spss多因素方差分析报告.ppt

步骤一：定义变量 例题中三因素A、B、C均为被试内因素。每个因素均有两个水平，共有8种水平结合。因此需要定义8个变量。 三因素被试内方差分析SPSS操作 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。 单击paste按钮，将操作命令粘贴至句法编辑窗口(syntax editor)，在A、B、C三因素之间加入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：定义被试内因素 Analyze→General Linear Model→Repeated Measures 将因素A、B、C选入对话框，并且定义水平数目，单击Add完成。 单击Define设置有关参数：将自变量的8个水平结合置入“Within-Subjects Variables”列表框中 步骤四：事后多重比较设定 Repeated Measures→ Options 将A、B、C三个变量从左侧移入右侧Display Means For框中，选中compare main effects,选择一种事后比较方法。 由于post hoc只适用于被试间因素，不适用于被试内因素的事后多重比较。 结果分析 表一：正态检验 表二：描述统计 表三：多元方差分析结果 表四：球形检验 表五：一元方差分析结果 表六：被试间因素 表七：事后多重比较 多元方差分析(multivariate test) 当研究中，因变量不只一个时，需使用多元方差分析进行统计检验。 多元方差分析是对一元方差分析的扩展，多元方差分析不仅需要检验自变量的不同水平上，因变量的均值是否存在差异，而且需要检验各因变量之间的均值是否存在差异。 多元方差分析(multivariate test) 多元方差分析表列出了各种因素主效应和交互效应检验结果，每种检验结果都有四种方法，其中： Pillai’s Trace值为正值，结果越大代表因素效应对模型的贡献越大 Wilks’ Lambda的取值范围为0到1，结果越大代表因素效应对模型的贡献越大 Hotelling’s Trace结果越小代表因素效应对模型的贡献越大 Roy’s Largest Root结果越大代表因素效应对模型的贡献越大。 【小提示】四种方法需要综合比较。当Pillai’s Trace与Hotelling’s Trace基本相等时，因素效应对模型的贡献也不大，即使两者显著性水平p0.05，也不能认为因素效应显著。 球形检验(mauchly’s test of sphericity) 球形检验是对同一个体多次测量之间是否存在相关性进行的检验。如果球形检验达到显著性水平，即多次测量之间存在相关性，说明球形假设不能满足，这时进行标准一元方差分析就不可以，需要依据备选方差分析结果（推荐采用Greenhouse-Geisser） 简单简单效应检验 当三重交互作用显著时，需要进行简单简单效应检验。即一个因素的水平在另外两个因素的水平结合上的效应。 例如在A1B1水平结合上，C1、C2之间的差异，称做C在A1B1水平结合上的简单简单效应。 简单简单效应检验实际上是把两个因素固定在各自的某一个特定水平上，考察第三个因素对因变量的影响。 简单简单效应检验操作步骤 单击File主菜单→ New → Syntax命令项， 要求程序给出每个水平结合的平均数和标准差 表示被试内有三个因素，每个因素有两个水平 负责完成C在A1B1水平上的简单效应。 不加说明的分命令 在A1B1水平上C的简单简单效应不显著，p=0.3190.05 在A2B2水平上C的简单简单效应显著,p=0.0020.01 在A2B2水平上C的简单简单效应显著,p=0.0020.01。 知识回顾Knowledge Review 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