spss方差分析操作示范-步骤-例子
管理统计SPSS方差齐性分析实例
请分析一个班三组不同性别的同学（分别接受了三种不同的教学方法）在数学成绩上是否有显著差异？根据题意，数学成绩分数的高低可能受到不同的教学方法跟性别的的影响，因此考虑两个因素水平下成绩的差异问。
在对其进行方差齐性分析前，首先对数据进行独立性，正态性，方差齐性检验。
1独立性检验用游程检验，检验其独立性，检验结果如下：图1-1游程检验数学成绩检验值a76.83案例 < 检验值8案例 >= 检验值10案例总数18Runs 数7Z -1.176渐近显著性(双侧) .240a. 均值根据图1-1数学成绩关于游程检验的结果可以看到，游程检验的P值为0.089 大于显著性水平 =0.05，故接受原假设，即认为各位同学的数学成绩不具有相关性，所以各变量之间是独立的。
2 正态性检验图1-2单样本 Kolmogorov-Smirnov 检验数学成绩N 18正态参数a,b均值76.83标准差17.041最极端差别绝对值.244正.167负-.244Kolmogorov-Smirnov Z 1.035渐近显著性(双侧) .235a. 检验分布为正态分布。
b. 根据数据计算得到。
根据图1-2可以看到数学成绩的K-S正太分布检验显著性水平位0.235，大于0.05，故接受原假设，既数学成绩服从正太分布。
3方差齐性检验图1-3根据图1-3可以看到，sig值为0.477，明显大于显著性水平0.05，故接受原假设，即认为各样本的数学成绩具方差齐性。
主体间因子N组别0 61 62 6性别 f 7m 11从上表可以看出，组别的SIG值为0，既拒绝原假设，可以认为，在95%的置信水平下，组别既不同的教学方法对成绩的影响存在显著的差异。
性别跟组别跟性别之间的叫互影响均对数学成绩没有显著地影响。
并且也可以看到2R=0.849，调整后的2R=0.849可见方程的拟合度非常好。
问题：已知一个班三组同学的入学成绩和分别接受了三种不同的教学方法后的数学成绩如下表所示，试研究这三组同学在接受了不同的教学方法后在数学成绩上是否有显著性差异？本案例中，主要研究不同的教学方法对数学成绩的影响，但是入学成绩可能可能对数学成绩有一定的影响，但又不是我们主要关心的因素，应尽量排除入学成绩对成绩的影响，因此将入学成绩做为协变量。
单因素方差分析，我见过的最详细SPSS教程
单因素方差分析，我见过的最详细SPSS教程一、问题与数据有研究者认为，体力活动较多的人能更好地应对职场的压力。
为了验证这一理论，某研究招募了31名受试者，测量了他们每周进行体力活动的时间(分钟)，以及应对职场压力的能力。
根据体力活动的时间数，受试者被分为4组：久坐组、低、中、高体力活动组，变量名为group。
利用Likert量表调查的总得分来评估应对职场压力的能力，分数越高，表明应对职场压力的能力越强，变量名为coping_stress。
应对职场压力的能力，可以简写为CWWS 得分。
研究者想知道，CWWS得分的高低是否取决于体力活动的时间，即coping_stress变量的平均得分是否随着group变量的不同而不同（部分数据如下图）？二、对问题的分析研究者想分析不同group间的coping_stress得分差异，可以采用单因素方差分析。
单因素方差分析适用于2种类型的研究设计：1）判断3个及以上独立的组间均数是否存在差异；2）判断前后变化的差值是否存在差异。
使用单因素方差分析时，需要考虑6个假设。
假设1：因变量为连续变量；假设2：有一个包含2个及以上分类、且组别间相互独立的自变量；假设3：每组间和组内的观测值相互独立；假设4：每组内没有明显异常值；假设5：每组内因变量符合正态分布；假设6：进行方差齐性检验，观察每组的方差是否相等。
那么进行单因素方差分析时，如何考虑和处理这6个假设呢？三、思维导图(点击图片可查看大图) 四、对假设的判断1. 假设1：因变量为连续变量；假设2：有一个包含2个及以上分类、且组别间相独立的自变量；假设3：每组间及组内的观测值相互独立。
和研究设计有关，需根据实际情况判断。
