第九章方差分析剖析.ppt

第九章 方差分析（Analysis of Variance: ANOVA） 一、定义：是同时对多个样本的总体平均数进行 显著性检验的方法。 变异（variance） 组间变异 组内变异（个体差异+随机误差） 如果组间变异越大，组内变异越小，就越能说明三种学习方法效用的不同。 二、基本原理 将研究数据的总变异分解为组间变异和组内变异，并通过组间变异与组内变异的比值的大小来推断多个样本平均数差异的显著性。比值越大，则各组平均数的差异就越明显。 由于我们常用方差表示数据的变异程度，所以，同时对多个样本平均数差异进行显著性检验的统计量是F值。如果计算出的F值大于等于所需要的F的临界值，就拒绝虚无假设，接受备择假设。 三、方差分析中的几个概念 因素：实验的自变量。 单因素、二因素、多因素 水平：某一因素的不同情况。 处理：由因素与水平构成的各种组合情况。 2?2 2?3 单因变量方差分析 ANOVA One-Way ANOVA(单因素) Two-Way ANOVA (二因素) 多因变量方差分析MANOVA 被试间实验设计 被试内实验设计 五、方差分析的基本原理：综合的F检验 （一）综合虚无假设 （二）方差的可分解性 六、方差分析的基本过程与步骤 平方和 自由度 均方 F值 查F值表进行F检验并做出决断 方差分析表 七、方差分析的基本假定 八、方差分析中的方差齐性检验 九、与方差分析有关的实验设计问题 第二节 单因素完全随机设计的方差分析 一、各实验处理组样本容量相同 二、各实验处理组样本容量不同 三、利用样本统计量进行方差分析 第三节 单因素随机区组设计的方差分析 一、单因素随机区组设计的基本模式 二、单因素随机区组设计的方差分析过程 三、单因素重复测量实验设计的方差分析 第四节 多因素完全随机设计的方差分析 第五节 方差分析中效应的进一步分析 一、各平均数间的多重比较(multiple comparisons) 为什么要进行事后检验（post hoc test） F值显著或极显著，表明各试验处理组的平均数中至少有一对平均数存在显著差异。但究竟是一对还是多对，如果是一对的话，又是哪一对平均数间存在差异，方差分析并没有回答，因而，有必要进行两两处理平均数间的比较，即事后检验，以具体判断两两处理平均数间的差异显著性。 事后检验的方法：N-K（Newman-Keuls）检验法 原理：q与t有相同之处。统计逻辑相同，但标准误不同。t值直接使用两均数差的标准误，q值运用方差分析中的误差标准误。 检验统计量： 二、主效应与交互效应 简单效应检验 交互作用显著表明某一因素不同水平均值的差异在另一个因素的各个水平上有不同的表现。 简单效应检验 在A1水平上，B1与B2均值差异的F检验（B的主效应） 在A2水平上，B1与B2均值差异的F检（B的主效应） 或者 在B1水平上，A1与A2均值差异的F检验（A的主效应） 在B2水平上，A1与A2均值差异的F检（A的主效应） 方差分析的SPSS过程 例子 * * 第一节 方差分析的基本原理及步骤 四、方差分析中的符号 K=处理条件或组数 n或nj =每一个组的被试数 N=总被试数 方差分析的符号 例子：