單因素、交互作用、簡單效應分析課件

單因素、交互作用、簡單效應分析，.單因素、交互作用、簡單效應分析，.1方差分析的適用條件變異的可加性總體正態(tài)分布方差齊性（總體方差相等）實際應用中，對方差齊性要求較高，因此需要單獨檢驗。.方差分析的適用條件變異的可加性實際應用中，對方差齊性要求較高2SPSS中的4個方差分析菜單Univariate單因變量方差分析Multivariate多因變量方差分析RepeatedMeasures含有重復測量的方差分析CompareMeansOne-WayANOVA單因素方差分析GeneralLinearModel.SPSS中的4個方差分析菜單Univariate3很少用，因變量不止一個時含有重復測量的數據很常用.很少用，因變量不止一個時含有重復測量的數據很常用.4One-WayANOVA8.1單因素完全隨機方差分析.One-WayANOVA8.1單因素完全隨機方差分析.5例1：單因素完全隨機實驗設計目的：文章生字密度對學生閱讀理解成績的影響自變量：生字密度，含4個水平（5：1、10：1、15：1、20：1）因變量：閱讀測驗的分數被試及程序：32人，隨機分為四組，每組接受一個自變量處理（即閱讀一種生字密度的文章）.例1：單因素完全隨機實驗設計目的：文章生字密度對學生閱讀理解6OneWayANOVA:

生字密度對學生閱讀理解的影響

shuhua_p_39.sav生字密度5：110：115：120：1閱

讀

理

解

測

驗

分

數348966984488327754512756135371223611.OneWayANOVA:

生字密度對學生閱讀理解的影響

7即自變量即多重比較也稱事后檢驗.即自變量即多重比較.8..9結果p值由p=.037<.05可知，可認為方差齊性邊緣顯著.結果p值由p=.037<.05可知，可認為方差齊性邊緣顯著.10結果組間均方組內均方F值p值自由度研究報告中的方差分析結果自由度、均方、F、P而p值以星號的形式標注One-WayANOVA通常用文字陳述結果因素較多時則用三線表呈現(xiàn)自由度、均方、F畢業(yè)論文格式.結果組間均方組內均方F值p值自由度研究報告中的方差分析結果自11結果由方差分析表可知，F(xiàn)(3,28)=22.533,p<.01，生字密度對閱讀理解成績有影響。學生對生字密度不同的文章的閱讀理解有顯著差異.結果由方差分析表可知，F(xiàn)(3,28)=22.533,p<.12結果多重比較.結果多重比較.13練習1數據文件“自信心與社交苦惱”任務1：在1總自信平均分上，男生與女生是否存在顯著差異；任務2：在1總自信平均分上，各個年級間是否存在顯著差異.練習1數據文件“自信心與社交苦惱”.148.2單因素隨機區(qū)組方差分析Univariate.8.2單因素隨機區(qū)組方差分析Univariate.15因變量絕大多數時候自變量都應該往里面選

用于選入隨機因素，如果你不明白，假裝沒看見他就是了。.因變量絕大多數時候自變量都應該往里面選用于選入隨機因素，如16單擊后出現(xiàn)一個對話框，用于設置在模型中包含哪些主效應和交互因子，默認情況為Fullfactorial，即分析所有的主效應和交互作用。

本例沒有交互作用可分析，所以要改.單擊后出現(xiàn)一個對話框，用于設置在模型中包含哪些主效應和交互因17即【custom】【BuilTerm】【maineffcts】左邊變量的全選入右邊.即【custom】【BuilTerm】【mainef18單擊后出現(xiàn)一個對話框，用于設置在模型中包含哪些主效應和交互因子，默認情況為Fullfactorial，即分析所有的主效應和交互作用。