2. 假设4：每组内没有明显异常值。
如果某个组别中的某些因变量取值和其他值相比特别大或者特别小，则称之为异常值。
异常值会影响该组的均数和标准差，因此会对最终的统计检验结果产生很大的负面影响。
对于小样本研究，异常值的影响尤其显著，必须检查每组内是否存在明显异常值。
spss方差分析报告操作示范-步骤-例子
第五节方差分析的SPSS操作一、完全随机设计的单因素方差分析1．数据采用本章第二节所用的例1中的数据，在数据中定义一个group变量来表示五个不同的组，变量math表示学生的数学成绩。
数据输入格式如图6－3（为了节省空间，只显示部分数据的输入）：图 6-3 单因素方差分析数据输入将上述数据文件保存为“6-6-1.sav”。
2．理论分析要比较不同组学生成绩平均值之间是否存在显著性差异，从上面数据来看，总共分了5个组，也就是说要解决比较多个组（两组以上）的平均数是否有显著的问题。
从要分析的数据来看，不同组学生成绩之间可看作相互独立，学生的成绩可以假设从总体上服从正态分布，在各组方差满足齐性的条件下，可以用单因素的方差分析来解决这一问题。
单因素方差分析不仅可以检验多组均值之间是否存在差异，同时还可进一步采取多种方法进行多重比较，发现存在差异的究竟是哪些均值。
3．单因素方差分析过程（1）主效应的检验假如我们现在想检验五组被试的数学成绩（math）的均值差异是否显著性，可依下列操作进行。
①单击主菜单Analyze/Compare Means/One-Way Anova…，进入主对话框，请把math选入到因变量表列（Dependent list）中去，把group选入到因素（factor）中去，如图6-4所示：图6-4：One-Way Anova主对话框②对于方差分析，要求数据服从正态分布和不同组数据方差齐性，对于正态性的假设在后面非参数检验一章再具体介绍；One-Way Anova可以对数据进行方差齐性的检验，单击铵钮Options，进入它的主对话框，在Homogeneity-of-variance项上选中即可。
设置如下图6-5所示：图6-5：One-Way Anova的Options对话框点击Continue，返回主对话框。
③在主对话框中点击OK，得到单因素方差分析结果4．结果及解释（1）输出方差齐性检验结果Test of Homogeneity of VariancesMATHLevene Statistic df1 df2 Sig.1.238 4 35 .313上表结果显示，Levene方差齐性检验统计量的值为1.238，Sig=0.313>0.05，所以五个组的方差满足方差齐性的前提条件，如果不满足方差齐性的前提条件，后面方差分析计算F统计量的方法要稍微复杂，本章我们只考虑方差齐性条件满足的情况。
SPSS操作多因素方差分析
SPSS操作多因素方差分析
一、多因素方差分析简介
多因素方差分析（ANOVA）是一种统计学方法，利用它可以检验两个
或多个样本的总体均值是否相同。
它的基本假设是，多个样本取自同一总
体的正态分布，样本之间的差异是根据其中一种因素的变化而产生的，而
不是随机变化。
多因素方差分析一般用于检验不同变量的数据间的差异性。
二、多因素方差分析SPSS使用步骤
1、打开并登录SPSS：在Windows桌面找到SPSS图标，双击打开，
输入用户名和密码即可进入SPSS主界面。
2、导入数据：在SPSS主界面点击【文件】，再点击【导入数据】，
从计算机中找到需要导入的数据文件，打开，确定即可将数据文件导入到SPSS中。
3、运行多因素方差分析：在SPSS主界面点击【分析】，再点击【多
因素方差分析】，它会弹出一个多因素方差分析窗口，在窗口中配置多因
素方差分析的模型，一般情况下，前三步不需要修改，点击【下一步】；
第四步，需要在【变量】框中选择要分析的变量，点击【下一步】；第五步，需要在【因子】框中添加本次分析的因子，双击所选变量，添加到
【因子】框中，确定添加无误后，点击【下一步】；第六步，设定多因素
方差分析的显著性水平，点击【完成】，结束设置。
