@shaobaobaoer
2019-11-05T01:21:31.000000Z
字数 2499
阅读 2112
心理学
心理统计学
Julia
SPSS
************************************************************************
> File Name: 高级心理统计学习笔记(二)多元方差分析
> Author: shaobaobaoer
> Mail: shaobaobaoer@126.com
> WebSite: shaobaobaoer.cn
> Time: Thursday, 09. May 2019 10:31AM
************************************************************************
我不讲数学公式,就大概知道个原理以及咋看得懂SPSS
分析自变量不同水平上,若干因变量变化之间的差异问题。
也将因变量之间的内在关系加入了差异检验的探讨之中。
多个因变量组合的均值向量在自变量的不同水平上相等。
因此有以下常用均值比较方法
自变量水平|因变量个数 | 1 | 2及以上 |
---|---|---|
2 | T | Hotelling T^2 |
2及以上 | 一元方差 | 多元方差 |
这是多元方差分析中一个特殊的方法,只用于因变量个数为2个的时候。具体公式见书上
检验的目的是找到一组若干个因变量的线性组合,使得该线性组合在自变量个两个水平之间差异最大。顾有以下公式
F为F检验值,p为因变量个数,n1,n2为自变量一个水平上的数量
若结果显著,则两个水平之间的差异显著
基于广义线性模型的估计模型
因变量
尽管可以处理多个因变量问题,但是五个以下为好。
因素
对于干扰变量,如果是连续性的,就可以用协方差分析。当然你可以把连续变量用区组变量处理,但这就失去了其意义。
协方差的目的
消除研究者无法控制但是会影响结果的系统误差
解释不同特征的被试在作答反应的差异
前提假设
个数选择
协变量的个数可以遵循如下公式
N = 0.1 * 样本量 - ( 组数 - 1 )
重复测量方差分析
在下数学不好,我只记方法的特点,实在不知道里面咋算的
显著性检验的标准
多元方差分析有几种非常常用的方法包括
统计检验力
√
结果解释包括这样三个步骤
1)解释协变量的效应
2)不同因变量在不同处理上表现得差异
3)组间差异是单个因变量得差异还是整体因变量上得差异
主效应
交互作用
当交互作用显著得时候,需要确定交互作用得类型,分为不一致交互和一致交互,详细看书。
很显然,一组一组做T检验是个非常愚蠢得行为。市面上有很多方法可以有效控制犯1型错误的概率。
多个单变量的检验方法
这算是一个比较简单的方法,主要用来检验两个单变量
1)两组检验。那么此时,就可以用的方法了。用的平方根和做检验
2)K组检验。实际上就是把去除以检验次数。
结构化的多组检验
结构化的检验分为事后检验和事先检验。顾名思义。
关于事后检验和事先检验的详细还请看书。
性别角色量表,样本量4003,一共60题。
60题代表了男女性气质两个连续变量,还包括青年,中年老年,以及两个分类变量。
因变量
自变量
一般线性模型;事后检验AGE
Box's M 的H0:不同组的因变量之间的协方差矩阵相同。
协方差矩阵齐性分析的结果显示,因变量之间的协方差矩阵在不同组别间不等,也不满足方差齐性矩阵。(Sig.=.14)因此不能拒绝H0。所以我们认为,男性和女性气质的协方差矩阵在不同组因变量之间相同。
Levene 的H0: 一个因变量的误差方差在不同组之间相同。
因为 Sig. Male = .17 Sig. Female = .34 所以不能拒绝 H0。我们认为,男性和女性气质的误差方差在各个组之间相同。
Intercept是截距,好像这和我们研究没关系
多变量统计结果表明,将男性和女性特质组合成的新变量与性别之间没有显著差异,与年龄段之间存在显著差异(sig<.05),与年龄和性别的交互作用显著
单变量校验的结果显示:
对于男性气质这个因变量而言
对于女性气质这个因变量而言
对年龄进行多重比较,Scheffe差异检验比较的结果显示:
对于男性气质这个因变量
对于女性气质这个因变量