ARM：使用 SPSS 进行分析第 8 节
ARM：使用SPSS进行分析第8节

上周的实践重点是让您了解一组统计技术的基础，您可以使用这些技术来检验有关单个分类独立变量和单个连续因变量之间关系的假设（例如 t 检验和单向方差分析）。

本周，我们将进一步研究这种基本方法的变体，这些变体统称为因子方差分析。当我们有两个（或更多）^{1 个}分类独立变量和一个连续因变量时，应使用这些方法。

安迪·菲尔德教科书本周的相关章节如下：

第 5 章：使用图表探索数据

第 14 章：GLM3 – 因子设计
第14章：GLM3 – 因子设计

第 15 章：GLM4 – 重复测量设计
第15章：GLM4 – 重复测量设计

第 16 章：GLM5 – 混合设计

关键点

因子方差分析允许您在一次分析中分析多个独立变量(IV) ²对因变量的“主效应” 。这类似于“强制进入”多元线性回归（第 3 周实践）相对于简单线性回归（第 2 周实践）的优势
斜率分析允许您一次分析中分析多个独立指标(IV) ²对因素指标的“主效应” 。这相当于“强制进入”多元线性回归（第3周实践）相对于简单线性回归（第3周实践） 2周实践）的优势

然而，同时测试多个主效应的能力并不是因子方差分析的主要优势。更重要的是，它们还允许我们测试模型中的交互作用以及主效应。两个 IV 之间的显著交互作用表明其中一个 IV 对因变量 (DV) 的影响不同，具体取决于我们在交互 IV 中的哪个级别考虑这种影响。
然而，同时测试多个主效应的能力不相关因子分析的主要优势。更重要的是，它们还允许我们测试模型中的交互作用以及主效应。两个 IV 之间的显着交互作用表明其中一个IV 对因变量（DV）的影响不同，具体取决于我们在交互 IV 中的哪个级别考虑影响这种情况。

例如：如果年龄（年轻或年老）和国籍（例如苏格兰或英国）对 DV 的影响相互作用，这表明年龄对 DV 的影响是不同的，这取决于我们是在样本中的苏格兰人中观察，还是在英国人中观察。
例如：如果年龄（年轻或年长）和国籍（例如苏格兰或英国）对 DV 的影响对应，这表明年龄对 DV 的影响是不同的，这取决于我们在样本中的苏格兰人中观察，还是在英国人中观察。

当发现显著的相互作用时，进一步分析这些相互作用中 IV 的任何显著主效应可能是不明智的。这是因为这些主效应可能会变得不一致，具体取决于您在其中观察它们的第二个独立变量的水平- 这会混淆您对整体主效应做出一般陈述的能力
当发现显着的反应时，进一步分析这些反应中IV的任何显着的主效应可能是不被认知的。这是因为这些具体的主效应可能会变得不一致，取决于您在其中观察它们的第二个独立指标的水平-这会混淆您做出一般陈述的能力。当在因子方差分析中对主效应做出陈述时，您暗示这些效应通常存在，而不管您分析中的其他 IV 中的水平如何 -当您有显著的相互作用时，这通常不是真的！
当发现显着的相互作用时，进一步分析这些相互作用中 IV 的任何显着的主效应可能是不可取的。这是因为这些主效应可能会变得不一致，具体取决于您在其中观察的第二个自变量的水平，这会混淆您对总体主效应进行一般性陈述的能力。当对阶乘方差分析中的主效应做出陈述时，您是在暗示这些效应通常会存在，而与分析中其他 IV 的水平无关——当您进行显着交互时，这通常是不正确的！

所有因子方差
所有关系​分析（即 IV >1 的方差分析）均符合以下三种设计之一（在第 7-8 周研究方法培训中讨论过），它们要么是：
所有因子方差分析（即具有 >1 IV 的方差分析）符合三种设计之一（在第 7-8 周研究方法培训中讨论），它们是：

独立组– 所有 IV 都是受试者之间的
独立组——所有 IV 都是受试者之间的

重复测量– 所有 IV 均在受试者内
重复测量– 所有 IV 均在受试者内

混合– 至少一个 IV 是受试者内且至少另一个是受试者间
混合– 至少一项 IV 属于受试者内部且至少另一项 IV 属于受试者之间

在接下来的三个练习中，我们将介绍每种方差分析类型的示例。
我们将在接下来的三个练习中介绍每种方差分析类型的示例。

练习 1：2x3 独立组方差分析

上周我们详细介绍了单向独立组方差分析。使用它们探索显著的主效应，然后进行计划对比或多次成对比较）。正如您现在所看到的，从此构建到此类方差分析的因子版本的步骤相对简单。
上周我们详细介绍了单向独立群体方差分析。使用它们来探索显着的主效应，然后通过计划的对比或多个成对比较来跟进。正如您现在将看到的，从这种方差分析的阶乘版本构建的步骤相对简单。

为了调查后续手术能力是否与培训方法和经验水平之间的相互作用有关：
为了调查后续手术能力是否与之间的应答有关：
调查后续手术能力是否与培训方法和经验水平之间的相互作用相关