(完整word版)SPSS方差分析案例实例
SPSS第二次作业——方差分析1、案例背景：在一些大型考试中，为了保证结果的准确和一致性，通常针对一些主观题，都采取由多个老师共同评审的办法。
在评分过程中，老师对学生的信息不可见，同时也无法看到其他评分，保证了结果的公正性。
然而也有特殊情况的发生，导致了成绩的不稳定，这就使得对不同教师的评分标准考察变得十分必要。
2、案例所需资料及数据的获取方式和表述，变量的含义以及类型：所需资料：抽样某地某次考试中不同教师对不同的题目的学生成绩的评分；获取方式：让一组学生前后参加四次考试，由三位教师进行批改后收集数据；变量含义、类型：一份试卷的每道主观题由三名教师进行评定，3个教师的评定结果可看成事从同一总体中抽出的3个区组，它们在四次评定的成绩是相关样本。
表1如下：3、分析方法：用方差分析的方法对四个总体的平均数差异进行综合性的F检验。
4、数据的检验和预处理：a) 奇异点的剔除：经检验得无奇异点的剔除；b) 缺失值的补齐：无；c) 变量的转换（虚拟变量、变量变换）：无；d) 对于所用方法的假设条件的检验：进行正态性和方差齐性的检验。
✓正态性，用QQ图进行分析得下图：得到近似满足正态性。
✓对方差齐性的检验：用SPSS对方差齐性的分析得下表：Test of Homogeneity of Variances分数Levene Statistic df1 df2 Sig..732 2 9 .508易知P〉0.05，接受方差齐性的假设。
5、分析过程：a) 所用方法：单因素方差分析；方差分析中的多重比较。
b) 方法细节：●单因素方差分析第一步，提出假设：H0：μ1=μ2=μ3；（教师的评定基本合理，即均值相同）H1：μi(i=1,2,3)不全相等；（教师的评定不够合理，均值有差异）第二步，为检验H0是否成立，首先计算以下统计量：1,计算水平均值及总体均值：表2 三位教师评选结果的均值2-计算平方和和自由度：总离差平方和：SST=211)-(∑∑==ki n j iij x x =16.947，自由度为n-1=11组内离差平方和：SSE=211)x -(i ∑∑==ki n j iij x =16.275，自由度为n-k=9组间平方和：SSA=211)-(∑∑==ki n j ii x x =0.672,自由度为k-1=23-计算均方：MSA=1SSA -k =0.336MSE=kn -SSE =1.8084-计算检验的统计量F ： F=MSEMSA ~F(k-1,n-k) 计算F=0.186将结果汇集到表中：第三步，统计决断:查F 值表得F 0.01(2,11)=7.21>0.186。
多因素方差分析SPSS的具体操作步骤
定义数值变量对话框一
定义数值变量
然后按Add按钮，就可以调到下边的方框 了，这样定义数值标签结束，单击OK按 钮就可以了。最后转到数据对话框，录入 数据即可。
定义数值变量对话框二
2．多因素方差分析对话框
点击数据页中的Analyze，会出现General Linear Model下拉菜单中的Univariate，点击 后即出现下边的对话框。其中左边的方框里是 输入的变量名。中间的Dependent Variable表 示因变量显示窗，Fixed Factor[s]表示固定变 量 显 示 窗 ， 通 常 是 指 自 变 量 。 Ramdom Factor[s]表示随机变量显示窗。Covariate[s] 表示协变量显示窗。WLS Weight表示权重变 量 显 示 窗 。 右 边 一 般 我 们 需 要 选 择 的 是 Post Hoc和Opitions这几个按钮。其数据框如下：
填写变量名对话框
1.2填写变量名对话框之定义 数值变量
点击Values下边任一单元格,会出现灰色部 分，可以弹出如下页的对话框，在下边的这个 示例中，定义的是3代表教材三，以此类推，对 方法的定义也是一样。读者照此方法定义即可。 定义完了后, Add按钮会被激活。做多因素方差 分析都需要对自变量也就是因素定义数值变量. 一般用数字定义.
