因素实验设计.docx
《因素实验设计.docx》由会员分享，可在线阅读，更多相关《因素实验设计.docx（38页珍藏版）》请在冰点文库上搜索。
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DataView，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DependentVariable方框中放入记忆成绩（JY），固定变量（FixedFactor（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Descriptivestatistics，对数据进行描述性统计；选择Homogeneitytests，进行方差齐性检验；
5.结果分析：
描述性统计量
因变量:
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
.89443
5
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
.83666
5
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
F
df1
df2
Sig.
7
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<）；AB交互效应显著；AC交互效应极显著；BC交互效应不显著；ABC交互效应极显著。
对于二阶与三阶交互效应显著的，还需进行简单效应与简单简单效应检验。
主体间效应的检验
因变量:
记忆成绩
源
III型平方和
df
均方
F
Sig.
校正模型
7
.000
截距
1
.000
A
1
.000
B
1
.000
C
1
.001
A*B
1
.037
A*C
1
.007
B*C
1
.146
A*B*C
1
.002
误差
32
总计
40
校正的总计
39
a.R方=.852（调整R方=.819）
简单效应检验：
在主对话框中，单击Paste按钮，SPSS会把原先的全部操作转换成语句并粘贴到新打开的程序语句窗口中，在命令语句中加入EMMEANS引导的语句；
结果：
当被试使用联想策略进行记忆时，无干扰条件的记忆成绩极显著优于有干扰条件的记忆成绩；当被试使用复述策略进行记忆时，无干扰条件的记忆成绩也极显著优于有干扰条件的记忆成绩。
当被试使用联想策略进行记忆时，实物图片的记忆成绩极显著优于图形图片的记忆成绩；当被试使用复述策略进行记忆时，实物图片与图形图片的记忆成绩无显著差异。
简单简单效应检验：
结果：
所以a,b,c有显著差异。
2、重复测量一个因素的三因素混合实验设计数据处理
过程：
1.DataView，进入数据输入窗口，将原始数据输入SPSS表格区域
2.Analyze→GeneralLinearModel→RepeatedMeasures（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-SubjectFactorName）的方框中，设置被试内变量标记类型，在定义其水平（NumberofLevel）的对框中，输入3，表示有两个水平，然后按填加（Add）钮。
4.按定义键（Define），返回重复测量主对话框，将b1、b2、b3选入被试内变量（Winthin-SubjectsVariables）方框中，将a、c选入被试间变量框中。
5.点击选项Options，进行如下操作：
①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，
②选择Descriptivestatistics命令，对数据进行描述性统计。
选择Homogeneitytests进行方差齐性检验。
6.单击continue选项，返回主对话框，点击OK，执行程序。
7.结果：
一元方差分析：
标记类型主效应显著，F=，P=；句长类型主效应检验，因其满足球形假设，故参见每项检验的第一行SphericityAssumed的结果，即，F=，P=.000，表明b变量主效应极其显著；a与b的交互效应检验。
因其满足球形假设，故参见标准一元方差分析的结果，即F=，P=.001，表明a与b的交互效应极显著。
多重比较：
长句与中句之间差异极其显著（P=）；长句与短句之间差异极其显著（P=）；中句与短句之间差异也极其显著（P=）。
描述性统计量
有无干扰
显示时间
均值
标准偏差
N
实物图片
dimension1
无干扰
dimension2
30秒
.95743
4
15秒
4
总计
8
有干扰
dimension2
30秒
.95743
4
15秒
4
总计
8
总计
dimension2
30秒
8
15秒
8
总计
16
数字图片
dimension1
无干扰
dimension2
30秒
4
15秒
4
总计
8
有干扰
dimension2
30秒
4
15秒
4
总计
8
总计
dimension2
30秒
8
15秒
8
总计
16
符号图片
dimension1
无干扰
dimension2
30秒
.81650
4
15秒
4
总计
8
有干扰
dimension2
30秒
.95743
4
15秒
.95743
4
总计
8
总计
dimension2
30秒
.83452
8
15秒
8
总计
16
协方差矩阵等同性的Box检验a
Box的M
F
.749
df1
18
df2
Sig.
