两因素实验设计SPSS操作技巧演示精品PPT课件
合集下载
《双因素实验设计》幻灯片
成 绩
L
M
H
动机
低任务难度 中任务难度 高任务难度
例：交互作用的理解
课题：两种教学方法〔A，讲授/自学讨 论〕对不同学习能力〔B，高/低〕学生学 习成绩的影响〔2×2随机组设计〕
成 绩
b1
b2
AB表
b1 b2 M a1 80 78 79 a2 92 64 78 M 86 66
简单效应：交互作用的进一步解析
假设3：A与B的交互作用为零 H0： (αβ) jk=0
设计模型
主主
交
A
效效 应应
B
互 作 用
误单 差元
内
Yij =μ+αj+βk+ (αβ) jk+∈i(jk)
变变
变
变
异异
异
异
源源
源
源
4
3
2
1
交互作用：A×B
交互作用——一个因素的各水平在另一个 因素的不同水平上变化趋势不一致；此时 如果只区分单个因素的作用，就难以提醒 因素水平间的复杂关系。
n Yn1q 平均 μ1q 总平均 μ1·
Yn2q μ2q μ2·
Yniq μiq μi·
Ynpq μpq μp·
μ·q μ ··
统计假设
假设1：A因素的处理效应为零 H0： μ1. =μ2. =……=μp. 或αj=0
假设2：B因素的处理效应为零 H0： μ. 1 =μ. 2 =……=μ. q 或βk=0
S312
S313
S321
S322
S412
S413
S421
S422
a2b3 S123 S223 S323 S423
利用SPSS进行因素分析ppt课件
Scree Plot
7
6
5
4
3
2
1
0
1
2
3
4
5
6
7
8
9
10
Component Number
E i g e n v a lu e
4.方差奉献率检验
——取特征值大于 1 的要素，共有3 个，分别〔6.358〕 〔1.547〕〔1.032〕;
——变异量分别为〔63.58%〕〔15.467%〕〔10.32%〕
中为
了让研讨者明白此项的意义，才勾选了此项，正式的研讨中
应呈现题项完好的要素负荷量较为适宜。
三、对SPSS要素分析结果的解释
1. 取样适当性〔KMO〕检验 2. 共同性检查 3. 要素陡坡检查 4. 方差奉献率检验 5. 显示未转轴的要素矩阵 6. 分析转轴后的要素矩阵
1. 取样适当性〔KMO〕检验
〔06〕设置要素分数 —— 在【 Factor Analysis】对话框中，点击【Scores】 按钮，出现 【 Factor Analysis: Scores 】〔要素分析： 分数〕对话框。
—— 普通取默许值。 —— 点击〔Contiue〕按钮确定，回到【 Factor Analysis】 对话框。
.872
A5
1.000
.901
A6
1.000
.867
A7
1.000
.919
A8
1.000
.907
A9
1.000
.965
A10
1.000
.939
Extraction Method: Principal Component Analysis.
3.要素陡坡检查，除去坡线平坦部分的要素 图中第三个要素以后较为平坦，故保管3个要素
spss操作-双因素方差分析(无重复)精品PPT课件
2）将“含量比”设置为变量，将“PH值”、 “浓度”设置为因素
3）单击Model → 单击Custom选择只含主效应的双因 素方差分析模型 ，单击Con将两个因素设置为需要进行多重比 较的因素，选择 Tukey 法进行多重比较；
5）单击Continue，返回上一级菜单，单击Option，选择 需显示描述性统计量的因素 ，单击Continue返回上一级菜单 单击OK。
结论：…..
