第八讲SPSS统计课程单因素完全随机设计

合集下载

第 讲单因素实验设计

第 讲单因素实验设计

高照明度 中等照明度
低照明度
组X
X
组Y
Y
组Z
Z
目录
原始数据表如下:
姓名
1 张明 ……
30 刘修 31 刘冬
…… 60 黄卫 61 李家
…… 90 张岩
组别(V1)
工作效率(V2)
高(照明度) 56

67
中等
53
中等
61

45

68
目录
不同照明条件对工作效率影响研究的统计分析:
不同照明条件下工作效率比较
如果水平数为2,则进行 independent samples T test; 如果水平数大于2,则进行完全随机的方差分析: analyze— compare means—One-Way ANOVA
(3目) 录两个处理水平的单因素完全随机设计举例
不同照明条件对工作效率的影响研究
研究2种照明条件下工人车零件的效率。被试60人,随机分 为2组,每组30人,每组被试分别接受1种处理,见下表:
高照明度
低照明度
组X
X
组Y
Y
目录
不同照明条件对工作效率的影响研究:
原始数据表
姓名
组别(V1)
工作效率(V2)
1 张明 ……
29 刘修
30 刘冬
31 黄卫
32 李家 ……
60 张岩
高(照明度) 56

67

53

61

45

68
目录
不同照明条件对工作效率影响研究的统计分析:
表1 不同照明条件下工作效率比较
目录
-- 基本方法:首先将被试在无关变量上进行匹配,并区分为 不同的组别(每一区组内的被试在无关变量上相似,不同区 组的被试在无关变量上不同),然后把各区组的被试随机分 配给自变量的各个水平,每个被试只接受一个水平的处理。

单因素完全随机实验设计

 单因素完全随机实验设计
.
2.组内 3.合计
78.750 P(n-1)=28 2.813 268.875 np-1=31
注: F.01(3,28)=4.57
.
5、平方和与自由度分解
SS总变异 df=np-1
=31
6、解释
SS组间 df=p-1=3
SS组内 df=p(n-1)=28
A、各种平方和的含义
SS总变异:带有实验数据中所有的变异,包括实验处 理效应、无关变异和误差变异
F=SS最大/SS最小=36.000/10.875=3.31
.
(3)误差平方和的计算:相减法或直接计算法
完全随机实验设计的简单评价: 优点:实验设计和实施简单
不需要匹配被试 统计分析及对结果的解释简单 缺点:组内变异中混杂有被试的个体差异带来的无关变 异,导致F比率的分母项加大,从而使实验较为不敏感; 当有多个处理水平时,需要的被试量较大
μ1 μ2 … μJ … μP
.
6、适合检验的假说是: 两个或多个处理水平上的总体平均数相等,即:
H0:μ1 =μ2 = …… =μp 或处理效应为0,即: H0: αj = 0 7、单因素完全随机实验设计模型:
YiJ = μ + αj + εi(J) (i=1,2,……,n; j=1,2, ……,p) 其中:YiJ:被试 i 在处理水平 J 上的分数
i 1j 1 Y ij36420 .020
i n 1j n p 1yip j2y2 84 0 2 212.1 72 55
n py2ijA S326215 .0
i 1j 1
Pi n 1 y ij2 A 32 5 3 2 1 14 .26 5
n J 1
88
.
3、平方和的分解与计算 A、平方和分解模式

2.单因素完全随机设计的方差分析

2.单因素完全随机设计的方差分析
2
55.54
SSw X i X i
k n
2
nS n S
2
2
n 1S
2 n1
3.25 1.18 5.59 SSw 4 0.68 1.13 1.74
56.8
② 自由度
④ F值
dfb 6 1 5 dfw 64 1 18
j 1 i 1
k
nj
N
k nj
N=
n
j 1 k
k
j
SSB
j 1
k
( X ) 2
i 1
nj
nj

