《单因素、交互作用、简单效应分析.ppt》由会员分享，可在线阅读，更多相关《单因素、交互作用、简单效应分析.ppt（60页珍藏版）》请在三一办公上搜索。
1、单因素、交互作用、简单效应分析,，,方差分析的适用条件,变异的可加性总体正态分布方差齐性（总体方差相等）,实际应用中，对方差齐性要求较高，因此需要单独检验。,SPSS中的4个方差分析菜单,Univariate 单因变量方差分析Multivariate 多因变量方差分析Repeated Measures 含有重复测量的方差分析,Compare Means,One-Way ANOVA 单因素方差分析,General Linear Model,很少用，因变量不止一个时,含有重复测量的数据,很常用,One-Way ANOVA,8.1 单因素完全随机方差分析,例1：单因素完全随机实验设计,目的：文章生字
2、密度对学生阅读理解成绩的影响自变量：生字密度，含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：32人，随机分为四组，每组接受一个自变量处理（即阅读一种生字密度的文章）,One Way ANOVA:生字密度对学生阅读理解的影响shuhua_p_39.sav,即自变量,即多重比较也称事后检验,结果,p值,由p=.037.05可知，,可认为方差齐性,边缘显著,结果,组间均方,F值,p值,自由度,研究报告中的方差分析结果,自由度、均方、F、P,而p值以星号的形式标注,One-Way ANOVA通常用文字陈述结果,因素较多时则用三线表呈现,自由度、均方、F,毕业论文格
3、式,结果,由方差分析表可知，F(3,28)=22.533,p.01，,生字密度对阅读理解成绩有影响。,学生对生字密度不同的文章的阅读理解有显著差异,结果,多重比较,练习1,数据文件“自信心与社交苦恼”任务1：在1总自信平均分上，男生与女生是否存在显著差异；任务2：在1总自信平均分上，各个年级间是否存在显著差异,8.2 单因素随机区组方差分析,Univariate,因变量,绝大多数时候自变量都应该往里面选,用于选入随机因素，如果你不明白，假装没看见他就是了。,单击后出现一个对话框，用于设置在模型中包含哪些主效应和交互因子，默认情况为Full factorial，即分析所有的主效应和交互作用。,本
4、例没有交互作用可分析，所以要改,即【custom】,【Buil Term】【main effcts】,左边变量的全选入右边,单击后出现一个对话框，用于设置在模型中包含哪些主效应和交互因子，默认情况为Full factorial，即分析所有的主效应和交互作用。,本例没有交互作用可分析，所以要改,例2：单因素随机区组设计,题目：文章的生字密度对学生阅读理解的影响自变量：生字密度，含有4个水平（5：1、10：1、15：1、20：1）因变量：阅读测验的分数无关变量：被试的智力水平（区组变量）实验设计：单因素随机区组实验设计被试及程序：首先给32个学生做智力测验，并按测验分数将被试分成8个组，每组4人（
5、智力水平相等），然后随机分配每个区组内的4个被试阅读一种生字密度的文章。,生字密度对学生阅读理解的影响（按智力测验成绩划分8个区组）shuhua_p_45.sav,数据录入,组间,区组,组内（误差项）,Univariate,单因素完全随机,n因素随机区组,多因素混合设计,单因素重复测量,One-way ANOVA,Repeated Measures,Repeated Measures,多因素重复测量,Repeated Measures,不管有几个因素，只要其中一个因素为重复测量，即用Repeated Measures,Onece more,单因素完全随机,One-way ANOVA,不管有几个
6、重复测量因素,Repeated Measures,其他方差分析,Univariate,只有一个因变量,两因素完全随机实验设计的应用举例,题目：当主题熟悉性不同时，生字密度对儿童阅读理解的影响。实验变量：自变量A文章类型，即熟悉的（a1）与不熟悉的（a2）；自变量B生字密度，即5:1(b1)、10:1(b2)、15:1(b3)实验设计：两因素完全随机实验设计被 试：24名五年级学生实验程序：首先将自变A与B的水平结合成23即6个实验处理；然后把选取的被试分成6组，每组4人，分别接受一种实验处理水平的结合。,数据如何录入？,边缘(际)平均数,即主效应,即交互作用效应,细格平均数,Onece mor