写在最后
经常不断地学习,你就什么都知道。你知道得越多,你就越有力量 Study Constantly, And You Will Know Everything. The More
You Know, The More Powerful You Will Be
谢谢大家
荣幸这一路，与你同行
蒸馏水PH值
硫酸铜浓度
B1
B2
B3
A1
3.5
2.3
2.0
A2
2.6
2.0
1.9
A3
2.0
1.5
1.2
A4
1.4
0.8
0.3
使用SPSS软件进行分析
1. 单击 “开始” → “程序” → SPSS for windows → SPSS10.0 for windows → type in data → OK → 单击 “Variable View”( 在第 一列输入因变量( 含量比 ） 、因素A（ PH值 ）因素 B（ 浓度 ） ；单击“ Data View ”。
(I) PH值 (J) PH值
1
2
Mean Difference
(I-J)
.433
Std. Error .169
95% Confidence Interval
《双因素实验设计》课件
双因素实验设计的适用范围
探索两个实验因素对实验 指标的影响
通过双因素实验设计，可以同时探索两个实 验因素对实验指标的影响，并分析它们之间 的交互作用。
验证两个实验因素对实验指 标的影响
通过双因素实验设计，可以验证两个实验因素对实 验指标的影响是否显著，并确定最佳的实验条件组 合。
比较两个实验因素对实验 指标的影响
双因素实验设计
目录
• 实验设计简介 • 双因素实验设计原理 • 双因素实验设计步骤 • 双因素实验设计案例分析 • 双因素实验设计的优缺点 • 双因素实验设计的应用前景和发
展趋势
01
实验设计简介
实验设计的定义
实验设计：指在实验之前，为了达到 实验目的，对实验过程、方法和手段 的总体规划和安排。
05
双因素实验设计的优缺点
优点
高效性
双因素实验设计能够同时研究两个或 多个变量对实验结果的影响，提高了 实验的效率。
控制严格
双因素实验设计通过严格控制实验条 件，能够减少外部干扰和误差，提高 实验的准确性和可靠性。
全面性
双因素实验设计能够全面地考察多个 因素之间的交互作用，有助于深入理 解实验系统的复杂性和动态性。
。
多因素实验设计融合
未来，双因素实验设计将逐渐与其他多因素实验设计方法进行融 合，形成更为全面和系统的实验设计方法，以适应更多复杂的研
究需求。
跨学科应用
双因素实验设计将进一步拓展到其他学科领域，例如环境科学 、经济学等，为解决跨学科问题提供有效的实验设计工具。
实验设计是科学研究的重要组成部分 ，它决定了实验的效率和可靠性，是 得出科学结论的基础。
实验设计的目的
通过实验优化实践过程， 提高实践效果。
双因素及多因素SPSS方差分析.ppt
0 0 0 0 0 0 0
3 6d 7 4 g i l 7 1 3 2
. 4 t
t .1 d
4 6 1 2 2 6 4 8 h 8 4
e
m SS u C 6 . 0 I3 . T 0 . D 6 . 0 L . T 0 . 6 T . T 3 . L 0 E T 0 C 6 a R 1 4 2 8 3 2 3 7
方差分析表
a. R Squared = .446 (Adjusted R Squared = .402)
NAU 李刚华
SPSS 协方差分析实例输出2 应用
参数估测值的输出结果表
P a r am e t e r E st i m a t e s Dependent Variable: 肺活量 95% Confidence Interval Parameter B Std. Error t Sig. Lower Bound Upper Bound Intercept 7.977 .886 8.998 .000 6.151 9.803 AGE -8.70E-02 .020 -4.447 .000 -.127 -4.670E-02 [TIME=1] .300 .303 .993 .330 -.323 .924 a [TIME=2] 0 . . . . . a. This parameter is set to zero because it is redundant.
