SPSS应用概要.ppt

第 9 章 二维组间方差分析 例子 二维组间方差分析的目标和数据要求 原假设和对立假设 研究问题 在SPSS中输入数据及分析 当交互效应显著时分析主效应 效应量 APA格式的结果表达 二维组间方差分析的假定 例子 二维组间方差分析应用于两个自变量估计一个连续因变量的情况。在二维组间方差分析中，两个自变量都是包含两个或更多水平的组间因素，这里每个参与者只能接受每个因素的一个水平。 一个研究者想调查物理治疗和放松锻炼对治疗伤背的效果。来自一个当地外科整形诊所的24名遭受严重背伤的病人被招募参加这次研究。 物理治疗和放松锻炼分别有两种不同方式。 对于物理治疗，一半的参与者（12名）使用拉伸锻炼，另一半的参与者（12名）使用力量锻炼； 对于放松锻炼，一半的参与者（12名）使用肌肉放松（从头到脚的放松和松弛肌肉），另一半的参与者（12名）使用引导意象（一个结构化的可视技术用于放松）； 研究计划就是一个物理治疗水平和放松锻炼水平之间的交叉图。这个研究设计导致四种情形（每种情形分别有6名参与者）：拉伸和肌肉放松（单元a），拉伸和引导意象（单元b），力量和肌肉放松（单元c），力量和引导意象（单元d）。 由于物理治疗有两个水平，放松锻炼也有两个水平，于是得到四种情形，因此这种设计通常被称作2*2方差分析。 这个研究持续六周，每个参与者每周定期接受特定的训练。在六周结束时，每个参与者完成一个评价他们目前疼痛水平的调查问卷（调查问卷分数为0~60，其中0表示没伤，60表示严重伤）。 在这个研究中，六周后的疼痛水平是因变量，物理治疗和放松锻炼是自变量 放松锻炼 肌肉放松 引导意象 合计 物理 治疗 拉伸 6名参与者（单元a） 6名参与者（单元b） 12 力量 6名参与者（单元c） 6名参与者（单元d） 12 合计 12 12 24 二维组间方差分析的目标和数据要求 目标 数据要求 例子 1.检验主效应 拉伸和力量锻炼对背伤的影响有差异吗？ 肌肉放松和引导意象对背伤的影响有差异吗？ 2.检验交互效应 物理治疗对背伤的影响依赖于放松锻炼的类型吗？ 自变量 两个及以上水平的组间因素 因变量 连续 自变量 物理治疗（拉伸和力量） 放松锻炼（肌肉放松和引导意象） 因变量 六周后的疼痛水平 在二维组间方差分析中将检验三个不同的原假设。一个原假设被用来检验每个自变量（主效应检验），一个原假设用来检验两个自变量的混合效应（交互效应检验）。假设描述如下： 假设1.物理治疗检验：拉伸和力量锻炼 物理治疗的原假设指出拉伸和力量锻炼带来的平均疼痛水平在总体上是一样的： H0：μ拉伸= μ力量 对立假设指出两个总体均值不相等： H1：μ拉伸≠ μ力 假设2.放松锻炼检验：肌肉放松和引导意象 放松锻炼的原假设指出肌肉放松和引导意象带来的平均疼痛水平在总体上是一样的： H0：μ肌肉放松= μ引导意象 对立假设指出两个总体均值不相等： H1：μ肌肉放松≠ μ引导意象 假设3.物理治疗和放松锻炼交互效应的检验 原假设指出这两个自变量没有交互效应 H0：没有物理治疗*放松锻炼的交互效应 对立假设指出两者有交互效应 H1：有物理治疗*放松锻炼的交互效应 原假设和对立假设 原假设评价 二维组间方差分析对上面的三个原假设进行了检验。如果检验产生的结果在原假设正确时看起来不可能（结果发生的可能性小于5%），那么拒绝原假设。如果检验产生的结果在原假设正确时看起来正确（结果发生的可能性大于5%），那么不拒绝原假设。 研究问题 在二维方差分析研究中基本的兴趣问题也可以用研究问题的方式表示。 对于物理治疗“使用拉伸锻炼和力量锻炼的人们的疼痛水平是否不同？” 对于放松锻炼“使用肌肉放松和引导意象的人们的疼痛水平是否不同？” 对于物理治疗和放松锻炼的交互效应“物理治疗对于背伤的影响是否依赖于肌肉放松或者引导意象？” 数据 在SPSS中输入数据及分析 数据 步骤摘要： 在SPSS中生成三个变量（对应于自变量和因变量） 输入数据 为自变量创建变量值标签。在Value Labels对话框，适当输入数值和标签。点击“OK” 从菜单栏中选择Analyze＞General Linear Model＞Univariate… 把因变量移到Dependent Variable框中，将自变量移动到Fixed Factor(s)框中。 点击“Options”,把因素和交互效应移到Display Means for框中。选择Descriptive statistics，Estimates of effect size和Homogeneity tests，点击Continue 点击Plots”。把有最大水平数的因素（如果有关）移到Horizontal Axis框中，其它因素移到Separate Lines框中,