多因素方差分析SPSS的 具体操作步骤
作者: 卫云红
例
题
以此为例：用三种不同教材和两种不 同的教学方法在6个小班进行英语口语教 学实验，在每个小班重复实验，得到的 成绩如SPSS所示
1.录入数据
1.1.spss首页数据对话框。其中横列是变 量名，竖列是样本量。下放的Data View 是填写数据的，Variable View 是用来填 写变量名的，单击它即可转入填写变量名 对话框。事实上，我们操作时的第一步应 该是填写变量名，但是为了使读者了解进 入填写变量名对话框的途径，所以将填写 数据对话框放到了第一步。
spss多因素方差分析例子
1， data0806-height 是从三个样方中测量的八种草的高度，问高度在三个取样地点，以及八种草之间有无差异？具体怎么差异的？打 开 spss 软 件 ， 打 开 data0806-height 数 据 ， 点 击 Analyze->General Linear Model->Univariate 打开：把 plot 和 species 送入 Fixed Factor(s) ，把 height 送入 Dependent Variable ，点击 Model 打开：选择 Full factorial ， Type III Sum of squares ， Include intercept in model (即 全部默认选项) ，点击 Continue 回到 Univariate 主对话框，对其他选项卡不做任何选 择， 结果输出：因无法计算 ???? ??rror ，即无法分开 ???? intercept的影响，无法进行方差分析，重新 Analyze->General Linear Model->Univariate 打开：选择好 Dependent Variable 和 Fixed Factor(s) 点击Custom,把主效应变量 species 和plot 送入 Model 框，点击 Continue 回到Univariate 主对话框，点击 Plots ： 把 date 送入 Horizontal Axis ，把 depth 送入 Separate Lines ，点击 Add ，点击 Continue 回到 Univariate 对话框，点击 Options ：把 OVERALL,species, plot 送入 Display Means for 框,选择 Compare main effects , Bonferroni ,点击 Continue 回到 Univariate 对话框,输出结果：可以看到： SS species =, df species =7, MS species= ；SS plot =, df plot =7, MS plot= ；SS error =, df error =14, MS error= ；Fspecies= , p=<;Fplot=,p=<;所以故认为在 5%的置信水平上,不同样地,不同物种之间的草高度是存在差异的。
spss方差分析操作示范-步骤-例子
第五节方差分析的SPSS操作一、完全随机设计的单因素方差分析1．数据采用本章第二节所用的例1中的数据，在数据中定义一个group变量来表示五个不同的组，变量math表示学生的数学成绩。
数据输入格式如图6－3（为了节省空间，只显示部分数据的输入）：图 6-3 单因素方差分析数据输入将上述数据文件保存为“6-6-1.sav”。
2．理论分析要比较不同组学生成绩平均值之间是否存在显著性差异，从上面数据来看，总共分了5个组，也就是说要解决比较多个组（两组以上）的平均数是否有显著的问题。
从要分析的数据来看，不同组学生成绩之间可看作相互独立，学生的成绩可以假设从总体上服从正态分布，在各组方差满足齐性的条件下，可以用单因素的方差分析来解决这一问题。
单因素方差分析不仅可以检验多组均值之间是否存在差异，同时还可进一步采取多种方法进行多重比较，发现存在差异的究竟是哪些均值。
3．单因素方差分析过程（1）主效应的检验假如我们现在想检验五组被试的数学成绩（math）的均值差异是否显著性，可依下列操作进行。
①单击主菜单Analyze/Compare Means/One-Way Anova…，进入主对话框，请把math选入到因变量表列（Dependent list）中去，把group选入到因素（factor）中去，如图6-4所示：图6-4：One-Way Anova主对话框②对于方差分析，要求数据服从正态分布和不同组数据方差齐性，对于正态性的假设在后面非参数检验一章再具体介绍；One-Way Anova可以对数据进行方差齐性的检验，单击铵钮Options，进入它的主对话框，在Homogeneity-of-variance项上选中即可。
设置如下图6-5所示：图6-5：One-Way Anova的Options对话框点击Continue，返回主对话框。
③在主对话框中点击OK，得到单因素方差分析结果4．结果及解释（1）输出方差齐性检验结果Test of Homogeneity of VariancesMATHLevene Statistic df1 df2 Sig.1.238 4 35 .313上表结果显示，Levene方差齐性检验统计量的值为1.238，Sig=0.313>0.05，所以五个组的方差满足方差齐性的前提条件，如果不满足方差齐性的前提条件，后面方差分析计算F统计量的方法要稍微复杂，本章我们只考虑方差齐性条件满足的情况。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第五节方差分析的SPSS操作一、完全随机设计的单因素方差分析1．数据采用本章第二节所用的例1中的数据，在数据中定义一个group变量来表示五个不同的组，变量math表示学生的数学成绩。