.760
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+c+a*c
主体内设计:
b
多变量检验b
效应
值
F
假设df
误差df
Sig.
b
Pillai的跟踪
.803
.000
Wilks的Lambda
.197
.000
Hotelling的跟踪
.000
Roy的最大根
.000
b*a
Pillai的跟踪
.822
.000
Wilks的Lambda
.178
.000
Hotelling的跟踪
.000
Roy的最大根
.000
b*c
Pillai的跟踪
.169
.362
Wilks的Lambda
.831
.362
Hotelling的跟踪
.203
.362
Roy的最大根
.203
.362
b*a*c
Pillai的跟踪
.752
.000
Wilks的Lambda
.248
.000
Hotelling的跟踪
.000
Roy的最大根
.000
a.精确统计量
b.设计:
截距+a+c+a*c
主体内设计:
b
主体内效应的检验
度量:
MEASURE_1
源
III型平方和
df
均方
F
Sig.
b
采用的球形度
2
.000
Greenhouse-Geisser
.000
Huynh-Feldt
.000
下限
.000
b*a
采用的球形度
2
.000
Greenhouse-Geisser
.000
Huynh-Feldt
.000
下限
.000
b*c
采用的球形度
2
.352
Greenhouse-Geisser
.350
Huynh-Feldt
.352
下限
.317
b*a*c
采用的球形度
2
.000
Greenhouse-Geisser
.000
Huynh-Feldt
.000
下限
.001
误差（b）
采用的球形度
24
Greenhouse-Geisser
Huynh-Feldt
下限
简单效应检验：
结果：
无标记的情况下，各句子类型之间不存在显著性差异，F＝，P=；有标记的情况下，各句子类型之间存在极显著性差异，F＝，P=。
三、重复测量两个因素的三因素混合实验设计数据处理
过程：
1.打开SPSS软件，点击DataView数据视图，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→重复度量；
3.分别定义两个被试内变量名及其水平数，点击“定义”；
4、将b1c1、b1c2、b2c1、b2c2、b3c1、b3c2选入被试内变量（Winthin-SubjectsVariables）方框中，将a选入被试间变量框中；
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：
描述性统计结果：
描述性统计量
有无干扰
均值
标准偏差
N
b1c1
dimension1
无干扰
.92582
8
有干扰
.83452
8
总计
16
b1c2
dimension1
无干扰
8
有干扰
8
总计
16
b2c1
dimension1
无干扰
8
有干扰
8
总计
16
b2c2
dimension1
无干扰
8
有干扰
8
总计
16
b3c1
dimension1
无干扰
.75593
8
有干扰
.83452
8
总计
.77190
16
b3c2
dimension1
无干扰
8
有干扰
.83452
8
总计
16
Box’s方差齐性结果：
P=>，所以各组数据方差齐性。
协方差矩阵等同性的Box检验a
Box的M
F
df1
21
df2
Sig.
.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<，BA的交互作用极显著；同理可知：
C的主效应极显著，CA的交互效应不显著，BCA的三阶交互效应极显著。
多变量检验b
效应
值
F
假设df
误差df
Sig.
b
Pillai的跟踪
.906
.000
Wilks的Lambda
.094
.000
Hotelling的跟踪
.000
Roy的最大根
.000
b*a
Pillai的跟踪
.961
.000
Wilks的Lambda
.039
.000
Hotelling的跟踪
.000
Roy的最大根
.000
c
Pillai的跟踪
.909
.000
Wilks的Lambda
.091
.000
Hotelling的跟踪
.000
Roy的最大根
.000
c*a
Pillai的跟踪
.003
.043a
.839
Wilks的Lambda
.997
.043a
.839
Hotelling的跟踪
.003
.043a
.839
Roy的最大根
.003
.043a
.839
b*c
Pillai的跟踪
.234
.176
Wilks的Lambda
.766
.176
Hotelling的跟踪
.306
.176
Roy的最大根
.306
.176
b*c*a
Pillai的跟踪
.827
.000
Wilks的Lambda
.173
.000
Hotelling的跟踪
.000
Roy的最大根
.000
a.精确统计量
b.设计:
截距+a
主体内设计:
b+c+b*c
球形假设检验：
被试内变量球形假设检验，由于c变量只有两个水平，所以不需要检验；b,b*c均满足球形假设。
Mauchly的球形度检验b
度量:
MEASURE_1
主体内效应
Mauchly的W
近似卡方
df
Sig.
