設(shè)計(jì)實(shí)驗(yàn)與數(shù)據(jù)分析-基于SPSS 課件全套 第1-8章 概述、描述性統(tǒng)計(jì)分析-聚類(lèi)

Data

Analysis

in

Design

Studies設(shè)計(jì)數(shù)據(jù)與分析設(shè)計(jì)學(xué)中的數(shù)據(jù)分析1設(shè)計(jì)學(xué)中的實(shí)驗(yàn)研究定性研究Qualitative

Research定量研究Quantitative

Research研究的問(wèn)題“為什么”，主觀，用來(lái)解釋研究的對(duì)象錄音、照片、視頻等方法一對(duì)一深訪、小組座談等樣本量較小調(diào)查工具訪談提綱研究的問(wèn)題“是不是”，客觀，用來(lái)發(fā)現(xiàn)規(guī)律研究的對(duì)象收集到的被試者的各種特征數(shù)據(jù)方法發(fā)放問(wèn)卷、客觀測(cè)量方法樣本量較大調(diào)查工具問(wèn)卷、其他客觀測(cè)定工具------定量研究的步驟提出研究問(wèn)題假設(shè)檢驗(yàn)設(shè)計(jì)實(shí)驗(yàn)明確自變量、因變量、實(shí)驗(yàn)過(guò)程、被試者、做哪種分析分發(fā)問(wèn)卷，采集數(shù)據(jù)AmazonMturk數(shù)據(jù)分析描述性統(tǒng)計(jì)分析、差異性分析、相關(guān)性分析假設(shè)檢驗(yàn)在社會(huì)科學(xué)研究中，為了要研究一個(gè)結(jié)論是否成立，經(jīng)常會(huì)使用假設(shè)檢驗(yàn)的思想。先提出一個(gè)假設(shè)（

hypothesis），

再檢

測(cè)樣本數(shù)據(jù)的特征是否符合這個(gè)假設(shè)，以此接受或拒絕該假設(shè)。假設(shè)檢驗(yàn)在社會(huì)科學(xué)研究中，為了要研究一個(gè)結(jié)論是否成立，經(jīng)常會(huì)使用假設(shè)檢驗(yàn)的思想。先提出一個(gè)假設(shè)（

hypothesis），

再檢

測(cè)樣本數(shù)據(jù)的特征是否符合這個(gè)假設(shè)，以此接受或拒絕此假設(shè)。定量研究的實(shí)驗(yàn)類(lèi)型Within-subjectsdesignBetween-subjectsdesign優(yōu)點(diǎn)所需被試者較少，弱化了不同被試者之間個(gè)體差異缺點(diǎn)每個(gè)被試者耗時(shí)較長(zhǎng)，有記憶效應(yīng)優(yōu)點(diǎn)每個(gè)被試者花時(shí)間較少，沒(méi)有記憶效應(yīng)需要較多被試者去弱化個(gè)體差異缺點(diǎn)被試者隨機(jī)抽樣形成樣本組用樣本組的統(tǒng)計(jì)量去估計(jì)整個(gè)群體的統(tǒng)計(jì)量95%置信區(qū)間[??"

?

1.96??,

??"

+

1.96??]被試者50%50%樣本組平衡性別、年齡等劃分依據(jù)樣本有代表性比例樣本盡可能大一些30以內(nèi)算小樣本定量研究的數(shù)據(jù)類(lèi)型連續(xù)型

Continuous時(shí)間、長(zhǎng)度、速度等有序等級(jí)型

Ordinal李克特量表、血壓高中低等無(wú)序分類(lèi)型

Nominal男/女、通過(guò)/沒(méi)通過(guò)、紅/黃/藍(lán)自變量/因變量數(shù)據(jù)分析描述性統(tǒng)計(jì)分析均值、方差、頻率、偏態(tài)等差異性分析各樣本組之間是否存在顯著性差異相關(guān)性分析X是否會(huì)對(duì)Y產(chǎn)生顯著影響作業(yè)定量研究的步驟是怎樣的？定量研究中常用的數(shù)據(jù)有哪幾類(lèi)？分別舉例。Data

Analysis

in

Design

Studies設(shè)計(jì)數(shù)據(jù)與分析描述性統(tǒng)計(jì)分析2PopulationSample」一-y-1SPSS

StatisticsSPSS的數(shù)據(jù)輸入先填變量視圖再填數(shù)據(jù)視圖例：統(tǒng)計(jì)了7名被試者的相關(guān)數(shù)據(jù)，請(qǐng)?jiān)赟PSS中建立數(shù)據(jù)表，取名為BuildDataForm.sav?？梢灾苯釉赟PSS中手動(dòng)創(chuàng)建數(shù)據(jù)表，也可直接讀入excel文件后再修改在變量視圖中給變量“性別”和“血糖”設(shè)置“值”“標(biāo)簽”是寫(xiě)給自己看的注釋具體操作，見(jiàn)上課演示$3,20090%80%70%50%描述性統(tǒng)計(jì)分析集中趨勢(shì)均值、中位數(shù)、眾數(shù)、四分位數(shù)、百分位數(shù)等離散程度/穩(wěn)定程度方差、標(biāo)準(zhǔn)差、全距、四分位差等總體分布偏度、峰度等描述性統(tǒng)計(jì)分析頻率分析頻數(shù)統(tǒng)計(jì)結(jié)果、均值等各項(xiàng)統(tǒng)計(jì)量探索分析正態(tài)性檢驗(yàn)、分組進(jìn)行描述例：FrequencyAnalysis.sav，統(tǒng)計(jì)了15名學(xué)生的期末成績(jī)。統(tǒng)計(jì)“成績(jī)”的均值、標(biāo)準(zhǔn)差、最大值、最小值、偏度、峰度。按“成績(jī)”從高到低排序?qū)Α靶詣e”和“成績(jī)”分別進(jìn)行頻率統(tǒng)計(jì)只統(tǒng)計(jì)男生的平均成績(jī)（選擇個(gè)案，或拆分文件）對(duì)80分以上的學(xué)生，統(tǒng)計(jì)其平均分（缺失值）統(tǒng)計(jì)60分以下人數(shù)、60~79分人數(shù)、80以上人數(shù)（重新編碼為不同變量）具體操作，見(jiàn)上課演示例：ExploreAnalysis.sav，統(tǒng)計(jì)了200位工作人員的日薪。將男性與女性分開(kāi)統(tǒng)計(jì)。（探索分析）男性的日薪是否符合正態(tài)分布？具體操作，見(jiàn)上課演示Shapiro-Wilk

Test

of

NormalityH0：樣本來(lái)自的總體與正態(tài)分布沒(méi)有顯著性差異。作業(yè)給某款新車(chē)設(shè)計(jì)了3個(gè)廣告。邀請(qǐng)了18個(gè)被訪者，每人觀看這3個(gè)廣告并打分，0分表示非常不吸引人，100分表示非常吸引人，數(shù)據(jù)存放在Homework1.sav中?，F(xiàn)在需要研究：(1) 所有被訪者對(duì)這三個(gè)廣告的評(píng)價(jià)是否都符合正態(tài)分布？(2) 是否存在異常值？(3) 對(duì)每個(gè)廣告的評(píng)價(jià)均分為多少？閱讀下發(fā)的資料GraphicsGuide.pdf，自學(xué)在SPSS中繪圖。Data

Analysis

in

Design

Studies設(shè)計(jì)數(shù)據(jù)與分析差異性分析-I3（僅有一個(gè)分類(lèi)型X，僅有一個(gè)連續(xù)型Y）樣本組之間是否存在差異？一個(gè)樣本組和一個(gè)常數(shù)之間的差異性O(shè)ne

Sample

t-test例：大西洋中有一種魚(yú)，歷史數(shù)據(jù)顯示這種魚(yú)的平均體重為400克，現(xiàn)在要研究目前這種魚(yú)的體重是否發(fā)生了改變。所以隨機(jī)捕捉了40條這種魚(yú)，分別測(cè)量它們的體重，記錄在OneSampleT.sav中。具體操作，見(jiàn)上課演示匯報(bào)：數(shù)據(jù)顯示，這種魚(yú)目前的平均體重為369.55

79.31克，顯著小于歷史上的400克，t(39)

=

-2.428,

p

=

.020,Cohen’s

d

=

0.38.Cohen!s

??