数据输入格式如图6－3（为了节省空间，只显示部分数据的输入）：图 6-3 单因素方差分析数据输入将上述数据文件保存为“6-6-1.sav”。
2．理论分析要比较不同组学生成绩平均值之间是否存在显著性差异，从上面数据来看，总共分了5个组，也就是说要解决比较多个组（两组以上）的平均数是否有显著的问题。
从要分析的数据来看，不同组学生成绩之间可看作相互独立，学生的成绩可以假设从总体上服从正态分布，在各组方差满足齐性的条件下，可以用单因素的方差分析来解决这一问题。
单因素方差分析不仅可以检验多组均值之间是否存在差异，同时还可进一步采取多种方法进行多重比较，发现存在差异的究竟是哪些均值。
3．单因素方差分析过程（1）主效应的检验假如我们现在想检验五组被试的数学成绩（math）的均值差异是否显著性，可依下列操作进行。
①单击主菜单Analyze/Compare Means/One-Way Anova…，进入主对话框，请把math选入到因变量表列（Dependent list）中去，把group选入到因素（factor）中去，如图6-4所示：图6-4：One-Way Anova主对话框②对于方差分析，要求数据服从正态分布和不同组数据方差齐性，对于正态性的假设在后面非参数检验一章再具体介绍；One-Way Anova可以对数据进行方差齐性的检验，单击铵钮Options，进入它的主对话框，在Homogeneity-of-variance项上选中即可。
设置如下图6-5所示：图6-5：One-Way Anova的Options对话框点击Continue，返回主对话框。
③在主对话框中点击OK，得到单因素方差分析结果4．结果及解释（1）输出方差齐性检验结果Test of Homogeneity of VariancesMATHLevene Statistic df1 df2 Sig.1.238 4 35 .313上表结果显示，Levene方差齐性检验统计量的值为1.238，Sig=0.313>0.05，所以五个组的方差满足方差齐性的前提条件，如果不满足方差齐性的前提条件，后面方差分析计算F统计量的方法要稍微复杂，本章我们只考虑方差齐性条件满足的情况。
（2）输出方差分析主效应检验结果（方差分析表）ANOVAMATHSum of Squares df Mean Square F Sig.Between Groups 314.400 4 78.600 3.252 .023Within Groups 846.000 35 24.171Total 1160.400 39上面方差分析结果显示：组间平方和为314.40，组内平方和为846.00；组间自由度为4，组内自由度为35；组间均方为78.60，组内均方为24.171；F检验统计量的值为3.252，对应的概率P值为0.023<0.05，说明在0.05的显著性水平下，在不同班主任的班级中数学成绩有显著差异。
5．单因素方差分析的Post Hoc多重比较上面分析结果显示，五个组的平均值存在显著差异，但是并不能告诉我们究竟是哪些组之间的差异显著。
如果想同时回答存在差异的原因，就需要进行平均数的多重比较。
SPSS可以直接进行平均数差异的多重比较，具体操作如下：（1）在One-Way Anova的主对话窗口，单击按钮Post Hoc…进入多重比较方法选择对话框（如图6-6所示）。
图6-6：单样本方差分析多重比较定义窗口（2）在上面对话框中有两组不同假设下的方法可供选择，上面为方差齐性前提下（Equal Variances Assumed）的方法，下面为没有假定方差齐性时（Equal Variances Not Assumed）的多重比较方法选择。
单因素方差分析的Post Hoc提供的多重比较的方法在方差齐性的假设条件下常用的主要有：LSD （最小显著差法），Duncan(Duncan多范围检验)，S-N-K(Student-Newman-Keuls检验，有称q检验)，Tukey(Honestly显著差异检验),Tukey’s-b(Tukey的另一种检验方法)，Bonferroni (Bonferroni检验),Scheffe(Scheffe检验)等，不同检验方法所依据的检验准则稍有差异，检验结果也不完全相同，这里不具体介绍各种方法的具体检验原理，感兴趣的读者可以参考有关文献（Miller,1966; Games,1971a,1971b;）。
由于在本书中只涉及方差齐性条件满足的情况，所以关于没有方差齐性假设条件或方差齐性条件不满足时的多重比较方法这里不作介绍。
在上面所举的例子中，不同任课教师担任办主任的班级，其数学成绩存在显著差异，下面我们进一步检验究竟是那两个组的差异显著。
在多重比较窗口，选择S-N-K检验，单击Continue返回主对话框。
（3）在主对话框点击OK按钮运行程序，即可输出结果。
