第二章 平均数比较2（SPSS v 16.0）.docVIP

四、二因素方差分析 （一）二因素随机测量方差分析 如果对 5、6 年级小学生进行了一次阅读测验，每个年级都有人数差不多相等的男生和女生。对于这样一个二因素随机测量研究设计（two-way factorial research design），需要使用二因素随机测量方差分析，获得两个因素主效应（main effect）及其交互作用（interaction effect）。 就这里的举例而言，性别变量有两个水平，分别为男生和女生；年级变量有两个水平，分别为 5 年级和 6 年级。研究者需要分析得出三个方面的方差分析结果： 不同变量水平数的积决定了处理（treatment）数，也决定了因变量数据需要构成的样本数。对于这里的举例来说，性别变量的水平数和年级变量的水平数的乘积为 4，研究者实际上需要得到 4 种处理下的分数，即，4 个样本：5 年级男生的分数、5 年级女生的分数、6 年级男生的分数和 6 年级女生的分数。 主效应第一自由度为相应变量水平数减 1，交互作用的第一自由度为两个主效应的第一自由度的积。主效应和交互作用的第二自由度都是总自由度（所有样本大小之和）减去两个主效应的第一自由度和交互作用的第一自由度。如果各样本大小相同，均为 n，第一个变量的水平数为 p，第二变量的水平数为 q，那么，各效应的第一、二自由度如表 2-11 所示。 表 2-11 二因素随机测量方差分析两个主效应和一个交互作用的第一、二自由度 第一个自变量主效应第一自由度 p-1 第二个自变量主效应第一自由度 q-1 两个自变量交互作用第一自由度 （p-1）*（q-1） 各主效应和交互作用第二自由度 pq（n-1） 对于主效应和交互作用，其效应大小为相应的平均数差异能够解释所有分数与总平均数的总差异的比例，用 R2 或η2 表示。效应大小、统计功效和不同设计下每个样本计划大小的关系如表 2-12 所示。 表 2-12 在 0.05 显著性水平上达到 80% 的统计功效的设计类型、效应大小和样本计划大小的关系 效应大小 样本大小下限 两个自变量水平数均为 2 的主效应和交互作用 小（0.01） 197 中（0.06） 33 大（0.14） 14 一个自变量水平数均为 2，另一个自变量水平数为 3 水平数为 2 的自变量主效应 小（0.01） 132 中（0.06） 22 大（0.14） 9 水平数为 3 的自变量主效应和两自变量的交互作用 小（0.01） 162 中（0.06） 27 大（0.14） 11 【二因素随机测量方差分析·例 1】 三个班共 105 名学生参加了一次英语考试（满分为 125 分），成绩如表 2-13 所示。问不同班级不同性别学生的考试成绩是否差异显著。 表 2-13 不同班级不同性别学生考试成绩 一班 二班 三班 编号 性别 分数 编号 性别 分数 编号 性别 分数 1 男 98 1 男 84 1 男 84 2 女 106 2 女 75 2 女 92 3 女 107 3 女 80 3 女 100 … … … … … … … … … 33 男 90 39 男 101 33 男 79 表 2-13-1 不同班级不同性别学生考试成绩的 SPSS 表格结构* *“classId”的 3 个水平值“1”、“2”、和“3”分别代表一班、二班和三班；“gender”的 2 个水平值“1”和“2”分别代表男生和女生。 〖操作〗twoWayAnova1.sav。执行 Analyze ( General Linear Model ( Univariate，系统将弹出单因变量方差分析主窗口（Univariate），如图 2-6 所示。点击左侧变量列表中的 ，点击最上边的 ， 将出现在 下方的因变量 方框中；点击左侧变量列表中的 和 ，点击从上往下的第二个 ， 和 将出现在 下的自变量列表中，如图 2-6-1 所示。 图 2-6 二因素随机测量方差分析主窗口 1 图 2-6-1 二因素随机测量方差分析主窗口 2 对于二因素及多因素方差分析通常要画出各处理水平下平均数线图。因此，点击 ，系统将弹出线图坐标设置子窗口（Univariate: Profile Plots），如图 2-6-2 所示。点击 ，然后，点击最上边的 ， 将出现在 下的横轴变量名方框 中。点击 ，点击从上往下的第二个 ， 将出现在 下的 中，系统将根据变量 的水平数在同一坐标系内提供相应数目的折线。点击 ，完成设置，如图 2-6-3 所示。点击 ，退出线图坐标设置子窗口。 图 2-6-2 单因变量线图：横坐标、不同线段和不同线图变量设置子窗口 1 图 2-6-3 单因