首先打开Exercise1.sav文件
首先打开Exercise1.sav文件

花一点时间注意此文件中数据的结构：

每行代表不同的参与者 

第一列（能力）提供了因变量的 10 分制分数
第一列（能力）提供因变量的得分（满分 10 分）

第二列（经验）和第三列（训练方法）标识参与者属于两个独立变量的哪个级别（查看变量视图或切换值标签以检查哪些数字代码对应于您的 IV 中的哪些级别）。
第二列 ( Experience ) 和第三列 ( Training_Method )确定参与者属于两个自变量的哪个级别（请参阅变量视图或切换值标签以检查哪些数字代码对应于IV 中的哪个级别）。

要运行独立组方差分析：
要运行独立组引用分析：

选择分析 > 一般线性模型 > 单变量

选择您的因变量（即能力并将其移动到因变量框中。
选择您的重要物品（即能够将其移动到重要物品中）。

选择您的独立变量（即经验和训练方法）并将两者移入固定因子：框。
选择您的独立标记（即经验和训练方法）然后同时移入固定因子：框。

要可视化任何可能的交互，请单击侧面菜单上的“绘图”选项，然后在打开的窗口中：
要可视化任何可能的交互，请单击第二菜单上的“绘图”选项，然后在打开的窗口中：

选择以横轴表示的经验

选择Training_Method以沿单独线表示

单击“添加” ，然后单击“继续”返回主菜单
单击“添加” ，然后单击“继续”返回主菜单

在EM-Means侧面菜单中，将经验、训练方法和经验*训练方法（其交互）从因子和因子交互框移到显示均值：框中，然后单击继续。
在EM-Means侧面菜单中，将经验、训练方法和经验*训练方法（其交互）从因子和因子交互框移到显示均值：方框，然后单击继续。

在选项侧面菜单中，还勾选了效果大小估计和同质性检验的选项
在选项第三菜单中，还勾选了效果估计和同质性检验的选项

要完成，请单击“继续”关闭此弹出窗口，然后单击“确定”运行此分析。

假设和方差分析结果
假设和借款分析结果

为了解释此因子方差分析模型的结果，我们查看了与上周运行单向独立组方差分析时相同的输出部分。提醒您：
为了解释此湿度分析模型的结果，我们查看了与上周运行单向独立组湿度分析时相同的输出部分。提醒您：

我们首先检查假设（即Levene 误差方差相等性检验）。我们之前也会检查数据集中的异常值。
我们首先检查假设（即Levene 精度检验）。之前基因组数据检查我们的异常值。

我们研究了受试者间效应检验，其中报告了主效应及其相互作用的统计显著性。
我们研究了热点间效应检验，其中报告了主效应响应及其统计显着性。

此分析的假设是否得到满足？您如何解释两个独立变量对因变量的相互作用？
此分析的假设是否得到满足？您如何解释两个独立变量对因变量的响应？

探索互动

要开始探索交互作用，请向下滚动到交互作用图（又称为轮廓图），并使用以下技术来解释您认为统计上显着的交互作用告诉您两个 IV 对 DV 的影响。使用以下步骤：
要开始探索交互作用，请阶梯滚动到交互作用图（又称为交互作用图），并使用以下技术来解释您认为统计上显着的交互作用告诉您两个 IV 对 DV 的影响。使用以下步骤：

对于横轴上的第一个位置，对横轴上这个位置上各线上的点对进行一系列比较（例如，虚拟现实与盒子训练对受训者的影响有何不同？心理排练与常规盒子训练对受训者的影响有何不同？等等……）。
对于横轴上的第一个位置，对横轴训练这个位置上各线上的点对进行一系列比较（例如，虚拟现实与盒子训练对受训者的影响有何不同？心理训练与常规盒子对受训者的影响有何不同？等等……）。

对水平轴上的第二个位置（即合格的外科医生）重复此操作。
对水平轴上的第二个位置（即合格的外科医生）重复此操作。

最后，对比一下x轴上两个位置的等效比较，这两个位置代表了经验 IV 中的不同级别。当你在这种经验水平上进行对比时，不同训练方法的相对效果有何明显差异？
最后，对比一下x轴上两个位置的对应比较，这两个位置代表了经验IV中的不同级别。当你在这个经验水平上进行对比时，不同训练方法的相对效果有明显差异？

探索从解释情节中得出的推论的统计有效性的一种方法是在简单效应分析中使用多个成对比较。这些是另一组探索性分析（在Field 教科书第 14 章、SPSS 技巧 14.1、第 632 页中描述），用于检验一个独立变量在另一个独立变量的每个水平上的影响的重要性。这种在一个独立变量的另一个水平内观察其影响的方法有时被称为“嵌套”（请参阅​​第 1 页对此的先前评论）。在这种情况下，将训练方法的影响嵌套在经验水平内是有意义的。
探索从解释情节中得出的推论统计有效性的一种方法是在简单的效应分析中使用多个成对比较。这是另一组探索性分析（在Field教科书第14章、SPSS技巧14.1、第 632 页中描述），用于检验一个独立指标在另一个独立指标的水平上的影响的重要性。这种在一个独立指标的另一个水平上观察其影响的方法有时被称为“咨”（请参见第1条这是前面的评论）。在这种情况下，将训练方法的影响在经验水平内是有意义的。

要运行此类分析，您需要进入语法编辑器（通过选择文件 > 新建 > 语法）。在新的语法文件中输入命令：
要运行此类分析，您选择需要进入语法编辑器（通过文件 > 新建 > 语法）。在新的语法文件中输入命令：

