三因素实验设计60580.docx
《三因素实验设计60580.docx》由会员分享，可在线阅读，更多相关《三因素实验设计60580.docx（38页珍藏版）》请在冰豆网上搜索。
三因素实验设计60580
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
一、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
13.0000
1.58114
5
图形图片
8.0000
1.58114
5
总计
10.5000
3.02765
10
有干扰
实物图片
5.4000
2.07364
5
图形图片
4.6000
.89443
5
总计
5.0000
1.56347
10
总计
实物图片
9.2000
4.36654
10
图形图片
6.3000
2.16282
10
总计
7.7500
3.66886
20
复述策略
dimension2
无干扰
实物图片
6.8000
1.30384
5
图形图片
7.2000
1.30384
5
总计
7.0000
1.24722
10
有干扰
实物图片
4.0000
1.00000
5
图形图片
2.8000
.83666
5
总计
3.4000
1.07497
10
总计
实物图片
5.4000
1.83787
10
图形图片
5.0000
2.53859
10
总计
5.2000
2.16673
20
总计
dimension2
无干扰
实物图片
9.9000
3.54181
10
图形图片
7.6000
1.42984
10
总计
8.7500
2.88143
20
有干扰
实物图片
4.7000
1.70294
10
图形图片
3.7000
1.25167
10
总计
4.2000
1.54238
20
总计
实物图片
7.3000
3.79889
20
图形图片
5.6500
2.39022
20
总计
6.4750
3.24225
40
方差齐性检验结果：
P=0.278>0.05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.
1.309
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<0.01）；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
349.175a
7
49.882
26.254
.000
截距
1677.025
1
1677.025
882.645
.000
A
65.025
1
65.025
34.224
.000
B
207.025
1
207.025
108.961
.000
C
27.225
1
27.225
14.329
.001
A*B
9.025
1
9.025
4.750
.037
A*C
15.625
1
15.625
8.224
.007
B*C
4.225
1
4.225
2.224
.146
A*B*C
21.025
1
21.025
11.066
.002
误差
60.800
32
1.900
总计
2087.000
40
校正的总计
409.975
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。
二、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=37.022，P=0.009；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=47.79，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=34.02，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=0.003）；长句与短句之间差异极其显著（P=0.000）；中句与短句之间差异也极其显著（P=0.002）。
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
14.2500
.95743
4
15秒
9.7500
1.70783
4
总计
12.0000
2.72554
8
有干扰
dimension2
30秒
5.2500
.95743
4
15秒
6.5000
1.29099
4
总计
5.8750
1.24642
8
总计
dimension2
30秒
9.7500
4.89168
8
15秒
8.1250
2.23207
8
总计
8.9375
3.76774
16
数字图片
dimension1
无干扰
dimension2
30秒
8.5000
1.29099
4
15秒
7.5000
1.29099
4
总计
8.0000
1.30931
8
有干扰
dimension2
30秒
10.2500
1.70783
4
15秒
5.5000
1.29099
4
总计
7.8750
2.90012
8
总计
dimension2
30秒
9.3750
1.68502
8
15秒
6.5000
1.60357
8
总计
7.9375
2.17466
16
符号图片
dimension1
无干扰
dimension2
30秒
7.0000
.81650
4
15秒
5.7500
1.70783
4
总计
6.3750
1.40789
8
有干扰
dimension2
30秒
6.7500
.95743
4
15秒
2.7500
.95743
4
总计
4.7500
2.31455
8
总计
dimension2
30秒
6.8750
.83452
8
15秒
4.2500
2.05287
8
总计
5.5625
2.03204
16
协方差矩阵等同性的Box检验a
Box的M
26.278
F
.749
df1
18
df2
508.859
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
22.413a
2.000
11.000
.000
Wilks的Lambda
.197
22.413a
2.000
11.000
.000
Hotelling的跟踪
4.075
22.413a
2.000
11.000
.000
Roy的最大根
4.075
22.413a
2.000
11.000
.000
b*a
Pillai的跟踪
.822
25.414a
2.000
11.000
.000
Wilks的Lambda
.178
25.414a
2.000
11.000
.000
Hotelling的跟踪
4.621
25.414a
2.000
11.000
.000
Roy的最大根
4.621
25.414a
2.000
11.000
.000
b*c
Pillai的跟踪
.169
1.117a
2.000
11.000
.362
Wilks的Lambda
.831
1.117a
2.000
11.000
.362
Hotelling的跟踪
.203
1.117a
2.000
11.000
.362
Roy的最大根
.203
1.117a
2.000
11.000
.362
b*a*c
Pillai的跟踪
.752
16.698a
2.000
11.000
.000
Wilks的Lambda
.248
16.698a
2.000
11.000
.000
Hotelling的跟踪
3.036
16.698a
2.000
11.000
.000
Roy的最大根
3.036
16.698a
2.000