本例沒有交互作用可分析，所以要改.單擊后出現(xiàn)一個對話框，用于設置在模型中包含哪些主效應和交互因19例2：單因素隨機區(qū)組設計題目：文章的生字密度對學生閱讀理解的影響自變量：生字密度，含有4個水平（5：1、10：1、15：1、20：1）因變量：閱讀測驗的分數無關變量：被試的智力水平（區(qū)組變量）實驗設計：單因素隨機區(qū)組實驗設計被試及程序：首先給32個學生做智力測驗，并按測驗分數將被試分成8個組，每組4人（智力水平相等），然后隨機分配每個區(qū)組內的4個被試閱讀一種生字密度的文章。

.例2：單因素隨機區(qū)組設計題目：文章的生字密度對學生閱讀理解的20生字密度對學生閱讀理解的影響

（按智力測驗成績劃分8個區(qū)組）

shuhua_p_45.sav生字密度5：110：115：120：1閱

讀

理

解

測

驗

分

數區(qū)組13489區(qū)組26698區(qū)組34488區(qū)組43277區(qū)組554512區(qū)組675613區(qū)組753712區(qū)組823611.生字密度對學生閱讀理解的影響

（按智力測驗成績劃分8個區(qū)組）21數據錄入.數據錄入.22組間區(qū)組組內（誤差項）.組間區(qū)組組內（誤差項）.23Univariate單因素完全隨機n因素隨機區(qū)組多因素混合設計單因素重復測量One-wayANOVARepeatedMeasuresRepeatedMeasures多因素重復測量RepeatedMeasures……不管有幾個因素，只要其中一個因素為重復測量，即用RepeatedMeasures.Univariate單因素完全隨機n因素隨機區(qū)組多因素混合設24Onecemore單因素完全隨機One-wayANOVA不管有幾個重復測量因素RepeatedMeasures其他方差分析Univariate只有一個因變量.Onecemore單因素完全隨機One-wayANOVA25兩因素完全隨機實驗設計的應用舉例題目：當主題熟悉性不同時，生字密度對兒童閱讀理解的影響。實驗變量：自變量A——文章類型，即熟悉的（a1）與不熟悉的（a2）；自變量B——生字密度，即5:1(b1)、10:1(b2)、15:1(b3)實驗設計：兩因素完全隨機實驗設計被試：24名五年級學生實驗程序：首先將自變A與B的水平結合成2×3即6個實驗處理；然后把選取的被試分成6組，每組4人，分別接受一種實驗處理水平的結合。.兩因素完全隨機實驗設計的應用舉例題目：當主題熟悉性不同時，生26a1a1a1a2a2a2b1b2b3b1b2b33454812667591344538123223711b1b2b3∑a116161951a215324895∑314867數據如何錄入？邊緣(際)平均數即主效應即交互作用效應細格平均數.a1a1a1a2a2a2b1b2b3b1b2b334548127Onecemore主效應一個因素內各個水平的差異交互作用一個因素的各個水平在另一個因素的不同水平上變化趨勢不一致。.Onecemore主效應一個因素內各個水平的差異交互作用一28b1b2∑a1807879a2926478∑8666邊緣(際)平均數即主效應即交互作用效應細格平均數.b1b2∑a1807879a2926478∑8666邊緣(際29結合實例，請分別說明：（1）主效應（2）交互作用2×3完全隨機方差分析B因素：年級A因素：性別思考.結合實例，請分別說明：（1）主效應（2）交互作用2×3完全隨30兩因素完全隨機方差分析舉例：shuhua_p71.兩因素完全隨機方差分析舉例：shuhua_p71.31因變量自變量.因變量自變量.32結果1：綜合的方差分析A因素的主效應B因素的主效應AB的交互效應A因素主效應顯著B因素主效應顯著不同主題熟悉性的成績存在顯著差異。不同生字密度的成績存在顯著差異。AB交互作用顯著熟悉性與生字密度的交互作用顯著。該自變量水平大于等于3，事后檢驗交互作用顯著，則簡單效應檢驗.結果1：綜合的方差分析A因素的主效應B因素的主效應AB的交互33結果2：事后檢驗即Posthoc選中主效應顯著，且水平≥3的自變量通常用LSD.結果2：事后檢驗即Posthoc選中主效應顯著，且水平≥34結果2：事后檢驗即Posthoc.結果2：事后檢驗即Posthoc.35結果3：簡單效應的定量分析通常不在SPSSforWindows完成而是通過寫語句，即syntax交互作用顯著后進行簡單效應檢驗.結果3：簡單效應的定量分析通常不在SPSSforWind36兩因素完全隨機的方差分析

