重复测量方差分析演示幻灯片.pptVIP

重复测量方差分析 Repeated Measures ANOVA 报告人：郑玉甫 报告时间： 2017.03.02 被试间变量 被试内变量 VS 选择 单因素方差分析 还是 重复测量方差分析 被试间变量采用的是被试间设计 (between- subjects design), 被试间设计是指每个受试 只接受某自变量一个水平处理 的实验设计， 即一个被试只对应某自变量的其中一个水 平的测量。 被试内变量采用的是被试内设计 (within- subjects design), 被试内设计又称 重复测量 设计 ，即每个或每组被试 接受某自变量所 有水平处理 的实验设计。 例如，研究者要研究快乐 音乐和悲伤音乐对计算能 力的影响，若采用 被试内 设计 ，需要让每个被试既 在快乐音乐的背景下进行 计算测验，也在悲伤音乐 背景下进行计算测验；如 果采用 被试间设计 ，则需 要将被试随机分成两组， 一组只完成快乐音乐下的 计算测试，另外一组只完 成悲伤音乐下的计算测试。 重复测量方差分析除了要满足一般方差分析的前提假设，还需满足 球形假设 的条件。 重复测量方差分析 自变量为被试内变量 重复测量方差分析 One-way repeated measures ANOVA （单因素重复测量方差分析） Two-way repeated measures ANOVA （双因素重复测量方差分析） Three-way repeated measures ANOVA （三因素重复测量方差分析） 球形假设 又称为处理差异方差齐性假设，指的是通过正交转换的协方差矩阵的球形性 质，即矩阵的主对角线元素 ( 方差 ) 相等、非主对角线元素 ( 协方差 ) 为零。 通常采用 Mauchly 氏法 检验球形假设， 当 P 0.05 时，说明多次测量的方差差 异较大或者不同次测量之间的相关系 数差异很大，此时 不满足球形假设 ， 重复测量方差分析结果将导致统计推 论的错误率增加。 需要对被试内变量有关的 F 统计 量的分子和分母的 自由度进行校 正 。常用的校正方法： 1 、 Greenhouse-Geisser 2 、 Huynh-Feldt 3 、 Lower-bound 单因素重复测量方差分析 One-way repeated measures ANOVA 也被称为 within-subjects ANOVA ， 指的是对 同一受试 对象的 同一观察 指标在 一个 受试内变量所有水平下测量结果进 行方差分析。 应用场景 1 、在不同时间点上进行测量 2 、受试内自变量有三种或者三种以上的不同条件 因变量： 血压 受试内变量： 时间 ? 研究一种降压药物的效果，需要 在服用降压药物前后分别对研究 对象的血压进行多次测量； ? 研究蛋糕口味与口感的关系，往 往需要同一批人群分别尝试不同 的蛋糕类型 因变量： 口感 受试内变量： 蛋糕口味 单因素重复测量方差分析的 SPSS 操作 例题：一名幼儿园教师想了解在自己的教导下小朋友跳绳水平是否有进 步。老师随机选择 15 名小朋友进行探究，在教学开始前测量每人每分钟 的跳绳个数，然后在教学一个月后和两个月后各进行一次测量。 零假设与备择假设： H 0 ： μ 教学前 = μ 一个月后 = μ 两个月后 H 1 ： 至少有一次测量的均值与其他两次测量的均值不同 SPSS 操作步骤如下： 1 、生成变量并输入数据 2 、菜单栏选择分析 / 一般线性模型 / 重复测量 3 、添加受试内变量 4 、选项 5 、输出 单因素重复测量方差分析的 SPSS 操作 P0.05, 表明变量 ”time” 的 效应显著。 四种显著性检验 time 的整体显著性 球形假设检验 P=0.3040.05 满足球形假设，不需要校正 描述统计量 F=MS time /MS 残差 = 251.089/16.517 =15.201, P0.001 , 拒绝零假设，认为 三次测量之间有显 著差异 单因素重复测量方差分析的 SPSS 操作 两因素重复测量方差分析 Two-way repeated measures ANOVA 也被称为 within-subjects ANOVA ， 指的是对 同一受试 对象的 同一观察 指标在 两个 受试内变量所有水平下测量结果进 行方差分析，两因素重复测量方差分析需要检验两个主效应和一个交互作用。 例题：研究者想了解 主题熟悉性 和句子长度 对学生阅读理解的影 响，随机抽取了 4 名学生参加实验。 主题熟悉性有 2 个水平（ a1 不熟悉， a2 熟悉 ），句子长度有 3 个水平 （ b1 短句， b2 中句， b3 长句 ）。 每名学生均阅读 6 篇文章，其中 3 篇为不同句子长度且主题不熟悉， 另 3 篇为不同句子长度