…
案例介绍
我们调查了147人关于哪些因素导致你去观看某个电影, 其中有”情感意象””认知意象”和”故事情节”, 那么我们问题来了, 这些因素有差异吗? 也就是说什么因素对你是否看某个电影的影响力更大?
解决这个问题我们就需要使用重复测量的方差分析, 因为不同的因素其实就是几个指标, 每个被试都有这几个指标, 比较这几个指标谁高谁低, 就是重复测量方差分析的用武之地。
- b站: mlln-cn
- 网站: mlln.cn
前提条件
- 因变量为连续变量
- 组内因素（Within-Subject Factor）有2个或以上的水平
- 组内因素的各个水平，因变量没有极端值
- 因变量服从近似正态分布
- 因变量的方差协方差矩阵相等，也称球形假设
SPSS操作
在菜单依次打开: 分析–>一般线性模型–>重复测量
重复测量需要定义组内因子, 所谓组内因子就是我们今天案例中讲的影响是否看某个电影的因素, 我们可以起名字为”电影因素”, 其中包含三种变量: 情感意象, 认知意象和故事情节, 所以级别数是3, 然后点击”添加”
点击”定义”
选择三个变量”情感意象, 认知意象和故事情节”为我们定义的因子的三个变量:
点击”EM平均值”, 打开对话框, 我们需要显示电影因素的各项均值, 平且比较主效应。
结果解读
首先需要查看球形检验的结果, 如果显著性<0.05, 就认为数据不满足球星假设, 那么就需要对结果进行矫正, 否则不需要纠正。
我们的表格显示不符合球星假设,在实际应用中，只用Greenhouse-Geisser和Huynh-Feldt两种方法，这两种方法计算的epsilon (ε)的值越低，说明违反球形假设的程度越大，当epsilon (ε)=1时，说明完美的服从了球形假设。
Maxwell & Delaney (2004)建议当epsilon (ε)<0.75时，使用Greenhouse-Geisser方法校正。其他统计学家建议当epsilon (ε)>0.75时，使用Huynh-Feldt方法校正。因此我们可以使用Huynh-Feldt方法。
根据上面球形检验的结果, 我们需要采纳Huynh-Feldt的方法所得结果, 也就是下面红框中的结果: 电影因素的主效应显著F(1.783, 260)=5.186, p<.01。因此我们需要进行成对比较来确定具体哪些因素是有差异的。
多重比较由于统计的次数多, 所以需要对显著性水平α进行调整, 调整方法是调整后α=调整前α ÷ 比较的次数, 因为我们比较了3次, 因此调整后的α=0.05/3, 不过下表显示, 电影因素里第一个因素和第二个因素的差异的显著性<0.001, 因此我们可以认为第一个因素显著大于第二个因素。
结果汇报
球形检验的结果显著($\lambda^2$
注意
本文由jupyter notebook转换而来, 您可以在这里下载notebook
统计咨询请加QQ 2726725926, 微信 mllncn, SPSS统计咨询是收费的
微博上@mlln-cn可以向我免费题问
请记住我的网址: mlln.cn 或者 jupyter.cn