=

??

?

??"??效應(yīng)量（Effect

Size）：0.20.50.8例：Tudor等在研究中使用System

UsabilityScale

(SUS)

量表，對(duì)所設(shè)計(jì)的電子睡眠日記做可用性測(cè)量。SUS是一種應(yīng)用廣泛的測(cè)量產(chǎn)品可用性的量表，一共10個(gè)問(wèn)題，所有題項(xiàng)的得分之和，就是被測(cè)產(chǎn)品的可用性得分。另外已有前期研究，通過(guò)統(tǒng)計(jì)446個(gè)使用SUS量表測(cè)量產(chǎn)品可用性的研究，得到了通用產(chǎn)品的平均可用性值，作為后續(xù)其他研究的benchmark。因此，Tudor等將收集到的SUS量表數(shù)據(jù)與通用產(chǎn)品的平均可用性值做了單樣本t檢驗(yàn)，用來(lái)了解這款電子睡眠日記產(chǎn)品的可用性究竟是高于平均值，還是低于平均值。在這項(xiàng)研究中，所有被測(cè)者提交的SUS量表的得分就形成了測(cè)試組數(shù)據(jù)，而那個(gè)通用產(chǎn)品的平均可用性值，就用來(lái)做單樣本t檢驗(yàn)中的常量。例：Chen等設(shè)計(jì)用不同顏色來(lái)可視化用戶在使用社交軟件發(fā)送語(yǔ)音信息時(shí)的情緒。為了檢測(cè)用戶究竟喜歡使用設(shè)計(jì)出的情緒可視化方案，還是原有方案，Chen等使用了一個(gè)5級(jí)李克特量表。如下圖所示，-2表示用戶選擇使用原有方案，2表示用戶選擇使用新設(shè)計(jì)出的情緒可視化方案，0表示兩個(gè)方案都可以。因此，李克特量表測(cè)出的數(shù)據(jù)形成測(cè)試組數(shù)據(jù)，量表的中間值0就作為常量。如果單樣本t檢驗(yàn)的結(jié)果顯示李克特量表數(shù)據(jù)與0之間存在顯著性差異，即用戶在新設(shè)計(jì)出的方案與原有方案之間是有明確的選擇偏好的。但如果單樣本t檢驗(yàn)的結(jié)果是不存在顯著性差異，那就說(shuō)明這兩個(gè)方案對(duì)用戶的吸引力是差不多的。兩個(gè)獨(dú)立樣本組在一個(gè)指標(biāo)上的差異性時(shí)

－mz－mvs.叫

一川

－m

－m參數(shù)檢驗(yàn)方法

vs.

非參數(shù)檢驗(yàn)方法參數(shù)檢驗(yàn)在已知數(shù)據(jù)服從某種分布的前提下，再通過(guò)樣本數(shù)據(jù)來(lái)對(duì)總體分布的參數(shù)（例如均值、方差等）進(jìn)行推斷的方法。非參數(shù)檢驗(yàn)在總體分布未知的情況下，通過(guò)樣本數(shù)據(jù)推斷總體形態(tài)的一類(lèi)方法。整個(gè)推斷的過(guò)程不涉及有關(guān)總體分布的參數(shù)。選用規(guī)則能用參數(shù)檢驗(yàn)的，首選參數(shù)檢驗(yàn)。不能用參數(shù)檢驗(yàn)的，再考慮使用非參數(shù)檢驗(yàn)。參數(shù)檢驗(yàn)檢測(cè)出p<.05，非參數(shù)檢驗(yàn)也能檢測(cè)出。非參數(shù)檢驗(yàn)未檢出，不一定參數(shù)檢驗(yàn)也檢測(cè)不出。參數(shù)檢驗(yàn)方法---Independent

Sample

t-test例：邀請(qǐng)了40名被試者，統(tǒng)計(jì)了他們的性別以及每周用于購(gòu)買(mǎi)食品的費(fèi)用，存放在IndependentT_1.sav中?，F(xiàn)在需要研究：不同性別的人每周花在食品上的費(fèi)用是否存在差異。具體操作，見(jiàn)上課演示??

=??#

?

??$??#

?

1

??#

+$??$

?

1

??$$??#

+

??$

?

2效應(yīng)量（Effect

Size）：匯報(bào)：男性每周平均花費(fèi)555.84

±

29.19元用于購(gòu)買(mǎi)食品，女性則平均花費(fèi)529.99

±

39.34元用于購(gòu)買(mǎi)食品。男性平均每周比女性在購(gòu)買(mǎi)食品上多花25.9元（95%置信區(qū)間，3.726至48.074元），t(38)

=

2.365，p<=

.023，其效應(yīng)量d

=

.75。例：發(fā)放了110份問(wèn)卷，回收有效問(wèn)卷91份，用來(lái)了解寵物主在日常照護(hù)寵物（貓或者狗）各方面的遇到的問(wèn)題，為后續(xù)設(shè)計(jì)相應(yīng)的寵物照護(hù)設(shè)備做準(zhǔn)備。問(wèn)卷中包含一個(gè)5級(jí)李克特量表，一共有6題，詢問(wèn)寵物主對(duì)于6個(gè)照護(hù)寵物過(guò)程中經(jīng)常會(huì)遇到的問(wèn)題的看法，1分表示“非常不同意”，5分表示“非常同意”。數(shù)據(jù)存放在IndependentT_2.sav中?，F(xiàn)在需要研究：養(yǎng)貓和養(yǎng)狗在日常照護(hù)上遇到的問(wèn)題是否相同。具體操作，見(jiàn)上課演示例：Sutono等設(shè)計(jì)了一個(gè)含有16題的5級(jí)李克特量表，用來(lái)調(diào)查用戶對(duì)不同外觀的車(chē)的評(píng)價(jià)，如圖所示。以性別作為分組變量，對(duì)這16個(gè)李克特量表題項(xiàng)進(jìn)行獨(dú)立樣本t檢驗(yàn)。即，性別為自變量，16個(gè)李克特量表提下為16個(gè)因變量，一共做16次獨(dú)立樣本t檢驗(yàn)。結(jié)果如圖，發(fā)現(xiàn)男性與女性對(duì)于車(chē)的評(píng)價(jià)，在所有16個(gè)題項(xiàng)上均沒(méi)有顯著性差異，因?yàn)樗鼈兊膒值都大于.05。非參數(shù)檢驗(yàn)方法---Mann-Whitney

U

test例：統(tǒng)計(jì)了15名銷(xiāo)售人員的性別與收入，數(shù)據(jù)存放在MannWhitneyU.sav中?，F(xiàn)在需要研究：不同性別的銷(xiāo)售人員在收入上是否有差異？（也就是：性別是否會(huì)對(duì)銷(xiāo)售人員的收入產(chǎn)生影響？）具體操作，見(jiàn)上課演示??

