1、三因素实验设计对三因素重复测量实验设计进行数据处理1、三因素完全随机实验设计数据处理过程：1、打开 SPSS软件，点击 Data View ，进入数据输入窗口，将原始数据输入SPSS表格区域；2、在菜单栏中选择分析一般线性模型单变量；3、因变量 Dependent Variable方框中放入记忆成绩（JY） ，固定变量（Fixed Factor(s)）方框中，放入自变量记忆策略、有无干扰和材料类型；4、点击选项（Options）按钮，选择 Descriptive statistics，对数据进行描述性统计；选择 Homogeneity tests，进行方差齐性检验；5.结果分析：描述性统计量因
2、变量:记忆成绩记忆策略 有无干扰 材料类型 均值 标准 偏差 N实物图片 13.0000 1.58114 5图形图片 8.0000 1.58114 5无干扰总计 10.5000 3.02765 10实物图片 5.4000 2.07364 5图形图片 4.6000 .89443 5有干扰总计 5.0000 1.56347 10实物图片 9.2000 4.36654 10图形图片 6.3000 2.16282 10联想策略 dimension2总计总计 7.7500 3.66886 20实物图片 6.8000 1.30384 5图形图片 7.2000 1.30384 5无干扰总计 7.0000 1
3、.24722 10实物图片 4.0000 1.00000 5图形图片 2.8000 .83666 5有干扰总计 3.4000 1.07497 10实物图片 5.4000 1.83787 10图形图片 5.0000 2.53859 10复述策略 dimension2总计总计 5.2000 2.16673 20实物图片 9.9000 3.54181 10图形图片 7.6000 1.42984 10无干扰总计 8.7500 2.88143 20实物图片 4.7000 1.70294 10图形图片 3.7000 1.25167 10总计 dimens有干扰总计 4.2000 1.54238 20实物图
4、片 7.3000 3.79889 20图形图片 5.6500 2.39022 20ion2总计总计 6.4750 3.24225 40方差齐性检验结果：P=0.2780.05 所以各组数据方差齐性。误差方差等同性的 Levene 检验 a因变量:记忆成绩F df1 df2 Sig.1.309 7 32 .278检验零假设，即在所有组中因变量的误差方差均相等。a. 设计 : 截距 + A + B + C + A * B + A * C + B * C + A * B * C被试间变量效应检验结果：A、B、C 的主效应均极显著（P0.01） ；AB 交互效应显著；AC 交互效应极显著；BC 交互效
5、应不显著；ABC 交互效应极显著。对于二阶与三阶交互效应显著的，还需进行简单效应与简单简单效应检验。主体间效应的检验因变量:记忆成绩源III 型平方和 df 均方 F Sig.校正模型 349.175a 7 49.882 26.254 .000截距 1677.025 1 1677.025 882.645 .000A 65.025 1 65.025 34.224 .000B 207.025 1 207.025 108.961 .000C 27.225 1 27.225 14.329 .001A * B 9.025 1 9.025 4.750 .037A * C 15.625 1 15.625 8
6、.224 .007B * C 4.225 1 4.225 2.224 .146A * B * C 21.025 1 21.025 11.066 .002误差 60.800 32 1.900总计 2087.000 40校正的总计 409.975 39主体间效应的检验因变量:记忆成绩源III 型平方和 df 均方 F Sig.校正模型 349.175a 7 49.882 26.254 .000截距 1677.025 1 1677.025 882.645 .000A 65.025 1 65.025 34.224 .000B 207.025 1 207.025 108.961 .000C 27.225
7、 1 27.225 14.329 .001A * B 9.025 1 9.025 4.750 .037A * C 15.625 1 15.625 8.224 .007B * C 4.225 1 4.225 2.224 .146A * B * C 21.025 1 21.025 11.066 .002误差 60.800 32 1.900总计 2087.000 40校正的总计 409.975 39a. R 方 = .852（调整 R 方 = .819）简单效应检验：在主对话框中，单击 Paste按钮，SPSS 会把原先的全部操作转换成语句并粘贴到新打开的程序语句窗口中，在命令语句中加入 EMMEA
8、NS引导的语句；结果：当被试使用联想策略进行记忆时，无干扰条件的记忆成绩极显著优于有干扰条件的记忆成绩；当被试使用复述策略进行记忆时，无干扰条件的记忆成绩也极显著优于有干扰条件的记忆成绩。当被试使用联想策略进行记忆时，实物图片的记忆成绩极显著优于图形图片的记忆成绩；当被试使用复述策略进行记忆时，实物图片与图形图片的记忆成绩无显著差异。简单简单效应检验：结果：所以 a,b,c 有显著差异。2、重复测量一个因素的三因素混合实验设计数据处理过程：1.Data View ，进入数据输入窗口，将原始数据输入 SPSS表格区域2.Analyze General Linear Model Repeated