( X ) 2
j 1 i 1
N=
N
nj 2 k
n
j 1
j
SSW SST SSB X
j 1 i 1 j 1
k
( X ) 2
i 1
nj
nj
利用样本统计量进行方差分析(X j
j 1 i 1 j 1
k
nj
k
练习:
某教师为了研究中学生认知策略的发展变化, 分别从本校初一、初三、高二年级随机抽取了 10 名学生参加认知策略水平测试,问年级是否对认 知策略有影响?
测试结果如下:
被试
X 1 2 3 4 5 6 7 8 9 10 35 50 30 52 45 40 39 48 45 40
SSb X i X t nX i X t n X i X t
k n 2
k
2
k
2
Xt
n 45.45 5.425 7.45 7.9 8.825 9.375 7.4

单因素方差分析-SPSS

单因素方差分析-SPSS

实用文档
13
多重比较(SNK法)
2007.01
均数
实用文档
P值
14
表1 不同年级学生的学习策略水平单因素方差分析
2007.01
实用文档
15
2007.01
实用文档
3
2007.01
实用文档
4
One-Way ANOVA 对话框
2007.01
实用文档
5
Post Hoc Multiple Comparisons 对话

2007.01
实用文档
6
Option对话框
2007.01
实用文档
7
点击“OK”,运行结果
2007.01
实用文档
8
➢ 结果输出
单因素方差分析
2007.01
实用文档
1
SPSS单因素方差分析过程名
完全随机设计方差分析:
Analyze →Compare Means→One-Way ANOVA
2007.01
实用文档
2
完全随机设计资料的方差分析One-Way ANOVA
对不同年级,学生的学习策略水平(测评之和)进 行单因素方差分析,并进行多种比较。
2007.01
实用文档
9
基本统计描述
标准误
最小值
均数
例数
标准差
均数95%可信区间
最大值
2007.01
实用文档
10
方差齐性检验
Levene
统计1
方差分析表
组间
平方 和
自由 度
均方
F值 P值
组内
2007.01
实用文档
12

单因素、交互作用、简单效应分析课件

单因素、交互作用、简单效应分析课件

Lev ene Statistic
d f1
3.235
3
d f2 28
Sig. .037
p值
由p=.037<.05可知, 边缘显著
可认为方差齐性
.
10
结果
组间均方
A NOVA
阅读理 解成绩
Sum o f S qu ares Betw een1G90ro.1u2p5s
W ithin Gr7o8u.p7s50
见他就是了。
.
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Full factorial, 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
.
17
即 【custom 】
【Buil Term】【main effcts】
左边变. 量的全选入右边
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?
.
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
.
40
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
.
37
2×3完全随机的方差分析
多因素方差分析
键盘敲 两下空 格
MANOVA Y BY A(1,2) B(1,3) /DESIGN
/DESIGN=B WITHIN A(1)
B WITHIN A(2).
变量说明 “BY”左边为因变量
“BY”右边为IV

