单因素、交互作用、简单效应分析课件

单因素、交互作用、简单效应分析，.单因素、交互作用、简单效应分析，.1方差分析的适用条件变异的可加性总体正态分布方差齐性（总体方差相等）实际应用中，对方差齐性要求较高，因此需要单独检验。.方差分析的适用条件变异的可加性实际应用中，对方差齐性要求较高2SPSS中的4个方差分析菜单Univariate单因变量方差分析Multivariate多因变量方差分析RepeatedMeasures含有重复测量的方差分析CompareMeansOne-WayANOVA单因素方差分析GeneralLinearModel.SPSS中的4个方差分析菜单Univariate3很少用，因变量不止一个时含有重复测量的数据很常用.很少用，因变量不止一个时含有重复测量的数据很常用.4One-WayANOVA8.1单因素完全随机方差分析.One-WayANOVA8.1单因素完全随机方差分析.5例1：单因素完全随机实验设计目的：文章生字密度对学生阅读理解成绩的影响自变量：生字密度，含4个水平（5：1、10：1、15：1、20：1）因变量：阅读测验的分数被试及程序：32人，随机分为四组，每组接受一个自变量处理（即阅读一种生字密度的文章）.例1：单因素完全随机实验设计目的：文章生字密度对学生阅读理解6OneWayANOVA:

生字密度对学生阅读理解的影响

shuhua_p_39.sav生字密度5：110：115：120：1阅

读

理

解

测

验

分

数348966984488327754512756135371223611.OneWayANOVA:

生字密度对学生阅读理解的影响

7即自变量即多重比较也称事后检验.即自变量即多重比较.8..9结果p值由p=.037<.05可知，可认为方差齐性边缘显著.结果p值由p=.037<.05可知，可认为方差齐性边缘显著.10结果组间均方组内均方F值p值自由度研究报告中的方差分析结果自由度、均方、F、P而p值以星号的形式标注One-WayANOVA通常用文字陈述结果因素较多时则用三线表呈现自由度、均方、F毕业论文格式.结果组间均方组内均方F值p值自由度研究报告中的方差分析结果自11结果由方差分析表可知，F(3,28)=22.533,p<.01，生字密度对阅读理解成绩有影响。学生对生字密度不同的文章的阅读理解有显著差异.结果由方差分析表可知，F(3,28)=22.533,p<.12结果多重比较.结果多重比较.13练习1数据文件“自信心与社交苦恼”任务1：在1总自信平均分上，男生与女生是否存在显著差异；任务2：在1总自信平均分上，各个年级间是否存在显著差异.练习1数据文件“自信心与社交苦恼”.148.2单因素随机区组方差分析Univariate.8.2单因素随机区组方差分析Univariate.15因变量绝大多数时候自变量都应该往里面选

用于选入随机因素，如果你不明白，假装没看见他就是了。.因变量绝大多数时候自变量都应该往里面选用于选入随机因素，如16单击后出现一个对话框，用于设置在模型中包含哪些主效应和交互因子，默认情况为Fullfactorial，即分析所有的主效应和交互作用。

本例没有交互作用可分析，所以要改.单击后出现一个对话框，用于设置在模型中包含哪些主效应和交互因17即【custom】【BuilTerm】【maineffcts】左边变量的全选入右边.即【custom】【BuilTerm】【mainef18单击后出现一个对话框，用于设置在模型中包含哪些主效应和交互因子，默认情况为Fullfactorial，即分析所有的主效应和交互作用。

本例没有交互作用可分析，所以要改.单击后出现一个对话框，用于设置在模型中包含哪些主效应和交互因19例2：单因素随机区组设计题目：文章的生字密度对学生阅读理解的影响自变量：生字密度，含有4个水平（5：1、10：1、15：1、20：1）因变量：阅读测验的分数无关变量：被试的智力水平（区组变量）实验设计：单因素随机区组实验设计被试及程序：首先给32个学生做智力测验，并按测验分数将被试分成8个组，每组4人（智力水平相等），然后随机分配每个区组内的4个被试阅读一种生字密度的文章。

