三因素实验设计 对三因素重复测量实验设计进行数据处理 一、三因素完全随机实验设计数据处理 过程： 1、打开SPSS软件，点击Data View ，进入数据输入窗口，将原始数据输入SPSS 表格区域； 2、在菜单栏中选择分析→一般线性模型→单变量； 3、因变量Dependent Variable方框中放入记忆成绩（JY），固定变量（Fixed Factor(s)）方框中，放入自变量记忆策略、有无干扰和材料类型； 4、点击选项（Options）按钮，选择Descriptive statistics，对数据进行描述性统计；选择Homogeneity tests，进行方差齐性检验； 5.结果分析： 描述性统计量 因变量:记忆成绩 记忆策略有无干扰材料类型均值标准偏差N 联想策略d i m e n s i o n 2无干扰实物图片5图形图片5 总计10有干扰实物图片5图形图片.894435 总计10总计实物图片10图形图片10 总计20 复述策略d i m e n s i o n 2无干扰实物图片5图形图片5 总计10有干扰实物图片5图形图片.836665 总计10总计实物图片10图形图片10 总计20 总计d i m e n 无干扰实物图片10图形图片10 总计20有干扰实物图片10图形图片10
s i o n 2 总计20总计实物图片20图形图片20 总计40 被试间变量效应检验结果：A、B、C的主效应均极显着（P<）；AB 交互效应显着； AC 交互效应极显着；BC 交互效应不显着；ABC 交互效应极显着。对于二阶与三 阶交互效应显着的，还需进行简单效应与简单简单效应检验。 主体间效应的检验 因变量:记忆成绩 源 III 型平方和df均方F Sig. 校正模型7.000截距1.000 A1.000 B1.000 C1.001 A * B1.037 A * C1.007 B * C1.146 A * B * C1.002误差32 总计40 校正的总计39
单因素多个均数比较的方差分析（完全随机设计资料的方差分析） 方差分析的基本思想是： 将全部观察值的总变异按影响实验结果的诸因素分解为若干部分变异，构造出反映各部分变异作用的统计量，之后构造假设检验统计量F,实现对总体均数的判断。 方差分析的应用条件：各样本相互独立，且均来自总体方差具有齐性的正态分布。 完全随机设计是一种将研究对象随机地分配到处理因素各水平组的单因素设计方法。其研究目的是推断处理因素不同水平下的试验结果的差异有否统计学意义，即该处理因素是否对试验结果有本质影响。 下面以一个实例来说明完全随机设计方差分析的基本思想和假设检验步骤。 例： 为研究烫伤后不同时期切痂对肝脏ATP(u/L)含量的影响，将30只大鼠随机分3组，每组10只，分别接受不同的处理，试根据下表资料说明大鼠烫伤后不同时期切痂对其肝脏的ATP(u/L)含量是否有影响 大鼠烫伤后不同时期切痂肝脏ATP含量(u/L) 烫伤对照组 24h切痂组 96h切痂组合计 合计（∑X）（∑∑X ij） 例数（n） 10 10 10 30（N） 均数（X） 平方和（∑X2） (∑∑X ij2) 1.建立检验假设，确定检验水准： H 0：u 1 =u 2 =u 3 ,3个总体均数全相等,即3组大鼠肝脏的ATP含量值无差别；
