课件6双因素方差分析.pptxVIP

双因素方差分析学习目标学习本章（以及接下来讲的其他几种统计分析方法）的要求和目标是：能说出该分析方法适合解决怎样的问题（标志：能自己举出例子）。能进行软件基本操作，并把握输出结果中的关键信息，正确说出原假设和备择假设，解读和规范表述结果。对分析方法的原理形成基本理解。女生男生学习动力大一女生大二大三男生大四年级性别年级和性别这两个自变量对学习动力这个因变量有显著的交互作用年级学习动力汕大NSSE-China 2012调查，分析不同年级和不同性别的汕大本科生的学习动力是否有显著差异？年级和性别对学习动力是否有显著的交互作用？主效应：在忽略其他因素的情况下，一个自变量对观测变量的单独影响。即，当这一个自变量取不同的值时，所形成的各个组之间的总体均值是否有显著差异。交互效应：当一个自变量的单独效应随另一个自变量取值的不同而不同时，则这两个自变量对因变量存在显著的交互效应（或称交互作用，interaction effect)。性别自变量B年级学习动力自变量A因变量张奇，data5-02数据，考察不同的入学成绩等级和不同的教学方法的学生高一期末成绩是否有显著差异？入学成绩等级和教学方法对高一期末成绩是否有显著的交互作用？蓝石2011，第8章例子，分析不同学校类型和不同教学模式的学生微积分课成绩是否有显著差异？学校类型和教学模式对微积分课成绩是否有显著的交互作用？分组变量1分组变量2因变量111211141117111511911131191114211521112210221222162216228221323823102316238双因素方差分析适用于分析的数据的形式双自变量，为定名变量，取值个数1单因变量，至少为定距变量检验的问题：各组样本对应的总体的均值是否相等？两个自变量对因变量是否有显著的交互作用？如果没有重复实验，就不需要考虑交互作用。有重复实验的情况下，可能存在交互作用，因而需要考虑交互作用。要理解这一点，可以先只看B1水平下，可以A为自变量做单因素方差分析；类似的，B2水平下，也可如此做。那么，从B1变为B2时，如果以A为自变量的单因素方差分析结果不同，就表明有交互作用。交互作用：以此为基础，可推导出下面的变差分解公式。马庆国，2002，p. 223；另参考高定国等译Barry Cohen，2010，p. 512 方差分析：分崩离析总变差ST=行间变差SA+列间变差SB+行与列的交互作用引起的变差SA*B+随机误差SE怎样判断主效应或交互作用是否显著呢？（“显著”也就是“有较大把握说并非随机误差造成的”）F1=行间变差SA/随机误差SEF2 = 列间变差SB /随机误差SEF3 = 行与列的交互作用引起的变差SA*B / 随机误差SE观察F1、F2、F3的位置（以及p值），由此判断A和B两个自变量的主效应各自是否显著、A和B的交互作用是否显著。（p值与0.05相比较，“大不拒小拒”）接受域拒绝域蓝石2011，第8章例子，分析不同学校类型和不同教学模式的学生微积分课成绩是否有显著差异？学校类型和教学模式对微积分课成绩是否有显著的交互作用？蓝石：chap 8步骤分析—一般线性模型—单变量把因变量送入“因变量”把两个自变量送入“固定因子”点击确定，读取结果。学校类型一行的假设检验的原假设：不同学校类型对应的总体的均值相等。备择假设：至少有两种学校类型对应的总体的均值不相等。p=0.004，p0.05，拒绝原假设，至少有两种学校类型对应的总体的均值不相等。（晚些要进行续后分析）蓝色框一行假设检验的原假设：教学模式和学校类型对成绩的交互作用不显著。备择假设：教学模式和学校类型对成绩的交互作用显著。p=0.015，p0.05，拒绝原假设，认为教学模式和学校类型对成绩的交互作用显著。教学模式和学校类型对成绩的交互作用显著。这说明，一个自变量对因变量的单独效应随着另一个自变量取值的不同而不同。可是到底怎样不同呢？为了清晰了解交互作用的具体情形，需要对交互作用进行续后分析。当交互作用显著时，要先对交互作用进行续后分析。再对主效应进行续后分析。对主效应进行续后分析的方法是利用单因素方差分析方法。怎样对交互作用进行续后分析呢？女生男生学习动力大一女生大二大三男生大四年级大四大一性别年级和性别这两个自变量对学习动力这个因变量有显著的交互作用年级学习动力混合教学传统教学142536全国重点地方重点地方非重点如果4组和5组的总体均值之间有显著差异，而其他组的总体均值之间无显著差异，想想看，是否意味着学校类型和教学模式对成绩存在显著的交互作用？女生男生大一年级大四教学模式性别年级学习动力学校类型成绩年级和性别这两个自变量对学习动力这个因变量有显著的交互作用学校类型和教学模式这两个自变量对成绩这个因变量有显著的交互作用学习动力混合教学传统教学14253