.例2：单因素随机区组设计题目：文章的生字密度对学生阅读理解的20生字密度对学生阅读理解的影响

（按智力测验成绩划分8个区组）

shuhua_p_45.sav生字密度5：110：115：120：1阅

读

理

解

测

验

分

数区组13489区组26698区组34488区组43277区组554512区组675613区组753712区组823611.生字密度对学生阅读理解的影响

（按智力测验成绩划分8个区组）21数据录入.数据录入.22组间区组组内（误差项）.组间区组组内（误差项）.23Univariate单因素完全随机n因素随机区组多因素混合设计单因素重复测量One-wayANOVARepeatedMeasuresRepeatedMeasures多因素重复测量RepeatedMeasures……不管有几个因素，只要其中一个因素为重复测量，即用RepeatedMeasures.Univariate单因素完全随机n因素随机区组多因素混合设24Onecemore单因素完全随机One-wayANOVA不管有几个重复测量因素RepeatedMeasures其他方差分析Univariate只有一个因变量.Onecemore单因素完全随机One-wayANOVA25两因素完全随机实验设计的应用举例题目：当主题熟悉性不同时，生字密度对儿童阅读理解的影响。实验变量：自变量A——文章类型，即熟悉的（a1）与不熟悉的（a2）；自变量B——生字密度，即5:1(b1)、10:1(b2)、15:1(b3)实验设计：两因素完全随机实验设计被试：24名五年级学生实验程序：首先将自变A与B的水平结合成2×3即6个实验处理；然后把选取的被试分成6组，每组4人，分别接受一种实验处理水平的结合。.两因素完全随机实验设计的应用举例题目：当主题熟悉性不同时，生26a1a1a1a2a2a2b1b2b3b1b2b33454812667591344538123223711b1b2b3∑a116161951a215324895∑314867数据如何录入？边缘(际)平均数即主效应即交互作用效应细格平均数.a1a1a1a2a2a2b1b2b3b1b2b334548127Onecemore主效应一个因素内各个水平的差异交互作用一个因素的各个水平在另一个因素的不同水平上变化趋势不一致。.Onecemore主效应一个因素内各个水平的差异交互作用一28b1b2∑a1807879a2926478∑8666边缘(际)平均数即主效应即交互作用效应细格平均数.b1b2∑a1807879a2926478∑8666边缘(际29结合实例，请分别说明：（1）主效应（2）交互作用2×3完全随机方差分析B因素：年级A因素：性别思考.结合实例，请分别说明：（1）主效应（2）交互作用2×3完全随30两因素完全随机方差分析举例：shuhua_p71.两因素完全随机方差分析举例：shuhua_p71.31因变量自变量.因变量自变量.32结果1：综合的方差分析A因素的主效应B因素的主效应AB的交互效应A因素主效应显著B因素主效应显著不同主题熟悉性的成绩存在显著差异。不同生字密度的成绩存在显著差异。AB交互作用显著熟悉性与生字密度的交互作用显著。该自变量水平大于等于3，事后检验交互作用显著，则简单效应检验.结果1：综合的方差分析A因素的主效应B因素的主效应AB的交互33结果2：事后检验即Posthoc选中主效应显著，且水平≥3的自变量通常用LSD.结果2：事后检验即Posthoc选中主效应显著，且水平≥34结果2：事后检验即Posthoc.结果2：事后检验即Posthoc.35结果3：简单效应的定量分析通常不在SPSSforWindows完成而是通过写语句，即syntax交互作用显著后进行简单效应检验.结果3：简单效应的定量分析通常不在SPSSforWind36两因素完全随机的方差分析

