关闭

关闭

关闭

封号提示

内容

首页 SPSS18.0教程中文完整版

SPSS18.0教程中文完整版

SPSS18.0教程中文完整版

上传者: Anita路路 2017-09-18 评分 0 0 0 0 0 0 暂无简介 简介 举报

简介:本文档为《SPSS18doc》,可适用于工作范文领域,主题内容包含SPSS教程中文完整版SPSS统计与分析统计要与大量的数据打交道涉及繁杂的计算和图表绘制。现代的数据分析工作如果离开统计软件几乎是无法正常开展。在准符等。

SPSS教程中文完整版SPSS统计与分析统计要与大量的数据打交道涉及繁杂的计算和图表绘制。现代的数据分析工作如果离开统计软件几乎是无法正常开展。在准确理解和掌握了各种统计方法原理之后再来掌握几种统计分析软件的实际操作是十分必要的。常见的统计软件有SASSPSSMINITABEXCEL等。这些统计软件的功能和作用大同小异各自有所侧重。其中的SAS和SPSS是目前在大型企业、各类院校以及科研机构中较为流行的两种统计软件。特别是SPSS其界面友好、功能强大、易学、易用包含了几乎全部尖端的统计分析方法具备完善的数据定义、操作管理和开放的数据接口以及灵活而美观的统计图表制作。SPSS在各类院校以及科研机构中更为流行。SPSS(StatisticalProductandServiceSolutions,意为统计产品与服务解决方案)。自世纪年代SPSS诞生以来为适应各种操作系统平台的要求经历了多次版本更新各种版本的SPSSforWindows大同小异在本试验课程中我们选择PASWStatistics作为统计分析应用试验活动的工具。(SPSS的运行模式SPSS主要有三种运行模式:()批处理模式这种模式把已编写好的程序(语句程序)存为一个文件提交给开始菜单上SPSSforWindowsProductionModeFacility程序运行。()完全窗口菜单运行模式这种模式通过选择窗口菜单和对话框完成各种操作。用户无须学会编程简单易用。()程序运行模式这种模式是在语句(Syntax)窗口中直接运行编写好的程序或者在脚本(script)窗口中运行脚本程序的一种运行方式。这种模式要求掌握SPSS的语句或脚本语言。本试验指导手册为初学者提供入门试验教程采用“完全窗口菜单运行模式”。(SPSS的启动()在windows开始程序PASW在它的次级菜单中单击“SPSSforWindows”即可启动SPSS软件进入SPSSforWindows对话框如图图所示。图SPSS启动启动对话框图PASWStatistics(SPSS软件的退出SPSS软件的退出方法与其他Windows应用程序相同有两种常用的退出方法:,按FileExist的顺序使用菜单命令退出程序。,直接单击SPSS窗口右上角的“关闭”按钮回答系统提出的是否存盘的问题之后即可安全退出程序。(SPSS的主要窗口介绍SPSS软件运行过程中会出现多Total教学传统教学法CorrectedTotal方法交际法TypeIIISum协方差分析表SumofSourcedfMeanSquareFSigdfMeanSquareFSig沉浸法ofSquaresSquaresaCorrectedModelFdfdfSigBetweenGroupsInterceptWithinGroups前测成绩TypeIIISumTotal教学方法SourcedfMeanSquareFSigofSquaresErroraCorrectedModelConfidenceIntervalforMeanTotalaInterceptDifferenceaDifference(I)教学方法(J)教学方法StdErrorCorrectedTotal前测成绩LowerBoundUpperBound(IJ)Sig传统教学法交际法*教学方法SumofdfMeanSquareFSig沉浸法SquaresError交际法传统教学法*BetweenGroupsTotal沉浸法*WithinGroupsCorrectedTotal沉浸法传统教学法Total交际法*TypeIIISumSourcedfMeanSquareFSigofSquaresConfidenceIntervalConfidenceIntervalforMeanaCorrectedModel教学方法MeanStdErroraLowerBoundUpperBoundDifferenceaDifferenceIntercept(I)教学方法(J)教学方法StdErrora传统教学法LowerBoundUpperBound(IJ)Sig前测成绩a交际法传统教学法交际法*教学方法a沉浸法沉浸法TestsofBetweenSubjectsEffectsDependentVariable:后测成绩教学方法MeanStdDeviationN传统教学法交际法沉浸法TotalValueLabelN教学传统教学法方法交际法沉浸法aRSquared=(AdjustedRSquared=)FdfdfSigTypeIIISum上表包括了协变量“前测成绩”之后的方差分析结果由表可知协变量“前测成绩”的概率值为说明“前SourcedfMeanSquareFSigofSquares测成绩”能显著地预示“后测成绩”也就是说它对后测成绩产生了显著的影响。因素变量“教学法”也达到了aCorrectedModelIntercept显著水平()说明“教学方法”对后测成绩也产生了显著的影响该结果告诉我们至少有一个教学组与另前测成绩一个教学组之间有显著差异但哪些组之间有差异必须查看后面的组间多重比较结果。教学方法Error这里我们不妨把协方差分析结果与没有包括协方差分析结果做一比较看看它们之间是否有差异。