统计知识丨SPSS两因素方差分析：混合实验设计

SPSS 双因素方差分析...说实话...这很令人困惑...但是当你分解它时...它就更容易使用了。

首先，让我们谈谈什么是混合实验设计...坦白地说...存在自变量...受试者之间...如男性和女性...以及受试者内部...如训练前和训练后...两者的混合...
在你的例子中...单词密度和主题熟悉度...主题熟悉度...是受试者之间...男性和女性是分开的...单词密度在受试者内部...每个人都必须体验这些密度... 5 :1 1 0:1 2 0:1 ...
如何做SPSS...
首先，进入[分析]→[一般线性模型]→[重复测量]...然后设置主题内的因子...例如，将其命名为“新词密度”...插入三个水平...单击“添加”...
然后转到[定义]...将新词密度输入到主题一内的变量中...主题熟悉度设置主题之间的因子...
模型选项卡...完整因子可以通过默认...图形选项卡...将主题熟悉度放在水平轴上...将单词密度作为单独的线...单击添加...检查折线图...
事后比较...主题熟悉度一...只需使用 LSD...
EM 平均值...主题熟悉度单词密度，交互术语...所有选定...比较主要效果...
选项...所有变量...描述性统计，同质性测试效果大小估计...检查所有...
结果解释...
首先看一下描述性统计...平均值等。

然后查看球形检验...如果 P 值小于 0.05 ...例如B. 0.03 ...不满足...此时你用的是Greenhouse-Geisser...Epsilon小于0.7 5 ...
测试主题内效应...看看词密度的主效应和交互效应...P值是多少...
主题内效应测试...看看主题熟悉度的主效应...
事后多重比较...例如密度新词的水平...成对比较...看看b3 是否是明显高于b2 和b1 ...
简单效应分析...比如考虑不同主题熟悉程度...新词密度对阅读理解的影响...
笔记...
如果不满足球形假设...需要修正...比如Greenhouse-Geisser...
结果看主效应交互作用，简单效应...什么都明白...
事后比较...可以仔细看看水平差异...
就是这样...SPSS 创建了混合双因素实验设计...这就是过程...

用SPSS做双因素方差分析-课堂笔记

大家好，我正在使用 SPSS 进行上次告诉您的双因素方差分析。
在经历了这些陷阱之后，我想出了一些东西，我会告诉你。

那年夏天，我正在帮助一位大三同学完成毕业论文。
数据很多，有两个自变量和一个因变量，所以我们必须使用双因素方差分析。
一开始我很困惑，按照网上的步骤操作，但总是遇到问题。

对于操作路径，你必须一步一步来。

1 .进入双因素方差分析模块：这一步其实并不难，只需“分析”-“一般线性模型”-“单变量”即可。
插图？如果没有图片，只需点击运行，通常就能找到。
那一刻，我的手在颤抖，我点击了“多重因素”。
我花了很长时间才意识到我的工作是徒劳的。

2 导入变量并设置事后比较：将因变量（例如“阅读分数”）放入“因变量”框中。
然后，正如您的笔记中所写，“阅读时间压力”和“标题提示”被移至“固定因素”框中。
这一步没有什么陷阱，只是很容易做出错误的选择，以后再比较。
LSD、SNK、Tukey……当时导师说用SNK比较安全，所以我选择了SNK。
记得点击“Options”并在“Post-comparison”中勾选SNK。

3 选择描述性统计和效应大小估计：在“选项”中，必须勾选描述性统计，否则你将无法清楚地看到每个组的样子。
效应大小？它只是 Eta 的平方。
老师让我写，我就接了。
我在这方面还没有发现另外的效应大小，所以不敢乱说。

4 查看结果：运行后，看着紧凑的输出，感觉头大了。
我一一看到结果。
测试受试者之间的影响是关键。
你在笔记中写的内容是正确的。
看df值、F和p值。
当时，我有一个 p 值非常小的组，小于 0.05 老师说“重要”，好吧，写下来。
我还记住了部分埃塔平方。
导师说这说明了效果的大小，就数吧。