——syntax.两因素完全随机的方差分析

——syntax.372×3完全随机的方差分析MANOVAYBYA(1,2)B(1,3)/DESIGN/DESIGN=BWITHINA(1)BWITHINA(2).键盘敲两下空格多因素方差分析变量说明“BY”左边为因变量“BY”右边为IV总的方差分析简单效应检验.2×3完全随机的方差分析MANOVAYBYA(1,2)382×3完全随机的方差分析MANOVAYBYA(1,2)B(1,3)/DESIGN/DESIGN=BWITHINA(1)BWITHINA(2).DataView与Syntax中的“name”务必保持一致Y表示因变量A.B分别表示自变量A因素各个水平的最小值与最大值B因素同理请问：3×4完全随机的方差分析，C因素3个水平，D因素4个水平，因变量为F，应如何改写以上语句？键盘敲两下空格实心点均可替换为其他字母.2×3完全随机的方差分析MANOVAYBYA(1,2)39结果3：简单效应的定量分析再结合作图法，对结果进行解释.结果3：简单效应的定量分析再结合作图法，对结果进行解释.40结果4：交互作用的直观分析——作图法.结果4：交互作用的直观分析——作图法.41结果4：交互作用的直观分析——作图法X轴分为不同的线条通常来说，把水平多的自变量作为X轴.结果4：交互作用的直观分析——作图法X轴分为不同的线条通常来42结果4：交互作用的直观分析——作图法再次复习：什么是交互作用？.结果4：交互作用的直观分析——作图法再次复习：.43(B)b1b2b3a2a1对于熟悉的文章，被试的阅读理解成绩无显著差异(F(2,19)=0.12,P=0.883)对于不熟悉的文章，被试的阅读理解成绩存在显著差异(F(2,19)=11.33,P=0.001)结果5：对简单效应的综合分析.(B)b1b2b3a2a1对于熟悉的文章，被试的阅读理解成绩44见数据文件“dengzhu_p141”练习.见数据文件“dengzhu_p141”练习.45A因素的主效应B因素的主效应AB的交互效应A因素主效应显著B因素主效应显著不同性别被试的**存在显著差异。不同年级被试的**存在显著差异。AB交互作用显著性别与年级的交互作用显著。该自变量水平大于等于3，事后检验交互作用显著，则简单效应检验.A因素的主效应B因素的主效应AB的交互效应A因素主效应显著B46两因素混合设计的方差分析.两因素混合设计的方差分析.47注意：数据录入对于被试间（组间）变量，每个自变量须作为单独的一列进行录入被试内（组内）变量，每个自变量无须单独成列，而是被试内变量各个水平所对应的因变量单独成列当只有被试间因素的时候，因变量需要单独成一列。当含有被试内因素的时候，因变量无需单独成一列，而是录入在被试内因素相应的水平下.注意：数据录入对于被试间（组间）变量，每个自变量须作为单独的48两因素混合设计的方差分析举例词的获得年龄与专业对词的知觉速度的影响采用3*2的混合设计共有两个自变量，自变量1是词的获得年龄（AOA），含3个水平，分别是a组、b组和c组，是被试内变量；自变量2是专业，有体育和中文2个水平，是被试间变量。因变量是反应时间数据见“16-1”.两因素混合设计的方差分析举例词的获得年龄与专业对词的知49被试内变量的name相应被试内变量的水平数.被试内变量的name相应被试内变量的水平数.50被试内变量被试间变量.被试内变量被试间变量.51..52描述统计结果.描述统计结果.53球形检验p>0.05,球形检验差异不显著.球形检验p>0.05,球形检验差异不显著.54主效应A与交互作用F(2，76)=4.813，p=0.011<0.05,词获得年龄的主效应显著F(2，76)=1.471，p=0.236>0.05,词获得年龄与专业交互作用不显著.主效应A与交互作用F(2，76)=4.813，p=0.055主效应BF(1，38)=0.646，p=0.426>0.05,系别的主效应不显著.主效应BF(1，38)=0.646，p=0.426>0.0556F(2，76)=4.813，p=0.011<0.05,词获得年龄的主效应显著F(2，76)=1.471，p=0.236>0.05,词获得年龄与专业交互作用不显著F(1，38)=0.646，p=0.426>0.05,系别的主效应不显著需要进一步分析的：词的主效应显著，须做多重比较.F(2，76)=4.813，p=0.011<0.05,词获得57被试内变量的事后多重比较

——只能用Optionsaoa.被试内变量的事后多重比较

——只能用Optionsaoa.58注意被试内变量主效应显著后，事后多重比较——只能用Options如果被试间变量的主效应显著，既可以用Options，也可以用posthoc.注意被试内变量主效应显著后，事后多重比较——只能用Optio59结果：事后多重比较.结果：事后多重比较.60单因素、交互作用、简单效应分析，.单因素、交互作用、简单效应分析，.61方差分析的适用条件变异的可加性总体正态分布方差齐性（总体方差相等）实际应用中，对方差齐性要求较高，因此需要单独检验。.方差分析的适用条件变异的可加性实际应用中，对方差齐性要求较高62SPSS中的4个方差分析菜单Univariate单因变量方差分析Multivariate多因变量方差分析RepeatedMeasures含有重复测量的方差分析CompareMeansOne-WayANOVA单因素方差分析GeneralLinearModel.SPSS中的4个方差分析菜单Univariate63很少用，因变量不止一个时含有重复测量的数据很常用.很少用，因变量不止一个时含有重复测量的数据很常用.64One-WayANOVA8.1单因素完全随机方差分析.One-WayANOVA8.1单因素完全随机方差分析.65例1：单因素完全随机实验设计目的：文章生字密度对学生阅读理解成绩的影响自变量：生字密度，含4个水平（5：1、10：1、15：1、20：1）因变量：阅读测验的分数被试及程序：32人，随机分为四组，每组接受一个自变量处理（即阅读一种生字密度的文章）.例1：单因素完全随机实验设计目的：文章生字密度对学生阅读理解66OneWayANOVA:

生字密度对学生阅读理解的影响

shuhua_p_39.sav生字密度5：110：115：120：1阅

读

理

解

测

验

分

数348966984488327754512756135371223611.OneWayANOVA:

生字密度对学生阅读理解的影响

67即自变量即多重比较也称事后检验.即自变量即多重比较.68..69结果p值由p=.037<.05可知，可认为方差齐性边缘显著.结果p值由p=.037<.05可知，可认为方差齐性边缘显著.70结果组间均方组内均方F值p值自由度研究报告中的方差分析结果自由度、均方、F、P而p值以星号的形式标注One-WayANOVA通常用文字陈述结果因素较多时则用三线表呈现自由度、均方、F毕业论文格式.结果组间均方组内均方F值p值自由度研究报告中的方差分析结果自71结果由方差分析表可知，F(3,28)=22.533,p<.01，生字密度对阅读理解成绩有影响。学生对生字密度不同的文章的阅读理解有显著差异.结果由方差分析表可知，F(3,28)=22.533,p<.72结果多重比较.结果多重比较.73练习1数据文件“自信心与社交苦恼”任务1：在1总自信平均分上，男生与女生是否存在显著差异；任务2：在1总自信平均分上，各个年级间是否存在显著差异.练习1数据文件“自信心与社交苦恼”.748.2单因素随机区组方差分析Univariate.8.2单因素随机区组方差分析Univariate.75因变量绝大多数时候自变量都应该往里面选

用于选入随机因素，如果你不明白，假装没看见他就是了。.因变量绝大多数时候自变量都应该往里面选用于选入随机因素，如76单击后出现一个对话框，用于设置在模型中包含哪些主效应和交互因子，默认情况为Fullfactorial，即分析所有的主效应和交互作用。

本例没有交互作用可分析，所以要改.单击后出现一个对话框，用于设置在模型中包含哪些主效应和交互因77即【custom】【BuilTerm】【maineffcts】左边变量的全选入右边.即【custom】【BuilTerm】【mainef78单击后出现一个对话框，用于设置在模型中包含哪些主效应和交互因子，默认情况为Fullfactorial，即分析所有的主效应和交互作用。

本例没有交互作用可分析，所以要改.单击后出现一个对话框，用于设置在模型中包含哪些主效应和交互因79例2：单因素随机区组设计题目：文章的生字密度对学生阅读理解的影响自变量：生字密度，含有4个水平（5：1、10：1、15：1、20：1）因变量：阅读测验的分数无关变量：被试的智力水平（区组变量）实验设计：单因素随机区组实验设计被试及程序：首先给32个学生做智力测验，并按测验分数将被试分成8个组，每组4人（智力水平相等），然后随机分配每个区组内的4个被试阅读一种生字密度的文章。