Total协方差分析之前的单因素方差分析表(表)未作CorrectedTotalTypeIIISumANOVASourcedfMeanSquareFSigofSquaresaCorrectedModel教学方法MeanStdDeviationNIntercept传统教学法前测成绩交际法教学方法沉浸法ErrorTotalTotal协方差分析表(表)ValueLabelNCorrectedTotal教学传统教学法TestsofBetweenSubjectsEffects方法Sumof交际法dfMeanSquareFSigSquaresDependentVariable:后测成绩沉浸法BetweenGroups教学方法MeanStdDeviationNFdfdfSigWithinGroups传统教学法Total交际法TypeIIISum沉浸法SourcedfMeanSquareFSigofSquaresConfidenceIntervalforMeanaTotalCorrectedModelaDifferenceaDifference(I)教学方法(J)教学方法StdErrorInterceptValueLabelNLowerBoundUpperBound(IJ)Sig前测成绩传统教学法教学交际法传统教学法*方法沉浸法教学方法交际法交际法传统教学法*Error沉浸法沉浸法*TotalaRSquared=(AdjustedRSquared=)FdfdfSig沉浸法传统教学法CorrectedTotal交际法*TypeIIISumTypeIIISum()表中“教学方法”的概率值为大于的显著性水平方差分析结果表明“教学方法”对“后测ConfidenceIntervalSourcedfMeanSquareFSigSourcedfMeanSquareFSigofSquaresofSquares教学方法MeanStdErrorLowerBoundUpperBounda成绩”不产生显著影响而表中的协方差分析结果表明“教学方法”达到了显著性水平()即对“后测aCorrectedModelCorrectedModela传统教学法InterceptIntercept成绩”产生了显著影响。a交际法前测成绩前测成绩a沉浸法教学方法教学方法SumofErrorErrordfMeanSquareFSigSquaresTotalTotalContrastCorrectedTotalCorrectedTotalError()表中由组间差异(BetweenGroups)解释的方差是表中而考虑了协方变量之后模型解释的方差(CorrectedModel)却增加到了。()表表明需要解释的总方差为而“教学方法”只解释了个单位还有个单位的方差未得到解释表表明需要解释的总方差仍然是但“教学方法”解释的方差却增加到了除掉协变量解释的方差()未解释的方差只有。由上述个方面可以看出进行协方差分析能更准确地检验因素变量对因变量的作用。调整后的后测成绩平均值(Estimates)EstimatesDependentVariable:后测成绩教学方法MeanStdDeviationN传统教学法交际法沉浸法TotalaCovariatesappearinginthemodelareevaluatedatthefollowingValueLabelNvalues:前测成绩=教学传统教学法方法交际法沉浸法上表给出的不是三个不同教学组的原始后测成绩平均值而是调整后的各组平均值即模型的预示平均值FdfdfSig本利中模型预示的三种教学法的平均成绩分别为、和。从这一结果也可以看出第一种与第二种的差异较大而与第三种教学法的平均值比较接近。TypeIIISumSourcedfMeanSquareFSigofSquaresaCorrectedModel多重组间比较结果InterceptPairwiseComparisons前测成绩教学方法DependentVariable:后测成绩Error教学方法MeanStdDeviationNTotal传统教学法交际法CorrectedTotal沉浸法TypeIIISumSourcedfMeanSquareFSigTotalofSquaresaCorrectedModelValueLabelNIntercept教学传统教学法前测成绩方法交际法教学方法沉浸法BasedonestimatedmarginalmeansErrorFdfdfSig*ThemeandifferenceissignificantatthelevelTotalaAdjustmentformultiplecomparisons:LeastSignificantDifference(equivalenttonoCorrectedTotaladjustments)TypeIIISumSourcedfMeanSquareFSigSumofofSquaresdfMeanSquareFSigaSquaresCorrectedModel该结果对三个教学组分别进行了比较由该表可知传统教学法与交际教学法有显著差异交际法与沉浸法InterceptBetweenGroups之间也有显著差异。从平均值一栏中还可以看出交际法的教学效果优于其他两种方法。前测成绩WithinGroups教学方法Total多重组间比较方差分析结果ErrorConfidenceIntervalforMeanTotalaDifferenceaDifference(I)教学方法(J)教学方法StdErrorCorrectedTotalLowerBoundUpperBound(IJ)Sig传统教学法交际法*TypeIIISumSourcedfMeanSquareFSig沉浸法ofSquaresaCorrectedModelUnivariateTestsDependentVariable:后测成绩教学方法MeanStdDeviationN传统教学法交际法沉浸法TotalTheFteststheeffectof教学方法ThistestisbasedonthelinearlyindependentpairwisecomparisonsamongtheestimatedmarginalmeansValueLabelN教学传统教学法方法交际法沉浸法上表给出了方差来源、对比(教学方法)和误差的平方和、自由度、均方、F值和概率值。