一般线性模型的概述和操作方法.ppt

* 根据舒华的书展开 * 2×2 组合2； 3×3 组合12； 4×4 组合576…… 7×7 组合16，942，080 理论上，使用拉丁方实验设计应该从可能的拉丁方格总体中随机选择一个方格，但当〉5×5,就很难操作。随机化方法 * 根据舒华的书展开 * 主效应的检验： GLM做不了，需要编程，这里不详细说，大家可以参考舒华老师的书 * * * * * * * * * * 转换成SPSS数据格式 操作过程： Analyze /GLM /Repeated Measures 使用Repeated Measures Define Factors 对话框 b因素按重复测量的过程操作 a变量送入Between Subject Factors栏中作为组间变量。 SPSS 结果解释 多元检验结果 球形检验(Sphericity test)结果 一元检验结果 自变量：三个自变量均有2个水平，其中生字密度和句子长度为被试间因素，文章类型为被试内因素。 被试的分配：研究中有8篇特点不同的文章，随机抽取16名被试，被试间因素处理水平的结合有4种，故要把16名被试随机分成4组，每组4名被试分别接受a和c一种处理水平的结合，然后所有被试要接受b因素所有水平的处理。 研究问题：生字密度、文章类型和句子长度对学生阅读理解的影响 例９ 重复测量一个因素的三因素混合设计 转换成SPSS数据格式 操作过程： Analyze /GLM /Repeated Measures SPSS 重复测量设计的优缺点 优点： 每一个体作为自身的对照，克服了个体间的变异。分析时可更好地集中于处理效应. 因重复测量设计的每一个体作为自身的对照，所以研究所需的个体相对较少，因此更加经济。 缺点： 滞留效应(Carry-over effect) 前面的处理效应有可能滞留到下一次的处理. 潜隐效应(Latent effect) 前面的处理效应有可能激活原本以前不活跃的效应. 学习效应(Learning effect) 由于逐步熟悉实验，研究对象的反应能力有可能逐步得到了提高。 嵌套实验设计Nested Design 前面所讲实验设计可以分为两类： 一类是非重复测量的实验设计 前提性假设：能够随机分配被试，以保证接受不同实验处理的各组被试在被测（被实验）前是统计上无差异的，这样实验后被试成绩的差异就是由实验的因素引起的，而非误差因素。 一类是重复测量的实验设计 前提性假设：不同自变量水平的先后施测对同一被试不产生长期影响效应。 但是在实际研究中这两个条件往往很难满足！ 比较两种教学方法的效应，如果实施第一种教学方法会对第二种教学方法的效果产生影响（学习、记忆效应），因此不适宜做重复测量实验设计。 一般做法：采用随机选择两个自然班，随机分配每个班接受一种教学方法，然后测量学生的学习成绩，以观察不同教法的效果——单因素完全随机设计。 并非严格意义上的完全随机设计（完全随机设计需要打乱班级、随机分配被试，以保证接受不同处理的两组被试同质）。 教学实际是班级授课制，教学方法的实验中多利用整个班级来做实验，忽略“班级”这个无关变量，可能会导致由于班级之间原有的学习成绩的差异，影响对教学方法效果的估计。 ——嵌套实验设计是解决上述问题的途径之一。 当考虑的因素之间存在层次性结构，即嵌套结构的每一个层次都是其上一层次的有效细化，或各个试验因素的影响根据专业知识有主次之分，次要因素的各水平嵌套在主要因素水平下时，称为嵌套设计。 不能计算交互作用！ 两因素完全随机嵌套实验设计 被试分配情况： B因素的b1、b2两个水平仅出现在a1水平上，而b3、b4两个水平仅出现在a2水平上，这时我们说B因素是嵌套在A因素中的。 实验原理 因此，嵌套设计中，至少一个因素的水平是被局限在另一个因素的水平中的。例如，如果B因素的每个水平仅出现在A因素的一个水平中，B就是嵌套于A的，可写作B（A）。 在嵌套设计中，被嵌套因素通常是固定的团体，嵌套设计的目的主要是分离出无关变量——团体或B（A）的效应，以更精确地估计自变量A因素的效应。 两因素嵌套设计的研究条件： 1．研究是在固定的团体中进行的，由于不能随机分配被试给各个实验处理，研究中有两个可能影响因变量的因素，一个是自变量，另一个是无关变量——固定的团体。两个因素之间没有交互作用。 2．研究中一个因素的水平是嵌套在另一个因素的水平之中的，如果自变量有p个水平，无关变量有q个水平，实验中共有q个处理的结合。 3．将被嵌套的各个水平（团体）随机分配给另一个因素的水平（实验处理）