=|??|??=2.29415=

.59效應(yīng)量（Effect

Size）：<0.3：小0.3

~

0.5：中等>0.5：比較大例：Wang等人設(shè)計(jì)了一種數(shù)字產(chǎn)品iSticker用來(lái)增進(jìn)駕駛員之間的情感體驗(yàn)[6]。為了測(cè)試駕駛員在使用這款產(chǎn)品時(shí)的難度，使用了RatingScale

forMental

Effort

(RSME)

量表進(jìn)行測(cè)量。然后將使用了iSticker和沒(méi)有使用iSticker的兩組被試者的RSME數(shù)據(jù)進(jìn)行差異性分析。因?yàn)樵摿勘頊y(cè)出的是等級(jí)數(shù)據(jù)，但又不像李克特量表這樣是間隔相等的等級(jí)數(shù)據(jù)，所以在進(jìn)行差異性分析時(shí)，沒(méi)有使用獨(dú)立樣本t檢驗(yàn)，而使用了Mann-Whitney

U檢驗(yàn)。兩個(gè)配對(duì)樣本組在一個(gè)指標(biāo)上的差異性情和

實(shí)驗(yàn)條件1

實(shí)驗(yàn)條件2

｜ 樣本組1樣本組214.525.423.927.7vs.20.122.3｜川｜I19.4I｜ω｜I24.6I參數(shù)檢驗(yàn)方法---Paired

Sample

t-test例：對(duì)學(xué)生進(jìn)行了兩次數(shù)學(xué)測(cè)試，將成績(jī)記錄在PairedT1.sav中?，F(xiàn)在需要研究：這兩次測(cè)試的難度是否一致？具體操作，見(jiàn)上課演示??

=??=?? 2.45519=

.56效應(yīng)量（Effect

Size）：例：Karjanto等設(shè)計(jì)了一款周邊視覺(jué)前饋系統(tǒng)PVFS，用來(lái)改善自動(dòng)駕駛過(guò)程中，人員進(jìn)行非駕駛?cè)蝿?wù)時(shí)的暈車(chē)現(xiàn)象。通過(guò)一個(gè)within-subjects類(lèi)型的實(shí)驗(yàn)，每個(gè)被試者先后經(jīng)歷了有PVFS和沒(méi)有PVFS兩種乘車(chē)體驗(yàn)，并使用了一個(gè)7級(jí)量表SART來(lái)測(cè)量人員對(duì)周?chē)母兄潭?。使用配?duì)樣本t檢驗(yàn)，對(duì)兩種乘車(chē)體驗(yàn)進(jìn)行對(duì)比后發(fā)現(xiàn)，兩者具有顯著的差異性。非參數(shù)檢驗(yàn)方法---Wilcoxon

test例：給某款新車(chē)設(shè)計(jì)了2個(gè)廣告。邀請(qǐng)了18個(gè)被訪者，每人觀看這2個(gè)廣告并打分，0分表示非常不吸引人，100分表示非常吸引人，存放在Wilcoxon.sav中?，F(xiàn)在需要研究：所有被訪者對(duì)這兩個(gè)廣告的評(píng)價(jià)是否存在顯著性差異？具體操作，見(jiàn)上課演示P

=

0.001??

=|??|??=3.20218=

.75效應(yīng)量（Effect

Size）：例：Lotte等設(shè)計(jì)了一款光幕游戲（LightCurtain），用來(lái)增加具有合并視力及智力缺陷患者的運(yùn)動(dòng)量[10]。研究一共有9位符合條件的患者參與。對(duì)每個(gè)患者，使用運(yùn)動(dòng)加速度計(jì)首先統(tǒng)計(jì)了七次在日常生活中的運(yùn)動(dòng)量，再統(tǒng)計(jì)了七次參與光幕游戲時(shí)的運(yùn)動(dòng)量。將日常生活中的平均運(yùn)動(dòng)量，與參與光幕游戲時(shí)的平均運(yùn)動(dòng)量進(jìn)行對(duì)比，使用Wilcoxon檢驗(yàn)分析兩者之間的差異性，發(fā)現(xiàn)光幕游戲可以顯著增加患者的肢體運(yùn)動(dòng)量。三個(gè)或更多獨(dú)立樣本組在一個(gè)指標(biāo)上的差異性情和幣市

前爭(zhēng)樣本組1樣本組2樣本組314.S25.419.823.927.722.7vs.vs.20.122.322.9－00

－nu－：－EJ

－ny

－－嚕

唱i－i

－I19.4II17.3II24.6I｜川｜參數(shù)檢驗(yàn)方法---One-way

ANOVA

test…Wa

lis

H恤

｜←否是是Welch

ANOVA槍驗(yàn)One-way

ANOVA檢驗(yàn)否是否是事后檢驗(yàn)：Games-Howell

post

hoc

test事后檢驗(yàn)：Tukey's

post

hoc

test檢查是否符合各項(xiàng)使

用條件檢查個(gè)樣本組之間

是否有顯著性差異檢查到底珊兩個(gè)樣本

組之間有差異例：目前有3種化肥，96塊田，種植同一種農(nóng)作物。將所有田分為左中右3等份，每份都有32塊田。左邊這份施第一種化肥，中間的施第二種化肥，右邊的施第三種化肥。統(tǒng)計(jì)農(nóng)作物的產(chǎn)量，存放在OneWayANOVA.sav中。現(xiàn)在需要研究：這三份田中農(nóng)作物的產(chǎn)量是否存在顯著性影響？（換句話說(shuō)，就是研究：使用不同的化肥，是否會(huì)對(duì)農(nóng)作物的產(chǎn)量產(chǎn)生影響？）具體操作，見(jiàn)上課演示效應(yīng)量（Effect

Size）：??$

=

%%!"#$""%

=

組間平方和%%#&#'(總計(jì)平方和例：邀請(qǐng)了91位寵物主，統(tǒng)計(jì)了他們養(yǎng)寵的時(shí)長(zhǎng)（一個(gè)月以內(nèi)、一個(gè)月至半年、半年到一年），以及照顧寵物時(shí)的困難程度（5級(jí)李克特量表，1分表示“非常容易”，5分表示“非常困難”），

數(shù)據(jù)存放在WelchANOVA.sav中。現(xiàn)在需要研究：養(yǎng)寵時(shí)長(zhǎng)，是否會(huì)影響寵物主在照顧寵物時(shí)感受到的困難程度？具體操作，見(jiàn)上課演示??$

=????&'()''*(??

?

1)????&'()''*??

?

1 +

??=2×(42.171

?

1)2×

42.171

?

1 +

91=

0.475效應(yīng)量（Effect

Size）：例：Abbas等設(shè)計(jì)了一款CoZ眾包遙控機(jī)器人。為了測(cè)試究竟使用多少人參與遙控機(jī)器人較好，他們對(duì)單獨(dú)一個(gè)人遙控機(jī)器人、兩人一起遙控、四人一起遙控、八人一起遙控，這四種情況進(jìn)行了響應(yīng)時(shí)間的測(cè)試。這四種情況就是一個(gè)自變量，響應(yīng)時(shí)間就是因變量。通過(guò)One-wayANOVA檢驗(yàn)顯示，參與遙控的人數(shù)多少，是會(huì)對(duì)系統(tǒng)的響應(yīng)時(shí)間產(chǎn)生顯著影響的，F(xiàn)(3,16)

=

4.184，p

=

.023。進(jìn)一步通過(guò)Bonferroni校準(zhǔn)的事后檢驗(yàn)發(fā)現(xiàn)，單獨(dú)一人遙控與八人一起遙控，在響應(yīng)時(shí)間上存在顯著性差異，p=

.017。而其他情況并沒(méi)有發(fā)現(xiàn)互相之間有顯著性差異。非參數(shù)檢驗(yàn)方法---Kruskal-Wallis

H

test例：現(xiàn)在需要研究：開(kāi)車(chē)之前攝入咖啡因是否會(huì)影響駕駛表現(xiàn)？邀請(qǐng)了18個(gè)被試者，將他們分為三組，第一組喝普通咖啡，第二組喝無(wú)咖啡因的咖啡，第三組喝水。然后根據(jù)他們駕駛過(guò)程中的規(guī)范程度、效率等幾個(gè)方面進(jìn)行打分，記錄在KruskalWallisH1.sav中。具體操作，見(jiàn)上課演示效應(yīng)量（Effect

Size）：??+

=$??$??$

?

