传播研究方法》第十五讲.pptVIP

一、简单方差分析（simple analysis of variance/one-way analysis of variance） 简单方差分析 例如，检验某项运动的训练年数与应对技能（或运动员应对技能量表的得分）的关系。 方差分析逻辑：运动成绩差异产生的方差可以分为群体内个体差异产生的方差【组内差异，随机误差】和群体之间差异产生的方差【组间差异，显著差异】，对两类方差相互比较。 * 一、简单方差分析（simple analysis of variance/one-way analysis of variance） 简单方差分析（One-Way ANOVA） 调查每个星期呆在预备学校5、10和20个小时对孩子语言发展的影响。 分组因素/处理变量【每个孩子所属的组别5、10or20小时】；被解释变量【语言发展】 组1（每星期5小时） 组2（每星期10小时） 组3（每星期20小时） 语言发展测试成绩 语言发展测试成绩 语言发展测试成绩 * 一、简单方差分析（simple analysis of variance/one-way analysis of variance） 析因方差分析（factorial design）：分析一个以上的处理变量 调查每个星期呆在预备学校5、10和20个小时及性别对孩子语言发展的影响。【3×2】 分组因素/处理变量【3个层级】；其他分组因素【2个层级】 呆在预备学校的时间 性别 组1（每星期5小时） 组2（每星期10小时） 组3（每星期20小时） 男 语言发展测试成绩 语言发展测试成绩 语言发展测试成绩 女 语言发展测试成绩 语言发展测试成绩 语言发展测试成绩 * 使用SPSS进行简单方差分析 假定三个预备学校参与者群体与语言测试成绩 * 使用SPSS进行简单方差分析 假定三个预备学校参与者群体与语言测试成绩 （方差分析不需要确定单尾还是双尾） 设置风险水平：p.05 选择合适的统计量：F * * 方差来源 方差平方和 第二栏与第三栏之比 组间均方与组内均方之比 计算的F值对应的概率值p.05否定H0假设，在预备学校时间的不同对语言成绩的增加作用明显不同。犯错误的可能性几乎为零。 * 事后(post hoc)检验：比较检验或既成事实(after the fact)分析 Bonferroni，计算t 统计量，完成各组间 均值的配对比较。 * 引起三个群体之间整体的显著性差异的群体配对显著性差异处在群体1和群体3之间，而且群体2和群体3或群体1和群体2之间没有配对差异。 * 析因方差分析(General Linear Model, GLM) 例如：研究性别【男or女】和不同类型的训练项目【高强度or 低强度】对于体重减少【结果】的影响。 二元方差分析：有两个独立因素【性别、不同训练项目】 对性别的主效应(main effect)的检验 对不同类型训练项目的主效应的检验 对年龄和不同训练项目的交互效应(interaction effect)的检验 主效应：某因素不同层级之间存在差异 交互效应：某因素不同层级之间存在差异 * 析因方差分析[GLM] 例如：研究性别【男or女】和不同类型的训练项目【高强度or 低强度】对于体重减少【结果】的影响。 二元方差分析：应用条件 检验不同群体数值之间的差异； 参与者接受一次测试； 检验两个或多个群体； 处理不止一个因素或独立变量； 合适的检验统计是析因方差分析 * 析因方差分析[GLM] 例如：研究性别【男or女】和不同类型的训练项目【高强度or 低强度】对于体重减少【结果】的影响。 训练项目 性别 高强度 低强度 男性 女性 1. 不同的训练项目层级【高强度or低强度】之间是否有差异？ 2. 不同性别【男性or女性】之间是否有差异？ 3. 高强度或低强度项目是否对男性或女性有不同的效应？ 主效应是否存在 两因素间是否有 交互效应 * * * * 训练类型没有主效应； 性别没有主效应； 训练类别和性别之间有明显的交互效应，即高强度项目中女性减少的体重比男性减少的体重多；低强度项目中男性减少的体重比女性减少的多。 * 第三次作业讲评 * . 1. 依据均值为75，标准差为6.38的数据分布回答： 1）一个数值落在原始数值81和83之间的概率是多少？ x 0 标准正态分布： μ=0 σ =1 一个数值落在原始数值81和83之间的概率是.1736-.1057=0.0679,或6.79% * 1. 依据均值为75，标准差为6.38的数据分布回答： 1）一个数值落在原始数值63以下的概率是多少？ x 0 标准正态分布： μ=0 σ =1 一个数值落在原始数值63以下的概率是.0301, 或3% * 2. 在