——syntax.兩因素完全隨機的方差分析

——syntax.372×3完全隨機的方差分析MANOVAYBYA(1,2)B(1,3)/DESIGN/DESIGN=BWITHINA(1)BWITHINA(2).鍵盤敲兩下空格多因素方差分析變量說明“BY”左邊為因變量“BY”右邊為IV總的方差分析簡單效應檢驗.2×3完全隨機的方差分析MANOVAYBYA(1,2)382×3完全隨機的方差分析MANOVAYBYA(1,2)B(1,3)/DESIGN/DESIGN=BWITHINA(1)BWITHINA(2).DataView與Syntax中的“name”務必保持一致Y表示因變量A.B分別表示自變量A因素各個水平的最小值與最大值B因素同理請問：3×4完全隨機的方差分析，C因素3個水平，D因素4個水平，因變量為F，應如何改寫以上語句？鍵盤敲兩下空格實心點均可替換為其他字母.2×3完全隨機的方差分析MANOVAYBYA(1,2)39結果3：簡單效應的定量分析再結合作圖法，對結果進行解釋.結果3：簡單效應的定量分析再結合作圖法，對結果進行解釋.40結果4：交互作用的直觀分析——作圖法.結果4：交互作用的直觀分析——作圖法.41結果4：交互作用的直觀分析——作圖法X軸分為不同的線條通常來說，把水平多的自變量作為X軸.結果4：交互作用的直觀分析——作圖法X軸分為不同的線條通常來42結果4：交互作用的直觀分析——作圖法再次復習：什么是交互作用？.結果4：交互作用的直觀分析——作圖法再次復習：.43(B)b1b2b3a2a1對于熟悉的文章，被試的閱讀理解成績無顯著差異(F(2,19)=0.12,P=0.883)對于不熟悉的文章，被試的閱讀理解成績存在顯著差異(F(2,19)=11.33,P=0.001)結果5：對簡單效應的綜合分析.(B)b1b2b3a2a1對于熟悉的文章，被試的閱讀理解成績44見數據文件“dengzhu_p141”練習.見數據文件“dengzhu_p141”練習.45A因素的主效應B因素的主效應AB的交互效應A因素主效應顯著B因素主效應顯著不同性別被試的**存在顯著差異。不同年級被試的**存在顯著差異。AB交互作用顯著性別與年級的交互作用顯著。該自變量水平大于等于3，事后檢驗交互作用顯著，則簡單效應檢驗.A因素的主效應B因素的主效應AB的交互效應A因素主效應顯著B46兩因素混合設計的方差分析.兩因素混合設計的方差分析.47注意：數據錄入對于被試間（組間）變量，每個自變量須作為單獨的一列進行錄入被試內（組內）變量，每個自變量無須單獨成列，而是被試內變量各個水平所對應的因變量單獨成列當只有被試間因素的時候，因變量需要單獨成一列。當含有被試內因素的時候，因變量無需單獨成一列，而是錄入在被試內因素相應的水平下.注意：數據錄入對于被試間（組間）變量，每個自變量須作為單獨的48兩因素混合設計的方差分析舉例詞的獲得年齡與專業(yè)對詞的知覺速度的影響采用3*2的混合設計共有兩個自變量，自變量1是詞的獲得年齡（AOA），含3個水平，分別是a組、b組和c組，是被試內變量；自變量2是專業(yè)，有體育和中文2個水平，是被試間變量。因變量是反應時間數據見“16-1”.兩因素混合設計的方差分析舉例詞的獲得年齡與專業(yè)對詞的知49被試內變量的name相應被試內變量的水平數.被試內變量的name相應被試內變量的水平數.50被試內變量被試間變量.被試內變量被試間變量.51..52描述統(tǒng)計結果.描述統(tǒng)計結果.53球形檢驗p>0.05,球形檢驗差異不顯著.球形檢驗p>0.05,球形檢驗差異不顯著.54主效應A與交互作用F(2，76)=4.813，p=0.011<0.05,詞獲得年齡的主效應顯著F(2，76)=1.471，p=0.236>0.05,詞獲得年齡與專業(yè)交互作用不顯著.主效應A與交互作用F(2，76)=4.813，p=0.055主效應BF(1，38)=0.646，p=0.426>0.05,系別的主效應不顯著.主效應BF(1，38)=0.646，p=0.426>0.0556F(2，76)=4.813，p=0.011<0.05,詞獲得年齡的主效應顯著F(2，76)=1.471，p=0.236>0.05,詞獲得年齡與專業(yè)交互作用不顯著F(1，38)=0.646，p=0.426>0.05,系別的主效應不顯著需要進一步分析的：詞的主效應顯著，須做多重比較.F(2，76)=4.813，p=0.011<0.05,詞獲得57被試內變量的事后多重比較