通过经验提升 GLM 能力的培训方法
通过经验提升GLM能力的培训方法

/emmeans = 表（经验*训练方法）比较（训练方法）。

运行此代码将重复方差分析，但这次它将在输出末尾包含一个名为“单变量检验”的表和另一个名为“成对比较”的表。
运行此代码将重复进行分析，但这次将在输出中包含一个名为“单变量检验”的表和另一个名为“成对比较”的表。

首先查看单变量检验表，该表按经验“拆分”了对培训方法主效应的检验。换句话说，这就像在受训者中对培训方法的影响进行单向方差分析，然后在合格外科医生中再进行一次单独的方差分析。
首先查看单指标检验表，该表按经验“拆分”了对培训方法主效应的检验。换言之，这就像在受训者中对培训方法的影响进行单向读数分析，然后在合格外科中医生再次进行了一次单独的诗歌分析。

另一种思考方式应该可以帮助您理解语法，即您现在要求 SPSS 在交互中另一个独立变量的每个级别内“比较”三种不同的训练方法（即经验，由两个级别组成：“受训者”和“合格”外科医生，因此单变量检验表中有两行）。
另一种思考方式应该可以帮助您理解语法，即您现在要求SPSS在交互中另一个独立指标的每个级别内“比较”明显不同的训练方法（即经验，由两个级别组成： “受训”者”和“合格”外科医生，因此单指标检验表中有两行）。

查看单变量测试结果 (i) 培训方法对受训者的影响和 (ii) 培训方法对合格外科医生的影响。您将如何更新关于相互作用的原始结论（提示：是否有证据表明培训方法与这两组中的能力显著相关？）
查看单指标测试结果 (i) 培训方法对受训者的影响和 (ii) 培训方法对合格外科医生的影响。您将如何更新关于回答的原始结论（提示：是否有证据表明培训方法与这两者）组中的能力与显着相关？）

进一步研究成对比较^1.根据这项研究的结果，您可能得出哪些进一步的结论？您会对外科医生的培训提出哪些具体建议？
进一步研究成对比较^1.根据这项研究的结果，您可能会得出哪些进一步的结论？您会对对外科医生的培训提出哪些具体建议？

探索主要影响

只有当你能对主效应做出如下解释性陈述时，探索与显著相互作用（即使具有统计学意义）的主效应才有意义：
只有当你能够对主效应做出如下解释性陈述时，探索与显着的回应（即使具有统计学意义）的主效应才有意义：

暗示一致的效果……

...适用于参与交互的其他独立变量的所有级别。

如果您无法做到这一点，我们会说您的主效应“因交互而混淆”。换句话说，它无法在交互上下文之外准确解释。在这种情况下，您应该避免进一步探究所述主效应。在这种情况下，您需要做的就是描述其在交互中的作用。
如果你无法实现这一点，我们会说你的主效应“因而交互干扰”。换句话说，它无法在上下文之外准确解释交互。在这种情况下，你应该进一步避免认知主说的在这种情况下，你需要做的就是描述其在交互中的作用。

在这个例子中，我们的两个主效应都是显著的，但其中一个因交互作用而混淆。您能否确定两个主效应中的哪一个不受交互作用混淆，并从您当前的 SPSS输出中解释这个变量对能力的影响？提示：不需要进一步的事后检验这一事实是一个线索！²（即，可以解释只有 2 个级别的 IV 的主效应，而无需进一步进行对比级别的事后检验）
在这个例子中，我们的两个主效应都是显着的，但其中一个因交互作用和干扰。您能否确定两个主效应中的哪一个不受交互作用干扰，并从您当前的SPSS输出提示：需要进一步的事后检验事实这是一个线索！ ² （即，只能解释2个级别的IV的主效应，而需进行进一步的事后检验）

练习 2：3x3 重复方差分析
练习2：3x3 重复诗歌分析

在 SPSS 中，进行因子重复测量和混合方差分析的方法在编程上非常相似。我们首先将重点介绍如何运行双向重复测量方差分析。有关如何运行双向重复测量方差分析的更多示例也可以在第15章第 15.13 节中找到。
在SPSS中，进行因子重复测量和混合湿度分析的方法在Smashing上非常相似。我们首先将重点介绍如何运行遗体重复测量湿度分析。有关如何运行遗体重复测量湿度分析的更多示例也可以在第15页第15.13节中找到。

下一页顶部有一个可使用双向重复测量方差分析进行分析的实验示例：
下一页顶部有一个可使用便携式重复测量进行分析的实验示例：

打开Exercise2.sav文件​
打开Exercise2.sav文件

此数据文件与我们之前讨论的独立组数据看起来非常不同。每一行仍然代表不同的参与者，但现在他们对因变量（SVAT 分数）的响应分布在九列中。这些列中的每一列都代表在某些实验“条件”下的反应。在提到“条件”时，我指的是我们设计中两个重复测量独立变量的各种水平组合。这些组合起来构成这些条件的水平是：
这个数据文件与我们之前讨论的独立组数据看起来非常不同。每一行仍然代表不同的参与者，但现在它们对影响变量（SVAT分数）的响应分布在九列中。这些列中的每一列都代表在某些实验“条件”下的反应。在提到“条件”时，我指的是我们设计中两个重复测量独立指标的各种水平组合。这些组合起来构成这些条件的水平是：

