《统计心理学教学资料》2-way-ANOVA-2-2012.ppt

二因素ANOVA-II 主效应交互作用图示 简单效应分析 交互作用类型 交互作用的解释 单因素ANOVA SS和 = SX2 - (G2/N) SS组内= SSSi SS组间= STi 2 /ni - (G2/N) 和方第二步分解 重复测量ANOVA SS被试间= S(P2/k) - G2/N 二因素ANOVA SSA=∑A2/bn –G2/N SSB=∑B2/an –G2/N SSAxB= SS处理间–SSA –SSB 交互作用图 小 小 小 小 小 例1：二因素ANONA 检查记忆的方法通常有两种,再认和回忆.一般说,幼儿的回忆能力很差,随着年龄增长而 提 高.而再认能力在各年龄段儿童差不多.在下列6种条件中各有10个儿童,因变量是每个儿童正确记忆的数目.用ANOVA 以α= .05的标准作假设检验 例2：二因素ANONA 检查记忆的方法通常有两种,再认和回忆.一般说,幼儿的回忆能力很差,随着年龄增长而 提 高.而再认能力在各年龄段儿童差不多.在下列6种条件中各有10个儿童,因变量是每个儿童正确记忆的数目.用ANOVA 以α= .05的标准作假设检验 交互作用不显著，只分析两个主效应，并做年龄的事后检验 例：根据心理学原理，测验条件与学习条件一致时，学习效果最好。以下数据是否显示了教室与考场大小对测验成绩有无显著差异 作方差分析表 结论 A 因素：F（1，16）=.55， p05 A 因素主效应不显著 B 因素：F（1，16）=.55， p.05 B 因素主效应不显著 交互作用： F（1，16）=92.60， p .05 考场 大小对成绩的影响因教室大小而不同: 当考场 大小与教室大小匹配时，考试成绩较高 当考场 大小与教室大小不匹配时，考试成绩较低 另一个因素设计的例子 自变量1：晨型和夜型 自变量2：喝咖啡的杯数 （多，少） 因变量： 考试分数 一个因素的效应 咖啡的量 少 多 被试的类型 早晨型 夜间型 60 90 60 90 图示 分数 咖啡的量 少 多 100 75 50 0 25 另一个因素的效应 少 多 被试 类型 晨型 夜型 90 90 60 60 图示 分数 咖啡的量 少 多 100 75 50 0 25 ——晨型 ——夜型 每个因素的效应 咖啡的量 少 多 被试 类型 晨型 夜型 60 90 30 60 图示 分数 咖啡的量 少 多 100 75 50 0 25 ——晨型 ——夜型 因素间的交互作用 咖啡的量 少 多 被试 类型 晨型 夜型 90 60 60 90 图示 分数 咖啡的量 少 多 100 75 50 0 25 ——晨型 ——夜型 交互作用和两个因素的主效应 咖啡的量 Paltry Ample 被试 类型 晨型 夜型 90 60 10 80 图示 分数 咖啡的量 少 多 100 75 50 0 25 按序的交互作用 按序的交互作用 两个自变量效应的方向一致, 但差别的大小不同 分数 咖啡的量 少 多 100 75 50 0 25 非按序的交互作用 一个自变量 所引起的差别 在另一个自变量的不同水平上不同 有时称为交叉式交互作用 分数 少 多 100 75 50 0 25 交互作用及其解释 交互作用对于研究结果的解释至关重要 离开了对交互作用的了解，主效应的解释非常不同 先解释交互作用，后解释主效应 将几个因素的信息平均是非常危险的 Simpson’s paradox 平均的效应可能与各组内的情况完全不同 三因素的研究设计 2 x 2 x 2: 有3个因素，每个因素有两个水平 高次的交互作用使解释变得困难 解释2 x 2 x 2的交互作用 三个主效应，三个二次的交互作用 一个三次的交互作用 将上例增加一个自变量，考试时间在早晨还是下午 图示显著的三次的交互作用 天花板和地板效应 地板效应– 被试的分数不能再低 天花板效应– 被试的分数不能再高 天花板效应和交互作用 (地板效应情况类似) 一个组的被试达到天花板。而另一组尚未达到 得到统计上的交互作用 这种情况中，交互作用并不反映实际情况（artifact） 图示 50 分数 100 0 专技水平 低 中 高 概念小测查: 判断正误 在表示2因素方差分析结果的线图中, 如果所有的线都是直的(不拐弯),那么2因素间有交互作用. 如果一位研究者期望得到两个处理条件的性别差异,男大于女,这位研究者是在预测处理条件与性别的交互作用. 当一个2因素方差分析产生显著的交互作用,应当谨慎地解释主效应,因为交互作用能扭曲,遮蔽,或夸大单个因素的主效应. 2因素实验研究意味着,存在两个变量