6．多重比较结果及解释这时的输出结果，除了上面显示的方差齐性的检验结果和方差分析表外，还有多重检验的结果，多重检验结果为：MATHStudent-Newman-KeulsN S ubset for alpha = .05GROUP 1 24 8 67.003 8 69.50 69.502 8 71.50 71.505 8 74.001 8 74.50Sig. .175 .195Means for groups in homogeneous subsets are displayed.a Uses Harmonic Mean Sample Size = 8.000.上述分析结果表明，在0.05的显著性水平下，5个组可以分成同质的2个大组，第一大组包括原来的第4组、第3组和第2组；第2大组包括原来的第3组、第2组、第5组和第1组。
说明第4组、第5组与第1组的数学平均成绩存在差异，而第4组与第2组和第3组的差异不显著，第1组、第5组和第2组和第3组的差异也不显著。
二、随机区组设计的方差分析在随机区组设计中，每一区组应接受全部实验处理，每种实验处理在每一区组中重复的次数也应该相同。
利用SPSS程序可以进行被试之间的差异检验、处理之间的差异检验及各种交互效应的检验。
SPSS 中没有提供可直接用于区组设计的分析程序，但用户可以根据实验设计中具体情况选择普通因素模型（即所有的因素变量都是被试间因素）或重复测量模型（至少有一个因素变量是被试内因素）。
同一区组内的每一个被试如果接受了全部实验处理，应该选择重复测量模型；如果同一区组内的被试随机接受不同的实验处理，即一个被试只接受一种处理，则应选择普通因素模型。
不同的模型对数据的表现形式会有所不同。
普通因素模型要求实验处理结果即因变量只表现为一个，不同水平下的观测结果用因素变量的变量值加以对应区分。
在重复测量模型中，不同的实验处理结果应表现为不同的变量，不要求因素变量必须存在。
下面我们先介绍普通因素模型。
（一）、随机区组设计的普通因素模型（被试间设计）1．数据输入例7．为了研究四种夹角（15度、30度、45度和60度）条件下，缪勒－莱尔错觉试验错觉量之间的差异，随机选取4组同质被试，每组8名，总共32名被试。
每组同质的8名被试再随机分成4组，每组2人随机接受一种夹角下的缪勒－莱尔错觉试验，试验结果如下表：15度30度45度60度区组1 10.59.510.39.49.78.88.88.4区组2 10.29.89.89.79.79.58.89.0区组3 10.611.210.511.29.710.19.09.4区组4 9.59.59.59.28.99.08.38.0分析四种不同夹角条件下，缪勒－莱尔错觉试验的平均错觉量有无显著差异，并进一步说明哪些组存在差异。
我们在句法窗口（syntax）用语句输入数据，具体语句如下（文件6-6-2.sps）：DATA LIST FREE/ BLOCK COND DELUSION.BEGIN DATA.1 1 10.51 2 10.31 3 9.71 4 8.81 1 9.51 2 9.41 3 8.81 4 8.42 1 10.22 2 9.82 3 9.72 4 8.82 1 9.82 2 9.72 3 9.52 4 9.03 1 10.63 2 10.53 3 9.73 4 9.03 1 11.23 2 11.23 3 10.13 4 9.44 1 9.54 2 9.54 3 8.94 4 8.94 1 9.54 2 9.24 3 9.04 4 8.0END DATA.在句法窗口选择菜单Run/All，得到数据文件，保存为“6-6-2.sav”。
2．理论分析在上述数据文件中，共有三个变量依次是区组变量BLOCK ，实验处理的条件COND，实验结果即错觉量DELUSION。
其中BLOCK 与COND都是因素变量，并且各有四个水平。
上述实验数据的表现是基于如下假设：样本容量为32，分4个区组，每个区组有8名被试，共有4种不同的实验处理条件；在实验中，随机安排同一区组内的两名被试接受同一种实验处理，这样每一区组的被试又被随机分成了4组，每一组接受一种不同的实验处理。
现在我们的目的在于检验四种实验处理条件下错觉量是否有显著性差异，也想检验四个区组之间是否存在显著性差异。
所以从理论上属于区组设计的实验设计。
3．随机区组被试间设计的SPSS操作过程（1）单击主菜单Analyze/general linear model / Univariate…，打开主对话框。
把变量DELUSION 选入到因变量（dependent）框中，同时我们假定目前的区组数目及实验处理条件已经全部包括在实验中，所以把BLOCK 与COND都选入到固定因素（fixed factors）框中，如下图6-7所示：图6-7：一般因素方差分析主对话框（2）指定分析模型即指定在方差分析中需要哪些因素主效应或交互效应。
单击按钮Model…，进入模型（Model）设置对话框。
①Full factorial 全模型，包括所有因素主效应、交互效应、协变量主效应等。
是系统默认的模型。
②Custom 自定义模型。
用户可以选择自己实验中感兴趣的效应。
Build terms单击向下的小三角可以选择多种不同的效应，如本例中我们选择两个因素的主效应Main effects。
③Sum of 提供了四种分解平方和的方法，系统推荐第三种即回归法。
④Include intercept in model 如果选中该复选框，表明在模型中包括截距。