时间IV ，有三个级别
时间IV ，有三个级别

干预前评估，简称：预测试

干预后立即进行评估，简称：后测

干预后 90 分钟的随访评估，简称：随访
干预后 90 分钟的认知评估，简单来说：认知

干预IV 分为三个级别
干预IV分为三个级别

体力活动干预，缩写为：PhysAct
体力活动干预，缩写为： PhysAct

文学（即故事）干预，缩写为：Lit
文学（即故事）干预，缩写为： Lit

控制（即正常课程）条件，缩写为：控制

在因子重复测量设计中，数据集中的列数（即条件）始终与独立变量级别的可能组合数一样多。这会使从重复测量因子数据的结构中推断 IV 变得更具挑战性。但是，如果我们使用“嵌套”概念（练习 1 中提到）来思考我们的研究设计，挑战就会减少。具体来说，我们可以将我们的一个重复测量 IV 视为“嵌套”在另一个 IV 中，然后查看数据集中的列标题如何符合此嵌套结构（参见下面的示例图）：
在因子重复测量设计中，数据集中的列数（即条件）始终与独立变量级别的可能组合数相同。这使得从重复测量数据因子的结构中推断IV变得更加一致。 ，如果我们使用“雕像”概念（练习1中提到的）来思考我们的研究设计，挑战就会减少。具体来说，我们可以将我们的一个重复测量IV视为“雕像”在另一个IV中，然后查看数据集中的列标题如何符合此湖结构（参见下面的示例图）：

在这个例子中，需要四个实验条件（口头训练与口头回忆、口头训练与实践回忆、示范训练与口头回忆和示范训练与实践回忆）
在这个例子中，四个条件（口腔训练与口腔回忆、口腔训练与实践回忆、示范训练与口腔回忆和示范与实践回忆）

从我们数据集中的条件来看，两个重复测量变量的嵌套结构是什么？您可以在下图中表示出来吗？
从我们数据集中的条件来看，两个重复的测量变量的结构是什么？您可以在下句话表示出来吗？

对SVAT 分数上的这些独立变量进行双向重复测量方差分析：
对SVAT分数上的这些独立戒指进行了尸体重复测量的分析：

选择分析 > 一般线性模型 > 重复测量

注意：弹出的第一个窗口要求我们告诉 SPSS 我们的重复测量是什么以及其中有多少个级别，因为从数据集中看不清楚。按照变量在上图中出现的顺序输入变量（即时间然后干预） 。这将确保您的分析结构与数据集的结构相对应。
注意：弹出的第一个窗口要求我们告诉SPSS我们的重复测量是什么以及其中有多少个级别，因为从数据集中看舞蹈。按照标志在上面出现的顺序输入标志（即时间然后输入） 。这将确保您的分析结构与数据集的结构相对应。

要做到这一点：

通过在“受试者内因子名称：”字段中覆盖因子 1来为您的第一个 IV 命名。请用“时间”替换此通用名称。同时在名称正下方的字段中输入“级别数：它有 (3)”
通过在“耳朵内因子名称：”字段中覆盖因子 1来为您的第一个 IV 命名。请用“时间”替换此通用名称。同时在名称正下方的字段中输入“级别数：有(3)”

然后单击“添加”以保存我们刚刚创建的这个因素。
然后单击“添加”以保存我们刚刚创建的这个角色。

重复此过程以添加第二个重复测量（即 IV干预，也有三个级别）

如果我们还有重复的测量，我们会继续按照上面的步骤添加它们，但在这个设计中我们不会这样做，所以我们通过按“定义”来完成这一步。

在下一个弹出窗口中，我们必须告诉 SPSS 我们数据集中的哪些列代表我们组内变量中的哪些水平组合。SPSS 在组内变量框中创建了 9 个“插槽”，基于我们告诉它我们有 2 个重复测量变量，每个变量有 3 个水平。因此，它可以计算出我们将有9 个条件（即这两个变量中水平的 9 种可能组合）。
在下一个弹出窗口中，我们必须告诉SPSS我们数据集中的哪些列代表我们组内变量中的哪些水平组合。SPSS在组内变量框中创建了9个“插槽”，根据我们告诉它我们有2个个测量变量，每个变量有3个水平。因此，它可以计算出我们将有9个重复的条件（即这两个变量中水平的9种可能组合）。

SPSS 为变量中的每个级别分配一个代码编号（例如级别 1、级别 2、级别 3），我们可以根据括号中的数值查看每个插槽所需的具体编码，见下图
SPSS为变量中的每个级别配置了一个代码编号（例如级别1、级别2、级别3），我们可以根据计数器中的数值查看每个插槽所需的具体编码，见下图：

每个括号中的第一个值表示时间级别，第二个值表示干预级别。因此，在第一个位置，我们需要决定将哪一列数据编码为时间条件中的级别“1”以及干预条件中的级别“1” ，依此类推……
每个句子中的第一个值表示时间级别，第二个值表示干预级别。因此，在第一个位置，我们决定需要将哪一列数据编码为时间条件中的级别“1”以及干预条件中的级别“1” ，依此类推……