NAU 李刚华
SPSS 多维交互效应方差分析实例输出1 应用
方差分析结果 因素变量表
w
j e
e D
e p a
e
c
n e e
rM l g t
p I e 0 0 0 0 0 0 0 0 e o Sr a eF r1 e 0 G 9 I5 7 G 2 G 7 G 4 o a r S q
spss多因素方差分析精品PPT课件
❖ B以在及A2在水B平2水上平的上简A单1、效A应2之。间的差异，即可称之为 A在B2水平上的简单效应。
❖ 简单效应检验，实际上是把其中一个自变量固定 在某一个特定的水平上，考察另一个自变量对因 变量的影响。究竟将哪个自变量固定，视研究者 兴趣而定。
❖ 步骤八：简单效应检验
，单击Run → All命令，运行。
❖ 表一给出了各水平结合下数据的正态分布检 验，通过S-W方法，得出p>0.05，接受虚无假 设，因此数据均服从正态分布。
❖ 步骤三：将自变量、因变量选入对话框
Analyze→General Linear Model→Univariate
❖ 步骤四：选择分析模型
❖ Univariate →Model按钮
简单效应检验
❖ 所谓简单效应是指，一个因素的水平在另一个因 素的某个水平上的变异。
❖ 当例然如研教究学者方也法可A与以教研学究态在度A1B水之平间上存，在B显1、著B的2之交间互 的作差用异，，研即究可者称可之以为检B验在在A1B水1水平平上上的，简A单1、效A应2之。间 以的及差在异A，2水即平可上称B为1、A在B2B之1水间平的上差的异简。单即效可应称。之为
❖ 如果被试同时接受不同水平的处理，则需要重复测 量形成几个彼此不独立的变量，因此需要调用GLM 命名对因变量进行重复测量方差。
多因素方差分析
❖ 多因素被试间方差分析（多因素完全随机实验设计） Analyze→General Linear Model→Univariate 这种设计的特点是，研究包含两个或以上因素，并 且均为被试间变量，产生不同的水平结合，被试随 机地分配到各水平结合中，接受实验处理。
两因素被试间方差分析SPSS操作
❖ 步骤一：定义变量
❖ 简单效应检验，实际上是把其中一个自变量固定 在某一个特定的水平上，考察另一个自变量对因 变量的影响。究竟将哪个自变量固定，视研究者 兴趣而定。
❖ 步骤八：简单效应检验
，单击Run → All命令，运行。
❖ 表一给出了各水平结合下数据的正态分布检 验，通过S-W方法，得出p>0.05，接受虚无假 设，因此数据均服从正态分布。
❖ 步骤三：将自变量、因变量选入对话框
Analyze→General Linear Model→Univariate
❖ 步骤四：选择分析模型
❖ Univariate →Model按钮
简单效应检验
❖ 所谓简单效应是指，一个因素的水平在另一个因 素的某个水平上的变异。
❖ 当例然如研教究学者方也法可A与以教研学究态在度A1B水之平间上存，在B显1、著B的2之交间互 的作差用异，，研即究可者称可之以为检B验在在A1B水1水平平上上的，简A单1、效A应2之。间 以的及差在异A，2水即平可上称B为1、A在B2B之1水间平的上差的异简。单即效可应称。之为
❖ 如果被试同时接受不同水平的处理，则需要重复测 量形成几个彼此不独立的变量，因此需要调用GLM 命名对因变量进行重复测量方差。
多因素方差分析
❖ 多因素被试间方差分析（多因素完全随机实验设计） Analyze→General Linear Model→Univariate 这种设计的特点是，研究包含两个或以上因素，并 且均为被试间变量，产生不同的水平结合，被试随 机地分配到各水平结合中，接受实验处理。
两因素被试间方差分析SPSS操作
❖ 步骤一：定义变量
双因素及多因素SPSS方差分析.ppt
主效应方差分析检验结果
NAU 李刚华
SPSS 2×2析因实验方差分析实例 应用
方差分析表
e e D p u q 9 5 6 9 3 5 0 . . . . . E . . . . . S 6 0 8 0 6 0 5 4 m u 9 . 5 . 6 . 9 . 3 . M S C 7 I 7 D 7 D 7 D 7 E 1T 1C a R q 3 7 8 7 8 2 0 3 a d 8 0 0 0 8 0 0 0 6 0 0 o o 5 3 n 5 1 R 5 1 1 R 5 1 R 5 8 r 2o 1o . u