事后检查是最乏味的部分。

LSD、SNK，这名字听起来有点骗人。
当时我就看着表格，一一对比，有中性的提示，有混乱的提示，有正确的提示。
哪一个与哪一个比较？查看SNK栏中是否有小于0.05 的内容。
如果有的话，那就是存在显着差异。
这确实是体力活。

三行表格和直方图也很难绘制。

1 .三行表：从描述性统计中移出平均值（M）和标准差（SD）并逐行写出。
然后在方差分析结果中输入F值、p值和效应大小。
当年我速度慢，差点把F值和p值倒着填。
幸运的是，导师注意到了。

2 直方图：数据必须先导出到Excel。
我在SPSS中点击“文件”-“另存为”-“Excel文件”，然后选择“将数据复制到Excel”。
在Excel中选择数据，点击“插入”-“图表”-“条形图”。
您可以自己调整颜色，可以是黑色、白色或灰色，看得清楚。
当时调整了很久，觉得灰色最没有吸引力。

最后一步是写论文。

只需复制结果段落并更改笔记中的格式即可。
当我写的时候，我的老师说要包含一个直方图，否则，它会缺乏说服力。
我在报告末尾附上了绘制的直方图。

总之，SPSS多练习，就会熟悉的。
当我完成这个数据的时候，我感觉我的头发都掉光了。

实际上，我对重要的交互感到困惑。
导师给我解释了半天，说两个自变量协同作用。
您已将所有内容都写在笔记中，因此如果您遵循它们，就不会犯任何大错误。

有什么不懂的可以再问我。

spss方差分析结果怎么分析

哦，让我告诉你SPSS。
以前我的头很大。
当我第一次开始这样做时，方差分析真的很令人困惑。

我记得那是2 004 年。
在上海，我带了一个实习生来处理实验数据。
获得数据后，我运行 SPSS 并得到了一堆结果。
我让他先看一下“方差同质性检验”，也就是 Levene 检验。
当我查看结果时，显着性值为 0.03 ，小于 0.05 ，所以我说，“方差有偏差！”小实习生一脸疑惑，问怎么办。
我说：“别担心，直接用这个方差分析的结果肯定不准确。
你得用韦尔奇修正，或者直接用非参数Kruskal-Wallis检验。
”
后来，用韦尔奇修正后，我又跑方差分析，显着性变成了0.07 嘿嘿，有点接近了！但最终大于 0.05 ，表明组间差异并不显着。
然后我劝他不要高兴得太早，说：“你看效应大小η²，只有0.01 ，也就是说即使有差别，也是微乎其微的，没有实际意义。
”
比如2 008 年有一个北京项目的数据。
Levene检验的显着性为0.2 5 ，大于0.05 太好了，方差相等！直接看方差分析，显着性为0.003 ，小于0.05 ，组间差异显着。
这时候就需要快速做一个病理测试，比如Tukey或者Bonferroni。
我要求他们列出这些组的平均值和标准差，看看哪些组差异最大。
结果发现，A组和D组的差异最为明显。

所以你看到了这个方差分析： 1 .我们首先看一下Levene的测试。
如果小于 0.05 ，则方差有偏差，因此必须使用校正或非参数方法。
大于0.05 ，偏差点，转下一步。
2 .再次查看ANOVA表的值。
如果小于0.05 ，则有差异，并且必须进行事后测试以确定它们属于哪一组。
如果该值大于或等于0.05 ，则组间没有差异。
3 .测试后我们可以看到哪些组确实很差。
4 .一定要注意效应大小。
0.1 被认为很大，但 0.01 可能意味着没有差异。

只要一步一步去做，一点一点地你就会成为专业人士。
我教的学生后来就从这些坑里爬了出来。
如果您遇到具体数据，我可以帮助您查看吗？或者如果您在任何阶段陷入困境，请告诉我。