单因素完全随机设计

单因素完全随机设计

组设计还能够考察测验、历史和成熟等因素对因变量的影响。
所罗门四组设计是心理和行为科学研究中一种理想的研究设计,此种设计在内部效 度和外在效度方面均无缺点而言。但是,在研究过程中很难时找到四组同质的被试。这也 是所罗门四组设计应用的局限所在此,在研究的初幻及阶段一般不宜采用这种研究设计, 除非就实验假设作决定性检验的时候才虑加以使用。
有效控制无关因素干扰的基础上操纵自变量的变化,能够精确地测量因变量的变
化。因此只要能够严格控制无效变异来源的实验设计,都可以成为真实验设计。 在一个好的实验设计中,自变量是唯一正在被操纵的变量,而各组中的所有其他条 件都应当保持恒定。也就是,除自变量外,如果实验组和控制组的处理非常相似 , 那么因变量之间的差异一定是由自变量引起的。例如,在视错觉的实验研究中,被试
眼睛的颜色、身高、运动技能以及关于足球的识等变量可能不会影响被试的知
觉,研究者通过随机化的方法就可以平衡掉这些个体差异。但是,被试的视力和呈现 刺激的亮度等变量很可能会影响到实验的结果,研究者要对这些变量进行控制。
可以从不同的角度把真实验设计划分为不同的类型。例如从控
制无关变异方法的角度,可分为完全随机、随机区组和拉丁方设计。 从自变量数目的角度,可分为单因素和多因素设计。从被试是否接 受所有实验处理的角度,可分为被试内、被试同和混合设计。
一实验组控制组后测设计二实验组控制组前测后测设计三所罗门四组设计设计的基本模式一所罗门四组设计sodmimfopolin也称重选实物设计是由所罗门于1949年提出的一种具有两个实验组和两个控制组的随机设计其基本的设计模式为
所罗门四组设计
真实验研究设计是相对准实验研究设计和非实验研究设计而言,是
实验类研究中条件控制最为严格的一种,有时也简称实验研究设计。

单因素完全随机随机区组方差分析SPSS

单因素完全随机随机区组方差分析SPSS

2023.01
4
➢ 数据格式 n行2列 (指标变量、分组变量)
2023.01
5
➢ 检验环节
Analyze →Compare Means →One-Way ANOVA
2023.01
6
One-Way ANOVA 对话框
2023.01
多重比较
选项
7
Post Hoc Multiple Comparisons 对话框
单原因方差分析旳SPSS实现
2023.01
1
SPSS单原因方差分析过程名
完全随机设计方差分析: Analyze Compare Means
One-Way ANOVA
随机单位组设计方差分析: Analyze General Linear Models
Univariate
2023.01
2
1. 完全随机设计资料旳方差分析One-Way ANOVA
2023.01
3
表1 三组战士的第一秒用力肺活量(L)
对照组 锻炼组 药物组 合计 3.25 3.66 3.44 3.32 3.64 3.62 3.29 3.48 3.48 3.34 3.64 3.36 3.16 3.48 3.52 3.64 3.20 3.60 3.60 3.62 3.32 3.28 3.56 3.44 3.52 3.44 3.16 3.26 3.82 3.28
例1 某高原研究组将籍贯相同、年龄相同、身高 体重接近旳30名新战士随机分为三组,甲组为对 照组,按常规训练,乙组为锻炼组,每天除常规 训练外,接受中速长跑与健身操锻炼,丙组为药 物组,除常规训练外,服用抗疲劳药物,一月后 测定第一秒用力肺活量(L),成果见表。试比较 三组第一秒用力肺活量有无差别。

单因素随机区组spss操作课件

单因素随机区组spss操作课件
企业利用SPSS进行市场调查、客户分析、 销售预测等,为决策提供数据支持。
政府决策依据
SPSS为政府机构提供数据分析和决策依据 ,助力政策制定和实施。
学术研究
在学术界,SPSS是进行数据分析和科学研 究的必备工具。
02
单因素随机区组实验设计
实验设计的基本概念
实验设计
指在实验前对实验过程进行周密的计划和安排,以确 保实验结果可靠、有效和可重复的过程。
随着多平台兼容性的需求增加,SPSS将加强与 其他软件的集成,提高数据共享和协作效率。
THANK YOU
感谢各位观看
SPSS操作案例
01
操作步骤
02
1. 打开SPSS软件,导入数据文件。
03
2. 在菜单栏中选择“分析”-“一般线性模型”-“ 单变量”。
SPSS操作案例
3. 在“单变量”对话框中,将“施肥 处理”作为固定因子,“小麦产量” 作为因变量,选择“随机”选项。
4. 点击“运行”按钮,生成分析结果 。
结果解读案例
数据分析错误通常是由于分析步骤错误或分析方 法选择不当导致的。
1. 分析步骤错误:按照正确的分析步骤进行操作 ,确保每个步骤都已正确完成。
•·
2. 分析方法选择不当:根据研究目的和数据特点 选择合适的分析方法。例如,对于分类数据应选 择卡方检验或秩和检验,对于连续型数据应选择t 检验或方差分析。
常见问题三:结果解读错误
软件包开始研发。
1980-1990年代
SPSS不断更新升级,功能逐渐丰富, 市场份额稳步增长。
1970年代
SPSS正式发布,成为全球首款商业化 的统计分析软件。
21世纪
SPSS成为全球领先的数据分析解决方 案,广泛应用于学术、商业和政府机 构。