1

)?(

??

+

1=

7.844

18$

?

1

)?(

18

+

1=

.46例：設(shè)計(jì)了一款健身操用來(lái)幫助增加肌肉含量，為了知道這種健身操是否有用、并且知道在早上還是晚上做效果更好，邀請(qǐng)了15位被試者分成三組進(jìn)行了為期一個(gè)月的實(shí)驗(yàn)。第一組為對(duì)照組，不做健身操。第二組早上做，第三組則晚上做。一個(gè)月到期之后測(cè)了所有被試者肌肉重量的變化情況，記錄在KruskalWallisH2.sav中?，F(xiàn)在需要研究：這種健身操是否能有效增加肌肉重量？在早上做，與晚上做，是否效果上有區(qū)別？具體操作，見(jiàn)上課演示三個(gè)或更多配對(duì)樣本組在一個(gè)指標(biāo)上的差異性前爭(zhēng)

實(shí)驗(yàn)條件1

實(shí)驗(yàn)條件2

實(shí)驗(yàn)條件3

I

樣本組1樣本組314.523.823.927.1vs.vs.20.123.5｜

川

｜｜

川

｜a斗

－po

－Jny

－

a斗

－－嚕A

－龜‘，－I 20.9

I｜

川

｜樣本組225.427.722.3參數(shù)檢驗(yàn)方法---One-way

Repeated

Measures

ANOVA

test開(kāi)始Friedman槍驗(yàn)←否是是否以Greenhouse-Gei

sse『校準(zhǔn)的ANOVA檢驗(yàn)結(jié)果為準(zhǔn)以O(shè)ne-way

Repeated

Measures

ANOVA檢驗(yàn)結(jié)果為準(zhǔn)檢查是否符合各項(xiàng)使用條件檢查個(gè)樣本組之間

是否有顯著性差異槍查到底哪兩個(gè)樣本

組之間有差異例：在一項(xiàng)研究中，一共30名被試者。每個(gè)被試者先后經(jīng)歷了三種不同的實(shí)驗(yàn)條件（Condition1，Condition2，Condition3），并記錄了每種實(shí)驗(yàn)條件下這個(gè)被試者的信心指數(shù)和沮喪指數(shù)，存放在RepeatedMeasuresANOVA.sav中?，F(xiàn)在需要研究：這三種不同的實(shí)驗(yàn)條件中，被試者的信心指數(shù)是否有顯著性差異？他們的沮喪指數(shù)是否有顯著性差異？具體操作，見(jiàn)上課演示例：Karjanto等研究了自動(dòng)駕駛中乘客的暈車(chē)情況[11]。在該研究中，有一部分內(nèi)容是要檢測(cè)被試者在乘車(chē)之前、乘車(chē)過(guò)程中、以及乘車(chē)之后的心率是否存在差異。這是一個(gè)典型的具有3個(gè)樣本組的組內(nèi)研究。因變量為心率，是個(gè)連續(xù)型變量，因此使用了重復(fù)測(cè)量ANOVA檢驗(yàn)。具體檢驗(yàn)結(jié)果請(qǐng)見(jiàn)論文[11]中的3.4節(jié)。非參數(shù)檢驗(yàn)方法---Friedman

test例：給某款新車(chē)設(shè)計(jì)了3個(gè)廣告。邀請(qǐng)了18個(gè)被訪者，每人觀看這3個(gè)廣告并打分，0分表示非常不吸引人，100分表示非常吸引人，數(shù)據(jù)存放在Friedman.sav中。現(xiàn)在需要研究：所有被訪者對(duì)這三個(gè)廣告的評(píng)價(jià)是否存在顯著性差異？具體操作，見(jiàn)上課演示效應(yīng)量（Effect

Size）：??,'*-.//

=

??(??

?

1)

=

18×(3

?

1)

=

.24??$8.648例：Ghazali等在一項(xiàng)關(guān)于機(jī)器人交互行為的研究中，研究了機(jī)器人采用不同的交互頻率是否會(huì)影響用戶對(duì)機(jī)器人的服從度[14]。研究人員通過(guò)一個(gè)組內(nèi)實(shí)驗(yàn)，統(tǒng)計(jì)了用戶分別在面對(duì)具有高頻、中頻、低頻交互行為的機(jī)器人時(shí)，采納機(jī)器人建議的情況（完全不采納---0、部分采納---1，全部采納---2）。因此，這是一個(gè)因變量為多分類(lèi)型的問(wèn)題，所以采用Friedman檢驗(yàn)進(jìn)行分析。結(jié)果顯示，機(jī)器人的交互頻率并不能對(duì)用戶的服從度產(chǎn)生影響，χ^2

(2)=.55，p

=

.76。（詳細(xì)內(nèi)容請(qǐng)見(jiàn)文獻(xiàn)[14]）。有多個(gè)分類(lèi)型自變量的差異性分析Gender一一

Male一

FemaleInterest

的估算邊際平均值65.0060.00SS.0050.0045.00惱篝邊際一平均值40

.00UniversityCollegeLevelof

educationSchool2x3DesignIV

1IV1:Level

1IV1:Level

2IV

2IV2:Level

1dvdvIV2:Level

2dvdvIV2:Level

3dvdv組間實(shí)驗(yàn)---N-way

ANOVA

testTwo-way

ANOVA

test的分析流程例1（無(wú)交互作用）：調(diào)查了439位被試者的性別、年齡分組等參數(shù)，并根據(jù)量表評(píng)測(cè)了他們的日常壓力，存放在TwoWayANOVA1.sav中?，F(xiàn)在需要研究：性別、年齡會(huì)對(duì)日常壓力產(chǎn)生什么樣的影響？具體操作，見(jiàn)上課演示例1（無(wú)交互作用）：調(diào)查了439位被試者的性別、年齡分組等參數(shù)，并根據(jù)量表評(píng)測(cè)了他們的日常壓力，存放在TwoWayANOVA1.sav中?，F(xiàn)在需要研究：性別、年齡會(huì)對(duì)日常壓力產(chǎn)生什么樣的影響？匯報(bào)：Two-wayANOVA檢驗(yàn)顯示，性別對(duì)壓力有顯著影響，F(xiàn)(1,423)

=

8.440，p

=

.004,η_p^2=.020，男性的壓力顯著小于女性的壓力。年齡對(duì)壓力也存在顯著影響，F(xiàn)(4,423)

=

3.82,

p

=

.005,η_p^2=.035。但是，性別與年齡對(duì)壓力沒(méi)有顯著的交互影響。通過(guò)進(jìn)一步的Turkey事后檢驗(yàn)發(fā)現(xiàn)，18-24年齡組的日常壓力顯著比25-32歲年齡組高了2.933團(tuán).867，p

=.008。另外，18-24年齡組的日常壓力也顯著比50歲以上年齡組高了2.900團(tuán).893，p

=

.013。其余組別并無(wú)顯著性差異。例2（有交互作用）：調(diào)查了58位觀眾的性別、教育背景、以及他們對(duì)一部新上映的電影的興趣度，存放在TwoWayANOVA3.sav中?，F(xiàn)在需要研究：性別、教育背景，是否會(huì)影響觀眾對(duì)這部電影的興趣度？具體操作，見(jiàn)上課演示觀眾的性別和教育背景，對(duì)他們對(duì)這部電影的興趣度有顯著的交互作用，F(xiàn)(2,

52)

=

7.315,

p

=.002。具體的，教育背景為

College

的人群中，男性與女性對(duì)這部

電影的興趣沒(méi)有顯著性

差異，p=

.35

。教育背景為

School

的人群中，男性與女性對(duì)這部電影的興趣也沒(méi)有顯著性差

異，p

=

.22。但是教育背景為

University

的人群中，男性對(duì)這部電影的興趣比女性顯著高了6.100±1.696,

F(l,

52)

