Rules for contrasts (cont.)The sum of weights for a comparison should be zero.If a group is not involved in a comparison, assign it a weight of zero.,Planned Comparisons (Contrast
31、s),Rules for contrasts (cont.)For a given contrast, the weights assigned to the group(s) in one chunk should be equal to the number of groups in the opposite chuck.,项目间设计与项目内设计,项目间设计：实验比较只能在不同的实验刺激（项目）间比较。如：规则字（帽）与非规则字（猜）的命名差异研究，需要保证二者的可比性。请问需控制什么无关变量？项目内设计：不同条件使用相同的实验材料。如：语音相同与语义相同对汉字命名的启动效应研究。摆柏；松
32、柏；石柏可以与被试间、被试内结合，形成四种设计,基于项目的方差分析,1. 实验单位 问题：一个实验中为什么需要多个被试，同一条件需要多个刺激？ 实验单位就是指实验研究中的对象，通常就是指实验中的被试。是实验中不可或缺的因素。作用：取样单位、测量单位、统计分析单位。（1）以被试作为实验单位 被试是指符合特定研究总体特征的个体，也叫样本的个案（case）。（2）以项目作为实验单位：前提：项目必须是随机取样的 把每一个实验材料或刺激作为实验单位，如每个单词或图形。实验材料也可以作为实验的取样单位、测量单位和统计分析单位。 以被试为统计单位得到的平均数和标准差反映了一组被试在某一实验处理上的集中趋势和
33、离中趋势；把项目作为统计单位，计算所得到的平均数和标准差则反映了一组项目在某一实验处理上的集中趋势和离中趋势。,例 4名被试在同一处理水平(如高频)5个单词上的反应时，可得到20个观测值。 word1 word2 word3 word4 word5 Subject1 423 456 398 418 452 Subject2 386 457 407 434 425 Subject3 432 419 416 387 440 Subject4 435 418 384 468 424 若基于被试，则将每个被试在5项目上的RT求平均，得到4个平均数 若基于项目，则将4个被试在每个项目上的数据平均，得到5
34、个平均数 前4个平均数反映了被试的个体差异；后5个平均数反映项目间的个体差异,2. 基于项目的实验设计 实验设计是指对实验单位进行抽样并把它分配到不同实验处理的过程或模式。同一个研究既是基于被试的设计，又是基于项目的设计。 基于项目的实验设计是对项目进行分组，实验处理针对的是同一组或不同组的项目。也可分为组间设计和组内设计，即项目间设计和项目内设计。每一个自变量水平或处理的结合形成一个项目组。 这两种设计的方差分析也不同。 例：8名被试对高频和低频各5个单词做命名反应，考察词频对命名速度的影响 基于被试的设计：被试内设计 基于项目的设计：判断依据是两组刺激如何选定。若通过匹配法选定，则属于项目
35、内设计；若刺激材料是随机选择，则属于项目间设计。,3. 基于项目的方差分析 基于项目的方差分析在具体计算方法与基于被试的方差分析相似。关键在于统计分析单元不同。后者是被试，而前者是实验材料，即项目。 现在很多研究中开始同时报告这两种方差分析的结果。 先做常规的方差分析（基于被试），再做基于项目的方差分析。 如：F1（2，28）=8.02, P0.01; F2（2, 32）=7.35,P0.01基于项目方差分析的步骤： 1.按常规方差分析要求输入原始数据； 2.用Data菜单中的Transpose命令使原始数据做90度旋转，使被试成为变量，每个刺激项目作为case； 3.然后按常规方差分析命令进行分析,
