第五章SPSS方差分析.pptVIP

5.1.6多维交互效应方差分析实例 实验数据为教育心理学实验，心理运动测验分数与被试者必须瞄准的目标大小关系的资料。 实例[例5.5] 教育心理学实验问题 任意选择四个目标, TARGET 1 2 3 4 从若干个使用过的设备中任意选择三部测试设备Device: 1 2 3 选择两种不同明暗程度的照明环境 1 2 做4×3×2的析因实验设计, 构成24个组合单元 每个组合中随机部署5名测试者测试心理活动得分, 得到120个得分数据 TARGET DEVICE LIGHT SCORE 1 1 1 2 2 1 1 9 3 1 1 10 4 1 1 8 1 2 1 1 2 2 1 9 3 2 1 10 4 2 1 11 1 3 1 5 2 3 1 5 3 3 1 7 4 3 1 2 ………… 数据准备：一个分析变量SCORE ，三个因素变量TARGET, DEVICE , LIGHT 。 数据文件：spssjiaoan\例题数据\多维交互效应方差分析 分析过程： Analyze-General Linear Model- Univariate Dependent：Score Fixed Factors： Target、 Device、 Light Model：保留全模型选项（不对Model操作） 选择输出Option选项：选Target*Device* Light进入Display Means for框中：各种组合均值 选择Plot选项： 作四个图Target、 Device、 Light 、 Target*Device* Light 结果解释：Sig显著性概率值（各主效应，交互效应，均对Score有显著性作用） 结果文件：spssjiaoan\例题数据\多维交互效应方差分析 第二节 multivariate过程 5.2.1 multivariate过程功能 GLM Multivariate过程提供回归分析和多因变量的方差分析。多因变量方差分析模型除包括多个因变量外，还可以包括一个或几个因素变量或协变量。因素变量把总体分为几个组。使用这个一般线性模型过程，可以检验因素变量在因变量的联合分布的各组均值的效应，可以研究因素间的交互效应和单一因素的效应，另外还包括协变量效应和协变量与因素间的交互效应。 对回归分析，协变量作为自变量（预测变量） GLM Multivariate过程可以检验平衡和不平衡模型。模型中每个单元包括相同数量的观测量为平衡设计。 5.2.2实例分析 对男33人、女26人的头部四个解剖部位的测量结果，研究男女头部有无显著性差异。 数据文件：spssjiaoan\例题数据\多因变量线性模型方差分析 分析过程： Analyze-General Linear Model- Multivariate Dependent：Basilar、length、postorb、zygoma Fixed Factors： Sex Model：保留全模型选项（不对Model操作） Option：Descriptive Statistics 结果分析：Sig显著性概率值（不同性别的头部四个解剖部位没有显著性差异） 分析文件：spssjiaoan\例题数据\多因变量线性模型方差分析（无） （破解版本此命令不运行） 第三节 repeated measures过程 5.3.1 repeated measures过程功能 重复测量设计方差分析的样本必须包括同质的实验单位或进行多次重复测量的实验。 GLM重复测量属于高级分析过程，是对同一因变量进行重复测量，可以是同一条件下进行的重复测度，目的在于研究各种处理之间是否存在显著性差异的同时，研究被试者之间的差异；也可以是不同条件下的重复测度，目的在于研究各种处理间是否存在显著性差异的同时，研究形成重复测量条件间的差异以及这些条件与处理间的交互效应。 重复测量设计方差分析的数据文件结构：若