郑西联SPSS译第五章.docVIP

第五章 差异检验的统计方法 这一章包括了8种常用的关于差异检验的方法。其中1种是关于比例差异检验的方法，其它7种是关于平均数之间差异的检验方法。本章还介绍了应用这些方法，通过SPSS的操作来产生结果。不仅如此，本章还阐述了运用分心菜单如何解释SPSS输出的结果和如何书写这些分析的结果。 比例差异 为了检验一种分类因变量（如性别）个体的比例是否在每个分类自变量（如经理和主管）的水平上的差异，要使用卡方检验。 中心趋势差异 有许多检验中心趋势的统计方法，但是最常用的是由构造心理学家们最经常使用的如表5.1显示的一些统计方法。在此表中特定的各种统计方法已经发展为特定类型的研究设计。当然，熟悉一些在研究设计中的专业术语是非常必要的。下面将关键的感念简单概述如下。 自变量与因变量 在差异的检验中，通常以自变量和因变量作为参考。自变量是那些研究者们在实验设计中单独操纵和加以对比的变量，而因变量是依靠上述控制和对比而产生的可以测量的变量。 例如，研究者想比较接受两种培训项目的员工的工作效率。她选择了随机分配的方式，将100名员工随机分到A种培训项目和B种培训项目上。在这里，操纵的自变量是被试是接受A种培训，还是B种培训，并且按照操纵得出的因变量是可以测量的，即工作效率。又如，研究者或许对男女员工一年的缺勤率是否存在不同感兴趣。在这里，自变量是性别（男性与女性），因变量是一年的缺勤率。 自变量的水平 一个自变量一般有两个或以上的水平。在组织研究中，自变量通常是分类变量（相对于连续变量），并且每个级别代表不同的类别。常见的例子是男性和女性，或者是在服务业和制造业工作的人们。有时，这些分类变量有两种以上水平。再举一个研究的例子，研究者希望比较市场营销、财务、生产部门的工作人员的幸福感。在这里，有一个自变量（不同的部门），它有三种水平（市场营销、生产部门和财务部门）。 在表5.1列举的差异检验的不同种类的统计方法，根据自变量的性质有针对性的使用：它们涉及独立和配对样本。 独立样本的自变量 当有两种或两种以上水平的有关不同种类的人的自变量的时候，这种自变量就是独立样本。因此，如果自变量是性别，独立样本的自变量必然会有独立样本，因为他们可分为一部分是男性和一部分女性。同样地，如果一组人接受了某种培训，而第二组没有接受培训，你又将拥有一个独立样本的自变量（接受培训和未接受培训）。 配对样本的自变量 当你使用配对样本或重复测量设计时，自变量就需要相关样本。在一个配对样本实验设计中，人们特意讲被试以他们一个或多个关键的共同特征（如性别或年龄）为基础进行匹配。因此，你可能对某种培训对工作绩效的影响有兴趣，为了取代对同类被试在培训前后的测量（重复测量设计），你测量了一组已接受培训的被试和另一组没有接受培训的被试，将他们在一个和多个关键变量上进行匹配，你认为对他们的分类将对实验有显著的影响。例如，你可以讲被试根据年龄和性别进行匹配。在这种情况下，如果在培训组有一名27岁的男性，那么你应当他与没有培训组的27岁的男性进行匹配。 在一个重复测量设计中，每位被试在因变量上两次或以上的测量，这给了你每位被试的几个分数。例如，你测量人们在接受培训前和培训后的工作绩效。自变量是培训，并且它有两种水平：培训前和培训后。这是一个重复测量设计，因为在这个研究中，工作绩效在每个人身上都进行了重复测量——它得到了两个数据，一个是在培训前，一个是在培训后。 使用那种检验？ 当你仅仅有一种自变量，他有两种水平和独立的样本（例如男性和女性）时，应使用独立样本t-检验。有一个自变量，它有两种水平和配对样本或重复测量（例如员工的工作满意度和培训项目的前测后测）时，应使用配对样本t-检验。 如果你有一种自变量，它有三种或三种以上水平和独立样本（例如在财务、生产和销售部门的人员）时，应使用独立样本单因素方差分析。如果有一种自变量，它有三种以上水平和重复测量时（例如，在测验员工工作满意度时，在培训前、培训后和培训一年后），使用重复测量单因素方差分析。 如果有两个以上的自变量，它们每个都有两个以上的水平，并且所有的自变量都是独立样本，使用独立样本多因素方差分析。如果有两种以上的自变量，每种变量有两种或以上的水平，并且在所有的自变量上都采用了重复测量时，使用重复测量多因素方差分析。 最后，如果有两种以上的自变量，这些自变量的每一个有两种或以上水平，这些样本在自变量里的一种或以上是独立的，但是你在自变量的一种或以上使用了重复测量时，使用混合样本多因素方差分析。我们现在将依次要考虑每种方法。 卡方检验 什么时候使用？ 卡方检验是在被试在一种分类自变量和一种分类因变量时使用。例如，自变量可以是性别，因变量时两年后是否晋升的员工。这些变量的每种类别有两种或以上列别。一种变量分为两类，例如性别（男性和女性）