心理统计学难点.doc

. . 例： ANOVA中，比较组间变异和组内变异，之所以要用各自的均方比较，而不能直接比较各自的平方和，是因为在求平方和时，是若干项的平方和，其大小和项目数有关，应该将项数去掉，求其均方才能比较。因此要除以各自的自由度，求均方。 第二节 方差齐性检验 方差齐性并不是指方差绝对、完全相等，而仅仅是“相对的”相等——无统计学差异。即用通过方差齐性检验，各个方差无显著差异。 第三节 单因素完全随机设计的方差分析 一、实验设计 (2)单因素设计类型： ① 完全随机设计 ② 随机区组设计 ③ 拉丁方设计 实验设计专有名词 实验单位：产生实验结果的被试 实验因素(因子)：实验者所操控的变量（自变量） 水平：实验者在因素内所安排的各种不同状况 处理：不同因子间各水平的组合 单因素实验：水平与处理意义相同 效应：实验者在实验单位上所测得的结果（因变量） ？请举例说明： 实验因素(因子)：实验者所操控的变量（自变量） 水平：实验者在因素内所安排的各种不同状况 处理：不同因子间各水平的组合 单因素实验：水平与处理意义相同 效应：实验者在实验单位上所测得的结果（因变量） 二、单因素完全随机设计的方差分析 定义：每一随机组分别接受一种实验处理的设计。又名：独立组设计或被试间设计 例：随机抽取22名学生并随机为三组，分别做某一种光强（I、II、III）的反应时实验。结果如下。试问不同强度的光反应时有无显著不同？ 第三节 单因素随机区组设计的方差分析 第四节 多因素完全随机设计的方差分析 一、两因素完全随机实验设计的方差分析 题目：主题熟悉性（A）与生字密（B）度对儿童阅读理解的影响。 实验变量： 自变量A —— 文章类型，即熟悉的（a1）与不熟悉的（a2）； 自变量B —— 生字密度，即5:1(b1)、10:1(b2)、15:1(b3) 实验设计：两因素完全随机实验设计 被 试：24名五年级学生 实验程序：共计2×3=6个实验处理；然后把选取的被试分成6组，每组4人，分别接受一种实验处理水平的结合。 二、主效应与交互效应 （一）主效应（main effect）是指在多因素实验中，只考虑某一变量单独变化所引起观测变量的变化。 （二）交互效应（interact effect），也称交互作用，是指一个变量的效应在另一个（或多个）自变量的不同水平上是不同的。 交互作用 ： 可能会觉得难于理解统计上的交互作用…… 但实际上，当开始设计心理学实验的时候，我们很自然的会意识到自变量间存在交互作用的可能性。也就是说，担心自己关注的变量的效应会由于其他变量的出现而被改变 —— 加强、减弱或消失。这就是交互作用能告诉我们的 —— 一个自变量的效应在另一个自变量的不同水平上是不同的 —— 加强、减弱或消失。 主效应与交互效应的关联性 在多因素的方差分析中： 如果方差分析结果表明交互作用不显著，检验各个因素的主效应就很重要； 如交互作用显著，则对每个因素主效应的检验，意义就不大了。因为交互作用显著，则意味着两个（或多个）因素对实验结果具有共同的重要性。 （这个太难，不强求）： 我们不仅关心听音乐是否对驾驶成绩有影响，还想知道它是否对饮酒者的影响更大。设计一个实验，同时操纵两个变量（自变量）：A（音乐）× B（酒精）完全随机设计 下页继续 例题：（考过两次）