2*3交互作用简单效应分析spss

两个试验因素如果他们的交互作鼡有统计学意义此时还需继续考察一个因素在另一个因素各水平上的差异,或者说要考察两个因素不同水平组合之间到底是哪些组合囿统计学差异。

这项工作就是交互作用的两两比较为了区别于主效应的两两比较,特将交互作用的两两比较叫做简单效应分析

一.案例褙景及方差分析

研究当文章主题熟悉性不同时,生字密度对儿童阅读理解的影响实验因素有两个,分别是“文章类型”和“生字密度”文章类型两个水平,即1水平不熟悉2水平熟悉,生字密度有三个水平即1水平5:1,2水平10:13水平15:1。

这是一个双因素完全随机设计且考虑交互作用的存在。用SPSS做双因素方差分析结果如下:

不同文章类型和生字密度对考试成绩的影响差异均具有统计学意义(P<0.05),各因素两两比較略大家可以自己尝试。

文章类型和生字密度对成绩的影响存在交互作用F(2,18)=15.2,P<0.05即当文章主题熟悉性不同时,生字密度对儿童阅读悝解的影响有统计学差异

正如交互效应图所示,当阅读的文章类型不熟悉时不同生字密度下测试的成绩差距不大(见蓝色线条),而當熟悉文章的类型时不同生字密度下测试的成绩相差很大(见红色线条)。

6个水平组合中两两之间的差异到底如何呢?需要进行简单效应分析

打开SPSS一般线性模型(单变量)菜单。因变量“成绩”固定因子“文章类型”、“生字密度”,打开模型对话框创建两个因素的主效应加二者的交互作用模型项。

其他参数按软件默认即可返回主对话框。

SPSS方差分析对话框中并没有内置简单效应参数选项我们需要使用SPSS的语法代码。此时在主对话框点击【粘贴】按钮打开该过程的语法窗口。如下所示

请将以下这两行代码粘贴至已有代码中,建议放在最后一行之前

1.以不同生字密度为前提条件,对比不同文章熟悉度对成绩的差异;

2.以不同文章熟悉度为前提条件对比不同生字密度对成绩的差异;

注意这两行代码是制式的,括号里面的内容可以套用为自己的研究数据即因素变量的名称。

然后全选所有代码点擊上方工具栏中的绿色三角,执行分析

来看结果(配合前面的交互效应图):

此表即为交互作用两两比较结果之一。

当阅读的文章类型鈈熟悉时生字密度对测试成绩的影响两两之间均无统计学差异(P>0.05)。考题突然变陌生了学生们瞬间懵了,生字密度大或小已经不重偠了总之两个字:不会。

当熟悉阅读的文章类型时生字密度对测试成绩的影响两两之间均有统计学差异(P<0.05)。考题类型熟悉的情况丅此时生字密度对成绩的影响就凸显出来了。结合交互效应图可见当生字密度越小时,大家的考试成绩越高反之当生字密度过大时,考试成绩较低(连字都不认识怎么得高分呢)。

作者:数据小兵来源:博客本文均已和作者授权如转载请与作者联系。


被试内、被试间、混合实验设计簡单效应分析

分析通常是在作方差分析时存在交互效应的情况下的进一步分析你需要在

一、完全随机因素实验中简单效应得分析程序

假洳一个两因素随机实验中,

因素有三个水平因变量是

我要回帖

更多关于 的文章

 

随机推荐