7、e,主效应,一个因素内各个水平的差异,交互作用,一个因素的各个水平在另一个因素的不同水平上变化趋势不一致。,边缘(际)平均数,即主效应,即交互作用效应,细格平均数,结合实例，请分别说明：,（1）主效应,（2）交互作用,23完全随机方差分析,B因素：年级,A因素：性别,思考,两因素完全随机方差分析举例：shuhua_p71,因变量,自变量,结果1：综合的方差分析,A因素的主效应,B因素的主效应,AB的交互效应,A因素主效应显著,B因素主效应显著,不同主题熟悉性的成绩存在显著差异。,不同生字密度的成绩存在显著差异。,AB交互作用显著,熟悉性与生字密度的交互作用显著。,该自变量水平大于等于3，事后检
8、验,交互作用显著，则简单效应检验,结果2：事后检验即 Post hoc,选中主效应显著，且水平3的自变量,通常用LSD,结果2：事后检验即 Post hoc,结果3：简单效应的定量分析,通常不在SPSS for Windows完成,而是通过写语句，即,syntax,交互作用显著后进行简单效应检验,两因素完全随机的方差分析syntax,23完全随机的方差分析,MANOVA Y BY A(1,2)B(1,3)/DESIGN/DESIGN=B WITHIN A(1)B WITHIN A(2).,键盘敲两下空格,多因素方差分析,变量说明“BY”左边为因变量“BY”右边为IV,总的方差分析,简单效应检验
9、,23完全随机的方差分析,MANOVA Y BY A(1,2)B(1,3)/DESIGN/DESIGN=B WITHIN A(1)B WITHIN A(2).,Data View 与 Syntax 中的“name”务必保持一致,Y表示因变量,A.B分别表示自变量,A因素各个水平的最小值与最大值,B因素同理,请问：34完全随机的方差分析，C因素3个水平，D因素4个水平，因变量为F，应如何改写以上语句？,键盘敲两下空格,实心点,均可替换为其他字母,结果3：简单效应的定量分析,再结合作图法，对结果进行解释,结果4：交互作用的直观分析作图法,结果4：交互作用的直观分析作图法,X轴,分为不同的线条,通常
10、来说，把水平多的自变量作为X轴,结果4：交互作用的直观分析作图法,再次复习：什么是交互作用？,(B),b1,b2,b3,a2,a1,对于熟悉的文章，被试的阅读理解成绩无显著差异(F(2,19)=0.12,P=0.883),对于不熟悉的文章，被试的阅读理解成绩存在显著差异(F(2,19)=11.33,P=0.001),结果5：对简单效应的综合分析,见数据文件“dengzhu_p141”,练 习,A因素的主效应,B因素的主效应,AB的交互效应,A因素主效应显著,B因素主效应显著,不同性别被试的*存在显著差异。,不同年级被试的*存在显著差异。,AB交互作用显著,性别与年级的交互作用显著。,该自变量水
11、平大于等于3，事后检验,交互作用显著，则简单效应检验,两因素混合设计的方差分析,注意：数据录入,对于被试间（组间）变量，每个自变量须作为单独的一列进行录入被试内（组内）变量，每个自变量无须单独成列，而是被试内变量各个水平所对应的因变量单独成列当只有被试间因素的时候，因变量需要单独成一列。当含有被试内因素的时候，因变量无需单独成一列，而是录入在被试内因素相应的水平下,两因素混合设计的方差分析举例,词的获得年龄 与 专业 对词的知觉速度的影响采用3*2的混合设计共有两个自变量，自变量1是词的获得年龄（AOA），含3个水平，分别是a组、b组和c组，是被试内变量；自变量2是专业，有体育和中文2个水平，
12、是被试间变量。因变量是反应时间数据见“16-1”,被试内变量的name,相应被试内变量的水平数,被试内变量,被试间变量,描述统计结果,球形检验,p0.05,球形检验差异不显著,主效应A 与 交互作用,F(2，76)=4.813，p=0.0110.05,词获得年龄的主效应显著,F(2，76)=1.471，p=0.2360.05,词获得年龄与专业交互作用不显著,主效应B,F(1，38)=0.646，p=0.4260.05,系别的主效应不显著,F(2，76)=4.813，p=0.0110.05,词获得年龄的主效应显著,F(2，76)=1.471，p=0.2360.05,词获得年龄与专业交互作用不显著,F(1，38)=0.646，p=0.4260.05,系别的主效应不显著,需要进一步分析的：,词的主效应显著，须做多重比较,被试内变量的事后多重比较只能用Options,aoa,注意,被试内变量主效应显著后，事后多重比较只能用Options如果被试间变量的主效应显著，既可以用Options，也可以用post hoc,结果：事后多重比较,
