常见的spss多因素方差分析.ppt

第6章 多因素方差分析 6.1两因素被试间方差分析 6.2三因素被试内方差分析 6.3多因素混合实验设计 单因素方差分析 这种设计只包含一个因素，该因素有两个水平或以上水平，单因素设计有多种形式。 单因素被试间方差分析 Analyze→Compare Mean →One-Way ANOVA... 单因素方差分析检验因变量在单一自变量不同水平上的差异，自变量被划分为两个以上的水平，被试只接受一种处理。如果不同水平之间的差异显著，我们可以推论因变量的变化由自变量引起。 单因素被试内方差分析 Analyze→General Linear Model→Repeated measures... 如果被试同时接受不同水平的处理，则需要重复测量形成几个彼此不独立的变量，因此需要调用GLM命名对因变量进行重复测量方差。 多因素方差分析 多因素被试间方差分析（多因素完全随机实验设计） Analyze→General Linear Model→Univariate 这种设计的特点是，研究包含两个或以上因素，并且均为被试间变量，产生不同的水平结合，被试随机地分配到各水平结合中，接受实验处理。 多因素被试内方差分析（重复测量设计） Analyze→General Linear Model→Repeated measures... 研究包含两个或以上因素，并且均为被试内变量，每名被试都要接受变量所有水平的实验处理。 [例6.1] 研究不同的教学方法A（包含 a1集中识字，a2分散识字），和不同的教学态度B（包含 b1严肃型，b2轻松型）。将20名被试随机分成四组，每组5人，每组接受一种实验处理。试分析两种因素对儿童识字量的差异。 【解题思路】 两因素完全随机实验设计(2*2被试间实验设计) 自变量： 因变量： 主效应： 交互效应： 步骤一：定义变量 例题中教学方法A和 教学态度B均为被试间因素，并且四个水平都是随机分派确定，所以四组需纵向排在一列中。 1- 5行为A1B1 6 -10行为A1B2 11-15行为A2B1 16-20行为A2B2 步骤二：正态检验 Analyze→Description Statistics→Explore 检验每个水平结合下数据的是否为正态分布。 由于Explore的默认功能是对因素的主效应进行检验，并不是对每个水平结合的数据进行正态检验，因此需要使用句法编辑命令进行相应检验。 单击paste按钮，将操作命令粘贴至句法编辑窗口(syntax editor)，在A、B两因素之间加入BY。 表一给出了各水平结合下数据的正态分布检验，通过S-W方法，得出p0.05，接受虚无假设，因此数据均服从正态分布。 步骤三：将自变量、因变量选入对话框 Analyze→General Linear Model→Univariate 步骤四：选择分析模型 Univariate →Model按钮 步骤五：选择分布图形Univariate →plot按钮 在两因素方差分析时，选择A变量为横轴变量(Horizantal Axis),选择B变量为分线变量(Separate lines),单击add，即显示两因素变量的交互作用，A*B。 或者将B选为横轴变量，将A选为分线变量，同样可以显示两因素的交互效应，B*A. 步骤六：事后多重比较设定 Univariate → Post Hoc… 步骤七：方差齐性检验选择 Univariate→Option 到底什么情况下需要进行多重比较？ 通过方差得出因素的主效应显著时需进行事后多重比较(因素水平数目2)，即直接比较同一因素内多个水平之间的均值差异。 但实际研究中如果主效应和交互效应都达到显著，研究者更关心在多因素交互作用下，因变量有什么影响。 因此交互效应显著时，通常需要进行简单效应检验。 简单效应检验 所谓简单效应是指，一个因素的水平在另一个因素的某个水平上的变异。 例如教学方法A与教学态度B之间存在显著的交互作用，研究者可以检验在B1水平上，A1、A2之间的差异，即可称为A在B1水平上的简单效应。 以及在B2水平上A1、A2之间的差异，即可称之为A在B2水平上的简单效应。 简单效应检验，实际上是把其中一个自变量固定在某一个特定的水平上，考察另一个自变量对因变量的影响。究竟将哪个自变量固定，视研究者兴趣而定。 步骤八：简单效应检验 单击File主菜单→ New → Syntax命令项， 编辑句法命令后，单击Run → All命令，运行。 表一给出了各水平结合下数据的正态分布检验，通过S-W方法，得出p0.05，接受虚无假设，因此数据均服从正态分布。 表二为方差齐性检验结果,由于p=0.0360.05,所以各组方差不