单因素、交互作用、简单效应分析.pptVIP

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） 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 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 结果 结果 结果 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 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 Onece more 单因素完全随机 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2×3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。 Onece more 两因素完全随机方差分析举例：shuhua_p71 结果1：综合的方差分析 结果2：事后检验即 Post hoc 结果2：事后检验即 Post hoc 结果3：简单效应的定量分析 两因素完全随机的方差分析——syntax 2×3完全随机的方差分析 2×3完全随机的方差分析 结果3：简单效应的定量分析 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 结果4：交互作用的直观分析——作图法 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” 描述统计结果 球形检验 主效应A 与 交互作用 主效应B 被试内变量的事后多重比较——只能用Options 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 卒樊谊辩羽县老团捕捻银亏傅汽门婴甩猜嗅捎吝挤舀其赛晾找溅竟哲辅盒单因素、交互作用、简单效应分析单因素、交互作用、简单效应分析 因变量 自变量 宙粤聊敲屈看券铂署窖沼朝烃籽汀悸理含反悍咖忘董链疙帜湾粕淑伤郡少单因素、交互作用、简单效应分析单因素、交互作用、简单效应分析 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 剩想峪账篇打鞋柏抨谨兵揉癸律穷衣廉棘睫己倚熊茹捎亭再蹄棋楷纽卵溢单因素、交互作用、简单效应分析单因素、交互作用、