如果您在以下方面保持一致：(1) 数据集列的嵌套结构和 (2) 您在前一个窗口中输入受试者内因素的嵌套顺序（均在上一页中描述），那么您应该能够选择所有列并将它们作为单个块同时移动到受试者内变量框中。也就是说，您应该能够“按原样”保持左侧列表中列名称的顺序。但是，执行此操作后，您仍应检查每个重复测量的编码水平是否与您希望为每个水平分配的预期数字代码相匹配。在下面的例子中，我犯了一个故意的错误。您能告诉我我犯了什么错误以及这如何造成不匹配吗？（提示：查看“插槽”窗口上方括号中的顺序）
如果您在以下方面保持一致： (1) 数据集列的读写结构和 (2) 您在前一个窗口中输入耳机内部的读写顺序（均在上一页中描述） ，那么您应该能够选择所有列将它们作为单个块同时移动到内置有价值的物品。其次，您应该能够“按原样”保持左侧列表中列名称的顺序。但是，执行此操作后，您仍应检查每个重复测量的编码水平是否与您希望的每个水平分配的预期数字代码相匹配。在下面的例子中，我犯了一个故意的错误。您可以告诉我我犯了这是错误以及这如何造成不匹配吗？（提示：查看“插槽”窗口上方空格中的顺序）

为了完成我们的分析并准备探索我们预测的互动……

单击“对比” ，并为干预设置一个与参考类别“最后”的简单对比，然后单击“更改”以应用此对比。
单击“对比” ，并为权限设置一个与参考类别“最后”的简单对比，然后单击“更改”以应用此对比。

同样，为时间设置一个简单对比，参考类别为“第一”，然后单击“更改”以应用此对比。然后单击“继续”。
为时间设置一个简单对比，参考类别为“第一”，然后单击“更改”以应用此对比。然后单击“继续”。

我选择的“简单”对比将其应用到的 IV 的每个级别与预先指定的“参考类别”级别进行比较，该级别可以指定为所述变量中的第一个（即级别 1）或最后一个级别。 ³此参考类别通常最好理解为“控制”条件，您想要将其与变量的其他级别进行对比和比较。 鉴于此陈述，为什么我在步骤7-8中设置的对比为其参考类别指定不同的级别是有意义的（即为什么时间的“第一”级别而干预的“最后一个”级别）？
我选择的“简单”对比将其应用到IV的每个级别与预先指定的“参考类别”级别进行比较，该级别可以指定为指定中的第一个（即级别1）或最后一个³此参考类别通常最好理解为“控制”条件，您想要将其与变量的其他级别进行对比和比较。目前，为什么我在步骤7-8中设置的对比说明指定不同的级别是有意义的（即为什么时间的“第一”级别而影响“最后一个”级别）？

单击“绘图”子菜单，然后在此窗口中请求绘图，将“干预”放在单独的线上，将“时间”放在横轴上：。请记住在单击“继续”关闭此弹出窗口之前按“添加” 。
单击“绘图”子菜单，然后在窗口中的绘图绘图中，将“干预”放在单独的线上，将“时间”放在横轴上：。请记住在单击“继续”关闭此弹出窗口之前按“添加”。

在EM Means子菜单中要求 SPSS显示以下内容的平均值：干预、时间和干预*时间。
在EM意味着子菜单中要求SPSS显示以下内容的操控：干预、时间和干预*时间。

单击“选项”子菜单，然后在此窗口中勾选“效果大小估计”选项
单击“选项”子菜单，然后在此窗口中选择“效果大小估计”选项

要关闭“选项”菜单，请按“继续” ，然后按“确定”运行分析。
要关闭“选项”菜单，请按“继续”，然后按“确定”运行分析。

假设和方差分析结果
假设和借款分析结果

为了解释重复测量因子方差分析的结果，我们需要遵循与练习 1中相同的基本步骤。即：
为了解释重复测量胡萝卜分析的结果，我们需要遵循与练习1中相同的基本步骤。即：

我们首先检查假设，在重复测量设计中，这意味着检查独立变量各个层面的球形度假设。我们之前也会检查数据集中的异常值。
我们首先检查假设，在重复测量设计中，这意味着检查独立指标各个部位的模拟度假设。我们之前进行了基因组检查数据集中的异常值。

我们观察独立变量及其相互作用的主效应的统计显著性，这次是在受试者内效应检验表中（因为我们的设计只包含重复测量）。
我们观察独立指标响应的主效应的统计显着性，这次是在热点内效应检验表中（因为我们的设计只包含重复测量）。

为了解决步骤(i)，我们必须在输出中参考Mauchly 球形度检验。对于给定的重复测量独立变量或交互作用，为了满足此假设，我们需要其在此表中的显著性值 >.05。如果我们违反此假设，则需要在从受试者内效应检验表报告此结果时纠正此违规行为（稍后会详细介绍）。现在，查看 Mauchly 检验并确定是否有任何重复测量或交互作用违反球形度假设？如果是，哪一个？
为了解决步骤输出(i)，我们必须在参考Mauchly模拟度检验。对于给定的重复测量独立变量或交互作用，为了满足这个假设，我们需要其这里表中的显着性值 >.05如果我们违反此假设，则需要在从空气影响检验表报告此结果时修正此错误行为重复稍后会详细介绍。现在，查看莫奇利检验并确定是否有任何测量或交易作用违反模拟度假设？如果是，哪一个？