9、Measures（在菜单栏中选择分析一般线性模型重复变量）3.在定义被试内变量（Within-Subject Factor Name）的方框中，设置被试内变量标记类型，在定义其水平（Number of Level）的对框中，输入 3，表示有两个水平，然后按填加（Add）钮。4.按定义键（Define ） ，返回重复测量主对话框，将 b1、b2、b3 选入被试内变量（Winthin-Subjects Variables）方框中，将 a、c 选入被试间变量框中。5.点击选项 Options，进行如下操作：将被试内变量 b（三个水平）键入到右边的方框中，采用LSD（none）法进行多重比较，选择 D
10、escriptive statistics 命令，对数据进行描述性统计。选择 Homogeneity tests 进行方差齐性检验。6.单击 continue 选项，返回主对话框，点击 OK，执行程序。7.结果：一元方差分析：标记类型主效应显著，F=37.022，P=0.009；句长类型主效应检验，因其满足球形假设，故参见每项检验的第一行SphericityAssumed的结果，即，F=47.79，P=.000，表明 b变量主效应极其显著；a 与 b的交互效应检验。因其满足球形假设，故参见标准一元方差分析的结果，即 F=34.02，P=.001，表明 a与 b的交互效应极显著。多重比较：长句与
11、中句之间差异极其显著（P=0.003） ；长句与短句之间差异极其显著（P=0.000） ；中句与短句之间差异也极其显著（P=0.002） 。描述性统计量有无干扰 显示时间 均值 标准 偏差 N30 秒 14.2500 .95743 415 秒 9.7500 1.70783 4无干扰 dimension2总计 12.0000 2.72554 830 秒 5.2500 .95743 415 秒 6.5000 1.29099 4有干扰 dimension2总计 5.8750 1.24642 830 秒 9.7500 4.89168 815 秒 8.1250 2.23207 8实物图片dimensio
12、n1总计 dimension2总计 8.9375 3.76774 1630 秒 8.5000 1.29099 415 秒 7.5000 1.29099 4无干扰 dimension2总计 8.0000 1.30931 830 秒 10.2500 1.70783 4数字图片 dimension有干扰 dimen15 秒 5.5000 1.29099 4sion2总计 7.8750 2.90012 830 秒 9.3750 1.68502 815 秒 6.5000 1.60357 81总计 dimension2总计 7.9375 2.17466 1630 秒 7.0000 .81650 415 秒
13、 5.7500 1.70783 4无干扰 dimension2总计 6.3750 1.40789 830 秒 6.7500 .95743 415 秒 2.7500 .95743 4有干扰 dimension2总计 4.7500 2.31455 830 秒 6.8750 .83452 815 秒 4.2500 2.05287 8符号图片dimension1总计 dimension2总计 5.5625 2.03204 16协方差矩阵等同性的 Box 检验 aBox 的 M 26.278F .749df1 18df2 508.859Sig. .760检验零假设，即观测到的因变量的协方差矩阵在所有组中
14、均相等。a. 设计 : 截距 + a + c + a * c 主体内设计: b多变量检验 b效应 值 F 假设 df 误差 df Sig.Pillai 的跟踪 .803 22.413a 2.000 11.000 .000Wilks 的 Lambda.197 22.413a 2.000 11.000 .000Hotelling 的跟踪4.075 22.413a 2.000 11.000 .000bRoy 的最大根 4.075 22.413a 2.000 11.000 .000Pillai 的跟踪 .822 25.414a 2.000 11.000 .000Wilks 的 Lambda.178 2
15、5.414a 2.000 11.000 .000Hotelling 的跟踪4.621 25.414a 2.000 11.000 .000b * aRoy 的最大根 4.621 25.414a 2.000 11.000 .000Pillai 的跟踪 .169 1.117a 2.000 11.000 .362Wilks 的 Lambda.831 1.117a 2.000 11.000 .362Hotelling 的跟踪.203 1.117a 2.000 11.000 .362b * cRoy 的最大根 .203 1.117a 2.000 11.000 .362Pillai 的跟踪 .752 16.
16、698a 2.000 11.000 .000Wilks 的 Lambda.248 16.698a 2.000 11.000 .000Hotelling 的跟踪3.036 16.698a 2.000 11.000 .000b * a * cRoy 的最大根 3.036 16.698a 2.000 11.000 .000a. 精确统计量b. 设计 : 截距 + a + c + a * c 主体内设计: b主体内效应的检验度量:MEASURE_1源 III 型平方和 df 均方 F Sig.采用的球形度 96.167 2 48.083 29.974 .000Greenhouse-Geisser96.167 1.902 50.549 29.974 .000Huynh-Feldt 96.167 2.000 48.083 29.974 .000b下限 96.167 1.000 96.167 29.974 .000采用的球形度 78.000 2 39.000 24.312 .000Greenhouse-Geisser78.000 1.902 41.000 24.312 .000Huynh-Feldt 78.000 2.000 39.000 24.312 .000b * a下限 78.000 1.000 78.000 24.312 .000