——只能用Optionsaoa.被試內變量的事后多重比較

——只能用Optionsaoa.58注意被試內變量主效應顯著后，事后多重比較——只能用Options如果被試間變量的主效應顯著，既可以用Options，也可以用posthoc.注意被試內變量主效應顯著后，事后多重比較——只能用Optio59結果：事后多重比較.結果：事后多重比較.60單因素、交互作用、簡單效應分析，.單因素、交互作用、簡單效應分析，.61方差分析的適用條件變異的可加性總體正態(tài)分布方差齊性（總體方差相等）實際應用中，對方差齊性要求較高，因此需要單獨檢驗。.方差分析的適用條件變異的可加性實際應用中，對方差齊性要求較高62SPSS中的4個方差分析菜單Univariate單因變量方差分析Multivariate多因變量方差分析RepeatedMeasures含有重復測量的方差分析CompareMeansOne-WayANOVA單因素方差分析GeneralLinearModel.SPSS中的4個方差分析菜單Univariate63很少用，因變量不止一個時含有重復測量的數據很常用.很少用，因變量不止一個時含有重復測量的數據很常用.64One-WayANOVA8.1單因素完全隨機方差分析.One-WayANOVA8.1單因素完全隨機方差分析.65例1：單因素完全隨機實驗設計目的：文章生字密度對學生閱讀理解成績的影響自變量：生字密度，含4個水平（5：1、10：1、15：1、20：1）因變量：閱讀測驗的分數被試及程序：32人，隨機分為四組，每組接受一個自變量處理（即閱讀一種生字密度的文章）.例1：單因素完全隨機實驗設計目的：文章生字密度對學生閱讀理解66OneWayANOVA:

生字密度對學生閱讀理解的影響

shuhua_p_39.sav生字密度5：110：115：120：1閱

讀

理

解

測

驗

分

數348966984488327754512756135371223611.OneWayANOVA:

生字密度對學生閱讀理解的影響

67即自變量即多重比較也稱事后檢驗.即自變量即多重比較.68..69結果p值由p=.037<.05可知，可認為方差齊性邊緣顯著.結果p值由p=.037<.05可知，可認為方差齊性邊緣顯著.70結果組間均方組內均方F值p值自由度研究報告中的方差分析結果自由度、均方、F、P而p值以星號的形式標注One-WayANOVA通常用文字陳述結果因素較多時則用三線表呈現(xiàn)自由度、均方、F畢業(yè)論文格式.結果組間均方組內均方F值p值自由度研究報告中的方差分析結果自71結果由方差分析表可知，F(xiàn)(3,28)=22.533,p<.01，生字密度對閱讀理解成績有影響。學生對生字密度不同的文章的閱讀理解有顯著差異.結果由方差分析表可知，F(xiàn)(3,28)=22.533,p<.72結果多重比較.結果多重比較.73練習1數據文件“自信心與社交苦惱”任務1：在1總自信平均分上，男生與女生是否存在顯著差異；任務2：在1總自信平均分上，各個年級間是否存在顯著差異.練習1數據文件“自信心與社交苦惱”.748.2單因素隨機區(qū)組方差分析Univariate.8.2單因素隨機區(qū)組方差分析Univariate.75因變量絕大多數時候自變量都應該往里面選