为了解决步骤( ii) ，我们必须参考受试者内效应检验表。在此表中，您将找到每个重复测量的主效应和交互作用的结果（以及与每个相关的误差项）。我们得到了报告的每个主效应和交互作用的几个备选结果。
为了解决步骤( ii) ，我们必须参考空气内效应检验表。在此表中，您将找到每个重复测量的主效应和贸易作用的结果（以及与每个相关的托盘检验项）。我们得到了每个主要经济和交互作用的几个创业板结果的报告。

与上周类似，对于我们能够假设球形的主效应/相互作用，我们可以在“假设球形”行中解释结果。同时，对于任何违反球形的主效应/相互作用，我们需要对 F 值进行校正，以进行调整。您会注意到，与可以假设球形时相比，这会改变均方和自由度。SPSS 为我们提供了三种替代校正（有关其相对优点的讨论，请参阅 Field 第 15 章第 15.5.1-4 节）。
与上周类似，对于我们能够模拟的主效应/反应，我们可以在“模拟我们”中进行解释结果。同时，对于任何违反模拟的主效应/反应，需要对F值进行校正，进行调整。您会注意到，与可以假设相似时相比，这会改变均方和自由度。SPSS 为我们提供了清晰的替代校正（有关其相对优点的讨论，请参阅 Field 第 15 章第 15 章） 15.5.1-4节）。

要报告双向方差分析的结果，您可以使用以下格式作为指南：
要报告心脏病分析的结果，您可以使用以下格式作为指南：

（IV1 ）（F （？，？）= ？，p = ？，$$ = ? ) 和(IV2) ( F ( ? , ? )= ? , p = ? , $$= ? ) 均被观察到对(DV)具有统计学上显着的影响，并且这两个因素也参与了显着的双向相互作用，F ( ? , ? )= ? , p = ? , $$ = ？。
（IV1 ） （ F （ ？ ， ？ ） = ？， p = ？， $$ = ? ) 和(IV2) ( F ( ? , ? )= ? , p = ? , $$ = ? ) 均被观察到对(DV)具有统计学上显着的影响，并且这两个因素也参与了显着的参与者通话， F ( ? , ? )= ? , p = ? , $$ = ？ 。

通过填写上面的问号和突出显示的变量名称空格，您可以完成我下面开始的总结吗？提示：记得在需要的地方应用任何更正！
通过填写上面的问号和突出显示的变量名称空格，您可以完成我下面开始的总结吗？提示：记住在需要的位置应用任何更正！

我们已经在独立组设计因子方差分析（练习 1）中练习了探索主效应。因此，我不会在这里再次回顾此内容。此外，无论如何，我们都不感兴趣进一步探索此示例中的主效应（即使它们很重要）。这些原因是什么？
我们已经在独立组设计因果关系分析（练习1）中练习了探索主效应。 ，我不会在这里再次回顾此内容。另外，无论如何，我们都不感兴趣进一步探索此示例中的主效应（尽管它们很重要）。这些原因是什么？

探索互动

要开始探索交互作用，请向下滚动到剖面图（又称交互作用图）。使用前面在练习 1 （第 3-4 页）中讨论过的技术，简要解释一下您认为此处发生交互作用的原因：
要开始探索交互作用，请逐级滚动到剖面图（交互交互作用图） 。使用前面在练习1（第3-4页）中讨论过的技术，简要解释一下您认为此处发生交互作用的作用原因：

客观地统计检验您使用交互图做出的解释的有效性的一个好方法是查看我们要求的标准对比的结果。这些结果将我们更复杂的 3x3 交互分解为一系列2x2 比较，并询问：是否有证据表明这两个独立变量中的这些特定子集的水平对之间存在显著的相互作用？
探针地统计检验您使用交互图做出解释的有效性的一个好方法是查看我们要求的标准对比的结果。这些结果将我们更复杂的 3x3 交互重组为一系列2x2 比较，并询问：是否有有证据表明这两个独立指标中的这些特定子集的水平之间存在显着的响应？

您可以在受试者内对比检验表中看到这些结果。关于交互作用，我们得到四个特定的对比，在下一页的图中突出显示：
您可以在今天内特定的对比检验表中看到这些结果。关于交互作用，得到我们四个的对比，在下一页的突出显示：

如果我们用每个级别的标签覆盖这些数值，这有助于更清楚地了解每行正在测试哪个特定对比度：
如果我们用每个级别的标签覆盖这些数值，这有助于更清楚地了解每行正在测试哪个特定恢复：

查看输出，你会发现第一个对比具有统计显著性，F (1,29) = 45.91，p <.001，$$ = .61。这表明，与控制条件相比，体育活动干预条件下的注意力水平从前测到后测的变化存在显著差异。根据这种解释，您将如何类似地解释此处的其他三个标准对比，以及标准结果如何支持您之前的陈述？
查看输出，你会发现第一个对比具有统计显着性， F (1,29) = 45.91， p <.001， $$ = .61。这表明，与控制条件相比，体育活动影响条件下的注意力水平从前测到后测的变化存在显着差异。根据这种解释，您将如何类似地解释此处的其他三个标准对比，以及标准结果如何支持您之前的陈述？