实验:单因素完全随机SPSS操作

实验:单因素完全随机SPSS操作

华东师范大学
言语听觉(语言)研究生课程班实验报告
姓名:学号:实验时间:
班级:成绩:指导老师:_________ [实验名称] 单因素完全随机实验设计的SPSS操作
[实验目的]
1.复习巩固单因素完全随机实验设计的应用。

2.掌握单因素完全随机实验设计的SPSS操作。

3.正确分析单因素完全随机实验设计的结果。

[实验内容]
下表为清华、北大、交大、复旦四所高校大一学生的高考数学成绩,分析各校间的平均数学成绩是否存在显著性差异?并从高到低排序。

具体要求:
(1)将数据处理为相应的数据结构,输入到SPSS中,并定义好变量。

数据文件以.sav格式保存,命名为“单因素完全随机实验数据”
(2)对数据进行方差分析:
a)得出其描述性统计(均值、标准差、被试数),
b)说明方差是否齐性;
c)得出方差分析的结果;
d)如果差异显著,得出多重比较结果;
e)生成均值图。

f)结合方差分析结果比较平均值,将三所学校的数学平均成绩从高到低进
行排序。

所有操作步骤填在[实验步骤]里;并将结果图表复制到[实验结果]里,进行说明。

单因素完全随机

单因素完全随机
验设计
单因素完全随机实验设计的基本特点
适用条件:研究中有一个自变量,自变量有两个或多于两个水平。 基本方法:把被试随机分配给自变量的各个水平,每个被试只接受一 个水平的处理。 误差控制:随机化法。假设被试之间的变异在各水平之间是随机分布 的,在统计上无差异。 实验设计模型:Yij = µ+αj+εi(j) (i=1,2,......,n; j=1,2,......,p) Yij 表示实验中第i个被试在第j个处理水平上的观测值。µ表示总体平 均数,αj表示水平j的处理效应,εi(j)表示误差变异。 即:总变异由两部分组成:实验处理引起的变异(αj);误差引起的 变异(εi(j))。
数据处理方法(SPSS统计软件)
包含的统计变量:实验的自变量A,实验的 因变量Y。 预期的统计结果:自变量A的主效应是否显 著,即 F((P-1), P(n-1))的P值是否小于 0.05。 实施的统计过程:analyze—compare means—One-Way ANOVA
应用举例及延伸
与该设计相关的名称:随机组实验设计, 独立组实验设计;下属的设计类型:实验 组控制组前后测设计,实验组控制组后测 设计,随机多组后测设计。 该法除了可用于实验研究,其设计思想及 数据处理方法可广泛用于问卷、测验等调 查研究。
实验设计举例
研究题目:文章的生字密度对学生阅读理解的影 响。 研究假设:阅读理解随着生字密度的增加而下降。 实验变量: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 实验设计:单因素完全随机实验设计 被试:32人,随机分为四组,每组接受一个自变 量处理——阅读一种生字密度的文章。