用于選入隨機因素，如果你不明白，假裝沒看見他就是了。.因變量絕大多數時候自變量都應該往里面選用于選入隨機因素，如76單擊后出現(xiàn)一個對話框，用于設置在模型中包含哪些主效應和交互因子，默認情況為Fullfactorial，即分析所有的主效應和交互作用。

本例沒有交互作用可分析，所以要改.單擊后出現(xiàn)一個對話框，用于設置在模型中包含哪些主效應和交互因77即【custom】【BuilTerm】【maineffcts】左邊變量的全選入右邊.即【custom】【BuilTerm】【mainef78單擊后出現(xiàn)一個對話框，用于設置在模型中包含哪些主效應和交互因子，默認情況為Fullfactorial，即分析所有的主效應和交互作用。

本例沒有交互作用可分析，所以要改.單擊后出現(xiàn)一個對話框，用于設置在模型中包含哪些主效應和交互因79例2：單因素隨機區(qū)組設計題目：文章的生字密度對學生閱讀理解的影響自變量：生字密度，含有4個水平（5：1、10：1、15：1、20：1）因變量：閱讀測驗的分數無關變量：被試的智力水平（區(qū)組變量）實驗設計：單因素隨機區(qū)組實驗設計被試及程序：首先給32個學生做智力測驗，并按測驗分數將被試分成8個組，每組4人（智力水平相等），然后隨機分配每個區(qū)組內的4個被試閱讀一種生字密度的文章。

.例2：單因素隨機區(qū)組設計題目：文章的生字密度對學生閱讀理解的80生字密度對學生閱讀理解的影響

（按智力測驗成績劃分8個區(qū)組）

shuhua_p_45.sav生字密度5：110：115：120：1閱

讀

理

解

測

驗

分

數區(qū)組13489區(qū)組26698區(qū)組34488區(qū)組43277區(qū)組554512區(qū)組675613區(qū)組753712區(qū)組823611.生字密度對學生閱讀理解的影響

（按智力測驗成績劃分8個區(qū)組）81數據錄入.數據錄入.82組間區(qū)組組內（誤差項）.組間區(qū)組組內（誤差項）.83Univariate單因素完全隨機n因素隨機區(qū)組多因素混合設計單因素重復測量One-wayANOVARepeatedMeasuresRepeatedMeasures多因素重復測量RepeatedMeasures……不管有幾個因素，只要其中一個因素為重復測量，即用RepeatedMeasures.Univariate單因素完全隨機n因素隨機區(qū)組多因素混合設84Onecemore單因素完全隨機One-wayANOVA不管有幾個重復測量因素RepeatedMeasures其他方差分析Univariate只有一個因變量.Onecemore單因素完全隨機One-wayANOVA85兩因素完全隨機實驗設計的應用舉例題目：當主題熟悉性不同時，生字密度對兒童閱讀理解的影響。實驗變量：自變量A——文章類型，即熟悉的（a1）與不熟悉的（a2）；自變量B——生字密度，即5:1(b1)、10:1(b2)、15:1(b3)實驗設計：兩因素完全隨機實驗設計被試：24名五年級學生實驗程序：首先將自變A與B的水平結合成2×3即6個實驗處理；然后把選取的被試分成6組，每組4人，分別接受一種實驗處理水平的結合。.兩因素完全隨機實驗設計的應用舉例題目：當主題熟悉性不同時，生86a1a1a1a2a2a2b1b2b3b1b2b33454812667591344538123223711b1b2b3∑a116161951a215324895∑314867數據如何錄入？邊緣(際)平均數即主效應即交互作用效應細格平均數.a1a1a1a2a2a2b1b2b3b1b2b334548187Onecemore主效應一個因素內各個水平的差異交互作用一個因素的各個水平在另一個因素的不同水平上變化趨勢不一致。.Onecemore主效應一個因素內各個水平的差異交互作用一88b1b2∑a1807879a2926478∑8666邊緣(際)平均數即主效應即交互作用效應細格平均數.b1b2∑a1807879a2926478∑8666邊緣(際89結合實例，請分別說明：（1）主效應（2）交互作用2×3完全隨機方差分析B因素：年級A因素：性別思考.結合實例，請分別說明：（1）主效應（2）交互作用2×3完全隨90兩因素完全隨機方差分析舉例：shuhua_p71.兩因素完全隨機方差分析舉例：shuhua_p71.91因變量自變量.因變量自變量.92結果1：綜合的方差分析A因素的主效應B因素的主效應AB的交互效應A因素主效應顯著B因素主效應顯著不同主題熟悉性的成績存在顯著差異。不同生字密度的成績存在顯著差異。AB交互作用顯著熟悉性與生字密度的交互作用顯著。該自變量水平大于等于3，事后檢驗交互作用顯著，則簡單效應檢驗.結果1：綜合的方差分析A因素的主效應B因素的主效應AB的交互93結果2：事后檢驗即Posthoc選中主效應顯著，且水平≥3的自變量通常用LSD.結果2：事后檢驗即Posthoc選中主效應顯著，且水平≥94結果2：事后檢驗即Posthoc.結果2：事后檢驗即Posthoc.95結果3：簡單效應的定量分析通常不在SPSSforWindows完成而是通過寫語句，即syntax交互作用顯著后進行簡單效應檢驗.結果3：簡單效應的定量分析通常不在SPSSforWind96兩因素完全隨機的方差分析