多重组间比较方差FdfdfSig分析同样表明不同的教学方法之间的后测成绩有显著差异。TypeIIISum结果汇报SourcedfMeanSquareFSigofSquaresaCorrectedModel协方差分析产生了大量表格再研究汇报时不宜一一汇报可主要汇报描述统计表、些方差分析表以及多重Intercept组间比较结果表。前测成绩教学方法ErrorTotalCorrectedTotalTypeIIISumSourcedfMeanSquareFSigofSquaresaCorrectedModelIntercept前测成绩教学方法ErrorTotalCorrectedTotalSumofdfMeanSquareFSigSquares第五节方差分析的SPSS操作BetweenGroupsWithinGroupsTotal一、完全随机设计的单因素方差分析(数据ConfidenceIntervalforMeanaDifferenceaDifference(I)教学方法(J)教学方法StdError采用本章第二节所用的例中的数据在数据中定义一个group变量来表示五个不同的组变量math表LowerBoundUpperBound(IJ)Sig传统教学法交际法*示学生的数学成绩。数据输入格式如图,(为了节省空间只显示部分数据的输入):沉浸法交际法传统教学法*沉浸法*沉浸法传统教学法交际法*ConfidenceInterval教学方法MeanStdErrorLowerBoundUpperBounda传统教学法a交际法a沉浸法SumofdfMeanSquareFSigSquaresContrastError图单因素方差分析数据输入将上述数据文件保存为“sav”。(理论分析要比较不同组学生成绩平均值之间是否存在显著性差异从上面数据来看总共分了个组也就是说要解决比较多个组(两组以上)的平均数是否有显著的问题。从要分析的数据来看不同组学生成绩之间可看作相互独立学生的成绩可以假设从总体上服从正态分布在各组方差满足齐性的条件下可以用单因素的方差分析来解决这一问题。单因素方差分析不仅可以检验多组均值之间是否存在差异同时还可进一步采取多种方法进行多重比较发现存在差异的究竟是哪些均值。(单因素方差分析过程()主效应的检验假如我们现在想检验五组被试的数学成绩(math)的均值差异是否显著性可依下列操作进行。单击主菜单AnalyzeCompareMeansOneWayAnova…进入主对话框请把math选入到因变量表列(Dependentlist)中去把group选入到因素(factor)中去如图所示:图:OneWayAnova主对话框对于方差分析要求数据服从正态分布和不同组数据方差齐性对于正态性的假设在后面非参数检验一章再具体介绍OneWayAnova可以对数据进行方差齐性的检验单击铵钮Options进入它的主对话框在Homogeneityofvariance项上选中即可。设置如下图所示:图:OneWayAnova的Options对话框点击Continue返回主对话框。在主对话框中点击OK得到单因素方差分析结果(结果及解释()输出方差齐性检验结果TestofHomogeneityofVariancesMATHLeveneStatisticdfdfSig上表结果显示Levene方差齐性检验统计量的值为Sig=>所以五个组的方差满足方差齐性的前提条件如果不满足方差齐性的前提条件后面方差分析计算F统计量的方法要稍微复杂本章我们只考虑方差齐性条件满足的情况。()输出方差分析主效应检验结果(方差分析表)ANOVAMATHSumofSquaresdfMeanSquareFSigBetweenGroupsWithinGroupsTotal上面方差分析结果显示:组间平方和为组内平方和为组间自由度为组内自由度为组间均方为组内均方为F检验统计量的值为对应的概率P值为<说明在的显著性水平下在不同班主任的班级中数学成绩有显著差异。(单因素方差分析的PostHoc多重比较上面分析结果显示五个组的平均值存在显著差异但是并不能告诉我们究竟是哪些组之间的差异显著。如果想同时回答存在差异的原因就需要进行平均数的多重比较。SPSS可以直接进行平均数差异的多重比较具体操作如下:()在OneWayAnova的主对话窗口单击按钮PostHoc…进入多重比较方法选择对话框(如图所示)。图:单样本方差分析多重比较定义窗口()在上面对话框中有两组不同假设下的方法可供选择上面为方差齐性前提下(EqualVariancesAssumed)的方法下面为没有假定方差齐性时(EqualVariancesNotAssumed)的多重比较方法选择。单因素方差分析的PostHoc提供的多重比较的方法在方差齐性的假设条件下常用的主要有:LSD(最小显著差法)Duncan(Duncan多范围检验)SNK(StudentNewmanKeuls检验有称q检验)Tukey(Honestly显著差异检验),Tukey’sb(Tukey的另一种检验方法)Bonferroni(Bonferroni检验),Scheffe(Scheffe检验)等不同检验方法所依据的检验准则稍有差异检验结果也不完全相同这里不具体介绍各种方法的具体检验原理感兴趣的读者可以参考有关文献(Miller,Games,a,b)。由于在本书中只涉及方差齐性条件满足的情况所以关于没有方差齐性假设条件或方差齐性条件不满足时的多重比较方法这里不作介绍。在上面所举的例子中不同任课教师担任办主任的班级其数学成绩存在显著差异下面我们进一步检验究竟是那两个组的差异显著。在多重比较窗口选择SNK检验单击Continue返回主对话框。按钮运行程序即可输出结果。