单因素、交互作用、简单效应分析报告.pptVIP

两因素完全随机方差分析举例：shuhua_p71 因变量 自变量 结果1：综合的方差分析 A因素的主效应 B因素的主效应 AB的交互效应 A因素主效应显著 B因素主效应显著 不同主题熟悉性的成绩存在显著差异。 不同生字密度的成绩存在显著差异。 AB交互作用显著 熟悉性与生字密度的交互作用显著。 该自变量水平大于等于3，事后检验 交互作用显著，则简单效应检验 结果2：事后检验即 Post hoc 选中主效应显著，且水平≥3的自变量 通常用LSD 结果2：事后检验即 Post hoc 结果3：简单效应的定量分析 通常不在SPSS for Windows完成 而是通过写语句，即 syntax 交互作用显著后进行简单效应检验 两因素完全随机的方差分析——syntax 2×3完全随机的方差分析 MANOVA Y BY A(1,2) B(1,3) /DESIGN /DESIGN=B WITHIN A(1) B WITHIN A(2). 键盘敲两下空格 多因素方差分析 变量说明 “BY”左边为因变量 “BY”右边为IV 总的方差分析 简单效应检验 2×3完全随机的方差分析 MANOVA Y BY A(1,2) B(1,3) /DESIGN /DESIGN=B WITHIN A(1) B WITHIN A(2). Data View 与 Syntax 中的 “name” 务必保持一致 Y表示因变量 A.B分别表示自变量 A因素各个水平的最小值与最大值 B因素同理 请问：3×4完全随机的方差分析，C因素3个水平，D因素4个水平，因变量为F，应如何改写以上语句？ 键盘敲两下空格 实心点 均可替换为其他字母 结果3：简单效应的定量分析 再结合作图法，对结果进行解释 结果4：交互作用的直观分析——作图法 结果4：交互作用的直观分析——作图法 X轴 分为不同的线条 通常来说，把水平多的自变量作为X轴 结果4：交互作用的直观分析——作图法 再次复习： 什么是交互作用？ (B) b1 b2 b3 a2 a1 对于熟悉的文章，被试的阅读理解成绩无显著差异(F(2,19)=0.12,P=0.883) 对于不熟悉的文章，被试的阅读理解成绩存在显著差异(F(2,19)=11.33,P=0.001) 结果5：对简单效应的综合分析 见数据文件“dengzhu_p141” 练 习 A因素的主效应 B因素的主效应 AB的交互效应 A因素主效应显著 B因素主效应显著 不同性别被试的**存在显著差异。 不同年级被试的**存在显著差异。 AB交互作用显著 性别与年级的交互作用显著。 该自变量水平大于等于3，事后检验 交互作用显著，则简单效应检验 两因素混合设计的方差分析 注意：数据录入 对于被试间（组间）变量，每个自变量须作为单独的一列进行录入 被试内（组内）变量，每个自变量无须单独成列，而是被试内变量各个水平所对应的因变量单独成列 当只有被试间因素的时候，因变量需要单独成一列。 当含有被试内因素的时候，因变量无需单独成一列，而是录入在被试内因素相应的水平下 两因素混合设计的方差分析举例 词的获得年龄 与 专业 对词的知觉速度的影响 采用3*2的混合设计 共有两个自变量，自变量1是词的获得年龄（AOA）， 含3个水平，分别是a组、b组和c组，是被试内变量；自变量2是专业，有体育和中文2个水平，是被试间变量。 因变量是反应时间 数据见“16-1” 被试内变量的name 相应被试内变量的水平数 被试内变量 被试间变量 描述统计结果 球形检验 p0.05,球形检验差异不显著 主效应A 与 交互作用 F(2，76)=4.813，p=0.0110.05,词获得年龄的主效应显著 F(2，76)=1.471，p=0.2360.05,词获得年龄与专业交互作用不显著 主效应B F(1，38)=0.646，p=0.4260.05,系别的主效应不显著 F(2，76)=4.813，p=0.0110.05,词获得年龄的主效应显著 F(2，76)=1.471，p=0.2360.05,词获得年龄与专业交互作用不显著 F(1，38)=0.646，p=0.4260.05,系别的主效应不显著 需要进一步分析的： 词的主效应显著，须做多重比较 被试内变量的事后多重比较——只能用Options aoa 注意 被试内变量主效应显著后，事后多重比较——只能用Options 如果被试间变量的主效应显著，既可以用Options，也可以用post hoc 结果：事后多重比较 2019 ppt资料 * 欢迎批评指导！！ 放映结束！ 单因素、交互作用、简单效应分析 ， 方差分析的适用条件 变异的可加性 总体正态分布 方差齐性（总体方差相等） 实际应用