6
4.1.1 实验设计常用术语

单元内误差（within-cell error）：指当几个 被试接受同样的实验条件时，他们之间所 出现的差异，其实质是被试间的个体差异， 它是一种随机误差。单元内误差使研究者 能估价实验中的实验误差，当只有一个被 试接受实验处理时，单元内误差是不存在 的。
7
4.1.1 实验设计常用术语
19
4.2.2 方差分析的基本思想


这样可以区分出一组数据中的两个变异源：一个 反映了实验处理的效应，叫做组间变异；另一个 反映了接受同样处理的被试之间的变异，叫做组 内变异或误差变异，F检验是计算组间变异与组内 变异的比率： F= MS组间/ MS组内 只有当组间变异足够大，明显不同于组内变异时 （即F值显著时），才说明实验处理效应是存在的。 如果组间变异与组内变异相比差不多，则说明处 理效应是不存在的，只不过是一种随机误差。
22
4.3 从t检验到一元方差分析再到多 元方差分析

t检验是对来自两个总体的样本平均值是否 存在显著差异的检验。当需要对来自多个 总体的样本平均数进行检验，t检验就显得 无能为力，于是，引进单因素方差分析的 方法进行，并发展到多因素方差分析。
23
4.3 从t检验到一元方差分析再到多 元方差分析
4
4.1.1 实验设计常用术语

简单效应（simple effects）：一个因素的水 平在另一个因素的某个水平上的变异叫简 单效应。发现存在两次交互作用时，需要 进一步做简单效应检验，以说明因素之间 交互作用的实质。
5
4.1.1 实验设计常用术语


处理效应（treat effect）：实验的总变异中， 由自变量引起的那部分变异，包括主效应、 简单效应、交互作用。 误差变异（error variance）：不能由自变量 解释的变异。包括单元内误差、残差。
21
4.2.2 方差分析的基本思想
（2）方差相等，齐性、同质性。指当被试随 机分配给K个处理水平时，K个处理组被试 的观测值变异是同质的，即各个组的变异 是相等的。 （3）独立性。指实验中一个被试的观测值应 该独立于其他被试的观测值。当在一个实 验中，每个被试只被观察一次，并且被试 是随机分配给不同的实验条件时，独立性 假设就被满足了。
3
4.1.1 实验设计常用术语


处理（treatment ）与处理水平的结合 （treatment combination）：两者都是实验 中一个特定的、独特的实验条件。 主效应（main effects）与交互作用 （interaction）：由一个因素的不同水平引 起的变异叫因素的主效应。当一个因素在 另一个因素的不同水平上变化趋势不一致 时，两个因素之间存在交互作用。



在实验设计和方差分析中，最重要和常用 的两个概念是平方和（sum of squares，SS） 和均方（MS）。 均方的计算公式是： MS=变异/df =SS/df 可见，均方是每个自由度（degree of freedom，df）的平均变异，这也是方差的基 本定义。
17
4.2.2 方差分析的基本思想
38
4.6.1 MANOVA的定义及数学模型


定义：因变量不止一个，且因变量之间又 不是相互独立时，进行的方差分析称为多 元方差分析。 General model：
基本原理仍然是通过检验两个或多个样本 之间差异是否显著，以对综合结论的做出 提供依据。
39

4.6.1 MANOVA的定义及数学模型
25

4.4 方差分析的种类



单因素一元方差分析，SPSS中需调用OneWay ANOVA命令进行。 两因素一元方差分析，SPSS中需调用 Univariate命令进行。 多因素一元方差分析，SPSS中需调用 Univariate命令进行。
26
4.4 方差分析的种类




单因素多元方差分析，SPSS中需调用 Multivariate命令进行。 两因素多元方差分析，SPSS中需调用 Multivariate命令进行。 多因素多元方差分析，SPSS中需调用 Multivariate命令进行。 重复测量方差分析，SPSS中需调用Repeated Measures命令进行。
40
4.6.2 MANOVA的假设
（1）多个因变量之间有足够相关。 做Bartlett球形检验，看因变量之间是否 独立，若独立，则球形检验不显著，表示 因变量之间不相关，没有必要做多元分析, 只做一元方差分析；若Sig=0.000，则表示有 足够相关，需要做多元方差分析。 （2）多因变量之间为多元正态分布。 这一假设很难满足，主要是考察残差图 看是否满足正态要求。看残差正态标绘图 （Normal Q-Q plot of Residuals）。