()在主对话框点击OK(多重比较结果及解释这时的输出结果除了上面显示的方差齐性的检验结果和方差分析表外还有多重检验的结果多重检验结果为:MATHStudentNewmanKeulsNSubsetforalpha=GROUPSigMeansforgroupsinhomogeneoussubsetsaredisplayedaUsesHarmonicMeanSampleSize=上述分析结果表明在的显著性水平下个组可以分成同质的个大组第一大组包括原来的第组、第组和第组第大组包括原来的第组、第组、第组和第组。说明第组、第组与第组的数学平均成绩存在差异而第组与第组和第组的差异不显著第组、第组和第组和第组的差异也不显著。二、随机区组设计的方差分析在随机区组设计中每一区组应接受全部实验处理每种实验处理在每一区组中重复的次数也应该相同。利用SPSS程序可以进行被试之间的差异检验、处理之间的差异检验及各种交互效应的检验。SPSS中没有提供可直接用于区组设计的分析程序但用户可以根据实验设计中具体情况选择普通因素模型(即所有的因素变量都是被试间因素)或重复测量模型(至少有一个因素变量是被试内因素)。同一区组内的每一个被试如果接受了全部实验处理应该选择重复测量模型如果同一区组内的被试随机接受不同的实验处理即一个被试只接受一种处理则应选择普通因素模型。不同的模型对数据的表现形式会有所不同。普通因素模型要求实验处理结果即因变量只表现为一个不同水平下的观测结果用因素变量的变量值加以对应区分。在重复测量模型中不同的实验处理结果应表现为不同的变量不要求因素变量必须存在。下面我们先介绍普通因素模型。(一)、随机区组设计的普通因素模型(被试间设计)(数据输入例(为了研究四种夹角(度、度、度和度)条件下缪勒,莱尔错觉试验错觉量之间的差异随机选取组同质被试每组名总共名被试。每组同质的名被试再随机分成组每组人随机接受一种夹角下的缪勒,莱尔错觉试验试验结果如下表:度度度度区组区组区组区组分析四种不同夹角条件下缪勒,莱尔错觉试验的平均错觉量有无显著差异并进一步说明哪些组存在差异。我们在句法窗口(syntax)用语句输入数据具体语句如下(文件sps):DATALISTFREEBLOCKCONDDELUSIONBEGINDATAENDDATA在句法窗口选择菜单RunAll得到数据文件保存为“sav”。(理论分析在上述数据文件中共有三个变量依次是区组变量BLOCK实验处理的条件COND实验结果即错觉量DELUSION。其中BLOCK与COND都是因素变量并且各有四个水平。上述实验数据的表现是基于如下假设:样本容量为分个区组每个区组有名被试共有种不同的实验处理条件在实验中随机安排同一区组内的两名被试接受同一种实验处理这样每一区组的被试又被随机分成了组每一组接受一种不同的实验处理。现在我们的目的在于检验四种实验处理条件下错觉量是否有显著性差异也想检验四个区组之间是否存在显著性差异。所以从理论上属于区组设计的实验设计。(随机区组被试间设计的SPSS操作过程()单击主菜单AnalyzegenerallinearmodelUnivariate…打开主对话框。把变量DELUSION选入到因变量(dependent)框中同时我们假定目前的区组数目及实验处理条件已经全部包括在实验中所以把BLOCK与COND都选入到固定因素(fixedfactors)框中如下图所示:图:一般因素方差分析主对话框()指定分析模型即指定在方差分析中需要哪些因素主效应或交互效应。单击按钮Model…进入模型(Model)设置对话框。Fullfactorial全模型包括所有因素主效应、交互效应、协变量主效应等。是系统默认的模型。Custom自定义模型。用户可以选择自己实验中感兴趣的效应。Buildterms单击向下的小三角可以选择多种不同的效应如本例中我们选择两个因素的主效应Maineffects。提供了四种分解平方和的方法系统推荐第三种即回归法。SumofIncludeinterceptinmodel如果选中该复选框表明在模型中包括截距。如果你能确定回归线不通过原点可以把截距排除在外。Factors框中所列出的是主对话框中所选的因素一般包括固定因素(变量名后附以F)、随机因素(变量名后附以R)、协变量因素(变量名后附以C)。在上面定义的模型中只含有固定因素。本例中我们所感兴趣的是COND中四种水平下实验结果的差异性同时也想检验区组效应对于区组设计假设因素与区组间不存在交互作用所以只选择了两个固定因素的主效应。点击Continue返回主对话框。上述设置如下图所示:图:模型定义对话框()选择输出图形单击主对话框按钮plot…可进入图形设置对话框。我们在此把BLOCK作为横坐标选入到horizontalaxis)把COND选入到Separatelines框中然后单击ADD按钮。即要求程序为我们在一个图中输出四种处理条件下的折线图以便于我们判断处理条件与区组是否存在交互作用。点击Continue返回主对话框。上面设置如下图所示:图:图形设置对话框()选择多重比较的因素变量及方法单击POSTHOC…按钮进入定义事后检验的对话框。左边列出了因素变量如果需要用户可以把指定进行多重比较分析的变量选入到右边变量列中并在下面选择多种比较的方法请注意上半部分是方差齐性假设下的方法下半部分是方差不齐时的方法。在方差齐性假定满足的条件下系统推荐使用Bonferroni方法与Tukey方法。在本例中由于我们在OPTIONS中进行COND各水平的比较所以在此不再重复选择。(本例图略请读者自行操作并查看。)点击Continue返回主对话框。()选项按钮的使用单击Options…按钮进入到它的对话框如图所示我们可以要求显示指定的因变量各水平的平均数并比较各水平下的均值差异性。本例中我们指定显示COND的各水平下的均值并对之进行多重比较。为此我们把COND选入到右边框中并选中它下面的要求比较主效应的复选框系统默认的多重比较的方法是LSD。同时还需要对对COND各水平的方差是否齐性进行检验。为此我们选中Homogeneitytests。如果需要观察该变量的残差图还可以选择Resualplots系统会产生分别以残差的观测值、预测值和标准化值为坐标的图。最下面一行用来定义显著性水平系统默认值是。设置完成后点击Continue返回主对话框。