H 1：u 1,u 2,u 3，3个总体均数不相等.即3组大鼠肝脏的ATP 含量值有差别； a= 2.计算检验统计量并列出方差分析表： ①.计算离均数差平方和SS ：首先计算每一组的合计、均数、平方和，再计算综合计数 （∑X ij 2），由表得： ∑∑X ij = ∑X ij 2= N=30 总的离均数差平方和SS 总=∑X ij 2 － (∑X ij )2 n = － 错误! = SS 组间=∑ (∑X ij )2 n i － (∑X ij )2 n = 错误! + 错误! + 错误!－ 错误!= SS 组内=SS 总－ SS 组间 = － = ②.计算均方MS ： MS 组间 = SS 组间 k-1 (k 为组数) = 错误!= MS 组内 = SS 组内 N-k (N 为总例数) = 错误!= ③.求F 值 F = MS 组间 MS 组内 = 错误!= 将上述计算结果列成方差分析表，如下： 变异来源 平方和SS 自由度v 均方MS F 值 总变异 29 组间变异 2 组内变异（误差) 27 （注：自由度：v 总= N －1 = 30－1= 29；v 组间= k －1 = 3－1 = 2; v 组内=N －k = 30－3= 27） 利用SPSS 作方差分析时，会得到类似于以下的方差分析表：
重复测量一个因素的两因素实验设计：两因素混合设计 一、两因素混合实验设计的基本特点 当一个实验设计既包含非重复测量的因素(被试间因素)，又包含重复测量的因素(被试内因素)时，叫做混合因素设计，混合因素设计是现代心理与教育实验中应用最广泛的一种设计，虽然我们说对被试变量控制最好的实验设计是重复测量设计，但在心理与教育研究中，很多情况下研究者不能使用完全被试内设计，而需要使用混合设计。两因素混合实验设计适用于这样的研究条件： 1.研究中有两个自变量，每个自变量有两个或多个水平。 2.研究中的一个自奕量是被试内的，即每个被试要接受它的所有水平的处理。研究中的另一个自变量是被试间的，即每个被试只接受它的一个水平的处理，或者它本身是一个被试变量，是每个被试独特具有、而不可能同时兼备的，如年龄、性别、智力等。 3.研究者更感兴趣于研究中的被试因素的处理效应，以及两个因素的交互作用，希望对它们的估价更加精确。相比之下，被试间因互不的处理效应不是研究者最感兴趣的。 两因素混合设计的基本方法是：首先确定研究中的被试内变量和被试间变量，将被试随机分配给被间变量的各个水平，然后使每个被试间变量，将被试验机分配给被试间变量的某一水平相结合的被试内变量的所有水平。混合实验设计既具有完全随机设计的特点，又有重复测量实验设计的特点。 图解中可以看出，在一个两因素混合设计中，对于A因素来说，实验设计很完全随机设计，每个被试只接受一个水平的处理，对于B因素来说，是一个重复测量设计，每个被试接受所有水平的处理。同时，它又是一个因素设计，每个被试接受的是A因素的某一个水平与B因素所有水平的结合。一个两因素混合设计所需的被试量是N=np，少于一个两因素完全随机设计(N=npq)，多于一个两因素被试内设计(N=n)。 混合设计在心理与教育研究中是特别有用的，下面我们介绍在几种情况下，需要使用混合设计： 1.当研究中的两个变量中有一个是被试变量，如被试的性别、年龄、能力，研究者感兴趣于这个被试变量的不同水平对另一个因素的影响。这时，每个被试不可能同时具有这个变量的几个水平，因此，它是一个被试间变量。如果实验中选择了这样一个被试变量作两个自变量之一，就必须使用混合设计。 2.当研究中的一个自变量的处理会对被试产生长期效应，如学习效应时，不宜做被试内设计。因为如果将对被试有长期影响的变量反复施测给同一被试，学习效应会导致结果失去真实性。 3.有时选用混合设计是出自对实验的可行性的考虑。例如，当实验中两个因素的水平数都较多，使用完全随机设计，所需要的被试量很大，而选用被试内设计，每个被试重复测量的次数很多，会带来疲劳、练习等效应。这时，混合设计可能是一个很好的选择。但是，把哪一个变量作被试内变量，哪一个作被试间变量更好呢？ 在混合实验设计中，被试间因素的处理效应与被度的个体差异相混淆，因此结果的精度不够好。