=

12.940,

p

=

.001，η

＝.199。對(duì)于女性觀眾而言，教育背景會(huì)顯著影響其對(duì)這部電影的興趣度，如剛2,

52)=

62.958,

p

<

.001，效應(yīng)量

時(shí)＝.708。教育背景為

College

的女性觀眾，與教育背景為

School

的女性

觀眾相比，對(duì)這部

電影的興趣度顯著高了5.000±1.696,

p

=

.014。而教育背景為

University

的女性觀眾，對(duì)這部電影的興趣度又比

College

的女性觀眾顯著高了

13.400±1.696,

p

<

.001。對(duì)于男性觀眾而言

，教育背景也會(huì)顯著影響其對(duì)這部電影的興趣度

，另鍬（2,

52)

=132.493,

p

<

.001，將＝.836。教育背景為

College

的男性觀眾，與教育背景為

School

的男

性觀眾相比，對(duì)這部電影的興趣度顯著高了

5.500±1.787,

p

=

.010。而教育背景為

University的男性觀眾，對(duì)這部電影的興趣度又比College

的男性觀眾顯著高了

21.156±1.742,p

<

.001

。例4：Ghazali等為了研究機(jī)器人在勸導(dǎo)行為中，應(yīng)該采用哪種反饋方式，才能更容易讓用戶接受，設(shè)計(jì)了三種不同外觀及行為方式的機(jī)器人，邀請(qǐng)被試者進(jìn)行測(cè)試[12]。在這個(gè)研究中，一共有三種不同外觀及行為模式的機(jī)器人、陪被試者進(jìn)行兩種不同難度要求的游戲。所有被試者被分為六組，每個(gè)被試者在一種機(jī)器人的陪同下進(jìn)行一種難度要求的游戲，然后檢測(cè)每個(gè)被試者的消極情緒。以機(jī)器人的類(lèi)型（3個(gè)分類(lèi)）、游戲的難度（2個(gè)分類(lèi)）作為自變量，消極情緒作為因變量，進(jìn)行了Two-wayANOVA檢驗(yàn)。發(fā)現(xiàn)機(jī)器人類(lèi)型與游戲的難度，對(duì)被試者的消極情緒有顯著的交互影響，F(xiàn)(2,48)

=

4.35,

p=

.02,η_p^2=.15。玩高難度游戲時(shí)，機(jī)器人的類(lèi)型對(duì)被試者的消極情緒有顯著影響，F(xiàn)(2,48)=

10.43,

p

=

.001,

η_p^2=.30；但在玩低難度游戲時(shí)，機(jī)器人的類(lèi)型對(duì)被試者的消極情緒就沒(méi)有影響，F(xiàn)(2,48)

=

1.61,

p

=

.21,η_p^2=.06。（詳細(xì)內(nèi)容請(qǐng)見(jiàn)文獻(xiàn)[12]）組內(nèi)實(shí)驗(yàn)---N-way

Repeated

Measures

ANOVA

test例1：一家物流公司想了解在工作時(shí)播放背景音樂(lè)，是否可以提高員工的打包速度。而且還想知道背景音樂(lè)對(duì)打包速度的影響是否會(huì)隨著時(shí)間而改變。所以招募了12名被試者，其中6人首先在有背景音樂(lè)時(shí)（Intervention）進(jìn)行打包工作，并在開(kāi)始時(shí)、1小時(shí)之后、4小時(shí)之后分別檢測(cè)他們的打包速度；然后休息一段時(shí)間之后，在沒(méi)有背景音樂(lè)的條件下（Control）進(jìn)行打包工作，也在開(kāi)始時(shí)、1小時(shí)之后、4小時(shí)之后分別檢測(cè)他們的打包速度。另外6人則倒過(guò)來(lái)，先在無(wú)背景音樂(lè)條件下打包，然后再在有背景音樂(lè)條件下打包。數(shù)據(jù)存放在TwoWayRepeatedANOVA.sav中。具體操作，見(jiàn)上課演示例1：一家物流公司想了解在工作時(shí)播放背景音樂(lè)，是否可以提高員工的打包速度。而且還想知道背景音樂(lè)對(duì)打包速度的影響是否會(huì)隨著時(shí)間而改變。所以招募了12名被試者，其中6人首先在有背景音樂(lè)時(shí)（Intervention）進(jìn)行打包工作，并在開(kāi)始時(shí)、1小時(shí)之后、4小時(shí)之后分別檢測(cè)他們的打包速度；然后休息一段時(shí)間之后，在沒(méi)有背景音樂(lè)的條件下（Control）進(jìn)行打包工作，也在開(kāi)始時(shí)、1小時(shí)之后、4小時(shí)之后分別檢測(cè)他們的打包速度。另外6人則倒過(guò)來(lái)，先在無(wú)背景音樂(lè)條件下打包，然后再在有背景音樂(lè)條件下打包。數(shù)據(jù)存放在TwoWayRepeatedANOVA.sav中。具體操作，見(jiàn)上課演示混合實(shí)驗(yàn)---N-way

Mixed

ANOVA

test例1：招募了45名被試者，分為3組。第一組按方案一治療后背肌肉疼痛，在治療前、治療中、治療后分別測(cè)試了疼痛指數(shù)。第二組和第三組分別按方案二和方案三進(jìn)行治療，也分別測(cè)了三次疼痛指數(shù)。數(shù)據(jù)存放在MixedANOVA.sav中?，F(xiàn)在需要研究：不同的治療方案，緩解疼痛的效果是否有差別？具體操作，見(jiàn)上課演示有協(xié)變量的差異性分析希望在排除掉某些次要變量對(duì)因變量的影響之后，再來(lái)討論剩下的自變量對(duì)因變量的影響ANCOVA

test例1：為了研究一種新降壓藥物的效果，招募了120名高血壓患者，分為四組。所有人在參加實(shí)驗(yàn)之前都測(cè)量了血壓，然后第一組服用這款新型降壓藥，第二組服用一款舊的降壓藥，第三組服用安慰劑，第四組什么都不服用。在一段時(shí)間之后再次測(cè)量每人的血壓，數(shù)據(jù)存放在ANCOVA1.sav中。現(xiàn)在需要研究：服用了這款新藥之后，患者的血壓是否比其他幾組更低？具體操作，見(jiàn)上課演示例：Ghazali等研究了機(jī)器人的面部表情會(huì)如何影響用戶對(duì)機(jī)器人的信任感[15]。在這項(xiàng)研究中，讓被試者分成兩個(gè)組，分別在呈現(xiàn)愉悅表情或者生氣表情的機(jī)器人指導(dǎo)下完成一個(gè)游戲，分析他們對(duì)機(jī)器人的信任感是否有差別。因?yàn)楸辉囌邔?duì)機(jī)器人的信任感存在個(gè)體差異，所以將被試者對(duì)展露自然表情時(shí)的機(jī)器人的信任感作為協(xié)變量。研究表明，與生氣表情相比，機(jī)器人展現(xiàn)愉悅表情時(shí)能使用戶產(chǎn)生更強(qiáng)的信任感，F(xiàn)(1,69)

=

16.61，p

<

.001，效應(yīng)量

η_p^2=.19。作業(yè)統(tǒng)計(jì)了83名兒童的相關(guān)信息，數(shù)據(jù)存放在Homework1.sav中。現(xiàn)在需要研究：(1) 父母離婚與否（divorced），是否會(huì)對(duì)孩子的焦慮情緒（axsi）產(chǎn)生影響？(2) 父母離婚與否，是否會(huì)對(duì)孩子的沮喪情緒（depr）產(chǎn)生影響？一共5種緩解焦慮的玩具。篩選出100位被試者，他們的焦慮指數(shù)相同。將所有被試者分為5組，每組被試者分配一種玩具，一周之后再次檢測(cè)他們的焦慮指數(shù)。數(shù)據(jù)存放在Homework2.sav中?，F(xiàn)在需要研究：這5種玩具在緩解焦慮方面的效果是否有顯著性差異？邀請(qǐng)了9名被試者，讓他們每人連續(xù)5周服用某一種藥物，每周檢測(cè)一次某個(gè)指標(biāo)值，數(shù)據(jù)存放在Homework3.sav中?，F(xiàn)在要研究：這種藥物第幾周才能出現(xiàn)明顯效果？Data