因素变量表
N
Tests of Between-Subjects Effects Dependent Variable: YIELD Source Corrected Model Intercept REP COL VARIETY Error Total Corrected Total Type III Sum of Squares 27.717a 22588.751 4.460 1.695 21.563 77.302 22693.770 105.019 df 15 1 5 5 5 56 72 71 Mean Square 1.848 22588.751 .892 .339 4.313 1.380 F 1.339 16364.072 .646 .246 3.124 Sig. .211 .000 .666 .940 .015
SPSS 应用
方差分析
NAU 李刚华
单因变量多因素方差分析
SPSS 应用 单因变量多因素方差分析过程主对话框
NAU 李刚华
SPSS 定义分析模型对话框 应用
NAU 李刚华
SPSS 选择对照方法对话框 应用
《因素方差分析SPSS》课件
目的
通过因素方差分析，可以评估不同组 之间的差异是否由随机误差引起，还 是由于组间差异的真实存在。
适用场景
多因素设计的研究
当研究涉及多个独立变量（因素 ）时，可以使用因素方差分析来 分析这些变量对因变量的影响。
实验设计和数据分
析
在实验设计中，因素方差分析可 用于确定不同实验条件下的组间 差异，以及这些差异是否具有统 计意义。
它通过比较不同水平下的因变量均值，判断各因素对因变量的贡献程度。
因素方差分析基于方差分析的基本原理，通过比较不同组间的方差，判断 各因素对因变量的影响是否显著。
操作步骤
01
02
03
04
05
1. 确定研究因素 2. 数据预处理 和因…
3. 因素水平划分 4. 方差分析
5. 结果解释与结 论
明确研究目的，确定研究 因素和因变量，收集相关 数据。
02
SPSS软件操作流程
导入数据
打开SPSS软件，选择“文件” 菜单中的“打开”选项，选择 需要导入的数据文件类型，如
Excel、CSV等。
在弹出的文件选择对话框中， 找到需要导入的数据文件，点
击“打开”。
在数据导入向导中，根据数据 文件的实际情况选择合适的选 项，如“从Excel文件读取数据 ”等。
对数据进行清理、缺失值 处理、异常值处理等。
根据研究目的和数据特征 ，将因素划分为不同的水 平。
利用方差分析方法，比较 不同水平下因变量的均值 是否存在显著差异。
根据分析结果，解释各因 素对因变量的影响，得出 结论。
注意事项
01
确保数据满足方差 分析的前提条件
数据应满足独立性、正态性和同 方差性等条件。
。
通过因素方差分析，可以评估不同组 之间的差异是否由随机误差引起，还 是由于组间差异的真实存在。
适用场景
多因素设计的研究
当研究涉及多个独立变量（因素 ）时，可以使用因素方差分析来 分析这些变量对因变量的影响。
实验设计和数据分
析
在实验设计中，因素方差分析可 用于确定不同实验条件下的组间 差异，以及这些差异是否具有统 计意义。
它通过比较不同水平下的因变量均值，判断各因素对因变量的贡献程度。
因素方差分析基于方差分析的基本原理，通过比较不同组间的方差，判断 各因素对因变量的影响是否显著。
操作步骤
01
02
03
04
05
1. 确定研究因素 2. 数据预处理 和因…
3. 因素水平划分 4. 方差分析
5. 结果解释与结 论
明确研究目的，确定研究 因素和因变量，收集相关 数据。
02
SPSS软件操作流程
导入数据
打开SPSS软件，选择“文件” 菜单中的“打开”选项，选择 需要导入的数据文件类型，如
Excel、CSV等。
在弹出的文件选择对话框中， 找到需要导入的数据文件，点
击“打开”。
在数据导入向导中，根据数据 文件的实际情况选择合适的选 项，如“从Excel文件读取数据 ”等。
对数据进行清理、缺失值 处理、异常值处理等。
根据研究目的和数据特征 ，将因素划分为不同的水 平。
利用方差分析方法，比较 不同水平下因变量的均值 是否存在显著差异。