但是，实验中被试内因素的处理效应及两个因素的交互作用的结果的精度都是好的，所以，如果研究中的一个自变量的处理效应不是研究者最关心的，可以把它作为被试间因素，牺牲它的结果精度，以获得对另一个变量的主效应及两上变量的交互作用的估价的精度。 二、两因素混合实验设计与计算举例 (一)研究的问题与实验设计 在第三章关于文章生字密度和主题熟悉性对阅读理解影响的研究中，我们已经看到，当采用随机区设计分离出一个被试变量——学生听读理解能力量，提高了检验的敏感性。要想更好地控制被试变量，有b1、b1、b3三个水平，将主题熟悉性作为一个被试间变量，有a1、a2两个水平。这是一个2×3两因素混合设计。8名五年级学生被随机分为两组，一组学生每人阅读三篇生字密度不同的、主题熟悉的文章，另一组学生每人阅读三篇生字密度不同的、主题不熟悉的文章。实验实施时，阅读三篇文章分三次进行，用拉丁方平衡学生阅读文的先后顺序。 (二)实验数据及其计算 1.计算表 表4—1—1 两因素混合实验的计算表
第二节 多因素完全随机实验设计 对于单因素完全随机实验设计来说，实验的处理数就是自变量的水平数，将被试随机分配到各个处理组上就可以了。多因素完全随机实验设计则是多个因素的多种水平相互结合，构成多个处理的结合，如二因素二水平，就是有两个自变量，每个自变量有两个水平，则处理的结合共有四个，这种实验设计称为是2×2实验设计；如果一个自变量两个水平，另一个变量是三个水平，则共有6个实验处理，这种实验设计就是2×3实验设计。如果有三个自变量，其中两个自变量是2个水平，另一个变量有3个水平，则这种实验设计有12个实验处理，叫做2×2×3设计。这里需要重申以下几点： 第一，自变量是研究者操纵的变量，在实验过程中必须是变化了的，也就是说自变量的水平数至少为2。如果自变量的水平数为1，那就等于说该变量在实验过程中始终保持在一个水平上，它就不是“变”量了。比方说，一个2×3×1×2实验设计中，实际上只有三个自变量，它们的水平数分别为2、3、2。 第二，实验处理就是自变量在各种水平上结合而成的各种实验条件，实验处理数等于所有自变量水平数的乘积。如一个2×3×3实验设计，其实验处理数是18，等于说这一实验过程中出现18种实验条件。 第三，对于完全随机实验设计来说，有多少种实验处理就要有多少组实验被试，因为一组被试只参加一种实验条件下的实验。 现在，我们以下面这个假想的实验研究为例来说明多因素完全随机实验设计的模式。 假设某研究者想考察缪勒错觉受箭头方向和箭头张开角度的影响。研究中的自变量有两个，一个是箭头方向（标记为A ），分为向内和向外两个水平；另一个是箭头张开角度（标记为B ），设置为15度和45度两个水平，因此这是一个2×2实验设计，构成了4种实验处理，如表2-1所示。研究者从某大学文学院本科二年级一60人的班级随机抽取了20名男生，再将20名男生随机分成相等的四个组，每组5人，每一个组接受一种实验处理，所以，这是一个二因素完全随机实验设计。假设其实验得到了表2-1的数据，那么如何分析这些数据呢？ 表2-1 箭头方向与箭头张开角度对缪勒错觉量的影响 这一数据分析的目的就是要考察自变量的变化是否引起了因变量的变化。具体地说，就是箭头方向的改变是否导致了缪勒错觉量的不同、箭头张开角度的改变是否导致了缪勒错觉量的不同、这两个自变量对因变量的影响是相互独立的还是相互依赖的呢？根据统计学方法，拟采用完全随机实 箭头方向向外（A1） 箭头方向向内（A2） 箭头张开15度（B1） 箭头张开45度（B2） 箭头张开15度（B1） 箭头张开45度（B2） 6 5 7 6 7 4 3 5 4 5 8 7 9 8 9 7 6 7 6 8 Σ 31 21 41 34