另一种探索统计SE解释的方法是进行简单效应分析。我们在重复测量设计中使用的语法略有不同（在 Field 教科书第 15 章第 15.14.2 节和 SPSS 提示 15.3 中进行了描述）。但它的工作方式相同，并且再次让您超越“目测”交互图，能够对特定水平对之间差异的统计显着性做出具体声明。
另一种探索统计SE解释的方法是进行简单的效果分析。在重复测量设计中使用我们的语法预设不同（在Field教科书第15章第15.14.2节和SPSS提示15.3中进行了描述） 。它的工作方式相同，并且再次让您超越“目测”交互图，能够对特定水平对差异之间的统计显着性做出具体的陈述。

要运行此类分析，您需要进入语法编辑器（通过选择文件 > 新建 > 语法）。在新的语法文件中输入命令：
要运行此类分析，您选择需要进入语法编辑器（通过文件 > 新建 > 语法）。在新的语法文件中输入命令：

GLM预测试_PhysAct预测试_Lit 预测试_Control 后测试_PhysAct 后测试_ Lit后测试_Control后续测试_PhysAct 后续测试_Lit后续测试_Control
GLM预测试_PhysAct预测试_Lit预测试_Control后续测试_PhysAct后续测试_Lit后测试_Control后续测试_PhysAct后续测试_Lit后续测试_Control

/wsfactor = 时间 3 干预3

/emmeans = 表格（时间*干预）比较（干预）

运行此代码，SPSS 将重复 ANOVA ，但在最后会有一些额外的输出。
运行此代码，SPSS 将重复 ANOVA ，但在最后还有一些额外的输出。

请特别注意最后的多元测试表。表底的注释告诉您，它已测试了干预在每个时间水平（即前测、后测和 90 分钟跟踪）的简单效果。对于给定事件（即 Pillai、Wilks、Hotelling 和 Roy），您应该在所有四个多元测试统计数据中获得一致的结果。这相当于练习 1 中生成的单变量测试表。它给出了干预在交互作用中其他变量的每个级别内的主要影响（例如，对照组、读写能力组和身体组在基线时的注意力水平是否存在差异？然后在后测时？然后在跟踪时？）。
请特别注意最后的多元测试表。表底的注释告诉您，它已在每个时间水平测试了干预（即前测、后测和90分钟跟踪）的简单效果。对于给定事件（即Pillai、 Wilks、Hotelling 和 Roy），您应该在所有四个多元测试统计数据中获得一致的结果。这实际上练习 1中生成的每个单项监测表。它给出了干预在交互作用中的监测级别内的主要影响（例如，耳机、读写能力组和身体组在基线时的注意力水平是否存在差异） ？然后在后测时？然后在跟踪时？） 。

在上面那个成对比较表中，我们还得到了在这三个时间点的每对干预措施之间的差异的（未校正）测试。
在上面那个成对比较表中，我们还得到了在这三个时间点的每个对干预措施之间的差异（未校正）测试。

根据这些结果，您现在如何改进您对干预水平和时间之间相互作用的原始描述？
根据这些结果，您现在如何提高对原始描述响应之间的干预水平和时间？

练习 3：2x2 混合方差分析
练习3：2x2混合梯度分析

为了研究这一假设：
为了研究这个假设：

首先打开Exercise3.sav文件

在这个数据集中，你会看到我们已经遇到的两种不同的数据结构方式的组合。这里的一些结构符合独立组分析的格式规则，而其他部分则被格式化为符合重复测量设计。这就是为什么我们这次需要
在这个数据集中，你会看到我们已经遇到了两种不同的数据结构方式的组合。这里的一些结构符合独立组分析的格式规则，而其他部分则被整理为符合重复测量设计。这就是为什么我们这次需要混合设计！进一步解释：
在这个数据集中，你会看到我们已经遇到了两种不同的数据结构方式的组合。这里的一些结构符合独立组分析的格式规则，而其他部分则被整理为符合重复测量设计。这就是为什么我们这次需要混合设计！进一步解释：

第一列表示受试者间变量（病变），将每只大鼠（每行 1 只大鼠）分类为患有 BLA 病变或假手术（对照）病变。
表示当前间指标（疾病），将每只相关（每行 1 只）分类为 BLA 事故或假手术（对照）事故。

第二和第三列表示液体消耗的重复测量：要么遵循感官前提条件（加法），要么不遵循感官前提条件（减法）。因此，这些列代表第二个独立变量（条件），它有两个级别（即加法或减法），因变量已在此级别上采样两次。
第二和第三列表示消耗的重复测量：或遵循感觉前提条件（加法），或不遵循感觉前提条件（减法） 。因此，这些列代表第二个独立变量（条件），它有两个级别（即加法或减法），因变量已在此级别采样两倍。

因此，设计是2x2 混合方差分析，因为每个独立变量都有两个级别。对于病变，它是“假”或“BLA”，对于条件作用，它是“加”或“减”。因变量是什么？
因此，设计是2x2混合梯度分析，因为每个独立变量都有两个级别。对于事件作用，它是“假”或“BLA”，对于条件作用，它是“加”或“减”。因变量是什么？

要运行混合方差分析：
要运行混合斜率分析：

选择分析 > 一般线性模型 > 重复测量

注意：弹出的第一个窗口要求我们告诉 SPSS我们的重复测量是什么以及其中有多少个级别。如前所述，我们的两个 IV 之一是重复测量（条件），它有两个级别“加”或“减”。所以……

