简单效应SPSS编程

1、被试内、被试间、混合实验设计简单效应分析  简单效应(simple effect)分析 简单效应(simple effect)分析通常是在作方差分析时存在交互效应的情况下的进一步分析。你需要在SPSS中编写syntax实现。一、完全随机因素实验中简单效应得分析程序假如一个两因素随机实验中，A因素有两个水平、B因素有三个水平，因变量是Y，检验B因素在A因素的两个水平上的简单效应分析。TWO-FACTOR RANDOMIZED EXPERIMENTSIMPLE EFFECTS.DATA LIST FREE /A  B  Y.BEGIN DATA1 

2、 3   4  1  1   21  1   32  2   52  1   61  2   82  1   91  2   82  3  102  3  112  3   92  3   8END DATA.MANOVA y BY A(1,2) B(1,3)

3、  /DESIGN  /DESIGN=A WITHIN B(1)               A WITHIN B(2)               A WITHIN B(3).若A与B存在交互作用而进行的进一步分析（即简单效应分析）。同时你可以再加一个design:  /DESIGN=B

4、 WITHIN A(1)                  B WITHIN A(2). 自编数据试试   y           A         B  4.00   

5、0;  1.00     3.00  2.00      1.00     1.00  3.00      1.00     1.00  5.00      2.00     2.00  6.00   

6、0;  2.00     1.00  8.00      1.00     2.00  9.00      2.00     1.00  8.00      1.00     2.00  10.00   

7、60; 2.00     3.00  11.00     2.00     3.00  9.00      2.00     3.00  8.00      1.00     2.00当然，你可也直接贴下述语句至syntax编辑框：应会输出下述结果：The defaul

8、t error term in MANOVA has been changed from WITHIN CELLS toWITHIN+RESIDUAL. Note that these are the same for all full factorialdesigns.* * * * * * A n a l y s i s   o f   V a r i a n c e * * * * * *    12 cases accepted.      0 cases rejec

9、ted because of out-of-range factor values.      0 cases rejected because of missing data.      6 non-empty cells.       3 designs will be processed. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

10、- - - - * * * * * * A n a l y s i s   o f   V a r i a n c e - design   1 * * * * * *  Tests of Significance for Y using UNIQUE sums of squaresSource of Variation       SS     DF     MS&

11、#160;      F Sig of F WITHIN CELLS         10.00     6     1.67X1                 15.00    

12、; 1   15.00     9.00     .024X2                 6.46     2     3.23     1.94     .224X1 BY

13、 X2             33.00     2   16.50     9.90     .013 (Model)             80.92     5

14、   16.18     9.71     .008(Total)             90.92     11     8.27R-Squared =       .890Adjusted R-Squared = .798 

15、- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - * * * * * * A n a l y s i s   o f   V a r i a n c e - design   2 * * * * * * Tests of Significance for Y using UNIQUE sums of squaresSource of Variation     

16、0; SS     DF     MS       F Sig of F WITHIN+RESIDUAL       16.46     8     2.06X1 WITHIN X2(1)       25.00   &

17、#160; 1   25.00   12.15     .008X1 WITHIN X2(2)         8.15     1     8.15     3.96     .082X1 WITHIN X2(3)     &#

18、160; 43.74     1   43.74   21.26     .002 (Model)             74.46     3   24.82   12.06     .002(Total) 

19、0;           90.92     11     8.27 R-Squared =       .819Adjusted R-Squared = .751- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -* * * * * * A n a l

20、y s i s   o f   V a r i a n c e - design   3 * * * * * *Tests of Significance for Y using UNIQUE sums of squaresSource of Variation       SS     DF     MS       F Sig of

21、FWITHIN+RESIDUAL       25.00     7     3.57X2 WITHIN X1(1)       30.30     2   15.15     4.24     .062X2 WITHIN X1(2)  &

22、#160;    35.58     2   17.79     4.98     .045(Model)             65.92     4   16.48     4.61  

23、;   .039(Total)             90.92     11     8.27 R-Squared =       .725Adjusted R-Squared = .568另外，三因素完全随机实验中的简单效应和简单简单效应的分析。当实验设计中的因素多于两个时，做简单效应检验的前提仍然是，

24、方差分析中发现了显著的两次交互作用。而当三因素完全随机实验中发现了显著的三次交互作用时，可以进一步作简单简单效应检验。也是DESIGN。/DESIGN=A WITHIN B（1） WITHIN C（1）                A WITHIN B（2） WITHIN C（2）.例如：THREE-FACTOR RANDOMIZED EXPERIMENTSIMPLE EFFECTS.SIMPLE SIMPLE EFFECTS.DATA LIS

25、T FREE /A  B  C  Y. BEGIN DATA1  3  1  4  1  1  1  21  1  1  32  2  1  52  1  1  61  2  2  82  1  2  91  2  2  82  3  2 102  3  2 112 

26、3  2  92  3  2  8END DATA.MANOVA y BY A(1,2) B(1,3) C(1,2).  /DESIGN  /DESIGN=A WITHIN B(1)                 A WITHIN B(2)          

