重复测量设计的方差分析.docVIP

PAGE PAGE 12 第十五章 重复测量设计的方差分析 通过学习本章，您可以了解： 进行重复测量设计的方差分析的前提假设 如何逐步进行重复测量设计的方差分析 如何进行简单效应分析和多重比较。 在重复测量设计中，每个被试需接受所有水平的实验处理，即同一因变量先后被观测多次。用于区分各个实验水平的变量通常是定性变量（Qualitative Variable），顺序变量或名义变量均可，SPSS称之为重测因素，或被试内因素。被观测的因变量必须是数量变量（Quantitative Variable）。 单因素的重复测量设计只包括一个被试内因素。多因素的重复测量设计可以有多个被试内因素或被试间因素。本章将重点介绍单因素重复测量设计的方差分析过程，以及简单介绍多因素重复测量设计的分析思路。 在使用SPSS处理重复测量设计（被试内设计）的数据时，其数据的组织方式不同于被试间设计。在数据窗口中不需要定义自变量和因变量。对于单因素设计，数据文件中变量的个数等于自变量（因素）的水平；对于多因素设计，变量的个数等于因素之间的水平组合数。而且变量的性质都是连续型变量。在进行方差分析的过程中，需要对因素的个数及变量间的关系进行定义。 1. 前提假设 如果被试内因素只有两个水平，则Repeated Measure执行一次标准的一元方差分析。如果被试内因素有两个以上的水平，则执行三种检验：标准一元方差分析、备选的一元方差分析和多元方差分析。事实上，三种分析检验的零假设相同，即因素各水平上的均值相同。但具体采用哪一种分析的结果需要浏览全部三种分析的结果之后才能决定。 当因素水平数超过两个时，需要查看球形假设是否能够满足。当球形假设可以满足时，可以使用标准一元方差分析的结果。但是由于球形假设通常无法满足，此时方差分析的显著性水平p值不准确，所以标准一元方差分析在这种情况下并不常用。 备选一元方差分析适用于球形假设（Sephericity Assumption）不满足的情况。备选方差分析计算的F值与标准方差分析相同，但根据F值计算的显著性水平p值却有本质上的不同。因为SPSS根据样本数据偏离球形假设的程度计算出一个统计量，名为Epsilon。然后用它乘以标准检验中自由度的分子和分母，从而校正了自由度。因此，使用校正后的自由度和原始F值得到的显著性水平p值不同于标准一元方差分析的结果。 多元方差分析不要求数据一定符合球形假设。它计算因变量在因素各水平上的分数之差，例如被试内因素有三个水平时，SPSS会计算第一水平与第二水平的因变量分数之差，第二水平与第三水平的因变量分数之差。然后，多元方差分析检验这两组差值的均值是否都等于零，而且它还会自动检验第一水平和第三水平的差值的均值是否为零，这些差值的线性组合是否为零。 在三种方差分析方法中，应用统计学家倾向于多元方差分析。因为当各组均值相等的零假设被拒绝之后，事后检验与多元方差分析在概念上的联系更密切。 1.1 标准一元方差分析的假设前提 正态性。因变量在各个实验单元内呈正态分布。每个单元的样本量达到15人可不受正态分布的条件限制。 方差齐性。因变量在因素任意两个水平间的差值变异（方差）相等。这个假设有时候就是指球形假设和差值的方差齐性检验。只有当被试内因素的水平数超过两个时，球形假设才有效。备选方差分析和多元方差分析不受方差齐性条件的限制。 独立性与随机性。样本必须是从总体中随机抽样获得，被试间相互保持独立。 1.2 多元方差分析分析的假设前提 多元方差分析使用的变量实际上是原始变量的差值，所以，其前提假设是指差值而言的。差值变量的数目等于被试内因素的水平数减1。 多元正态性。每个差值变量都呈正态分布。大样本不受限制。 随机性与独立性。样本来自随机抽样，每个被试的差值与其他被试相互独立。 2. 实例 例15-1：通常汉字由一个或几个部件组成，前者为独体字，后者为合体字。一项研究采用启动研究范式，考察了部件加工对合体字识别的影响。对于每一个合体字，设置了三种条件：1）部件启动，2）形似启动，3）无关启动。 部件启动条件中，启动字是目标字的一个部件，如页－颀；在形似启动条件中，启动字是与条件1的部件启动字很相似的一个汉字，如员－颀；在无关启动条件中，启动字和目标字没有任何关系，但在字频、笔划数等方面与条件1与条件2进行了匹配，如表－颀。具体实验材料请读者参考本教材所附光盘内的文件“各章实验材料.doc”。 从某高校随机抽取了30名本科生参加了实验。三种实验条件为被试内设计，即所有的被试都对这三种条件的材料进行命名,记录被试在该任务中的反应时和错误率。问：部件加工对合体字的识别有什么影响？ 分析思路： 研究者的问题可以从两个方面理解： 均值差异：三种启动条件下的汉字反应时均值及错误率是否存在显著差异？利用被试分析数据