心理统计方差分析.pptVIP

高级统计 Advanced Statistics 实际问题中，经常需要同时研究多个因素对因变量的影响情况。希望控制一些无关的因素；希望找到影响最显著的因素，并需要知道起显著作用的因素在什么时候起最好的影响作用。 方差分析概述 根据资料类型以及研究目的，将观测值的总变异进行分解，然后进行比较（F值），评价由某种因素所引起的变异是否具有统计学意义。 SS总＝SS因素1＋ SS因素2＋…＋ SS误差 MS因素1 = SS因素1 /DF因素1 ……… MS误差 = SS误差 / DF误差 F因素1 = MS因素1 / MS误差 ……… 固定因素(Fixed Factor)/随机因素(Random Factor)： 所有可能的水平是/否出现 协变量（Covariates）:对因变量可能有影响，需要在分析时加以控制的连续变量。 可以简单的把因素和协变量理解为分类变量和连续变量 通过找出协变量与因变量的回归关系来控制其影响——协方差分析 主效应(Main effects)/交互作用(Interaction): 一个因素的不同水平引起的变异叫因素的主效应； 单因素，自变量不同水平的数据计算的方差即这个自变量的处理效应，或主效应 多因素，计算一个因素的主效应时应忽略实验中其他因素的不同水平的差异 多因素，需要估价因素的不同水平之间的复杂变化关系。当一个因素的效应大小在另一个因素不同水平上变化趋势明显不一致，称存在交互作用（交互效应）。 简单效应（simple effects） 一个因素的水平在另一个因素的某个水平上的变异叫简单效应 处理效应(treatment effect)/误差变异(error variance) 处理效应指总变异中由自由变量引起的变异，主效应、简单效应、交互作用都是处理效应 误差变异指总变异中不能被自变量或明显的无关变量解释的那部分变异 单元内误差（within-cell error） 残差(residual error) 各样本的独立性：保证变异的可加性（可分解性） 正态性：各单元格的残差必须服从正态分布 方差齐性：各单元格满足方差齐（变异程度相同） 实验设计 实验设计的目的：使系统变异的效应最大，控制无关变异，使误差变异最小 主要的实验设计：完全随机设计、随机区组设计、析因设计、拉丁方设计、正交设计、嵌套设计、重复测量设计、裂区设计、均匀设计。 完全随机、随机区组和拉丁方实验设计 完全随机：随机化方法，非处理效应全归为误差变 异；不够敏感 随机区组：区组技术控制无关变异；提高F检验精度 拉丁方：区组技术分出两个无关变异；进一步提高 单因素和多因素实验设计 多因素可计算出交互作用 被试间、被试内和混合实验设计 重复测量（被试内）：将被试带来的无关变异减少到最小限度（有学习、记忆效应不可用） 完全随机设计 Completely Randomized Design 一、单因素完全随机实验设计的数据处理 只涉及一个处理因素，两个或多个水平，因此也称单因素设计。 被试的分配：随机抽取若干名被试，然后把被试随机分配给处理（自变量）的各个水平，每个被试只接受一个水平的处理。或者说随机抽取若干名被试，然后把被试随机分成K组，K等于自变量的水平数，每组被试分别接受一个水平的处理。 自变量：生字密度，四个水平5:1（a1）、10:1（a2）、15:1（a3）、20:1（a4） 因变量：被试的阅读理解测验分数。 被试的分配：研究者随机抽取了32名被试，把32名被试随机分为四组，每组被试阅读一种生字密度的文章（实际上每个被试接受一种水平的处理）。 二、多因素完全随机实验设计的数据处理 （一）两因素完全随机实验设计的数据处理 研究中有两个自变量，每个自变量有两个或多个水平。 如果一个自变量有P个水平，另一个自变量有q个水平，实验中含p×q个处理的结合，研究者想知道的是所有处理水平的结合效应。 被试分配：随机抽取若干名被试，随机分成p×q组，每组被试（每个被试）接受一个实验处理的结合。如果每组有n个被试，则被试数目是p×q×n。 自变量 a是主题熟悉性，有两个水平（非常熟悉，不熟悉）； b是生字密度，有三个水平（为5：1、为10：1、为20：1）。 这是2×3的两因素设计，实验有6种处理水平的结合。 被试的分配：随机抽取24名被试，将他们随机分成6组（每组4人），每组接受一种处理水平的结合。 对交互作用的进一步检验 当方差分析中发现一个两次交互作用时，需要进一步检验，以说明两个因素之间交互作用的实质。 方法一：交互作用的图解（轮廓图） GLM—Plot按钮 方法二：简单效应(simp