通过在受试者内因子名称：框中用条件覆盖因子 1来为其指定一个合适的名称，并输入级别数：它有 (2 )
通过在眼睛内因子名称：盒子用条件覆盖因子1来指定一个合适的名称，并输入级别数：它有（2 ）

然后单击“添加”以保存我们刚刚创建的这个因素。
然后单击“添加”以保存我们刚刚创建的这个角色。

如果我们还有重复的测量，我们会继续按照上面的步骤添加它们，但在这个设计中我们不会这样做，所以我们通过按“定义”来完成这一步。

注意：在下一个弹出窗口中，我们必须告诉 SPSS，数据集中的哪一列代表因子设计中的受试者间变量，以及哪些列代表受试者内变量的水平（由于我们正在进行双向混合方差分析，因此我们将在此分析中每种类型都有一个）。因此，我们：
注意：在下一个弹出窗口中，我们必须告诉SPSS，数据集中的哪一列代表因子设计中的心脏间变量，以及哪一列代表肺部内变量的水平（由于我们进行了呼吸道混合呼吸分析，因此我们将在这里分析中的负载类型都有一个）。因此，我们：

将受试者间变量（即病变）输入到受试者间因素：框中
将当前间变量（即灾害）输入到当前间参数：箱子

将我们的“受试者内条件”变量的两个级别（即加号和减号）输入到我们在“受试者内变量”框中创建的两个插槽中
将我们的“内置条件”变量的两个级别（即加号和减号）输入到我们在“内置变量”框中创建的两个插槽中

注意：与前几周的情况一样， SPSS 为我们的 With in-Subjects IV中的每个级别分配了一个数字代码，该代码由我们在此处可用的插槽中输入相应数据列的顺序决定。
注意：与前几周的情况一样，SPSS 为我们的受试者 IV中的每个级别分配了一个数字代码，该代码由我们在此处可用的插槽中输入相应的数据列的顺序决定。

为了完成我们的分析并准备探索我们预测的互动……

单击“绘图”子菜单，然后在此窗口中请求绘图，将病变放在单独的线上，并将条件放在水平轴上： 。请记住在单击“继续”关闭此弹出窗口之前按“添加” 。
单击“绘图”子菜单，然后在此窗口中绘制绘图，将效果单独放在行上，将条件放在水平轴上：。请记住在单击“继续”之前关闭此弹出窗口“添加”。

单击EM Means子菜单，在此窗口中要求 SPSS显示以下项的平均值：Lesion、Conditioning和Lesion*Conditioning 。然后单击Continue关闭。
单击EM 表示子菜单，在此窗口中要求SPSS显示以下项的： Lesion、Conditioning和Lesion*Conditioning 。然后单击Continue 关闭。

单击选项子菜单并勾选以下选项：
单击选项子菜单并单击以下选项：

效应大小估计

同质性检验
同质检验

要关闭“选项”菜单，请按“继续” ，然后按“确定”运行分析。
要关闭“选项”菜单，请按“继续”，然后按“确定”运行分析。

解释结果
解释 结果

前几个框只是确认了受试者间和受试者内的因素的名称以及分配给其中各个级别的数字代码。
前几个框只是确认了空调间和空调内部的参数的名称以及分配给其中各个级别的数字代码。

在跳到 ANOVA 结果之前，有Mauchly 的球形度检验。在这种情况下可以忽略它，因为重复测量只有 2 个水平。如果您的研究中重复测量有更多水平，则必须检查球形度（如我们在练习 2 中所做的那样），但由于此重复测量只有两个水平，我们可以自动假设球形度。
在跳到 ANOVA 结果之前，有Mauchly 的模拟度检验。在这种情况下只能忽略它，因为重复测量 2 个水平。如果您的研究中重复测量有更多水平，则必须检查模拟度（如我们在练习 2 中做的那样），但由于此测量只有两个水平，我们可以自动重复假设模拟度。

接下来是受试者内效应检验。这将报告受试者内主效应的F 值及其相应的显著性，以及与受试者内因素的任何相互作用。我们稍后会回来解释结果。
接下来是当前内部效应检验。这将报告当前内部主要效应的F值相应的显着性，以及与它的内部主要效应的任何对应。我们稍后会回来解释结果。

我们将忽略受试者内对比检验框（与该数据集无关，因为每个因素内的级别都很少）。
我们将忽略内部对比检验框（与该数据集无关，因为每个相关因素内的级别都很少）。

最后两个框显示：在受试者内 IV 条件下，假手术和 BLA 损伤大鼠之间的方差齐性假设 ( Levene )检验，以及受试者间因素的方差分析结果。 Levene 检验均不显著，因此我们满足了这一假设，可以继续解释受试者间表中的主要影响。
最后两个框显示：在大气内部IV条件下，假手术和BLA损伤之间的仰角齐性假设( Levene )检验，以及大气间关系的仰角分析结果。Levene检验均不显着，因此我们满足了这个假设，可以继续解释眉毛间表中的主要影响。

^{解释因子方差分析1}的结果的标准程序（在检查我们的假设是否得到满足之后）是首先解释最高阶交互作用的重要性，然后再逐步查看主效应，假设它们不会因参与显著的交互作用而受到混淆。
^{解释因果关系分析1}的结果的标准程序（在检查我们的假设是否得到满足之后）首先解释最高阶交互作用的重要性，然后再逐步查看主效应，假设它们不会因参与显着的交互作用而受到障碍。