单因素、交互作用、简单效应分析.ppt

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（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 more,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,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，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,