Analysis

in

Design

Studies設(shè)計(jì)數(shù)據(jù)與分析差異性分析-II4（在分類(lèi)型指標(biāo)上的差異）在二分類(lèi)指標(biāo)上的差異性兩個(gè)獨(dú)立樣本組---

2*2

Chi-squared

Independent

test兩個(gè)獨(dú)立樣本組---

2*2

Chi-squared

Independent

test2*2卡方檢驗(yàn)

(2吃

Chi-square

test)是皮爾遜卡方(Pearson's

Chi-square

test)費(fèi)希爾精確檢驗(yàn)(Fisher'sexact

test)有顯著性差異匯報(bào)例：（不存在期望計(jì)數(shù)小于5的情況）統(tǒng)計(jì)了泰坦尼克號(hào)上一共1313名乘客的性別及幸存情況，存放在ChiSquare1.sav中?，F(xiàn)在要研究：不同性別的乘客，其幸存比例是否有顯著性差異？具體操作，見(jiàn)上課演示1313名乘客中，男性和女性乘客分別為851名和462名。有142名男性（16.69%）和308名（66.67%）女性乘客幸存。通過(guò)2團(tuán)2交叉表卡方檢驗(yàn)顯示，不同性別的乘客，其幸存比例存在顯著性差異，p

<

.001。匯報(bào)：例：（存在期望計(jì)數(shù)小于5的情況）將21名被試者分為2組，第一組每天服用某種減肥藥，第二組不服用藥物，但是每天按照指定食譜進(jìn)餐。一個(gè)月后統(tǒng)計(jì)了這兩組被試者體重的變化情況（體重下降、體重沒(méi)下降），數(shù)據(jù)存放在ChiSquare2.sav中?，F(xiàn)在要研究：減肥藥與指定食譜，在讓被試者減重上的效果是否相同？具體操作，見(jiàn)上課演示兩個(gè)配對(duì)樣本組---McNemar’s

test兩個(gè)配對(duì)樣本組---McNemar’s

test例：設(shè)計(jì)了2款吸塵器，想要知道用戶更愿意購(gòu)買(mǎi)哪一款。招募了20名被試者，在他們每人先后試用了這兩款吸塵器之后，詢問(wèn)他們是否會(huì)考慮購(gòu)買(mǎi)這兩款產(chǎn)品（買(mǎi)，或不買(mǎi)），數(shù)據(jù)存放在McNemarChiSquared.sav中。具體操作，見(jiàn)上課演示三個(gè)或以上獨(dú)立樣本組---

2*C

Chi-squared

Independent

test三個(gè)或以上獨(dú)立樣本組---

2*C

Chi-squared

Independent

test2*C卡方檢驗(yàn)(2*C

Chi-square

test)是l否皮爾遜卡方(Pearson's

Chi-square

test)是事后檢驗(yàn)：z檢驗(yàn)(z-tests

of

two

proportions)費(fèi)希爾精確檢驗(yàn)(Fisher's

exact

test)否驗(yàn)

的檢

臼確

t精m爾

山川希

川是立mw氈’urr驗(yàn)

階槍

陽(yáng)后

仙事

休匯報(bào)例1：（不存在期望計(jì)數(shù)小于5的情況）統(tǒng)計(jì)了泰坦尼克號(hào)上一共1313名乘客的船艙等級(jí)、幸存情況等信息，存放在2CChiSquare1.sav中。現(xiàn)在要研究：不同船艙等級(jí)的乘客，其幸存比例是否有差異？具體操作，見(jiàn)上課演示例2：（存在期望計(jì)數(shù)小于5的情況）邀請(qǐng)了32名被試者，分為3組，每組分配了一款新產(chǎn)品，詢問(wèn)每位被試者對(duì)這款產(chǎn)品是否喜歡。數(shù)據(jù)存放在2CChiSquare2.sav中。現(xiàn)在要研究：這三款產(chǎn)品的用戶喜愛(ài)度是否相同？具體操作，見(jiàn)上課演示P

<

.05/3

=

.0167三個(gè)或以上配對(duì)樣本組---

Cochran’s

Q

test三個(gè)或以上配對(duì)樣本組---

Cochran’s

test例：（樣本足夠大）招募了63名被試者參加一個(gè)體能訓(xùn)練項(xiàng)目，在體能訓(xùn)練初始時(shí)、開(kāi)始一個(gè)月后、開(kāi)始兩個(gè)月后，對(duì)每位被試者進(jìn)行三次體能測(cè)試，通過(guò)即記為1，沒(méi)通過(guò)則記為0，數(shù)據(jù)存放在CochranQ1.sav中。現(xiàn)在要研究：經(jīng)過(guò)該項(xiàng)體能訓(xùn)練之后，被試者的體能情況是否發(fā)生了改變。具體操作，見(jiàn)上課演示N=

63，k

=

3n

=

2763-27

>4(63-27)*3

>

24例：（樣本量不夠大）為了演示樣本量不夠大時(shí)的分析過(guò)程，將例1中的CochranQ1.sav通過(guò)隨機(jī)采樣生成樣本量只有14個(gè)樣本的數(shù)據(jù)，存放在CohranQ2.sav中。依舊分析：經(jīng)過(guò)該項(xiàng)體能訓(xùn)練之后，被試者的體能情況是否發(fā)生了改變。具體操作，見(jiàn)上課演示在多分類(lèi)指標(biāo)上的差異性兩個(gè)獨(dú)立樣本組---

R*2

Chi-squared

Independent

test兩個(gè)獨(dú)立樣本組---

R*2

Chi-squared

Independent

test分析過(guò)程，可參考2*C

Chi-squared

Independent

test例：統(tǒng)計(jì)了167名學(xué)生的性別（gender）與所在專(zhuān)業(yè)（major），存放在R2ChiSquare.sav中?，F(xiàn)在要研究：不同性別的學(xué)生在選擇專(zhuān)業(yè)時(shí)是否存在顯著性差異？也就是，性別對(duì)所選專(zhuān)業(yè)是否有影響？具體操作，見(jiàn)上課演示三個(gè)或更多獨(dú)立樣本組---

R*C

Chi-squared

Independent

test三個(gè)或更多獨(dú)立樣本組---

R*C

Chi-squared

Independent

test例：統(tǒng)計(jì)了333名客人的類(lèi)型（單身男性、單身女性、已婚未育、已婚已育）與所購(gòu)香水的類(lèi)型（Type

I、Type

II、Type

III、Type

IV），存放在RCChiSquare.sav中。現(xiàn)在要研究：不同類(lèi)型的客人在選擇購(gòu)買(mǎi)的香水上，是否存在顯著性差異？具體操作，見(jiàn)上課演示例：研究發(fā)現(xiàn)靠走廊位置、中間位置、靠窗位置的乘客，他們的坐姿有顯著性差異?？孔呃任恢玫某丝拖矚gA、D姿勢(shì)；中間位置的乘客喜歡D、E、C；靠窗位置的乘客喜歡B、E。即，坐在哪個(gè)位置會(huì)顯著影響乘客采用的坐姿。作業(yè)招募了315名目標(biāo)用戶，統(tǒng)計(jì)了他們的性別、以及是否愿意購(gòu)買(mǎi)某種產(chǎn)品，數(shù)據(jù)存放在Homework1.sav中。現(xiàn)在需要研究：不同性別的用戶，他們購(gòu)買(mǎi)這款產(chǎn)品的意愿是否相同？Data

