SPSS数据分析7幻灯片.pptVIP

单因素方差分析SPSS操作 步骤一：正态检验 Analyze →Descriptive Statistics →Explore… 正态检验结果输出 步骤二：方差分析 Analyze→Compare Mean →One-Way ANOVA... 将自变量、因变量选入对话框 步骤四：事前多重比较设定 One-Way ANOVA→Contrasts 事前多重比较 在一个单因素方差分析的研究中，如果研究者只对其中一组或几组平均数差异比较感兴趣，可以根据理论假设或前人的文献综述，事先确定某种比较。 例如，研究者关于的是：实验组（积极反馈和消极反馈）是否比控制组的自尊程度是否有差异，设立虚无假设为： 或者 例如：比较积极反馈组与消极反馈组之间是否存在差异。设立虚无假设为： 因此可以事前给每个平均数以不同的权重，也即系数，来进行平均数的事前对比。 事前多重比较 在每个对比中，系数需要满足两个条件： 系数的数目必须于自变量水平数目相一致，不参与比较的用系数0表示 系数的总和必须为零 若虚无假设为： 系数为：1，1，-2 系数为：1，-1，0 步骤四：事前多重比较设定 One-Way ANOVA→Contrasts 事后多重比较 在SPSS的Post Hoc multiple comparisons按钮提供了18种事后比较，基于方差齐性满足和方差齐性不满足两大类。 在SPSS中，被试间因素不同水平之间的多重比较都可以通过“post hoc”来实现，各种方法在处理累计错误的标准不一样，而累计错误随着因素水平的增多而变得愈加严重。 例如在一个单因素被试间方差分析中，有五个处理水平，A1，A2，A3，A4，A5，每种处理条件都有8名被试参加，则有 对比较值。需要检验A1和A2两组的平均数差异状况。 【小提示】post hoc…只能用于被试间因素各水平之间的均值比较。 从表中可以看到，无论三个、四个还是五个平均数参与比较的情况下，对A1和A2平均数差异LSD检验都是不变的，因此，运用LSD对两组平均数进行差异检验时，是不考虑其他组情况的，然而在其他四种检验方法中，可以看到，随着实验中平均数比较数目的增多，同一个比较的显著性逐渐下降。 由此可知，Scheffe检验使用更严格的标准，LSD检验最容易发生显著，也最为宽松，但是却增加错误的风险。 步骤五：事后多重比较设定 One-Way ANOVA→ Post Hoc… 步骤六：方差齐性检验选择 One-Way ANOVA→ Option 结果分析 表一为正态检验结果：通过S-W方法，可以得出p=0.9670.05，因此接受虚无假设，样本均为正态分布。 第5章 单因素方差分析 5.1 基本概念理解 5.2 单因素完全随机实验设计 5.3 单因素随机区组实验设计 单因素方差分析 这种设计只包含一个因素，该因素有两个水平或以上水平，单因素设计有多种形式。 单因素被试间方差分析 Analyze→Compare Mean →One-Way ANOVA... 单因素方差分析检验因变量在单一自变量不同水平上的差异，自变量被划分为两个以上的水平，被试只接受一种处理。如果不同水平之间的差异显著，我们可以推论因变量的变化由自变量引起。 单因素被试内方差分析 Analyze→General Linear Model→Repeated measures... 如果被试同时接受不同水平的处理，则需要重复测量形成几个彼此不独立的变量，因此需要调用GLM命名对因变量进行重复测量方差。 随机区组实验设计 Analyze→General Linear Model→Univariate... 首先根据实验对象的不同差异，将其划分为不同的区组，使得每个区组内被试的差异性尽可能降到最低。 然后将每个区组内的被试随机、均等地分配到各种实验处理中接受测量。 单因素随机区组实验设计中，存在三个因素： 区组变量、自变量、因变量。 多因素随机区组实验设计(拉丁方设计),存在多个因素:区组变量、多个自变量、因变量。其中分类变量的水平数目要相等 【例5.3】为了测查刺激呈现的时间长短在记忆过程中的作用，研究者把10个无意义音节以不同时长呈现给7组被试，然后要求被试尽量回忆，并记录所有被试的回忆量，问呈现时间长短是否影响回忆量。 首先定义区组变量，此例中区组变量有七个水平。 然后定义自变量呈现时间，此例中时间有四个水平。 最后定义因变量为回忆量，并输入测得的值。 总共有7*4=28行观测量。 某教师为了研究四种不同的写作训练方法，哪种更有效，选择了36名学生，按照上次的作文平均成绩将36名学生划分为优良、中等、