第五讲各种研究设计的方差分析.pptVIP

各种研究设计的方差分析 完全随机设计的方差分析 将被试随机分成若干个组,每个组随机接受一种试验处理，设计中有几种试验处理,被试就随机分成几组,这样的试验设计称为完全随机设计。 单因素完全随机化设计 多因素完全随机化设计 完全随机设计数据满足的条件 数据总体上服从正态分布 方差可加性或变异的可分解性 方差齐性：各处理组之间方差无显著差异 方差分析 方差分析又称变异数分析，是一种应用很广的统计分析方法。其主要功能在于分析实验数据中不同来源的变异对总变异的贡献大小，从而确定实验中的自变量对因变量是否有显著影响。不同的实验设计，所需的方差分析的过程有所不同，因此在讨论各种方差分析的方法时，应结合不同的实验设计。 方差分析的原理 方差分析作为一种常用的统计方法，是把实验数据的总变异分解为若干来源不同的变异，因此方差分析的基本原理是变异的可加性，即把总平方和分解为几个不同来源的变异的平方和。例如在完全随机的单因素实验设计中，总平方和被分解为组间（处理）平方和和组内（误差）平方和两种，然后通过比较这两种变异来源的大小来判断实验处理效应是否显著。 方差分析的步骤 平方和的分解与计算 总平方和： 组间平方和 ： 组内平方和： 方差分析步骤 自由度的确定 总自由度： 组间自由度： 组内自由度： 方差分析步骤 求均方 组间均方： 组内均方： 方差分析的步骤 进行F检验： 对于给定的显著性水平α，查分子自由度为k-1，分母自由度为k（n-1））的F分布表，得临界值，比较所计算的统计量与临界值的大小，若F大于临界值，则说明组间均方显著大于组内均方，即实验处理效应在给定的显著性水平下显著，若F小于临界值，则说明实验处理效应在给定的显著性水平下不显著。 方差分析的步骤 方差分析表 单因素方差分析举例 三种试验处理（用三种识字教学方法）所的教学效果数字如下： 总平方和＝2352－（180）2／15＝192 组间平方和＝（552＋752＋502）／5－（180）2／15＝70 组内平方和＝192－70＝122 随机化完全区组设计的方差分析 随机化完全区组设计 将被试按照相似的特征分组（同质被试），称为区组，然后每一区组随机接受一种试验处理，这种试验设计的方法称为随机化区组设计。 按照因素的个数多少可以分为：单因素区组设计和多因素区组设计 随机化完全区组设计 平方和分解： 随机区组方差分析举例 为研究在谬勒－莱尔错觉实验中夹角对错觉量的影响，取8名被试，每人先后进行四种夹角下的判断，结果如下，问夹角对错觉量是否有显著影响。 随机区组方差分析举例 总平方和=2934.91－（305.5）2／32＝18.34 处理平方和=((80.8)2+(79.6)2+(75.4)2+(69.7)2)／8-(305.5)2／32=2926.01-2916.57=9.44 区组平方和=((39.3)2+(38.5)2+(39.8)2+(36.2)2+(36.1)2+(38)2+(41.9)2+(35.7)2）／4－2916.57=8.06 误差平方和=18.34－9.44－8.06=0.84 多因素方差分析 SSA×B= SS处理－SSA－SSB 多因素方差分析举例 SSt＝1932.55 SS处理＝1553.75 SSA=8.45 SSB=1264.05 SSA×B=281.25 SSw=378.8 其他类型的实验设计 嵌套设计 裂区设计 拉丁方设计 回归分析 回归方程的检验 总平方和： 回归平方和： 误差平方和：SSe=SSt-SS回归 回归分析 自由度：总自由度：n-1 回归自由度：1 误差自由度：n-2 判别分析 根据已掌握的不同类别的样品为标准，结合所观测的不同样品的若干项观测指标数据，建立一个或者多个线性组合成为判别函数，将尚待判断的事物加以判别分类的一种多元统计方法。 聚类分析 将观察事物或者观察事物的指标进行分类的一种多元统计方法。 原理是根据一组多种项目的观测数据，依据其项目相关系数的大小，将性质相近或者相同的项目聚为一类。 样品聚类——Q型聚类 指标聚类——R型聚类 因素分析 因素分析是从为数众多的观测变量中概括出少数不可观测的潜变量（又称因素）去替代已有的一些变量的统计分析方法。 可以分为探索性因素分析和验证性因素分析两种。 因素分析的作用 可以帮助研究者发现规律 发展理论 理论建构的验证 有利于不同方法所测特质的比较 测验工具的核准 因素分析中的重要概念 特征值 因素分析的方法 主成分 主因素（主轴）