11.000
.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
96.167
2
48.083
29.974
.000
Greenhouse-Geisser
96.167
1.902
50.549
29.974
.000
Huynh-Feldt
96.167
2.000
48.083
29.974
.000
下限
96.167
1.000
96.167
29.974
.000
b*a
采用的球形度
78.000
2
39.000
24.312
.000
Greenhouse-Geisser
78.000
1.902
41.000
24.312
.000
Huynh-Feldt
78.000
2.000
39.000
24.312
.000
下限
78.000
1.000
78.000
24.312
.000
b*c
采用的球形度
3.500
2
1.750
1.091
.352
Greenhouse-Geisser
3.500
1.902
1.840
1.091
.350
Huynh-Feldt
3.500
2.000
1.750
1.091
.352
下限
3.500
1.000
3.500
1.091
.317
b*a*c
采用的球形度
54.500
2
27.250
16.987
.000
Greenhouse-Geisser
54.500
1.902
28.647
16.987
.000
Huynh-Feldt
54.500
2.000
27.250
16.987
.000
下限
54.500
1.000
54.500
16.987
.001
误差（b）
采用的球形度
38.500
24
1.604
Greenhouse-Geisser
38.500
22.829
1.686
Huynh-Feldt
38.500
24.000
1.604
下限
38.500
12.000
3.208
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＝9.000，P=0.100；有标记的情况下，各句子类型之间存在极显著性差异，F＝150.333，P=0.007。
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
14.0000
.92582
8
有干扰
4.8750
.83452
8
总计
9.4375
4.78844
16
b1c2
dimension1
无干扰
9.5000
1.19523
8
有干扰
6.1250
1.12599
8
总计
7.8125
2.07264
16
b2c1
dimension1
无干扰
8.6250
1.06066
8
有干扰
10.0000
1.30931
8
总计
9.3125
1.35247
16
b2c2
dimension1
无干扰
7.2500
1.28174
8
有干扰
5.5000
1.06904
8
总计
6.3750
1.45488
16
b3c1
dimension1
无干扰
7.0000
.75593
8
有干扰
6.8750
.83452
8
总计
6.9375
.77190
16
b3c2
dimension1
无干扰
5.8750
1.24642
8
有干扰
2.8750
.83452
8
总计
4.3750
1.85742
16
Box’s方差齐性结果：
P=0.395>0.05，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
42.802
F
1.053
df1
21
df2
720.888
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<0.01，所以B的主效应极显著；而且P=0<0.01，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
62.841a
2.000
13.000
.000
Wilks的Lambda
.094
62.841a
2.000
13.000
.000
Hotelling的跟踪
9.668
62.841a
2.000
13.000
.000
Roy的最大根
9.668
62.841a
2.000
13.000
.000
b*a
Pillai的跟踪
.961
160.414a
2.000
13.000
.000
Wilks的Lambda
.039
160.414a
2.000
13.000
.000
Hotelling的跟踪
24.679
160.414a
2.000
13.000
.000
Roy的最大根
24.679
160.414a
2.000
13.000
.000
c
Pillai的跟踪
.909
139.528a
1.000
14.000
.000
Wilks的Lambda
.091
139.528a
1.000
14.000
.000
Hotelling的跟踪
9.966
139.528a
1.000
14.000
.000
Roy的最大根
9.966
139.528a
1.000
14.000
.000
c*a
Pillai的跟踪
.003
.043a
1.000
14.000
.839
Wilks的Lambda
.997
.043a
1.000
14.000
.839
Hotelling的跟踪
.003
.043a
1.000
14.000
.839
Roy的最大根
.003
.043a
1.000
14.000
.839
b*c
Pillai的跟踪
.234
1.991a
2.000
13.000
.176
Wilks的Lambda
.766
1.991a
2.000
13.000
.176
Hotelling的跟踪
.306
1.991a
2.000
13.000
.176
Roy的最大根
.306
1.991a
2.000
13.000
.176
b*c*a
Pillai的跟踪
.827
31.113a
2.000
13.000
.000
Wilks的Lambda
.173
31.113a
2.000
13.000
.000
Hotelling的跟踪
4.787
31.113a
2.000
13.000
.000
Roy的最大根
4.787
31.113a
2.000
13.000
.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
3.503
2
.174
.809
.965
.500
c
1.000
.000
0
.
1.000
1.000
1.000
b*c
.952
.642
2
.725
.954
1.000
.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>0.05，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<0.01，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
5221.500
1
5221.500
4716.194
.000
a
170.667
1
170.667
154.151
.000
误差
15.500
14
1.107
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
Sig.a
差分的95%置信区间a
下限
上限
1
2
.781*
.163
.000
.431
1.131
3
2.969*
.257
.000
2.417
3.521
2
1
升级会员 