图:Options选择对话框)点击ok得到输出结果。(随机区组被试间设计SPSS输出结果及解释()输出组间因素描述结果。BetweenSubjectsFactorsNBLOCKCOND上表列出了两个组间因素的水平数及各水平的被试数目如对于组间因素COND共有个不同的处理水平接受每种处理的被试为人。()输出因变量不同组方差的齐性检验结果Levene'sTestofEqualityofErrorVariancesDependentVariable:DELUSIONFdfdfSigTeststhehypothesisthattheerrorvarianceofthedependentvariableisequalacrossgroupsaDesign:InterceptBLOCKCOND本例中由于Sig=<所以差异不显著方差齐性。()输出组间因素效应检验结果TestsofBetweenSubjectsEffectsDependentVariable:DELUSIONSourceTypeIIISumofSquaresdfMeanSquareFSigCorrectedModelInterceptBLOCKCONDErrorTotalCorrectedTotalaRSquared=(AdjustedRSquared=)上述结果显示:总的平方和()被分解为处理(此处用变量COND表示)平方和()、区组平方和()和误差平方和()三个部分。检验结果表明:COND因素主效应显著(F=P<)BLOCK因素主效应显著(F=P<)。()因变量DELUSION在COND四个水平上的平均值、标准差及置信区间EstimatesDependentVariable:DELUSIONCONDMeanStdErrorConfidenceIntervalLowerBoundUpperBound上述结果显示度夹角条件下错觉实验得到错觉量的平均值为标准误为的置信区间为()度夹角条件下错觉实验得到错觉量的平均值为标准误为的置信区间为()度夹角条件下错觉实验得到错觉量的平均值为标准误为的置信区间为()度夹角条件下错觉实验得到错觉量的平均值为标准误为的置信区间为()。()因变量DELUSION在COND四个水平上的平均数的多重比较表PairwiseComparisonsDependentVariable:DELUSIONMeanDifferenceConfidenceIntervalforStd(IJ)(I)COND(J)CONDSigDifferenceErrorLowerBoundUpperBound**********Basedonestimatedmarginalmeans*ThemeandifferenceissignificantatthelevelaAdjustmentformultiplecomparisons:LeastSignificantDifference(equivalenttonoadjustments)上述多重比较结果显示第种条件下错觉量的平均值显著大于第种(平均数的差为对应的P<)和第种条件下(平均数的差为对应的P<)的错觉量第种条件下错觉量的平均值也显著大于第种(平均数的差为对应的P<)和第种条件下(平均数的差为对应的P<)的错觉量第种条件下错觉量的平均值显著大于第种(平均数的差为对应的P<)。()因变量DELUSION的边缘平均数显示图(如图所示)EstimatedMarginalMeansofDELUSIONCONDEstimatedMarginalMeansBLOCK图通过该图我们可以判断因素变量COND与BLOCK之间是否存在交互作用。如果图中四条线呈平行状态那么两因素没有交互作用存在如果四条线有相交的情况出现则说明存在交互作用。现在图中所显示的四条线都呈平行状态表明两个因素变量不存在交互作用。()输出残差分析图DependentVariable:DELUSIONPredictedStdResidualModel:InterceptBLOCKCOND图:残差图判断方差是否齐性还有一种图形方法如图所示是矩阵散点图。所有行变量都是纵坐标所有列变量都是横坐标。如第一行第二列的图是以Observed为纵坐标以Predicted为横坐标显示的。如第二行第一列的图是以Predicted为纵坐标以Observed为横坐标显示的。如果在以观测值和期望值为坐标的残差图中散点分布接近于一条直线说明方差齐性的假设成立当然这样的判断带有一定的主观性要想确切了解方差是否齐性最好用上面介绍过的检验方法。从上面的分析过程可以看出对于随机区组设计的普通因素模型(被试间)SPSS实际上是将因素和区组都看成因素来处理只是在结果解释时才区分区组和因素。读者可以自行比较这一过程与后面多因素完全随机试验设计方差分析的区别和联系。(二)、随机区组设计的重复测量模型、数据例:随机选取名被试按照被试特征分为同质的各组每组名被试每个被试分别接受四种不同的实验处理试回答四种处理的实验效果是否相同并回答个区组的实验结果是否存在显著差异。用SPSS的句法SYTAX窗口输入数据(sps)语句如下:DatalistfreegenderblockresultresultresultresultBegindataEnddata执行上述语句得到数据表现格式如下图所示:图:重复测量区组设计数据输入、理论分析实验设计样本容量为分个区组(block)每个区组名被试种不同的实验处理(从result到result)。要求同一区组内的每名被试接受全部实验处理。这种设计可称作重复测量或相关样本设计。现在我们整个实验设计的变量共有两个被试间因素一个是block(有个水平)一个被试内因素我们不妨把它定义为RESULT(共有个水平)。在此请读者自行比较本篇上半部分所阐述完全随机设计的方差分析与区组设计的普通因素模型就会发现它们的差异所在。我们也想再一次说明由于SPSS统计软件对数据表现形式的要求比较严格所以数据分析与实验设计必须相结合不同的实验设计必须采用合适的数据录入方式以及合适的分析程序否则很容易因机械套用程序命令而导致结果的不准确。