重复测量的方差分析.doc

重复测量的方差分析 (Repeated-measures ANOVA) 重复测量的方差分析的逻辑 重复测量的方差分析的符号 用重复测量的方差分析进行假设检验 重复测量设计的优势 重复测量的方差分析的统计前提 研究情境: 练习成绩 被试 练习前 一月后 二月后 三月后 A 3 3 6 12 B 2 2 2 6 C 1 1 4 6 D 2 4 6 12 重复测量的ANOVA能够处理数据的类型： 在上例中有一个自变量 (称为组内因素): 时间. ANOVA 亦可用于分析同时包含组间和组内因素的混合设计 ANOVA的逻辑 ANOVA 非常类似 两个相关样本的 t检验 对于 ANOVA检验统计量 (称为 F比率) 类似 F = 样本均值间方差 误差方差 和方的分解分两个阶段 首先考虑方差的来源. 处理间变异 处理效应 - 处理造成的差异 实验误差 处理内变异 被试间方差 实验误差 F比率 可以表达为: F比率 =处理效应方差+实验误差 实验误差 重复测量ANOVA的专用符号 K = 处理条件(或组)的数目 n = 每一个组的数目(如果它们相等) N = ?ni = 总的观察数目Ti = ?Xij G = ?Xij =总的和G-bar = G / N = 总的均值 SSi = 每一个组的和方 = ?(Xij - i)2 P = 每一个被试的观察数目 在上例中： 练习次数 被试 1次 2次 3次 p A 3 3 6 12 B 2 2 2 6 C 1 1 4 6 D 2 4 6 12 T1 = 8 T2 = 20 T3 =18 SS1 = 2 SS2 =5 SS3 =11 ?X2 = 140G = 36 K = 3， n=4， N=12 和方的分解步骤 第1阶段：SS和 = SS组间 + SS组内 SS和 = ?X2 - (G2/N) SS和 = 140 - (362/12) =140 - 108 = 32 需要将其分解为组间变异和组内变异. SS组间 = ?(T2/ni) - G2/N = 82/4 + 202/4 + 182/4–108 = 14 SS组内 = ?SS每一个 处理内部 = ?SSi = 2 + 5 + 11 = 18 第2阶段：SS组内 = SS被试间 + SS误差 SS被试间 = ?(P2/k) - G2/N = 122/3 + 62/3 + 62/3 + 122/3–108 = 12 SS误差 = SS组内-SS被试间 = 18-12=6 自由度 共有5个 自由度, 2个计算均方时要用到 总的 df = N-1 组间方差df = k-1 组内方差df = N-k 被试间方差df = n-1 误差方差df = （N-k） -（n-1） 均方和F值的计算. MS = SS/df MS组间= SS组间/df组间 -- 上例中 = 14/2 = 7 MS误差 = SS误差/df误差 -- 上例中 = 6/6 = 1 F比率 = 处理间方差 误差方差 将结果总结到方差分析表中： 来源 SS df MS 处理间 14 2 7 F = 7 处理内 18 9 被试内 12 3 误差 6 6 1 总的 32 11 查 F表 确定 Fcrit 对假设作出结论 df组间 = 分子的dfdf组内 = 分母的df (误差) -- 上例中: df误差 = 6; df组间 = 3 假设中选择 ? = .05, Fcrit = 4.76（如果选择 ? = .01, Fcrit = 9.78） F比率的观测值6大于 F.05., 所以拒绝 H0 (?1 = ?2 = ?3). 报告结果 F(df组间,df误差) = Fobs, p ? 各练习次数的均值和标准差列在表1中。重复测量的方差分析发现练习次数有显著的效应, F(2,6) = 6, p 0.05. 第1次 第2次 第3次 第4次 M SD 事后检验（Post hoc tests） 目的是控制实验导致误差. Tukeys HSD 检验和 Scheff 检验都适用于重复测量的方差分析. 用误差的和方，自由度， 均方代替原来分母项的组内 重复测量的方差分析的统计前提 每个处理条件内的观察都是独立的 每个处理条件内的总体分布是正态分布 每个处理条件间的方差同质 重复测量设计的优势 用较少被试，经济 把个体差异项消除 当个体差异大时，这个优势更明显 如： 处理效应 = 10个方差单位 个体差异 = 1000个方差单位 误差 = 1个方差单位 F独立 = 1.01