双因子变异分析.pptVIP

Module C 雙因子變異分析 Two-Way ANOVA  C.1~C.4 多因子設計（Factorial design） 二個以上的因子 如果因子A, B, C, D,….的水準數量分別為a, b, c, d,….，那麼完整因子設計的所有操弄組合數量為a．b．c．d….（見key fact C.1） 完全隨機化設計（completely randomized design） 測量單元隨機分派至因子的各水準 C.14 (p C10) 交通標誌的大小與材質可能影響偵測距離：大小與材質的操弄組合共（3 x 3=）9種，隨機分派4個受試至每種組合。 C.17 (p C11) 連鎖便利商店想瞭解連鎖便利商店想瞭解三種廣告行銷策略在都會區，郊區以及鄉下的效果- 1：不做廣告，2：發廣告傳單，3：發傳單，且在報紙上刊登廣告。 eg. Retention Interval (RI) 與誘因對記憶的影響 獨變項:RI, 誘因 依變項:回憶字數 如果把6個實驗狀況當作一個因子下的6個水準,則可進行一個單因子ANOVA Ho:μ1=μ2=…μ6 Ha: Ho不成立 雙因子變異分析的邏輯 雙因子變異分析最主要的特色是可以同時研究兩個因子的影響 主要效果（Main Effect） 每個因子對反應變項所產生的效果 交互作用（Interaction） 其中一個因子的效果受另一個因子影響 An a x b ANOVA Response = overall mean + A main effect + B main effect + AB interaction + error SST=SSA+SSB+SSAB+SSE(KeyFact C.2, p C14) df(SST)=df(SSA) + df(SSB) + df(SSAB)+df(SSE) n-1=(a-1)+ (b-1)+ (a-1)(b-1) + (n-ab)(KeyFact C.3, p C15) 雙因子變異數分析的ANOVA表（ ANOVA table format for a two-way analysis of variance ） 如果把資料當作雙因子設計作ANOVA則需分析(1)RT的效果(2)誘因的效果(3)RT與誘因的交互影響 RT的效果 誘因的效果 交互作用的型式 交互作用反映某個變項的效果受另一個變項影響的程度 (上)誘因的效果全然不受RI影響(無交互作用) (中)RI=0時,誘因的效果較大(9-6=3) RI=1時,誘因的效果較小(4-3=1) —有一些交互作用 (下)RI=0,誘因增加時,回憶量也增加 RI=1,誘因增加時,回憶量反而減少 —強交互作用 由圖形型態判斷效果 平行線顯示沒有交互作用 某研究想了解成就動機(A)和作業難度(B)對問題解決之影響,形成一個2×4設計,每cell n=6,依變項為問題解決時的錯誤數,組間treatment SS為280 A2B2=? 則沒有A主要效果A2B2=? 則沒有B主要效果A2B2=? 則沒有A×B交互作用 雙因子變異分析的假設 觀測值獨立（independent observations） 常態分配（normal distributions） 標準差相等（equal standard deviations） 均衡（balanced）雙因子變異分析 AB因子交互作用之假設檢定 Ho: AB兩因子沒有交互作用Ha: AB兩因子有交互作用 檢定統計量為 若Ho成立，則為df=((a-1)(b-1), n-ab)之 F分配。 均衡（balanced）雙因子變異分析（續） A因子主要效果的假設檢定 Ho:A因子沒有主要效果Ha:A因子有主要效果 檢定統計量為 若Ho成立，則為df=(a-1, n-ab)之 F分配。 均衡（balanced）雙因子變異分析（續） B因子主要效果的假設檢定 Ho:B因子沒有主要效果Ha:B因子有主要效果 檢定統計量為 若Ho成立，則為df=(b-1, n-ab)之 F分配。 先進行交互作用之檢定，再檢定主要效果，因為有顯著交互作用時，主要效果之解釋要很謹慎 eg., C.1 Minitab output for a two-way ANOVA of the salary offer data in Table C4 如何呈現結果？- Interaction Plots eg., C2 Printout C.2 雙因子變異分析的程序 假設： 獨立 常態分配 標準差相等 步驟一： 決定顯著水準，「?」 步驟二： 做出電腦報表 雙因子變異分析的程序（續） 步驟三： 做出平