根据分析结果，解释各因 素对因变量的影响，得出 结论。
注意事项
01
确保数据满足方差 分析的前提条件
数据应满足独立性、正态性和同 方差性等条件。
。
- 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)。
（1）描述统计结果
均值（Mean） 标准差（S.D） 被试数（N）
13
两因素完全随机实验设计SPSS操作
输出结果
（2）方差齐性检验结果
P=.489>.05，表明各组因变量的方差是齐的。 如进行多重比较，则应该采用方差齐性假设前提下的统计方法，如Tukey。
14
两因素完全随机实验设计SPSS操作
输出结果
（3）被试间效应检验ቤተ መጻሕፍቲ ባይዱ差分析表
标记类型主效应显著，F=27.871，P<0.01
句长类型主效应显著，F=8.177，P<0.01
两因素交互效应显著，F（a*b）＝5.661，P<0.05。
15
两因素完全随机实验设计SPSS操作
输出结果
（4）多重比较结果
本例方差齐性检验结果表明，三组方差是齐的。因此，进行多重比较时，应该看用Tukey法进行多重比较的结果。
8
两因素完全随机实验设计SPSS操作
第四步：打开Options 选择Descriptive statistics，对数据进行描述性统计； 选择Homogeneity tests，进行方差齐性检验
9
两因素完全随机实验设计SPSS操作
第五步：点击Post Hoc按钮，对句长类型（被试间变量）的三个水平进行多重比 较。在方差齐性假设前提条件下可选用Tukey法；在方差非齐性假设前提条件下可 选用Dunnett’s C法。
18
两因素完全随机实验设计SPSS操作
简单效应检验
UNIANOVA 成绩 BY 标记类型 句长类型 /METHOD=SSTYPE(3) /INTERCEPT=INCLUDE /POSTHOC=句长类型(TUKEY C) /PLOT=PROFILE(标记类型*句长类型) /EMMEANS=TABLES(标记类型*句长类型)COMPARE(标记类型)ADJ(SIDAK) /EMMEANS=TABLES(标记类型*句长类型)COMPARE(句长类型)ADJ(SIDAK) /PRINT=HOMOGENEITY DESCRIPTIVE /CRITERIA=ALPHA(.05) /DESIGN=标记类型 句长类型 标记类型*句长类型.
1
内容框架
1 两因素完全随机实验设计操作 2 两因素重复测量实验设计操作 3 两因素混合实验设计实验操作
2
两因素完全随机实验设计SPSS操作
❖ 案例 有一项“文章标记类型与句子长度对聋生句子 理解的实验研究”：
❖ 自变量：
▪ 标记类型（A）
• 无标记（a1） • 有标记（a2）
▪ 句子长度（B）
说明： 第一，/EMMEANS = TABLES(a*b) COMPARE (a) ADJ(SIDAK)：该语句的功能在于：在b的某一个水平上
检验a变量不同水平差异的显著性。如，在b1上看，a1与a2的差异是否显著。 第二，/EMMEANS = TABLES(a*b) COMPARE (b) ADJ(SIDAK)：该语句的功能在于：在a的某一个水平上
6
两因素完全随机实验设计SPSS操作
第二步：Analyze→General Linear Model → Unvariate
7
两因素完全随机实验设计SPSS操作
第三步：因变量Dependent Variable方框中放入成绩 固定变量（Fixed Factor(s)）方框中，放入自变量标记类型和句长类型
10
两因素完全随机实验设计SPSS操作
第六步：绘制均值图。 在主对话框中点击Plots 横坐标Horizontal Axis 纵坐标Separate Lines 单击Add完成操作。
11
两因素完全随机实验设计SPSS操作
第七步：点击OK，执行程序。
12
两因素完全随机实验设计SPSS操作
输出结果
17
两因素完全随机实验设计SPSS操作
简单效应检验
交互作用显著时，通常需要进行简单效应分析，如果某因素在另一因素的某一个水 平内简单效应显著，还需要进行多重比较，以发现具体的差异所在。