Analysis

in

Design

Studies設(shè)計(jì)數(shù)據(jù)與分析差異性分析-III5（有多個(gè)連續(xù)型因變量）TABLE

IQUESTIONS

OF

THE

OLDER

PERSON’SPERCEIVED

CO陸四NICATION

ABILITY

ANDPERFORMANCENoQuestionTABLE

IIQUESTIONS

OF

衛(wèi)亞

OLDER

PERSON’SPERCEIVED

PERSONAL

IMAGENo. QuestionQ1 This

older

person

has

difficulty

keeping

the

conversation

going.Q2

This

older

person

needs

a

long

time

to

think

before

answering

peo-

ple.Q3

This

older

person

has

difficulty

looking

for

the

paiticular

words

(e.g.,

names

of

people,

objects,

or

places)This

older

person’s

cognitive

irnpai1ment

hinders

the

conversation.This

older

personoften

hesitates,

pauses

or

repeats

herself.This

older

person

often

uses

vague

words

like

"thing”

or

"it"

m-stead

of

using

the

co盯ect

name

of

a

person,

place,

or

thing.Q1

This

older

person’S

words

might

not

be

trusted

by

others

some-

times,

due

to

her

cognitive

status.Qs

This

older

person

might

be

blamed

by

others

for

her

difficulties

m

communication

.Q9

Please

assess

th巳

cognitive

impainnent

of

this

older

person

basedon

her

behaviors

in

the

conversation.AY叢QJ

roQQQAV

’A

飩－，

句3

a噸

筆J，。『，nv、nynynynv、nynv、nyThis

older

person

like

socializing

with

people.

This

older

person

is

in

control

of

this

situation.

This

older

personcan

live

independently.This

older

personis

self二confident.

This

older

person

is

competent.This

older

person

is

lonely.This

older

person

is

vulnerable.This

older

person

showsstrong

willingness

to

communicate

with

others.只有一個(gè)自變量One-way

MANOVA所有因變量組合的異常值，由馬氏距離衡量：開(kāi)始否重新調(diào)整被據(jù)E3;J:E否是否否是是事后檢驗(yàn)匯報(bào)

例：從三個(gè)學(xué)校中分別選出20名學(xué)生，對(duì)他們進(jìn)行了數(shù)學(xué)以及英語(yǔ)考試，數(shù)據(jù)存放在MANOVA1.sav中?，F(xiàn)在要求分析：不同學(xué)校的學(xué)生的成績(jī)是否有差異？具體操作，見(jiàn)上課演示例：從三個(gè)學(xué)校中分別選出20名學(xué)生，對(duì)他們進(jìn)行了數(shù)學(xué)以及英語(yǔ)考試，數(shù)據(jù)存放在MANOVA1.sav中?，F(xiàn)在要求分析：不同學(xué)校的學(xué)生的成績(jī)是否有差異？具體操作，見(jiàn)上課演示F(4,

112)

=17.68,

p

<

.001,

Wilks’

=

.376,

效應(yīng)量??!

=

.387。"不同學(xué)校的學(xué)生在數(shù)學(xué)和英語(yǔ)整體成績(jī)上有顯著性差異

，F(xiàn)(

4,

112)

=

17.68,

p

<

.001,Wilks’

A

=

.376，效應(yīng)量η

.387

。單獨(dú)來(lái)看

，不同學(xué)校的學(xué)生在英語(yǔ)成績(jī)上就有顯著差

異，F(xiàn)(

2,

57)

=

30.875,

p

<

.001,效應(yīng)量樣＝.520

。具體的，A

學(xué)校的英語(yǔ)成績(jī)顯著高于

B

學(xué)校，p

<

.001。A

學(xué)校的英語(yǔ)成

績(jī)也顯著高于

C

學(xué)校，p

<

.001。但是

B

學(xué)校與

C

學(xué)校的英語(yǔ)成績(jī)并沒(méi)有顯著性差異

，p=

.218。不同學(xué)校的學(xué)生在數(shù)學(xué)成績(jī)上也有顯著差異

，F(xiàn)(

2,

57)

=

14.295,

p

<

.001，效應(yīng)量作

＝.334。具體的，A

學(xué)校的數(shù)學(xué)成績(jī)顯著高于

C

學(xué)校，p

<

.001。B

學(xué)校的數(shù)學(xué)成績(jī)也顯著高

于

C

學(xué)校，p

=

.001。但是

A

學(xué)校與

B

學(xué)校的數(shù)學(xué)成績(jī)并沒(méi)有顯著性差異，p

=

.675。有兩個(gè)自變量Two-way

MANOVA例：使用三種訓(xùn)練方式（Intervention1、Intervention2、Intervention3）分別對(duì)三組運(yùn)動(dòng)員進(jìn)行訓(xùn)練。每組運(yùn)動(dòng)員有20位，其中10位是男性，10位是女性。第一組運(yùn)動(dòng)員使用第一種訓(xùn)練方式，第二組和第三組運(yùn)動(dòng)員分別使用第二種和第三種訓(xùn)練方式。每組運(yùn)動(dòng)員在訓(xùn)練結(jié)束后都進(jìn)行了一場(chǎng)力量測(cè)試（score1），以及一場(chǎng)速度測(cè)試（score2）。數(shù)據(jù)存放在MANOVA2.sav中?，F(xiàn)在要求分析：不同訓(xùn)練方式是否會(huì)對(duì)不同性別的運(yùn)動(dòng)員的成績(jī)產(chǎn)生顯著影響？具體操作，見(jiàn)上課演示Data

Analysis

in

Design

Studies設(shè)計(jì)數(shù)據(jù)與分析相關(guān)性分析6（有連續(xù)型自變量）相關(guān)程度的測(cè)量PearsonCorrelationPearsonCorrelationPearsonCorrelation例：統(tǒng)計(jì)了39名員工2010年至2014年之間的年收入，存放在Pearson1.sav中?，F(xiàn)在要研究：?jiǎn)T工2010年的收入與2013年的收入是否有線性關(guān)系？具體操作，見(jiàn)上課演示Spearman

Correlation

&

Kendall’s

tau-b

CorrelationSpearman

Correlation

&

Kendall’s

tau-b

Correlation例：（連續(xù)型變量）統(tǒng)計(jì)了153輛汽車(chē)的價(jià)格與性能數(shù)據(jù)，存放在Spearman1.sav中?，F(xiàn)在要研究：汽車(chē)的價(jià)格與其馬力，是否相關(guān)？具體操作，見(jiàn)上課演示例：（等級(jí)型變量）統(tǒng)計(jì)了98位消費(fèi)者對(duì)數(shù)碼相機(jī)的像素色彩和內(nèi)存記憶這兩項(xiàng)的關(guān)注程度，5為極重要，1為極不重要，存放在Spearman2.sav中?，F(xiàn)在要研究：兩者是否相關(guān)？具體操作，見(jiàn)上課演示Partial

Correlation例：為了分析學(xué)生的成績(jī)與其出勤率、以及對(duì)該課程的興趣之間的關(guān)系，統(tǒng)計(jì)了50名學(xué)生的相關(guān)信息，存放在PartialCorrelation.sav中?，F(xiàn)在要研究：成績(jī)與出勤率之間是否真的存在相關(guān)關(guān)系？具體操作，見(jiàn)上課演示只有一個(gè)連續(xù)型自變量的線性關(guān)系Linear

Regression（線性回歸，線性擬合）??

=

??!

+

??"??Linear

Regression例：統(tǒng)計(jì)了525位被試者2020年全年的醫(yī)療費(fèi)，以及他們每人平均每天抽煙的數(shù)量，存放在LinearRegression1.sav中?，F(xiàn)在需要分析：平均每天抽煙的數(shù)量（cigs），與其醫(yī)療費(fèi)（costs）之間存在什么樣的關(guān)系（即對(duì)這種關(guān)系進(jìn)行描述）？具體操作，見(jiàn)上課演示Adj.