.例2：单因素随机区组设计题目：文章的生字密度对学生阅读理解的80生字密度对学生阅读理解的影响

（按智力测验成绩划分8个区组）

shuhua_p_45.sav生字密度5：110：115：120：1阅

读

理

解

测

验

分

数区组13489区组26698区组34488区组43277区组554512区组675613区组753712区组823611.生字密度对学生阅读理解的影响

（按智力测验成绩划分8个区组）81数据录入.数据录入.82组间区组组内（误差项）.组间区组组内（误差项）.83Univariate单因素完全随机n因素随机区组多因素混合设计单因素重复测量One-wayANOVARepeatedMeasuresRepeatedMeasures多因素重复测量RepeatedMeasures……不管有几个因素，只要其中一个因素为重复测量，即用RepeatedMeasures.Univariate单因素完全随机n因素随机区组多因素混合设84Onecemore单因素完全随机One-wayANOVA不管有几个重复测量因素RepeatedMeasures其他方差分析Univariate只有一个因变量.Onecemore单因素完全随机One-wayANOVA85两因素完全随机实验设计的应用举例题目：当主题熟悉性不同时，生字密度对儿童阅读理解的影响。实验变量：自变量A——文章类型，即熟悉的（a1）与不熟悉的（a2）；自变量B——生字密度，即5:1(b1)、10:1(b2)、15:1(b3)实验设计：两因素完全随机实验设计被试：24名五年级学生实验程序：首先将自变A与B的水平结合成2×3即6个实验处理；然后把选取的被试分成6组，每组4人，分别接受一种实验处理水平的结合。.两因素完全随机实验设计的应用举例题目：当主题熟悉性不同时，生86a1a1a1a2a2a2b1b2b3b1b2b33454812667591344538123223711b1b2b3∑a116161951a215324895∑314867数据如何录入？边缘(际)平均数即主效应即交互作用效应细格平均数.a1a1a1a2a2a2b1b2b3b1b2b334548187Onecemore主效应一个因素内各个水平的差异交互作用一个因素的各个水平在另一个因素的不同水平上变化趋势不一致。.Onecemore主效应一个因素内各个水平的差异交互作用一88b1b2∑a1807879a2926478∑8666边缘(际)平均数即主效应即交互作用效应细格平均数.b1b2∑a1807879a2926478∑8666边缘(际89结合实例，请分别说明：（1）主效应（2）交互作用2×3完全随机方差分析B因素：年级A因素：性别思考.结合实例，请分别说明：（1）主效应（2）交互作用2×3完全随90两因素完全随机方差分析举例：shuhua_p71.两因素完全随机方差分析举例：shuhua_p71.91因变量自变量.因变量自变量.92结果1：综合的方差分析A因素的主效应B因素的主效应AB的交互效应A因素主效应显著B因素主效应显著不同主题熟悉性的成绩存在显著差异。不同生字密度的成绩存在显著差异。AB交互作用显著熟悉性与生字密度的交互作用显著。该自变量水平大于等于3，事后检验交互作用显著，则简单效应检验.结果1：综合的方差分析A因素的主效应B因素的主效应AB的交互93结果2：事后检验即Posthoc选中主效应显著，且水平≥3的自变量通常用LSD.结果2：事后检验即Posthoc选中主效应显著，且水平≥94结果2：事后检验即Posthoc.结果2：事后检验即Posthoc.95结果3：简单效应的定量分析通常不在SPSSforWindows完成而是通过写语句，即syntax交互作用显著后进行简单效应检验.结果3：简单效应的定量分析通常不在SPSSforWind96两因素完全随机的方差分析

——syntax.两因素完全随机的方差分析

——syntax.972×3完全随机的方差分析MANOVAYBYA(1,2)B(1,3)/DESIGN/DESIGN=BWITHINA(1)BWITHINA(2).键盘敲两下空格多因素方差分析变量说明“BY”左边为因变量“BY”右边为IV总的方差分析简单效应检验.2×3完全随机的方差分析MANOVAYBYA(1,2)982×3完全随机的方差分析MANOVAYBYA(1,2)B(1,3)/DESIGN/DESIGN=BWITHINA(1)BWITHINA(2).DataView与Syntax中的“name”务必保持一致Y表示因变量A.B分别表示自变量A因素各个水平的最小值与最大值B因素同理请问：3×4完全随机的方差分析，C因素3个水平，D因素4个水平，因变量为F，应如何改写以上语句？键盘敲两下空格实心点均可替换为其他字母.2×3完全随机的方差分析MANOVAYBYA(1,2)99结果3：简单效应的定量分析再结合作图法，对结果进行解释.结果3：简单效应的定量分析再结合作图法，对结果进行解释.100结果4：交互作用的直观分析——作图法.结果4：交互作用的直观分析——作图法.101结果4：交互作用的直观分析——作图法X轴分为不同的线条通常来说，把水平多的自变量作为X轴.结果4：交互作用的直观分析——作图法X轴分为不同的线条通常来102结果4：交互作用的直观分析——作图法再次复习：什么是交互作用？.结果4：交互作用的直观分析——作图法再次复习：.103(B)b1b2b3a2a1对于熟悉的文章，被试的阅读理解成绩无显著差异(F(2,19)=0.12,P=0.883)对于不熟悉的文章，被试的阅读理解成绩存在显著差异(F(2,19)=11.33,P=0.001)结果5：对简单效应的综合分析.(B)b1b2b3a2a1对于熟悉的文章，被试的阅读理解成绩104见数据文件“dengzhu_p141”练习.见数据文件“dengzhu_p141”练习.105A因素的主效应B因素的主效应AB的交互效应A因素主效应显著B因素主效应显著不同性别被试的**存在显著差异。不同年级被试的**存在显著差异。AB交互作用