——syntax.兩因素完全隨機的方差分析

——syntax.972×3完全隨機的方差分析MANOVAYBYA(1,2)B(1,3)/DESIGN/DESIGN=BWITHINA(1)BWITHINA(2).鍵盤敲兩下空格多因素方差分析變量說明“BY”左邊為因變量“BY”右邊為IV總的方差分析簡單效應檢驗.2×3完全隨機的方差分析MANOVAYBYA(1,2)982×3完全隨機的方差分析MANOVAYBYA(1,2)B(1,3)/DESIGN/DESIGN=BWITHINA(1)BWITHINA(2).DataView與Syntax中的“name”務必保持一致Y表示因變量A.B分別表示自變量A因素各個水平的最小值與最大值B因素同理請問：3×4完全隨機的方差分析，C因素3個水平，D因素4個水平，因變量為F，應如何改寫以上語句？鍵盤敲兩下空格實心點均可替換為其他字母.2×3完全隨機的方差分析MANOVAYBYA(1,2)99結果3：簡單效應的定量分析再結合作圖法，對結果進行解釋.結果3：簡單效應的定量分析再結合作圖法，對結果進行解釋.100結果4：交互作用的直觀分析——作圖法.結果4：交互作用的直觀分析——作圖法.101結果4：交互作用的直觀分析——作圖法X軸分為不同的線條通常來說，把水平多的自變量作為X軸.結果4：交互作用的直觀分析——作圖法X軸分為不同的線條通常來102結果4：交互作用的直觀分析——作圖法再次復習：什么是交互作用？.結果4：交互作用的直觀分析——作圖法再次復習：.103(B)b1b2b3a2a1對于熟悉的文章，被試的閱讀理解成績無顯著差異(F(2,19)=0.12,P=0.883)對于不熟悉的文章，被試的閱讀理解成績存在顯著差異(F(2,19)=11.33,P=0.001)結果5：對簡單效應的綜合分析.(B)b1b2b3a2a1對于熟悉的文章，被試的閱讀理解成績104見數據文件“dengzhu_p141”練習.見數據文件“dengzhu_p141”練習.105A因素的主效應B因素的主效應AB的交互效應A因素主效應顯著B因素主效應顯著不同性別被試的**存在顯著差異。不同年級被試的**存在顯著差異。AB交互作用