单因素完全随机设计

单因素完全随机设计

单因素完全随机设计
在实验目的明确的基础上,确定需要考察的自变量,例如不同肥料对
植物生长的影响。

然后确定处理水平,即不同肥料的配比,建议设置3个
或更多的处理水平。

随机分配处理是为了消除处理之间的差异,保证处理组和对照组之间
的随机性。

可以采用随机数表、计算机随机数或抽签的方式进行随机分配。

在实验观测中,需要收集实验数据,例如植物生长的高度或重量。


测结果应具备可测量性和可比性,并要求数据采集的精确性和可靠性。

数据分析是评价实验结果的关键步骤,可以采用平均数、方差、t检
验等统计方法进行分析。

平均数用于描述不同处理组之间的差异,方差用
于反映实验组内部的差异,t检验则用于判断差异是否显著。

总之,单因素完全随机设计是一种常用的实验设计方法,适用于只有
一个自变量的实验研究。

通过明确实验目的、随机分配处理、进行实验观
测和数据分析,可以得出科学结论,并广泛应用于各个学科领域的实验研
究中。

SPSS计算例(单因素)

SPSS计算例(单因素)

方差分析结果 1)LSD 法结果
Multiple Comparisons Dependent Variable: ESFC Mean Difference (I-J) -7.700* -8.100* -20.100* 7.700* -.400 -12.400* 8.100* .400 -12.000* 20.100* 12.400* 12.000* 7.700* 8.100* 20.100*
Robust Tests of Equality of Means ESFC Welch Brown-Forsythe Statistic 64.461 83.546
a
认为方差不齐时,可用 此结论
Sig . .000 .000
df1 3 3
df2 19.696 26.233
a. Asymptotically F distributed.
Std. Error 1.284 1.284 1.284 1.284 1.284 1.284 1.284 1.284 1.284 1.284 1.284 1.284 1.284 1.284 1.284
Sig . .000 .000 .000 .000 .757 .000 .000 .757 .000 .000 .000 .000 .000 .000 .000
Minimum 9 17 17 27 9
Maximum 16 24 24 40 40
方差齐性检验
Test of Homogeneity of Variances ESFC Levene Statistic 2.896 df1 3 df2 36 Sig . .048
Levene方差齐性检 验结果为方差不齐 一般认为,Levene 方差齐性检验较为苛刻, 不太易得齐性结论

单因素完全随机设计

单因素完全随机设计

29 27 32 11 23 37
学生编号 (2班) 成绩 13 40 14 29 15 19 16 35 17 27 18 34
单因素完全随机实验设计
学生编号(1班)成绩

19 20
学生编号 (2班) 成绩 24 19 36 17 20 40
单因素完全随机实验设计
分析此实验
如何进行统计分析
单因素完全随机实验设计
进行one-way
ANOVA 分析需要满足的假设: 正态分布 因变量总体在因素的各个水平上呈 正态分布
如果不能保证正态分布,每组的样本量应不少于
15人
单因素完全随机实验设计
方差齐性
因变量在因素的各个水平上方差齐

如果各组方差不齐,而且各组样本量也不同,方
差分析的结果不可信
单因素完全随机实验设计
学生编号(1班)成绩

7 8 9 10 11 12
29 32 26 35 17 40
学生编号 (2班) 7 8 9 10 11 12
成绩 38 36 33 22 36 32
单因素完全随机实验设计
学生编号(1班)成绩

13 14 15 16 17 18
两个班的平均成绩、标准差、最高分和最低
分 两种教学方式对汉字读音记忆效果是否有差 异,哪一种教学方式更有效
单因素完全随机实验设计
学生编号(1班)成绩

1 2 3 4 5 6
22 26 34 33 34 11
学生编号 (2班) 成绩 1 29 2 36 3 27 4 19 5 37 6 28
指用随机化方法将被试随机分为几组 根据实验目的对各组被试实施不同的处理

