中科院心理所心理统计学6方差分析.ppt

《中科院心理所心理统计学6方差分析.ppt》由会员分享，可在线阅读，更多相关《中科院心理所心理统计学6方差分析.ppt（56页珍藏版）》请在三一办公上搜索。

1、方差分析,任课老师：禤宇明,1.方差分析的原理估算误差方差平方和分解2.单因素方差分析完全随机随机区组3.多重比较4.多因素方差分析,1.方差分析的原理1.1 什么是方差分析 Analysis of Variance,简称ANOVA，检验多个总体均值是否相等分析实验数据中不同来源的变异对总体变异的贡献大小，从而确定实验中的自变量是否对因变量有重要影响（见P167第二段）比较两个以上的样本平均数可以把方差分析看成是检验的扩展分析两个以上的自变量的效应及其变量之间的交互作用,1.2从一个例子看方差分析的原理,Craik&Lockhart(1972)记忆效果和加工方式有关Eysenck(1974)5

2、0名5565岁的被试随机分组Counting 计算字母的数目Rhyming 想出押韵的词Adjective 想出一个修饰词Imagery 把词想象成画Intentional 告知有记忆测验（前4组都不知道要测验）过程：包含27个词的表过3遍后要求被试写下记住的词,几个概念,因素：自变量 independent variable，处理 treatment 如：加工方式因素的水平：一个因素的不同情况或取值，不同的实验处理如：Counting,Rhyming,Adjective,Imagery,Intentional因变量：自变量影响的结果如：记忆效果单因素方差分析 one-way ANOVA只有一

3、个因素，一个因变量多因素方差分析 two,three,-way ANOVA 多个因素，一个因变量,虚无假设、前提假设,虚无假设H0:m1=m2=m3=m4=m5方差分析的前提假设正态 normality方差齐性 homogeneity of variance误差方差 error variance：和实验处理无关的方差某种实验处理的效果相当于在每个人的分数的基础上加一个常数独立 independence of observations,1.2.3 估计总体方差的两种方法方法一,方法二,方差分析的逻辑,用两个方法来估计总体方差一种方法与虚无假设是否成立无关另一种方法以虚无假设成立为前提如果两种方法

4、算出来的结果一致，接受H0，否则拒绝H0,处理效应 treatment effect,平方和的分解 sum of squares,平方和的优越性在于其可加性均方和方差只有在自由度相等时才可加,变异的分解,均方,如果当F1，数据的总变异中大部分是由实验误差或个体差异造成的，不同的实验处理之间差异不大，即实验处理基本无效如果F1且落入F分布的临界区外，实验处理的作用显著大于组内变异的作用，可以确认实验处理的有效作用，至少有两个处理之间的差异显著方差分析就是检验组间变异在统计上是否显著地大于组内变异,用原始数值计算,方差分析表,1.2.5 方差分析的基本过程,建立假设H0：无处理效应H1：有处理效应

5、求平方和确定自由度求均方进行F检验，单侧列出方差分析表,方差齐性检验哈特莱Hartley法,方差分析和实验设计,因素单因素多因素设计完全随机设计随机区组设计,完全随机设计 Complete randomized design,把被试随机分成若干组，每个组随机指派一种实验处理。完全随机分组后，各实验组的被试之间是相互独立的，因而这种设计又称“独立组设计”或“被试间设计”不足之处误差项包括实验本身的误差又包括个体差异引起的误差,1.2.7.2 随机区组设计randomized block design,原则：同一组内的被试应尽量“同质”一个被试作为一个区组，不同的被试(区组)均需接受全部个实验处理

6、每一区组内被试的人数是实验处理的整数倍区组内的基本单元标识是以一个团体为单元同一区组接受所有实验处理，实验处理之间有相关，所以也称为“相关组设计”或“被试内设计”区组效应和误差变异的分离总平方和组间平方和区组平方和误差平方和,2.单因素方差分析2.1 单因素完全随机设计,等重复设计各实验处理组的样本容量相同不等重复设计各实验处理组样本容量不同有各组均值、方差、样本容量而无原始数据,2.1.1 等重复设计,各实验处理组的样本容量相同k个处理组，每个组样本容量均为n例为研究不同科目的教师当班主任，对学生某一学科的学习是否有影响。把40名学生随机分派到5名教不同科目的班主任负责的班级中，经过一段时间

