因素实验设计.docx

1、因素实验设计三因素实验设计对三因素重复测量实验设计进行数据处理1、三因素完全随机实验设计数据处理过程：1、打开SPSS软件，点击Data View ，进入数据输入窗口，将原始数据输入SPSS表格区域；2、在菜单栏中选择分析一般线性模型单变量；3、因变量Dependent Variable方框中放入记忆成绩（JY），固定变量（Fixed Factor(s)）方框中，放入自变量记忆策略、有无干扰和材料类型；4、点击选项（Options）按钮，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；5.结果分析：描述性统计量因

2、变量:记忆成绩记忆策略有无干扰材料类型均值标准 偏差N联想策略dimension2无干扰实物图片5图形图片5总计10有干扰实物图片5图形图片.894435总计10总计实物图片10图形图片10总计20复述策略dimension2无干扰实物图片5图形图片5总计10有干扰实物图片5图形图片.836665总计10总计实物图片10图形图片10总计20总计dimension2无干扰实物图片10图形图片10总计20有干扰实物图片10图形图片10总计20总计实物图片20图形图片20总计40方差齐性检验结果：P=所以各组数据方差齐性。误差方差等同性的 Levene 检验a因变量:记忆成绩Fdf1df2Sig.7

3、32.278检验零假设，即在所有组中因变量的误差方差均相等。a. 设计 : 截距 + A + B + C + A * B + A * C + B * C + A * B * C被试间变量效应检验结果：A、B、C的主效应均极显著（P，所以各组数据方差齐性。协方差矩阵等同性的 Box 检验aBox 的 MFdf121df2Sig.395检验零假设，即观测到的因变量的协方差矩阵在所有组中均相等。a. 设计 : 截距 + a 主体内设计: b + c + b * c多变量检验：因为P=0，所以B的主效应极显著；而且P=0，各组因变量方差齐性。误差方差等同性的 Levene 检验aFdf1df2Sig.

4、b1c1.168114.688b1c2.009114.926b2c1.152114.702b2c2.453114.512b3c1.399114.538b3c2.610114.448检验零假设，即在所有组中因变量的误差方差均相等。a. 设计 : 截距 + a 主体内设计: b + c + b * c被试间变量效应：因为P=0，A的主效应极显著。主体间效应的检验度量:MEASURE_1转换的变量:平均值源III 型平方和df均方FSig.截距1.000a1.000误差14b因素的多重比较结果：实物图片的记忆成绩显著优于数字图片和符号图片，数字图片，数字图片的记忆成绩显著优于符号图片。成对比较度量:

5、MEASURE_1(I) b(J) b均值差值 (I-J)标准 误差差分的 95% 置信区间a下限上限12.781*.163.000.4313*.257.00021*.163.0003*.220.00031*.257.0002*.220.000基于估算边际均值*. 均值差值在 .05 级别上较显著。a. 对多个比较的调整： 最不显著差别（相当于未作调整）。进行简单效应检验：因为BA交互效应显著，需进行简单效应检验；程序语句：结果截图：b*a描述性统计结果b*a配对比较结果进行简单简单效应检验：BCA三阶交互效应显著，还需进行简单简单效应检验。程序语句：在a水平下b*c交互效应配对比结果四、三因

6、素重复测量实验设计数据处理过程：1.打开SPSS软件，点击Data View ，进入数据输入窗口，将原始数据输入SPSS表格区域；2.在菜单栏中选择分析一般线性模型重复变量；3.在定义被试内变量（Within-Subject Factor Name）的方框中，设置被试内变量标记类型，在定义其水平（Number of Level）的对框中，输入3，表示有两个水平，然后按填加（Add）钮。4.将a1b3c1、a1b3c2、a2b1c1、a2b1c2、a2b2c1、a2b2c2、a2b3c1、a2b3c2等选入被试内变量（Winthin-Subjects Variables）方框中，将a选入被试间变

7、量框中；5.点击选项Options，然后将被试内变量b（三个水平）键入到右边的方框中，采用LSD（none）法进行多重比较，并选择描述统计和方差齐性检验，点击继续，再点击确定输出结果；6.结果:3个自变量之间两两都有显著差异，3者之间也有显著差异。描述性统计量均值标准 偏差Na1b1c1.957434a1b1c24a1b2c14a1b2c24a1b3c1.816504a1b3c24a2b1c1.957434a2b1c24a2b2c14a2b2c24a2b3c1.577354a2b3c2.957434多变量检验b效应值F假设 df误差 dfSig.aPillai 的跟踪.957.004Wilks

8、 的 Lambda.043.004Hotelling 的跟踪.004Roy 的最大根.004bPillai 的跟踪.950.050Wilks 的 Lambda.050.050Hotelling 的跟踪.050Roy 的最大根.050cPillai 的跟踪.905.013Wilks 的 Lambda.095.013Hotelling 的跟踪.013Roy 的最大根.013a * bPillai 的跟踪.989.011Wilks 的 Lambda.011.011Hotelling 的跟踪.011Roy 的最大根.011a * cPillai 的跟踪.011.034a.866Wilks 的 Lamb

9、da.989.034a.866Hotelling 的跟踪.011.034a.866Roy 的最大根.011.034a.866b * cPillai 的跟踪.560.440Wilks 的 Lambda.440.440Hotelling 的跟踪.440Roy 的最大根.440a * b * cPillai 的跟踪.969.031Wilks 的 Lambda.031.031Hotelling 的跟踪.031Roy 的最大根.031a. 精确统计量b. 设计 : 截距 主体内设计: a + b + c + a * b + a * c + b * c + a * b * cMauchly 的球形度检验b度量:MEASURE_1主体内效应Mauchly 的 W近似卡方dfSig.EpsilonaGreenhouse-GeisserHuynh-Feldt下限dimension1a.0000.b.4522.452.646.927.500c.0000.a * b.4122.412.630.873.500a * c.0000.b * c.3142.314.593.757.500a * b * c.3412.341.603.786.500检验零假设，即标准正交转换因变量的误差协