（1）检验方法 SPSS没有提供进行简单效应检验的菜单，必须通过编写语句来实现。 （2）编写语句 Univariate主对话框，上述进行方差分析时所作的一切设置不变，单击Paste，SPSS 会把全部操作转换成为语句并粘贴到新打开的程序语句窗口中，添加EMMEANS引导的语 句。 （3）运行 单击菜单Run-All运行程序。
检验b变量不同水平差异的显著性。如，在a1上看，b1、b2与 b3之间的差异。 第三，上述两个语句是从两个纬度来进行检验的。实际应用中，可根据研究的需要，选择其中的一个。 第四，如果被检验变量超过2个水平，且简单效应显著。则还需做多重比较。
第一步：分别定义标记类型、句子类型、阅读分数三个变量。 输入数据，建立数据文件。
对标记类型，赋值时，分别设定： 1＝“无标记” 2＝“有标记”
对句子类型赋值时，分别设定：
1＝“短句子”
2＝“中句子”
3＝“长句子”
5
两因素完全随机实验设计SPSS操作
Data View，进入数据输入窗口， 将原始数据输入SPSS表格区域
• 短句（b1） • 中句（b2） • 长句（b3）
❖ 因变量：句子阅读理解成绩
❖ 随机抽取24名被试，分配到各实验组。
3
两因素完全随机实验设计SPSS操作
分析思路
• 检验A因素的主效应。即在不考虑B因素效应的前提下，因变量在A因
1
素各水平上的均值是否存在显著差异。
• 检验B因素的主效应。即在不考虑A因素效应的前提下，因变量在B因
比较结果为：短句与中句的差异不显著（P=.171）
短句与长句的差异不显著（P=.107）
16
中句与长句的差异是显著的（P=.002）
两因素完全随机实验设计SPSS操作 输出结果
（5）均值显示图
代表中句和长句的两 条直线大体平行，而代表 短句的直线与两条直线交 叉。因此，大致可以判断 两个因素之间存在交互效 应。
2
素各水平上的均值是否存在显著性差异。
• 检验A与B的交互效应。因变量在A因素各水平上的均值差异是否是B
因素各水平的变异函数，也就是说，在两个因素共同作用下，因变量
3
在因素各水平上的差异是否显著。
主效应显著
交互作用显著
多重比较（水平≥3）
简单效应分析
多重比较（水平≥3）
4
两因素完全随机实验设计SPSS操作 SPSS数据处理操作步骤
均值（Mean） 标准差（S.D） 被试数（N）
13
两因素完全随机实验设计SPSS操作
输出结果
（2）方差齐性检验结果
P=.489>.05，表明各组因变量的方差是齐的。 如进行多重比较，则应该采用方差齐性假设前提下的统计方法，如Tukey。
14
两因素完全随机实验设计SPSS操作
输出结果
（3）被试间效应检验ቤተ መጻሕፍቲ ባይዱ差分析表
标记类型主效应显著，F=27.871，P<0.01
句长类型主效应显著，F=8.177，P<0.01
两因素交互效应显著，F（a*b）＝5.661，P<0.05。
15
两因素完全随机实验设计SPSS操作
输出结果
（4）多重比较结果
本例方差齐性检验结果表明，三组方差是齐的。因此，进行多重比较时，应该看用Tukey法进行多重比较的结果。
8
两因素完全随机实验设计SPSS操作
第四步：打开Options 选择Descriptive statistics，对数据进行描述性统计； 选择Homogeneity tests，进行方差齐性检验
9
两因素完全随机实验设计SPSS操作
第五步：点击Post Hoc按钮，对句长类型（被试间变量）的三个水平进行多重比 较。在方差齐性假设前提条件下可选用Tukey法；在方差非齐性假设前提条件下可 选用Dunnett’s C法。
18
两因素完全随机实验设计SPSS操作
简单效应检验
UNIANOVA 成绩 BY 标记类型 句长类型 /METHOD=SSTYPE(3) /INTERCEPT=INCLUDE /POSTHOC=句长类型(TUKEY C) /PLOT=PROFILE(标记类型*句长类型) /EMMEANS=TABLES(标记类型*句长类型)COMPARE(标记类型)ADJ(SIDAK) /EMMEANS=TABLES(标记类型*句长类型)COMPARE(句长类型)ADJ(SIDAK) /PRINT=HOMOGENEITY DESCRIPTIVE /CRITERIA=ALPHA(.05) /DESIGN=标记类型 句长类型 标记类型*句长类型.