而当所研究的对象找不到最佳的测量方式 时，综合分析各方面的指标就成为必要， 因此，在一般对自变量进行方差分析的基 础上，又引进多个因变量进行多元方差分 析。
24
4.3 从t检验到一元方差分析再到多 元方差分析

元：即指因变量。多元方差分析主要是指 因变量多于两个或两个以上的研究情形。
多元方差分析实际上是多个因变量的方差 分析，但又不同于一元方差分析的简单加 权，因为，它是在同时考虑多个因变量差 异是否显著的情况下完成的。一元方差分 析显著，并不意味着多元方差分析显著， 反之也是如此。
20
4.2.2 方差分析的基本思想
方差分析的基本假设： （1）总体正态分布。指实验中的观测值应来 自正态分布的总体。人的许多心理特征与 行为是以正态分布或类似正态分布的形式 出现。一般来说，F分布对观测值的分布形 式不很敏感，一般不需要特别做正态分布 的检查。但当有些极端情况出现时，如分 布形式极端偏离，或根本不可能是正态分 布时，需要对观测值做适合的转换。


方差分析处理的是方差，方差是一组数据 的离散程度的测量。 方差（variance）与变异（variation）在有些 场合下是通用的，但不完全相同，方差仅 是表示变异的若干统计量之一，变异则是 一个更一般的概念。
在方差分析中，方差更常用的专用术语叫 均方（mean square，MS）。
16

4.2.2 方差分析的基本思想
11
4.2 方差分析及其基本思想

方差分析的基本特点 方差分析的基本思想
12
4.2.1 方差分析的基本特点

方差分析（analysis of variance，ANOVA） 是有英国统计学家费舍（Sir Ronald Fisher） 发展的，F检验就是以他的名字命名的。
13
4.2.1 方差分析的基本特点
14
4.2.1 方差分析的基本特点

方差分析的另一个不同于t检验的特点是， 它实质上把“平均数之间是否存在差异” 的检验转化为“变异是否存在”的检验。 方差分析的主要功能是分析因变量的总变 异中不同来源的变异，如实验处理带来的 变异、被试个体差异带来的变异、实验误 差带来的变异等等。
15
4.2.2 方差分析的基本思想
29
30
31
A主效应
B主效应
A×B交互作用
32
4.5.2 两因素随机区组实验设计
2×2两因素随机区组实验设计被试分配： A1B1 A1B2 A2B1 A2B2 C 1 S1 S7 S13 S19 S2 S8 S14 S20 C 2 S3 S9 S15 S21 S4 S10 S16 S22 C 3 S5 S11 S17 S23 S6 S12 S18 S24 数据输入的格式：列为自变量A，B，区组 变量C，因变量；行为被试
10
4.1.2 实验设计的种类

混合设计（mixed design）：指在一个实验 设计中既有被试内自变量，又有被试间自 变量，它也是重复测量实验设计的一种形 式。对实验中的被试内自变量，每个被试 接受所有的自变量水平或自变量水平的结 合；对实验中的被试间自变量，每个被试 仅接受一个自变量水平或自变量水平的结 合的处理。
27
4.5 一元方差分析（ Univariate ）

两因素完全随机实验设计
两因素随机区组实验设计
28
4.5.1 两因素完全随机实验设计
2×2两因素完全随机实验设计被试分配： A1B1 A1B2 A2B1 A2B2 S1 S6 S11 S16 S2 S7 S12 S17 S3 S8 S13 S18 S4 S9 S14 S19 S5 S10 S15 S20 数据输入的格式：列为自变量A，B，因变 量；行为被试


接受不同实验处理的被试的分数围绕平均 数的变化在方差分析中是很重要的，它反 映了实验处理带来的变异，叫组间变异 （between-group variation）。 组间平方和SS组间，是几个组的平均数与总 平均数的离差的平方总和。 组间均方的计算公式是： MS组间=SS组间/df 组间自由度df=k-1
4 方差分析



实验设计 方差分析及其基本思想 从t检验到一元方差分析再到多元方差分析 方差分析的种类 一元方差分析 多元方差分析 重复测量方差分析 方差分析交互作用的简单效应检验
1
4.1 实验设计

实验设计常用术语 实验设计的种类
2
4.1.1 实验设计常用术语



因素与因素实验设计 因素（factor）：研究者要研究的一个变量， 研究者通过操纵、改变它，来估价它对因 变量的影响，这个变量也叫自变量。 水平（level）：变量的每个特定的值叫因素 的水平。 因素实验设计（factor experimental design）：多于一个因素的实验设计。严格 意义上说，一个自变量的设计不应该叫因 素设计。