R2

<

.02非常弱.02

豆

Adj.

R2

<

.13習(xí)§.13

豆

A司j.

R2

<

.26中等強(qiáng)度A司j.

R2

>

.26強(qiáng)匯報(bào)：一元線性回歸分析顯示，使用每日抽煙數(shù)量可以顯著預(yù)測(cè)這個(gè)人當(dāng)年的醫(yī)療費(fèi)，F(xiàn)(1,523)

=

118.12，p

<

.001。調(diào)整后的R方為.183，每日抽煙數(shù)量與當(dāng)年的醫(yī)療費(fèi)的相關(guān)性有中等程度效應(yīng)量。擬合形成的線性方程為：costs

=

3765.038+192.273cigs。每天平均多抽一支煙，當(dāng)年醫(yī)療費(fèi)大約增加192.27元（95%置信區(qū)間，157.52至227.03）。只有一個(gè)連續(xù)型自變量的曲線關(guān)系Curve

Estimation

RegressionExponential

Regression（指數(shù)）y

=

??!??#!$Logarithmic

Regression（對(duì)數(shù)）??

=

??!

+

??"ln??Power

Regression（冪函數(shù)）??

=

??!??#!Polynomial

Regression（多項(xiàng)式）??

=

??!

+

??"??

+

??%??%

+

?

.

+??&??&例：統(tǒng)計(jì)了344位抽煙的被試者，他們每人平均每天抽煙的數(shù)量、以及2020年當(dāng)年的醫(yī)療費(fèi)，存放在CurveEstimationRegression1.sav中。現(xiàn)在需要分析：對(duì)平均每天抽煙的數(shù)量，與其醫(yī)療費(fèi)之間的關(guān)系進(jìn)行曲線回歸分析（即用曲線方程對(duì)這種關(guān)系進(jìn)行描述）？具體操作，見(jiàn)上課演示有多個(gè)自變量（包含連續(xù)型自變量）的線性關(guān)系Multiple

Regression例：招募了50位員工，請(qǐng)他們各自從五個(gè)不同的角度評(píng)價(jià)了自己的工作，并給出了總體的工作滿意度，存放在MultipleRegression1.sav中。現(xiàn)在需要分析：是否可以用這五個(gè)不同角度的評(píng)價(jià)，來(lái)預(yù)測(cè)員工的總體工作滿意度？具體操作，見(jiàn)上課演示不限類(lèi)型自變量與二分類(lèi)型因變量之間的相關(guān)分析Binominal

Logistic

Regression??!

+

??"??"

+

??%??%

+

?

??'??'

=

l

n(

1

???)??p：因變量所代表的事件發(fā)生的概率。

"

：“發(fā)生比”（odds），就是一個(gè)事件發(fā)生與不發(fā)生的概率比。#$"例：（自變量有二分類(lèi)型數(shù)據(jù)）統(tǒng)計(jì)了315位被試者對(duì)于執(zhí)行某項(xiàng)動(dòng)物實(shí)驗(yàn)的態(tài)度，存放在BinaryLogistic1.sav中?，F(xiàn)在要研究：不同性別的被試者，在是否同意執(zhí)行這項(xiàng)實(shí)驗(yàn)上存在什么樣的差異？具體操作，見(jiàn)上課演示ln??1

?

??=

1.217????????????

?

0.847女性的發(fā)生比：男性的發(fā)生比：發(fā)生比的比例：??(1

?

??(=

??)!.+,-

=

.429??.1

?

??.=

??".%"-)!.+,-

=

1.448Exp(B)

=")//%%/")//&&=1.448/.429

=3.376??(

=

.3??.

=

.59àExp(B)

>

1??.

>

??(àExp(B)

<

1??.

<

??(通過(guò)對(duì)性別和是否同意執(zhí)行實(shí)驗(yàn)之間進(jìn)行二元

Logistic

回歸，擬合形成的模型與只有常數(shù)項(xiàng)的模型相比有顯著差異

Cx2

(1)

=

25.653,

p

<

.001

），

可解釋

10.6%的因變量變化（馭練紂除底S?,

R2

），

正確預(yù)測(cè)率為

66.0%

。男性與女性在是否同意執(zhí)行這項(xiàng)實(shí)驗(yàn)上是

存在

顯著性差異的

，p

<

.001。具體來(lái)說(shuō)

，男性比女性更傾向于同

意執(zhí)行這項(xiàng)實(shí)驗(yàn)

，男性的發(fā)生

比是女性的

3.376

倍。例：（自變量有多分類(lèi)型數(shù)據(jù)）統(tǒng)計(jì)了泰坦尼克號(hào)上一共1313名乘客的船艙等級(jí)、性別、國(guó)籍、姓名、年齡、同在船上的直系親屬數(shù)量、票價(jià)、幸存情況等信息，存放在BinaryLogistic2.sav中?，F(xiàn)在要研究：船艙等級(jí)與性別，對(duì)幸存與否存在什么樣的影響？具體操作，見(jiàn)上課演示例：（自變量中有連續(xù)型數(shù)據(jù)）統(tǒng)計(jì)了315位被試者對(duì)于執(zhí)行某項(xiàng)動(dòng)物實(shí)驗(yàn)的態(tài)度，存放在BinaryLogistic1.sav中?，F(xiàn)在要研究：被試者的gender、idealism、relatvsm會(huì)對(duì)其decision產(chǎn)生什么樣的影響？具體操作，見(jiàn)上課演示例：（自變量中有連續(xù)型數(shù)據(jù)）統(tǒng)計(jì)了泰坦尼克號(hào)上一共1313名乘客的船艙等級(jí)、性別、國(guó)籍、姓名、年齡、同在船上的直系親屬數(shù)量、票價(jià)、幸存情況等信息，存放在BinaryLogistic2.sav中?，F(xiàn)在要研究：性別、票價(jià)、同在船上的直系親屬數(shù)量，對(duì)幸存與否是否有影響？具體操作，見(jiàn)上課演示例：Menheere等研究了到底是哪些原因?qū)е氯藗儾辉敢馀懿絒5]。在這項(xiàng)研究中，將放棄跑步的原因分成了兩大類(lèi)：因?yàn)樯鐣?huì)關(guān)系導(dǎo)致的放棄（social

motives

for

quitting），以及因?yàn)樽陨碓驅(qū)е碌姆艞墸╥ndividual

motives

for

quitting），并將它們處理為二分類(lèi)數(shù)據(jù)，作為因變量。然后用性別、年齡、受教育程度等作為自變量，與這兩個(gè)因變量之間分別做了二元Logistic回歸。根據(jù)Exp(B)來(lái)分析女性對(duì)比與男性、高等教育背景對(duì)比于低教育背景的人，因?yàn)樯鐣?huì)關(guān)系和自身原因而放棄跑步的可能性上的差異（詳見(jiàn)文中的Table

4）。因變量為無(wú)序多分類(lèi)型數(shù)據(jù)

---Multinominal

Logistic

Regression例：（自變量中沒(méi)有連續(xù)型數(shù)據(jù)）為了研究某款產(chǎn)品該用什么材質(zhì)，對(duì)880名目標(biāo)用戶進(jìn)行了調(diào)研。統(tǒng)計(jì)了用戶的年齡、性別、婚姻狀態(tài)、生活方式，以及首選材質(zhì)，存放在MultinominalLogistic1.sav中?，F(xiàn)在要研究：年齡、性別、婚姻狀態(tài)、生活方式，對(duì)首選材質(zhì)是否有影響？具體操作，見(jiàn)上課演示(a）

甘先杏

Material

=

First

與

劉atcria]

=

Third

運(yùn)組

選項(xiàng)之間

的對(duì)

Lt:飛在

劉atcria]

=

First

與

Mate