、SPSS操作过程()获得工作数据后从主菜单AnalyzeGeneralLinearModelRepeatedMeasures…进行主对话框如图所示。把WithinSubjectFactor后面框中默认的被试内变量的名称factor改为result下面的水平数设为然后单击Add按钮完成设置如图中所示。图:被试内因素定义对话框()单击Define出现重复测量模型定义主对话框(图)。把左边变量列表中的被试内变量水平result到relult全部选入到右边被试内变量列表(即WithinSubjects)中去用鼠标单击block再单击相应的小三角按钮把它选入到被试间变量列表中去完成设置后如下图所示:图:重复测量模型定义主对话框()单击Contrasts…按钮打开下面对话框。变量列表中显示了除协变量以外的所有变量名称。如果需要事前检验可以从Contrasts后面小三角下拉项中选择。下面列出这些检验方法的使用注意事项:None无事先检验Deviation只能用于被试间因素不能用于被试内因素。比较每个水平与总体的效应差异忽略第一个或最后一个水平。Simple只用于被试间因素不能用于被试内因素。每一水平都与参考水平即第一个或最后一个进行效应差异检验。Difference每一个水平的效应都与它前面所有水平的平均效应进行差异检验。Helmet每一水平的效应都与它后面所有水平的平均效应进行差异检验。Repeated对相邻水平进行差异检验。只用于被试间因素不能用于被试内因素。Polynomial多项式比较。每一级自由度包括线性效应与变量水平的交互效应。第二级包括二次效…等应等。各水平的效应间距假设相等。系统对被试内变量的默认设置是多项式比较。如下图所示:图:事先计划对照定义窗口()单击Options按钮打开的对话框如图所示。假如实验条件可以造成显著性差异我们需要进行事后检验在此我们先强制要求进行多重比较以便在发现差异后可以马上查看多重比较的结果。所以我们把result变量从左边变量列表中选入到右边DisplayMeansfor:表中并选中下面的复选框Comparemaineffects。同时为了查看我们整个模型的合适性我们在最下方的复选项lackoffittest它可以提供用户所使用的模型的合适性检验结果。图:Options窗口单击Continue按钮回到主话框。()单击OK按钮程序进行计算得到输出结果。结果及解释()显示被试内因素的水平数及名称WithinSubjectsFactorsMeasure:MEASURERESULTDependentVariableRESULTRESULTRESULTRESULT表明被试内因素有四个水平依次被命名为:resultresultresult和result。()显示被试间因素的水平数及样本容量BetweenSubjectsFactorsNBLOCK本例中被试间的区组因素共有个水平每个水平被试人数为人。()显示多元假设检验结果SPSS提供四种显著性检验结果四种的判别力相差不大但一般来说Pillai’sTrace判别力更强一些基于它的显著性水平在违反方差分析假设前提的条件下在多数情况下也是正确的。MultivariateTestsEffectValueFHypothesisdfErrordfSigRESULTPillai'sTraceWilks'LambdaHotelling'sTraceRoy'sLargestRootRESULT*BLOCKPillai'sTraceWilks'LambdaHotelling'sTraceRoy'sLargestRootaExactstatisticbThestatisticisanupperboundonFthatyieldsalowerboundonthesignificancelevelcDesign:InterceptBLOCKWithinSubjectsDesign:RESULT此处所有的Sig均大于表明所有的变量及变量交互作用效应均不显著。一种假设检验的方法。重复测量的计算并非直接计算平均数之间的差异是否显著而是先对变()球形检验量进行转换。一元方法要求变换变量方差协方差阵的对角线上有恒定方差非对角线上方差为。而多元方法未对方差协方差阵的特征进行假定。在上述条件满足的情况下一元方法比多元方法更强更可能检验出它们之间存在的差异。所以已有建议在违反假定时修改一元结果作校正检验。但校正检验的显著性水平总是大于未作样校正检验的显著性水平。因此如果未校正的检验不显著则没必要计算校正值。为了选择一元还是多元结果我们需要进行球形检验。球形检验零假设:所有变换变量方差相等。球形检验备择假设:所有变换变量方差不相等。在水平上如果显著性水平小于或等于则拒绝零假设接受备择假设。如果零假设不成立则SPSS自动计算三个Epsilon使程序在计算F值时校正分子分母。Mauchly'sTestofSphericityMeasure:MEASUREMauchly'sWApproxdfSigEpsilonChiSquareWithinGreenhouseGHuynhFeldtLowerboundSubjectsEffecteisserRESULTTeststhehypothesisthattheerrorcovariancematrixoftheorthonormalizedtransformeddependentvariablesisproportionaltoanidentitymatrixaMaybeusedtoadjustthedegreesoffreedomfortheaveragedtestsofsignificanceCorrectedtestsaredisplayedintheTestsofWithinSubjectsEffectstablebDesign:InterceptBLOCKWithinSubjectsDesign:RESULT本实验设计中球形检验结果如下表所示:Sig<所以不能认为变换变量方差相等。