Epsilona
Greenhouse-Geisser
Huynh-Feldt
下限
dimension1
b
.764
2
.174
.809
.965
.500
c
.000
0
.
b*c
.952
.642
2
.725
.954
.500
检验零假设，即标准正交转换因变量的误差协方差矩阵与一个单位矩阵成比例。
a.可用于调整显著性平均检验的自由度。
在"主体内效应检验"表格中显示修正后的检验。
b.设计:
截距+a
主体内设计:
b+c+b*c
Levene’s方差齐性检验结果：
因为P>，各组因变量方差齐性。
误差方差等同性的Levene检验a
F
df1
df2
Sig.
b1c1
.168
1
14
.688
b1c2
.009
1
14
.926
b2c1
.152
1
14
.702
b2c2
.453
1
14
.512
b3c1
.399
1
14
.538
b3c2
.610
1
14
.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
F
Sig.
截距
1
.000
a
1
.000
误差
14
b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:
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
1
2
.781*
.163
.000
.431
3
*
.257
.000
2
1
*
.163
.000
3
*
.220
.000
3
1
*
.257
.000
2
*
.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、三因素重复测量实验设计数据处理
过程：
1.打开SPSS软件，点击DataView，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-SubjectFactorName）的方框中，设置被试内变量标记类型，在定义其水平（NumberofLevel）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-SubjectsVariables）方框中，将a选入被试间变量框中；
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
N
a1b1c1
.95743
4
a1b1c2
4
a1b2c1
4
a1b2c2
4
a1b3c1
.81650
4
a1b3c2
4
a2b1c1
.95743
4
a2b1c2
4
a2b2c1
4
a2b2c2
4
a2b3c1
.57735
4
a2b3c2
.95743
4
多变量检验b
效应
值
F
假设df
误差df
Sig.
a
Pillai的跟踪
.957
.004
Wilks的Lambda
.043
.004
Hotelling的跟踪
.004
Roy的最大根
.004
b
Pillai的跟踪
.950
.050
Wilks的Lambda
.050
.050
Hotelling的跟踪
.050
Roy的最大根
.050
c
Pillai的跟踪
.905
.013
Wilks的Lambda
.095
.013
Hotelling的跟踪
.013
Roy的最大根
.013
a*b
Pillai的跟踪
.989
.011
Wilks的Lambda
.011
.011
Hotelling的跟踪
.011
Roy的最大根
.011
a*c
Pillai的跟踪
.011
.034a
.866
Wilks的Lambda
.989
.034a
.866
Hotelling的跟踪
.011
.034a
.866
Roy的最大根
.011
.034a
.866
b*c
Pillai的跟踪
.560
.440
Wilks的Lambda
.440
.440
Hotelling的跟踪
.440
Roy的最大根
.440
a*b*c
Pillai的跟踪
.969
.031
Wilks的Lambda
.031
.031
Hotelling的跟踪
.031
Roy的最大根
.031
a.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*c
Mauchly的球形度检验b
度量:
MEASURE_1
主体内效应
Mauchly的W
近似卡方
df
Sig.
Epsilona
Greenhouse-Geisser
Huynh-Feldt
下限
dimension1
a
.000
0
.
b
.452
2
.452
.646
.927
.500
c
.000
0
.
a*b
.412
2
.412
.630
.873
.500
a*c
.000
0
.
b*c
.314
2
.314
.593
.757
.500
a*b*c
.341
2
.341
.603
.786
.500
检验零假设，即标准正交转换因变量的误差协
升级会员 