对交互作用的进一步检验.docVIP

对交互作用的进一步检验 一、交互作用的图解 当方差分析表明两个因素的交互作用是显著的时，研究者常常需要进一步了解交互作用的含义是什么。一种简单的方法是画出交互作用的图解，以观察一个因素的各水平在另一个因素的每个水平上的变化。作图解时，应首先计算出每个处理水平结合上所得到的平均数，然后以平均数作图。我们仍然举上一节的例子，例出它的AB表如下： AB表 b1 b2 b3 n=4 a1 16 16 19 a2 15 32 48 AB平均数表 b1 b2 b3 n=1 a1 4 4 4.75 a2 3.75 8 12 根据AB平均数表，可以从两个方向作图： 图3-2-1 A因素与B因素交互作用的图解 对两个图的解释是不一样的，图3-2-1(a)表明B因素在A的两个水平上的影响趋势是不一致的。B因素的三个水平在a1水平似乎没有明显差别，而在a2水平有较大的差异。图3-2-1(b)表明，A因素在B的三个水平上的影响趋势也不一致。A因素的两个水平在b1水平没有明显差异，而在b2、b3水平存在较大差异。 图解方法的优点是简单、直观。直接利用各处理水平结合所得的平均观测值作图，可以使读者对结果模式有一个非常直观的了解。它的弱点是，解释是主观的，有时不同的研究者可能会对同一结果做出不同的解释。尤其当出现复杂的交互作用时，研究者单靠经验、直观进行解释是很困难的。因此，图解一般只作为检查交互作用的第一步，它需要同统计检验结合起来，以便进一步用数据对交互作用的意义作出更精确可靠的解释。 二、简单效应检验 (一)简单效应的基本特点及其作用 检查交互作用含义的另一个方法是简单效应检验。简单效应检验与主效应检验不大相同。主效应的检验是在忽略其它因素的情况下检验一个因素的处理效应。简单效应检验则是指分别检验一个因素在另一个因素的每一个水平上的处理效应，以便具体地确定它的处理效应在另一个因素的哪个(些)水平上是显著的，在哪个(些)水平上是不显著的。 (二） (2)计算在aj水平上的SSB： 3.方差分析表及对结果的解释 表3-2-1 两因素完全随机实验方差分析与简单效应 变异来源 平方和 自由度 均方 F 1.A 80.666 p-1=1 80.666 43.37** 2.B 81.083 q-1=2 40.542 21.80** 3. AB 56.584 (p-1)(q-1)=1 28.292 15.21** 4.A(在b1水平) 0.125 p-1=1 0.125 0.07 5.A(在b2水平) 32.000 p-1=1 32.000 17.20** 6.A(在b3水平 ) 105.125 P-1=1 105.125 56.52** 7.B(在a1水平) 1.500 q-1=2 0.750 0.40 8.B(在a2水平) 136.167 q-1=2 68.064 36.99** 9.单元内误差 33. 500 Pq(n-1)=18 1.86 合计 251.833 npq-1=23 P.01(1，18)=8.28 P.01(2，18)=6.01 在方差分析表中可以看到，AB交互作用显著，需要进一步做简单效应检验。表中做了两个方向的简单效应检验。结合图3-2-2(b)和A因素在B的三个水平的简单效应检验的结果，可以对AB交互作用的含义解释如下：当文章中生字官度较大时，学生对主题熟悉的和主题不熟悉的文章的阅读理解都很差，并且差异不显著(F(1,18)=0.07，P＞.05)。随着文章中生字密度减小，学生对主题熟悉的文章的阅读理解显著好于对主题不熟悉的文章的阅读理解(F(1,18)=17.20，P＜.01＝、(F(1,18)=56.53，P＜.01＝。 结合图3-2-2(a)和B因素在A的两个水平的简单效应检验结果，可以对AB交互作用做另一种解释：当文章主题是不熟悉的时，无论文章中生字密度较大或较小，学生对文章的阅读理解都很差，且差异不显著(F(2,18)=0.40，P＜.05＝。当文章主题是熟悉的时，学生的阅读理解随着文章中生字密度的减小而显著提高(F(2,18)=36.99，P＜.05＝。 一般情况下，研究者只需根据研究的理论假设做一个方向的简单效应检验即可。 4.对平方和分散与计算的一些解释 SSA(在b1水平)——A因素在b1水平上的处理效应； SSA(在b2水平)——A因素在b2水平上的处理效应； SSA(在b3水平)——A因素在b3水平上的处理效应； 如果把A因素在b1、b2、b3水平上的简单效应相加，实际上等于A因素的主效应与A因素和B因素交互作用之和，即： SSA+SSAB=SSA(在b1水平)+SSA(在b2水平)+…… +SSA(在bq水平)=(在bk水平) 自由度是：df=q(p