如果要用一元结果需要使用校正结果(见后续表格)。()一元检验结果包括未作校正的与校正过的结果SphericityAssumed所在行为未校正的结果下面其余三行结果为校正过的结果。TestsofWithinSubjectsEffectsMeasure:MEASURESourceTypeIIISumofdfMeanSquareFSigSquaresRESULTSphericityAssumedGreenhouseGeisserHuynhFeldtLowerboundRESULT*BLOCKSphericityAssumedGreenhouseGeisserHuynhFeldtLowerboundError(RESULT)SphericityAssumedGreenhouseGeisserHuynhFeldtLowerbound注:当多元检验与一元检验两种方法有相近似的结果时选择何种结果并不重要。但当两者不一样时应选用一元检验的结果。从上表结果可以看出四种检验结果的显著性水平均大于所以RESULT四个水平或四种实验处理之间不存在显著性差异。结果与多元检验结果一致。可以检验是否具有线性趋势、二次趋势及三次趋势的存在。()正交多项式检验TestsofWithinSubjectsContrastsMeasure:MEASURESourceRESULTTypeIIISumofSquaresdfMeanSquareFSigRESULTLinearQuadraticCubicRESULT*BLOCKLinearQuadraticCubicError(RESULT)LinearQuadraticCubic结果显示的显著性水平sig>表明所检验的变量及变量交互效应都没有明显的趋势存在。()常数项与被试间因素的显著性检验TestsofBetweenSubjectsEffectsMeasure:MEASURETransformedVariable:AverageSourceTypeIIISumofSquaresdfMeanSquareFSigInterceptBLOCKError这里常数项显著性水平为表明常项为的假设不成立。BLOCK显著性水平大于表明区组效应均不显著。()被试内因素各水平的均值、标准差与置信区间。RESULTEstimatesEstimatesMeasure:MEASUREMeanStdErrorConfidenceIntervalRESULTLowerBoundUpperBound上述结果显示第种处理下因变量的平均值为标准误为的置信区间为()。同理可以得出其他处理组的均值、标准误和的置信区间。()被试内因素间的多重比较由于上面所进行的各种差异检验并未发现result各水平间存在显著性差异所以忽略对下表的解释。PairwiseComparisonsMeasure:MEASUREMeanDifferenceStdErrorSigConfidence(IJ)IntervalforDifference(I)RESULT(J)RESULTLowerBoundUpperBoundEEBasedonestimatedmarginalmeans*ThemeandifferenceissignificantatthelevelaAdjustmentformultiplecomparisons:LeastSignificantDifference(equivalenttonoadjustments)结果显示也没有显著性差异。()根据估计边缘平均数计算的RESULT多元显著性检验MultivariateTestsValueFHypothesisdfErrordfSigPillai'straceWilks'lambdaHotelling'straceRoy'slargestrootEachFteststhemultivariateeffectofRESULTThesetestsarebasedonthelinearlyindependentpairwisecomparisonsamongtheestimatedmarginalmeansaExactstatistic二、完全随机设计的多因素方差分析上述的单因素方差分析用于分析只有一个因素的实验设计但是在实际应用中经常会遇到几个因素同时影响实验结果的情况这时就需要用到多因素的方差分析下面结合实例简单介绍一下用SPSS如何对完全随机设计的多因素进行方差分析。采用本章例所用的关于教学方法和教学态度对儿童识字量影响的完全随机试验设计的例子。数据输入数据可以以下列方式在句法窗口(Syntax)输入(sps):datalistfreeabamountBegindataenddata点击句法窗口主菜单RunAll运行上面的语句在数据编辑窗口生成所要分析的数据文件(sav)。理论分析从上面的数据和试验设计过程可以看出每个被试分别接受一种试验处理且被试被随机分组可以看作是被试间随机设计有两个因素每个因素各有两个水平总共有中试验处理的组合。方差分析过程()单击主菜单AnalyzeGeneralLinearModelUnivariate…进入主对话框请把amount选入到因变量(Dependentlist)表中去把a和b选入到FixedFactor(s)变量表列中去(这里我们考虑的两个因素的固定效应如果考虑的是因素的随机效应则将因素选入RandomFactor(s)变量表列中有关固定效应与随机效应的区别这里不加介绍感兴趣的读者可以参考有关实验设计方面的书籍进一步了解)如图所示:图:多因素方差分析主对话框()主效应和交互作用的检验在图的主对话框点击Options…在Options对话框中选择homogeneitytest进行各处理组合方差齐性的检验点击Continue返回主对话框。()本例中其他选项暂时采用系统默认的设置点击OK得到上面定义方差分析的模型输出结果。(结果及解释()显示被试间各因素不同水平的观测值个数BetweenSubjectsFactorsNAB上表结果显示A因素和B因素各有个水平每个水平下有个观测值。