整套教学课件《现代心理与教育统计学》研究生.ppt

3.多重比较 multiple comparisonp289 如果方差分析的结果表明差异显著，只能说明多个平均数之间至少有两个之间的差异显著，但没有指出哪些平均数之间的差异显著 是否可以用 t 检验对平均数两两比较来寻找哪些有显著差异的平均数对呢？不行！因为犯a错误的概率增加 若H0为真，一次比较犯错误的概率是a 若一次实验中做了n次独立的比较，那么这n次比较中犯错误的次数是na 这n次比较中至少有一次犯a错误的概率是1-(1- a)n N-K法Newman-Keul p290 p468 例 4 多因素方差分析 4.1 几个基本概念 p387 析因设计 factorial design 实验处理包括所有自变量的所有水平之间的两两组合，如 5×2，3×3×3，2×2×2×2 因素和水平 主效应 main effect 单个自变量和单个因变量之间的基本关系 交互作用 interaction 两个或多个自变量的效应是彼此依赖的 2×2 肥料：A、B 土壤：红、黑 红 黑 A B 红 黑 A B 产量 产量 红 黑 A B 4.2 多因素方差分析总平方和分解 在两因素的完全随机设计中SSt=SSA+SSB+SSAB+SSe 在两因素的随机区组设计中SSt=SSbk+SSA+SSB+ SSAB +SSe 1.2.1几个概念 因素：自变量 independent variable，处理 treatment 如：加工方式 因素的水平：一个因素的不同情况或取值，不同的实验处理 如：Counting, Rhyming, Adjective, Imagery, Intentional 因变量：自变量影响的结果 如：记忆效果 单因素方差分析 one-way ANOVA 只有一个因素，一个因变量 多因素方差分析 two, three, …-way ANOVA 多个因素，一个因变量 1.2.2虚无假设、前提假设 p273 虚无假设 H0: m1 = m2 = m3 = m4 = m5 方差分析的前提假设 正态 normality 方差齐性 homogeneity of variance 误差方差 error variance：和实验处理无关的方差 某种实验处理的效果相当于在每个人的分数的基础上加一个常数 变异可加 1.2.3 估计总体方差的两种方法方法一 方法二 方差分析的逻辑 用两个方法来估计总体方差 一种方法与虚无假设是否成立无关 另一种方法以虚无假设成立为前提 如果两种方法算出来的结果一致，接受H0，否则拒绝H0 处理效应 treatment effect 1.2.4平方和的分解 sum of squares 平方和的优越性在于其可加性 均方和方差只有在自由度相等时才可加 变异的分解 p268 均方 如果当F≤1，数据的总变异中大部分是由实验误差或个体差异造成的，不同的实验处理之间差异不大，即实验处理基本无效 如果F1且落入F分布的临界区外，实验处理的作用显著大于组内变异的作用，可以确认实验处理的有效作用，至少有两个处理之间的差异显著 方差分析就是检验组间变异在统计上是否显著地大于组内变异 用原始数值计算 方差分析表 1.2.5 方差分析的基本过程 p270 建立假设 H0：无处理效应 H1：有处理效应 求平方和 确定自由度 求均方 进行F检验 ?，单侧 列出方差分析表 1.2.6方差齐性检验哈特莱Hartley法 p271 (p467) 1.2.7方差分析和实验设计 p274 因素 单因素 多因素 设计 完全随机设计 随机区组设计 完全随机设计 p274  Complete randomized design 把被试随机分成若干组，每个组随机指派一种实验处理。完全随机分组后，各实验组的被试之间是相互独立的，因而这种设计又称“独立组设计”或“被试间设计” 不足之处 误差项包括实验本身的误差又包括个体差异引起的误差 随机区组设计 p274/283 randomized block design 原则：同一组内的被试应尽量“同质” 一个被试作为一个区组，不同的被试(区组)均需接受全部ｋ个实验处理 每一区组内被试的人数是实验处理的整数倍 区组内的基本单元标识是以一个团体为单元 同一区组接受所有实验处理，实验处理之间有相关，所以也称为“相关组设计”或“被试内设计” 区组效应和误差变异的分离 总平方和＝组间平方和＋区组平方和＋误差平方和 2.单因素方差分析2.1 单因素完全随机设计 等重复设计 各实验处理组的样本容量相同 不等重复设计 各实验处理组样本容量不同 有各组均值、方差、样本容量而无原始数据 2.1.1 等重复设计 p276 各实验处理组