7、以后对这40名学生进行数学考试，结果见下表。请检验5组不同班主任的学生数学成绩是否有显著差异。,2.1.2 不等重复设计,各实验处理组样本容量不同计算组间平方和时，注意公式中的各组的nj不同,2.1.3 有样本统计量无原始值(p.173),例：把20名被试随机分成4组，每组(5人)接受一种教学方法，问四种教学方法是否有显著差异？教学方法:A B C D每组人数:5 5 5 5每组平均数:5 5.4 8 7.2每组方差:1.99 1.04 1.20 1.76,2.2 单因素随机区组设计方差分析,有四种小学语文实验教材，分别代号为A、B、C、D。为比较其教学效果，按随机区组设计原则，将小学分为城镇

8、重点小学、城镇一般小学和乡村小学三个区组，分别代号为I、II、III，并分别在每个区组中随机地抽取4所小学，它们分别被随机地指派实验一种教材。经一年教学后通过统一考试得到各校的平均成绩如下表。问四种教材的教学效果是否一致？,随机区组设计平方和分解,随机区组设计方差分析的步骤,随机区组设计的方差分析表,3.多重比较 multiple comparison,如果方差分析的结果表明差异显著，只能说明多个平均数之间至少有两个之间的差异显著，但没有指出哪些平均数之间的差异显著是否可以用 t 检验对平均数两两比较来寻找哪些有显著差异的平均数对呢？不行！因为犯a错误的概率增加若H0为真，一次比较犯错误的概率

9、是a若一次实验中做了n次独立的比较，那么这n次比较中犯错误的次数是na这n次比较中至少有一次犯a错误的概率是1-(1-a)n,N-K法Newman-Keul,P184 例6-5,22肥料：A、B土壤：红、黑,4 多因素方差分析,4.1 几个基本概念析因设计 factorial design实验处理包括所有自变量的所有水平之间的两两组合，如 52，333，2222因素和水平主效应 main effect单个自变量和单个因变量之间的基本关系交互作用 interaction两个或多个自变量的效应是彼此依赖的,4.2 多因素方差分析总平方和分解,在两因素的完全随机设计中SSt=SSA+SSB+SSAB

10、+SSe在两因素的随机区组设计中SSt=SSbk+SSA+SSB+SSAB+SSe,4.3 二因素完全随机设计方差分析,例：研究不同的教学态度（因素A）和不同的教学方法（因素B）对儿童识字量的作用，将20名被试随机分成四组（每组5人），每组接受一种实验处理，结果见下表A因素：A1为“严肃”，A2为“轻松”B因素：B1 为集中识字，B2为分散识字因变量为“识字量”,二因素完全随机设计方差分析表,4.4 交互作用和主效应,两因素之间的交互作用非常显著，表明集中识字与分散识字效果的不同是受不同教学态度影响的。同样，不同的教学态度对识字量的不同作用也受到识字教学方式的影响。如果方差分析的结果，交互作用

11、不显著，则对每个因素主效应的检验是重要的；若交互作用显著，则对每个主效应检验就意义不大了。交互作用显著表明两个因素对实验结果具有共同的重要性。,4.5 简单效应分析,当交互作用显著时，进一步分析一个因素在另一个因素的哪些水平上效应显著例：进一步讨论教学方法在教学态度的哪一个水平上主效应显著，教学态度在教学方法的哪一个水平上主效应显著,对简单效应的讨论,虽然教学方法主效应不显著，但不同的识字教学方式，在轻松的教室气氛中差异显著，而在严肃的情境中二者差异不显著。教学态度在教学方法的两个水平上主效应都显著，表明不管用哪一种教学方法，不同的教学态度对学生的识字量均有显著影响。其中，在集中识字教学中两种教学态度使识字量的差异更显著。,