1
内容框架
1 两因素完全随机实验设计操作 2 两因素重复测量实验设计操作 3 两因素混合实验设计实验操作
2
两因素完全随机实验设计SPSS操作
❖ 案例 有一项“文章标记类型与句子长度对聋生句子 理解的实验研究”：
❖ 自变量：
▪ 标记类型（A）
• 无标记（a1） • 有标记（a2）
▪ 句子长度（B）
说明： 第一，/EMMEANS = TABLES(a*b) COMPARE (a) ADJ(SIDAK)：该语句的功能在于：在b的某一个水平上
检验a变量不同水平差异的显著性。如，在b1上看，a1与a2的差异是否显著。 第二，/EMMEANS = TABLES(a*b) COMPARE (b) ADJ(SIDAK)：该语句的功能在于：在a的某一个水平上
6
两因素完全随机实验设计SPSS操作
第二步：Analyze→General Linear Model → Unvariate
7
两因素完全随机实验设计SPSS操作
第三步：因变量Dependent Variable方框中放入成绩 固定变量（Fixed Factor(s)）方框中，放入自变量标记类型和句长类型
10
两因素完全随机实验设计SPSS操作
第六步：绘制均值图。 在主对话框中点击Plots 横坐标Horizontal Axis 纵坐标Separate Lines 单击Add完成操作。
11
两因素完全随机实验设计SPSS操作
第七步：点击OK，执行程序。
12
两因素完全随机实验设计SPSS操作
输出结果
17
两因素完全随机实验设计SPSS操作
简单效应检验
交互作用显著时，通常需要进行简单效应分析，如果某因素在另一因素的某一个水 平内简单效应显著，还需要进行多重比较，以发现具体的差异所在。
（1）检验方法 SPSS没有提供进行简单效应检验的菜单，必须通过编写语句来实现。 （2）编写语句 Univariate主对话框，上述进行方差分析时所作的一切设置不变，单击Paste，SPSS 会把全部操作转换成为语句并粘贴到新打开的程序语句窗口中，添加EMMEANS引导的语 句。 （3）运行 单击菜单Run-All运行程序。
检验b变量不同水平差异的显著性。如，在a1上看，b1、b2与 b3之间的差异。 第三，上述两个语句是从两个纬度来进行检验的。实际应用中，可根据研究的需要，选择其中的一个。 第四，如果被检验变量超过2个水平，且简单效应显著。则还需做多重比较。
第一步：分别定义标记类型、句子类型、阅读分数三个变量。 输入数据，建立数据文件。
对标记类型，赋值时，分别设定： 1＝“无标记” 2＝“有标记”
对句子类型赋值时，分别设定：
1＝“短句子”
2＝“中句子”
3＝“长句子”
5
两因素完全随机实验设计SPSS操作
Data View，进入数据输入窗口， 将原始数据输入SPSS表格区域
• 短句（b1） • 中句（b2） • 长句（b3）
❖ 因变量：句子阅读理解成绩
❖ 随机抽取24名被试，分配到各实验组。
3
两因素完全随机实验设计SPSS操作
分析思路
• 检验A因素的主效应。即在不考虑B因素效应的前提下，因变量在A因
1
素各水平上的均值是否存在显著差异。
• 检验B因素的主效应。即在不考虑A因素效应的前提下，因变量在B因
比较结果为：短句与中句的差异不显著（P=.171）
短句与长句的差异不显著（P=.107）
16
中句与长句的差异是显著的（P=.002）
两因素完全随机实验设计SPSS操作 输出结果
（5）均值显示图
代表中句和长句的两 条直线大体平行，而代表 短句的直线与两条直线交 叉。因此，大致可以判断 两个因素之间存在交互效 应。
2
素各水平上的均值是否存在显著性差异。
• 检验A与B的交互效应。因变量在A因素各水平上的均值差异是否是B
因素各水平的变异函数，也就是说，在两个因素共同作用下，因变量
3
在因素各水平上的差异是否显著。
主效应显著
交互作用显著
多重比较（水平≥3）
简单效应分析
多重比较（水平≥3）
4
两因素完全随机实验设计SPSS操作 SPSS数据处理操作步骤