单因素完全随机设计

单因素完全随机设计

单因素完全随机实验设计一、单因素完全随机实验设计的基本特点单因素完全随机实验设计适用于这样的研究:研究中有一个自变量,自变量有两个或多于两个水平(p ≥2)。

它的基本方法是:把被试(实验单元)随机分配给处理(自变量)的各个水平,每个被试只接受一个水平的处理。

完全随机实验设计是用随机化的方式控制误差变异的。

它假设,由于被试是随机分配给各处理水平的,被试之间的变异在各个处理水平之间也应是随机分布、在统计上无差异的,不会只影响某一个或几个处理水平。

图中清楚地显示了单因素完全随机实验设计的特点:实验中有一个自变量,自变量有4个水平,每个处理组有4个被试,每个被试接受一个处理水平,16个被试参加了实验。

二、单因素完全随机实验设计与计算举例(一)研究的问题与实验设计一个研究要探讨文章的生字密度对学生阅读理解的影响。

研究者的假设是:阅读理解随着文章中生字密度的增加而下降。

因此,该实验有一个自变量——生字密度,研究者感兴趣的四种生字密度是:5:1(a1)、10:1(a2)、15:1(a3)、20:1(a4)。

因变量是被试的阅读理解测验分数。

实施实验时,研究者将32名被试随机分为四组,每组被试阅读一种生字密度的文章,并回答阅读理解测验中有关文章内容的问题。

这是一个典型的单因素完全随机设计,虽然研究者不再检验实验中其它因素的影响,但实际上存在着多种可能对因变量产生影响的均在变量,例如:文章的长度、文章的主题熟悉性、文章类型等、通讯被试的年龄、受教育程度、阅读能力等。

这时,控制无关变量可做的工作之一是在选取四篇文章时,使它们在除生字密度以外的其它方面尽量匹配。

(二)实验数据及其计算在本书中,数据的方差分析计算是分步进行的:首先列出计算表,然后利用计算表中的数字进行基本量的计算,最后用基本量计算各种平方和。

其中,计算表包括原始数据表和平均数表,其作用主要是帮助读者了解基本量计算公式中各数字的意义和出处,在多因素方差分析中,基本量计算公式迅速增加,计算表的帮助是特别明显的。

心理统计SPSS-第五章 因素型实验设计及方差分析过程

心理统计SPSS-第五章 因素型实验设计及方差分析过程

一、单因素完全随机实验设计方差分析(One way 方差分析)
例1 某研究者为考察喝咖啡的浓度是否影响人们反应的快慢,从某大 学一年级随机抽取了15名男生,再随机分成三组。每一学生都要喝一 杯咖啡,20分钟后测试每一被试的简单反应时间。三组所喝咖啡的浓 度分别为:淡、中、浓,实验数据如下表所示,请问:喝咖啡的浓度 对反应速度有明显影响吗?
如果进行简单效应检验,可执行类似于下的句法命令: MANOVA SCORE by A(1,2) B(1,2) /design(此句要求先输出完整的方差分析表) /design=A within B(1) A within B(2) B within A(1) B within A(2).
(ANOVA命令中不能做简单效应检验)
/Wsfactors=Angle(4) /Print=Cellinfo(means) /Design.
程序运行演示
使用 GLM 中的“ Repeated Measures” 对话框来完成例6和例7的方 差分析过程如下:
Analyze→GLM → Repeated Measures 打开对话框 ↓
在“Within-Subject Factors Name”后输入自变量名 ↓
被试号

1
150
2
160
3
165
4
155
5
160


145
145
155
130
170
140
145
150
160
130
这一实验中,得到了三组共15个数据,这些数据存在变异性,而变 异的原因可能包括:所喝咖啡的浓度不同、被试间的差异、测量带入的 随机误差。但是被试差异和测量误差带来的数据变异无法分离,所以本 研究的变异可分解为两部分:自变量水平差异引起的变异、被试差异和 测量误差带入的变异,其中后一部分叫残差。方差分析的过程是:

第八讲-SPSS统计课程-单因素完全随机设计PPT课件

第八讲-SPSS统计课程-单因素完全随机设计PPT课件

2021
19
Data format
sn indep dep-b dep-a
1 1 10
20
2 1 15
19
3 2 20
16
4 2 11
18
………………………….
2021
20
A NOVA
AT
Sum of Squares Between15G3r.o5u8p3s Within G 11 ro7u.3p7s5 Total 270.958
进一步分析哪些处理间具有可靠的差异,进行方差分 析的事后多重比较(Multiple comparison tests)
多重,因为 比较在两组之间,所以又称配对比较(pair wise comparison)
注意:不能直接进行处理间的两两t检验比较。会使统 计检验的Ⅰ型错误的概率增大
有无实验前测
后测 前测后测
是否进行配对分组
随机等组 随机配对等组
2021
3
3实验组控制组后测设计
3.1 实验组、控制组后测设计 自变量有两个水平,基本模式:
R1
X
O1
R2
O2
2021
4
3.1实验组控制组后测设计-例
观看暴力电视是否导致攻击行为的增多(Eron, Huesmann, Lefkowitz & Walder,1972)
Std. Error TRE N MeSatnd. DeviatiM onean CHAN控 G制 1136.53858.828123.44848 酒 精 1234.07698.807728.44284
Independent Samples Test
Levene's Test for Equality of Variancest-test for Equality of Means

单因素随机区组spss操作ppt课件

单因素随机区组spss操作ppt课件
2
用S1表示区组1共包含四个同质的被试(S11,
S12,S13,S14)
用S2表示区组2共包含四个同质的被试(S21,
S22,S23,S24)
用S3表示区组3共包含四个同质的被试(S31,
S32,S33,S34)
用S4表示区组4共包含四个同质的被试(S41,
S42,S43,S44)
被试分配表
a1 a2 a3 a4
区组1
S11 S12 S13 S14
区组2
S21 S22 S23 S24
区组3
S31 S32 S33 S34
Байду номын сангаас
3
计算表

区组1
区组2
区组3
a1 a2 a3 a4 ∑ 3 4 8 9 24
6 6 9 8 29
4 4 8 8 24
区组4 ∑
3 2 7 7 19 16 16 32 32 96
4
将数据整理如下图
残差
13
此课件下载可自行编辑修改,供参考! 感谢您的支持,我们努力做得更好!
9
在对话框的右侧,选中model,弹出 Univariate model 对话框
10
选中custom项,类型选择main effect ,IQ和 生字密度进入model中,然后continue
custom
Main effect
11
回到Univariate 对话框,按OK,出结果
12
组间 区组(智力)
单因素随机区组实验设计 及SPSS分析步骤
1
实例分析
生字密度对阅读理解的影响。生字密度 为自变量,共有四个水平,分别用a1、a2、 a3、a4表示。因变量为阅读成绩 用c 表示。 学生的智力水平为无关变量,并根据事先 测定的IQ分数 将被试分为4个区组,每个 区组有4个同质的被试,随机的把每个区 组内的被试分配给每种实验处理。
  1. 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. 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. 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)。