27、0;      A WITHIN B(3)                A WITHIN C(1)                A WITHIN C(2)/DESIGN=A WITHIN B(1) WITHIN C(1)  &

28、#160;             A WITHIN B(2) WITHIN C(2).二、被试内因素实验的简单效应分析程序与完全随机实验的不同之处：需要加一个WITHIN关键词说明的WSDESIGN分命令。假如一个两因素被试内实验中，A因素有两个水平、B因素有三个水平，因变量是Y，检验B因素在A因素的两个水平上的简单效应分析。TWO-FACTOR REPEATED MEASURED EXPERIMENT ANOVASIMPLE EFFECTS.DATA LIST FREE

29、/A1B1  A1B2  A1B3  A2B1  A2B2  A2B3. BEGIN DATA3 4 5 4 8 126 6 7 5 9 134 4 5 3 8 123 2 2 3 7 11END DATA.MANOVA A1B1  A1B2  A1B3  A2B1  A2B2  A2B3  /WSFACTORS=A(2)B(3)  /WSDESIGN=A WITHIN B(1)        &

30、#160;              A WITHIN B(2)                       A WITHIN B(3). 三、混合因素实验的简单效应分析一个两因素混合实验中，简单效应检验中既包括被试内因素，有包括被试间因素

31、，这是需要用关键词MWITHIN代替WITHIN去做简单效应检验。例如，一个两因素混合实验中，A因素是被试间因素，B因素是被试内因素，当要求A因素在B1水平上的简单效应检验时，程序有两处说明：1.被试间因素A应写在DESIGN分命令中。/DESIGN=A2.B1水平应写在WSDESIGN分命令中，跟在MWITHIN之后。/WSDESIGN=MWIRHIN B(1)两个命令和起来：/DESIGN=A/WSDESIGN=MWITHIN B(1)这样可以检验到“混合”简单效应。当要求B因素在A1水平上的简单效应检验时，/WSDESIGN=B/DESIGN=MWITHIN A(1) 一个两因

32、素混合实验中，A因素是被试间因素，有两个水平，B因素是被试内因素，有三个水平，要求做B因素在A的两个水平上的简单效应检验，程序如下：TWO-FACTOR MIXED EXPERIMENT ANOVASIMPLE EFFECTS.SIMPLE SIMPLE EFFECTS.DATA LIST FREE /A  B1  B2  B3. BEGIN DATA1  3  3  4  1  1  3  21  6  1  32  5  1  52

33、  4  4  61  2  9  82  1  7  91  4  6  82  3  2 102  3  3 112  9  5  92  3  2  8END DATA.MANOVA B1 B2 B3 BY A(1,2)./WSFACTORS=B(3)/WSDESIGN/DESIGN/WSDESIGN=B/DESIGN=MWITHIN A(1) MWITHIN A(2).

34、要求做另一个方向的简单效应检验，做A因素在B的三个水平的简单效应检验时，MWITHIN关键词应被移动到WSDESIGN分命令。程序如下：TWO-FACTOR MIXED EXPERIMENT ANOVASIMPLE EFFECTS.SIMPLE SIMPLE EFFECTS.DATA LIST FREE /A  B1  B2  B3.BEGIN DATA1  3  3  4  1  1  3  21  6  1  32  5  1  5

35、2  4  4  61  2  9  82  1  7  91  4  6  82  3  2 102  3  3 112  9  5  92  3  2  8END DATA.MANOVA B1 B2 B3 BY A(1,2)./WSFACTORS=B(3)/WSDESIGN/DESIGN/WSDESIGN=MWITHINB(1)  MWITHINB(2) 

36、; MWITHIN B(3) /DESIGN= A. 总结：被试内：WSDESIGN     WITHIN被试间：DESIGN        WITHIN混合：MWITHIN研究变量的主效应与交互效应在多因素实验研究中，主效应就是在考察一个变量是否会对因变量的变化发生影响的时候，不考虑其他研究变量的变化，或者说将其他变量的变化效应平均掉。换句话说，就是其他研究变量都不变化的情况下，单独考察一个自变量对因变量的变化效应。    交互效应，则是反映两

37、个或两个以上自变量相互依赖、相互制约，共同对因变量的变化发生影响。换句话说，如果一个自变量对因变量的影响效应会因另一个自变量的水平不同而有所不同，则我们说这两个变量之间具有交互效应。    在析因实验（多因素实验）中，数据收集、数据分析的主要目标是考察自变量的主效应和交互效应是否显著。一个自变量的主效应显著，意味着该自变量的各个水平在其它自变量的所有水平上的平均数存在差异；否则，就不存在显著性差异。比如，在自变量A和自变量B构成的2×2析因设计中，如果A的主效应显著，那就意味着A1在B1和B2水平下的平均数与A2在B1和B2水平下的平均数存在显著性差异。变量间的交互效应则是指一个因子的效应依赖于另一个因子的不同水平。在析因设计中，方差分析直接给出自变量的主效应和交互效应是否显著的结果，多数研究者也依次判定自变量的作用是否明显、这些自变量的作用是否相互依赖。事实上，自变量的主效应与交互效应的评估并非这么简单，它们存在关联性，需要具体情况具体分析。我们就以两个自变量的主效应和交互效应来分析。当交互效应不显著的时候，两个自变量相互独立，我们可以直接从其主效应是否显著来评估自变量对因变量的作用大小；当两个自变量间的交互效应显著时，就不能简单地从主效应是否显著直接得出结论了。我们现在以交互效应显著为前提，