单因素、交互作用、简单效应分析PPT.pptVIP

两因素完全随机方差分析举例：shuhua_p71 因变量 自变量 结果1：综合的方差分析 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 结果2：事后检验即 Post hoc 选中主效应显著，且水平≥3的自变量 通常用LSD 结果2：事后检验即 Post hoc 结果3：简单效应的定量分析 通常不在SPSS for Windows完成 而是通过写语句，即 syntax 交互作用显著后进行简单效应检验 两因素完全随机的方差分析——syntax 2×3完全随机的方差分析 MANOVA Y BY A(1,2) B(1,3) /DESIGN /DESIGN=B WITHIN A(1) B WITHIN A(2). 键盘敲两下空格 多因素方差分析 变量说明 “BY”左边为因变量 “BY”右边为IV 总的方差分析 简单效应检验 2×3完全随机的方差分析 MANOVA Y BY A(1,2) B(1,3) /DESIGN /DESIGN=B WITHIN A(1) B WITHIN A(2). Data View 与 Syntax 中的 “name” 务必保持一致 Y表示因变量 A.B分别表示自变量 A因素各个水平的最小值与最大值 B因素同理 请问：3×4完全随机的方差分析，C因素3个水平，D因素4个水平，因变量为F，应如何改写以上语句？ 键盘敲两下空格 实心点 均可替换为其他字母 结果3：简单效应的定量分析 再结合作图法，对结果进行解释 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 X轴 分为不同的线条 通常来说，把水平多的自变量作为X轴 * 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） 实际应用中，对方差齐性要求较高，因此需要单独检验。 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 Compare Means One-Way ANOVA 单因素方差分析 General Linear Model 很少用，因变量不止一个时 含有重复测量的数据 很常用 One Way ANOVA:生字密度对学生阅读理解的影响shuhua_p_39.sav 生字密度 5：1 10：1 15：1 20：1 阅读理解测验分数 3 4 8 9 6 6 9 8 4 4 8 8 3 2 7 7 5 4 5 12 7 5 6 13 5 3 7 12 2 3 6 11 即自变量 即多重比较 也称事后检验 结果 p值 由p=.037.05可知， 可认为方差齐性 边缘显著 结果 组间均方 组内均方 F值 p值 自由度 研究报告中的方差分析结果 自由度、均方、F、P 而p值以星号的形式标注 One-Way ANOVA通常用文字陈述结果 因素较多时则用三线表呈现 自由度、均方、F 毕业论文格式 结果 由方差分析表可知， F(3,28)=22.533,p.01， 生字密度对阅读理解成绩有影响。 学生对生字密度不同的文章的阅读理解有显著差异 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 Univariate 因变量 绝大多数时候自变量都应该往里面选 用于选入随机因素，如果你不明白，假装没看见他就是了。 单击后出现一个对话框，用于设置在模型中包含哪些主效应和交互因子，默认情况为Full factorial，即分析所有的主效应和交互作用。 本例没有交互作用可分析，所以要改 即 【custom 】 【Buil Term】【main effcts】 左边变量的全选入右边 单击后出现一个对话框，用于设置在模型中包含哪些主效应和交互因子，默认情况为Full factorial，即分析所有的主效应和交互作用。 本例没有交互作用可分析，所以要改 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