()显示方差齐性的检验结果Levene'sTestofEqualityofErrorVariancesDependentVariable:AMOUNTFdfdfSigTeststhehypothesisthattheerrorvarianceofthedependentvariableisequalacrossgroupsaDesign:InterceptABA*BLevene'方差齐性检验的结果表明在的限制性水平下各组的方差之间存在显著差异也就是说不满足方差齐性的假设条件在的显著性水平下各组方差之间的差异没有达到显著水平。这里我们为了计算的简单现认为方差齐性条件满足实际上在方差齐性假设严格遭到拒绝时应采用校正的F检验感兴趣的读者可以查阅有关实验设计方面的资料进一步了解这一问题。()显示方差分析表TestsofBetweenSubjectsEffectsDependentVariable:AMOUNTSourceTypeIIISumofSquaresdfMeanSquareFSigCorrectedModelInterceptABA*BErrorTotalCorrectedTotalaRSquared=(AdjustedRSquared=)上面方差分析结果显示A因素主效应的平方和为自由度为均方为B因素主效应的平方和为自由度为均方为A因素与B因素的交互作用A*B的平方和为自由度为均方为误差平方和为,自由度为F检验结果表明A和B的交互作用达到的显著水平(F=,P=<)。从以上方差分析结果可以看出两因素之间存在非常显著的交互作用表明集中识字与分散识字效果的不同是受不同教学态度影响的同样不同的教学态度对识字量的影响也受到教学方式的影响应该注意在交互作用显著的情况下即使因素主效应不显著也不能下结论说这一因素对结果没有显著影响。(因素交互作用的PostHoc检验上面分析结果告诉我们两个因素之间存在显著的交互作用但是至于B因素的不同水平在A因素的哪个水平上差异显著或A因素的不同水平在B因素的哪个水平上差异显著并不清楚。为了进一步回答这一问题下面简单介绍交互作用的事后检验。至于主效应的事后检验与前面介绍的随机区组设计的普通因素模型类似这里不再重复。对于交互作用的事后检验不能通过直接点击SPSS菜单命令得到需要通过在句法(Syntax)窗口定义语句完成。对于B因素在A因素不同水平的简单效应可用下列语句得到:manovaamountbya(,)b(,)designerror=withindesign=bwithina()bwithina()运行上面的语句得到输出结果。(交互作用事后检验结果及解释******AnalysisofVariancedesign******TestsofSignificanceforAMOUNTusingUNIQUEsumsofsquaresSourceofVariationSSDFMSFSigofFWITHINCELLSABABYB(Model)(Total)RSquared=AdjustedRSquared=******AnalysisofVariancedesign******TestsofSignificanceforAMOUNTusingUNIQUEsumsofsquaresSourceofVariationSSDFMSFSigofFWITHINCELLSBWITHINA()BWITHINA()可以看出输出结果中包含两大部分的信息。首先是“Analysisofvariancedesign”下面的方差分析部分这部分的结果与前面由菜单操作得到的主效应与交互作用分析得到的结果相同。第二部分是在“Analysisofvariancedesign”下给出的简单效应检验部分这部分分别给出所要分析简单效应的平方和、自由度、均方、F检验统计量的值以及对应的概率P值。从上面的分析结果可以看出在A因素的两个水平上B因素的效应都显著说明不管用那一种教学方法不同教学态度下的识字结果均存在显著差异。类似地用下列程序可以得到A因素在B因素不同水平上的简单效应。manovaamountbya(,)b(,)designerror=withindesign=awithinb()awithinb()得到简单效应的分析结果如下:******AnalysisofVariancedesign(没有这一块)******TestsofSignificanceforAMOUNTusingUNIQUEsumsofsquaresSourceofVariationSSDFMSFSigofFWITHINCELLSAWITHINB()AWITHINB()四、协方差分析(数据以第六节例的数据为例简单说明如何用SPSS进行协方差分析。单因素随机分组的协方差包含一个协变量(学习兴趣x)、一个因变量(y)和一个处理变量(a)数据输入如下(sav):单击主菜单AnalyzeGeneralLinearModelUnivariate…进入主对话框请把y选入到因变量(Dependentlist)表中把a选到FixedFactor(s)变量表列中将x选入Covariate(s)其他选项的定义类似于多因素方差分析中的定义这里我们采用系统默认设置定义后的窗口显示如下:点击OK得到协方差分析的结果如下:TestsofBetweenSubjectsEffectsDependentVariable:YSourceTypeIIISumofSquaresdfMeanSquareFSigCorrectedModelInterceptXAErrorTotalCorrectedTotalaRSquared=(AdjustedRSquared=)从上面分析的结果可以看出在调整了协变量对因变量的影响后三种饲料的增肥效果存在显著差异(F=)

用户评论(0)

0/200

精彩专题

上传我的资料

每篇奖励 +2积分

资料评价:

/201
0下载券 下载 加入VIP, 送下载券

意见
反馈

立即扫码关注

爱问共享资料微信公众号

返回
顶部