心理学研究方法-数据分析2-方差分析典型实例.ppt

答疑 自由度 数学中的自由度一般是指能够自由取值的变量个数。 ? 在统计模型中，自由度指样本中可以自由变动的变量的个数，当有约束条件时，自由度减少自由度计算公式：自由度=样本个数-样本数据受约束条件的个数，即df=n-k（df自由度，n样本个数，k约束条件个数），n-1是通常的计算方法，更准确的讲应该是n-k，n表示“处理”的数量，k表示实际需要计算的参数的数量。如需要计算2个参数，则数据里只有n-2个数据可以自由变化。例如，一组数据，平均数一定，则这组数据有n-1个数据可以自由变化；如一组数据平均数一定，标准差也一定，则有n-2个数据可以自由变化 有一个有4个数据(n=4)的样本, 其平均值m等于5,即受到m=5的条件限制,在自由确定4、2、5三个数据后, 第四个数据只能是9,否则m≠5。因而这里的自由度υ=n-1=4-1=3。推而广之,任何统计量的自由度υ=n-限制条件的个数。 数据分析2——多因素方差分析 苏园林 教学目标 掌握双因素完全随机设计、重复测量、混合设计的方差分析的spss操作，理解spss的结果，并对结果进行文字描述 两因素完全随机设计的方差分析-案例 案例：某商店要考察顾客的性别（男、女）与顾客的类型（购物狂型、每周一次型、两周一次型）对商量的营业额贡献最大。（sale.sav） 性别：2个水平（男和女） 顾客类型：3个水平（购物狂型、每周一次型、两周一次型） 2*3的设计 营业额 被试间实验设计 自变量 因变量 实验设计 双因素完全随机设计的方差分析-spss步骤 1、Analyze-general linear model（一般线性模型）-univariate(单元方差分析) 2、把amountspent放入dependent variable（因变量）框中，把gender和shopping style放入fixed factors（自变量）中 3、plots（画图显示交互作用）：把style放入horizontal axis（水平轴），把gender放入separate line,然后add 4、option选择descriptive stastistics, homogeneity tests（方差齐性检验）, effect size（效应大小） 演示和学生动手操作 这两张表显示的是描述统计的结果 每组的人数 更详细的每小组的人数 平均值和标准差 方差齐性检验，如果p大于0.05，表示方差齐性，用F检验。否则，不齐性，用非参数检验。 方差分析的结果：最核心的结果 顾客类型的主效应 性别的主效应 交互作用 经过双因素方差分析发现，顾客类型主效应不显著（F（2，345）= 1.979，P = 0.14， h2 = 0.011），性别的主效应显著（F（1，345）= 18.672，P 0.0005， h2 = 0.051 ），顾客类型*性别存在显著的交互作用（ F（2，345）= 4.127，P = 0.17， h2 = 0.023 ）。 Eta方表示占总平方和的变异为多少，数值越大表明贡献越大 画图-线图很好的呈现了交互作用 简单效应分析 当交互作用显著时，说明一个因素如何受另一个因素影响。需要用到简单效应分析。有两个方向（根据研究目的决定，选择下面的其中一个）。 1、在性别固定时，考察顾客类型的效应。 2、在顾客类型固定时，考察性别的效应。 简单效应分析 要自己在spss中写语句，file-new-syntax MANOVA amtspent BY gender(1,2) style(1,3) /DESIGN=gender WITHIN style(1) gender WITHIN style(2) gender WITHIN style(3). 注意点： 1、最好的句号不要忘了 2、变量名要与data view数据中的一致 数据分析小技巧：把这个语句保存一下，以后要是有类似的分析，直接另存一个文件改一下里面的变量名称，就可以用。 1-两周，2-一周，3-经常 画图 ** *** 双因素方差分析的思路 第一步、考察方差是否齐性，如果齐性，则继续做分析。否则，要用其他的非参数检验。 第二步、考察主效应和交互作用。 第三步、如果有交互作用，则用简单效应分析，考察在某个因素固定时，另一个因素的效应。 第四步、用文字和图描述结果，并把显著性的星号标注上。 三因素完全随机设计的方差分析 案例：某商店要考察顾客的性别（男、女）与顾客的类型（购物狂型、每周一次型、两周一次型）对商量的营业额贡献最大，再加入一个自变量，购物的目的（自己、配偶和自己陪伴） 。（sale.sav） 性别