2021/2/4
9
Data format
sn indep dep 1 1 10 2 1 15 3 2 20 4 2 31 5 3 35 6 3 36 7. .
2021/2/4
10
ANOVA
CHANG
Sum of Squares Between38G9r.o8u9p7s Within3G1r3o7u.p8s46 Total 3527.744
两等组 多等组
有无实验前测
后测 前测后测
是否进行配对分组
随机等组 随机配对等组
2021/2/4
3
3实验组控制组后测设计
3.1 实验组、控制组后测设计
自变量有两个水平,基本模式:
R1
X
O1
R2
O2
2021/2/4
4
3.1实验组控制组后测设计-例
观看暴力电视是否导致攻击行为的增多(Eron, Huesmann, Lefkowitz & Walder,1972)
l varia.0n9ce4s.7a6s-s22u.m 18e0d 24 .03-79.5338.54-51846.9676-8.40008
l variances not
med
-2.18204.000 .03-79.5338.54-51846.9676-8.540008
2021/2/4
12
关于事后比较Post Hoc Test
2021/2/4
Treatment group (a) Placebo (a2) 17 19 26 4 18 23 31 35 11 8 29 25 38
Alcohol(a3) 31 27 16 24 41 17 12 32 16 19 35 26 17
8
3.2实验组控制多组后测设计数据分析
单因素方差分析 如检验达到了显著性水平,表明在所有处理条件中至
少有两个处理条件的差异达到了显著 进一步分析哪些处理间具有可靠的差异,进行方差分
析的事后多重比较(Multiple comparison tests) 多重比较又称事后比较post hoc comparisons,因为
比较在两组之间,所以又称配对比较(pair wise comparison) 注意:不能直接进行处理间的两两t检验比较。会使统 计检验的Ⅰ型错误的概率增大
R1
X1
O1
R2
X2
O2
R3
X3
O3
Rn
Xn
On
Rn+1
On+1
2021/2/4
6
3.2 例题
喝酒会不会使一个人更容易受到影响?Gustafson(1987) 研究这个假设。
作业是长度判断作业,三十九人随机分成三组:
第一组人喝果汁, 第二组人也喝果汁,但告诉他喝酒, 第三组人依其体重喝一定量酒, 之后15分钟,进行直线判断作业,75次中有60次在第一次估
计时,告诉他不正确,测量第二估计的改变量,为受影响状 态。
结果如下所示,问假设是否被证实。
2021/2/4
7
Number of changed estimates as a function of treatment group
Control (a1) 18 2 11 3 26 18 9 24 17 21 14 19 33
酒精
-7.5385
安慰 控制
5.3077
酒精
-2.2308
酒精 控制
7.5385
安慰
2.2308
Std. Error 3.66191 3.66191 3.66191 3.66191 3.66191 3.66191
2021/2/4
95% Confidence Interval
Sig. Lower Bound Upper Bound
.360 -14.6573
4.0419
.135 -16.8881
1.8112
.360
-4.0419
14.6573
.831 -11.5804
7.1189
.135
-1.8112
16.8881
.831
-7.1189
11.5804
11
Group Statistics
Std. Error TRE N MeS atnd. DeviatiM onean CHAN控 G 制 1136.53858.828123.44848 酒 精 1234.07698.807728.44284
第八讲SPSS统计课程单 因素完全随机设计
1.什么是单因素完全随机设计
因素指自变量 随机化设计则是指采用随机化的方法分配被试
到各个实验处理中 是指研究者在实验之中操纵一个自变量,并采
用随机化的原则把被试分配到自变量的不同水 平上的一种实验设计。
2021/2/4
2
2单因素完全随机设计的类别
自变量水平的多少
Independent Samples Test
Levene's Test for Equality of Variancest-test for Equality of Means
F Sig. t
95% Confidence Interval of the
MeaSntd. ErroDrifference dSifg. (2-tDailfefedr)eDnifcferenLcoeweUr pper
当选择事后比较法时,应考虑研究的性质。
初步的探索性研究,则应该考虑强调统计效力,尽量找出可 能的差异来;
实验组儿童观看暴力动画片
在同样长的时间里,控制组组儿童则观看非暴力的动 画片。
结果,观看暴力动画片的儿童与同伴们交往时变得更 多的攻击性,而观看非暴力动画片的儿童的攻击表现 则没有变化。
结论:经常观看暴力电视的儿童具有更多的攻击行为 的倾向
2021/2/4
5
3.2 多组后测设计
实验因素具有三个或三个以上的处理水平:
df Mean Square F 2 194.949 2.237
36 87.162 38
Multiple Comparisons
Dependent Variable: CHANG Schef fe
Sig. .121
Mean
Dif ference
(I) TRE (J) TRE (I-J)
控tive):显著的标准较严格,因此较不易达 到显著,Tukey法最保守,其次为LSD法及Newman-Keuls法, 最后为Duncan法;
效力(powerful):即容易达到显著,则以Duncan法最高, 其次为LSD法和Newman-Weuls法,最低为Tukey法。
相关文档
最新文档