目錄TOC\o"1-5"\h\z\o"CurrentDocument"一、額外變量的控制方法 2\o"CurrentDocument"輸出描述性數(shù)據(jù)&剔除極端數(shù)據(jù) 2\o"CurrentDocument"數(shù)據(jù)的轉(zhuǎn)換 4數(shù)據(jù)標(biāo)準(zhǔn)化 4\o"CurrentDocument"心理學(xué)研究中的變量間相關(guān)關(guān)系 5皮爾遜相關(guān) 5相關(guān)關(guān)系：偏相關(guān)分析、交叉滯后的相關(guān)設(shè)計、結(jié)構(gòu)模型和線性結(jié)構(gòu)方程 5相關(guān)分析 6偏相關(guān)分析 6交叉滯后的相關(guān)設(shè)計 8結(jié)構(gòu)模型和線性結(jié)構(gòu)方程 8\o"CurrentDocument"斯皮爾曼等級相關(guān)系數(shù) 8\o"CurrentDocument"五、多重回歸模型分析的SPSS操作 10\o"CurrentDocument"一元線性回歸(一個自變量) 10多元線性回歸(多個自變量) 13⑴Enter法 14層次回歸 15(3)逐步回歸(stepwiseregression 17\o"CurrentDocument"實驗設(shè)計的基本術(shù)語(主效應(yīng)、簡單效應(yīng)等) 17主效應(yīng)與交互作用 17簡單效應(yīng)和簡單簡單效應(yīng) 17被試間設(shè)計 19.單因素被試間設(shè)計(t、F) 19獨立樣本t檢驗結(jié)果 20?:?方差分析計算效應(yīng)量() 23?進行事后檢驗步驟如下： 24\o"CurrentDocument".兩因素完全隨機實驗設(shè)計(方差分析ANOVA) 25.被試內(nèi)設(shè)計 28.混合設(shè)計 28一、額外變量的控制方法排除法對立法：額外變量與自變量的效果對立恒定法隨機化法(1)被試隨機分派：用excel將被試編號，在編號右側(cè)寫入能生成隨機數(shù)的函數(shù)Rand(),然后按隨機后的數(shù)字排序，則被試就被隨機化了。(2)安排試驗順序：例如隨機化安排72次試驗的順序匹配法(1)被試匹配分組(2)實驗材料匹配分組(3)共軛控制:實驗過程中進行控制P38兼作組法：被試內(nèi)設(shè)計抵消平衡法：ABBA二、輸出描述性數(shù)據(jù)&剔除極端數(shù)據(jù)將要檢查的變量移入右邊的框中，并勾選紅框中的選項（意思是:輸出Z分?jǐn)?shù)，并作為一個變量列出來。因為檢查數(shù)據(jù)有效應(yīng)的時候要用到Z分?jǐn)?shù)）。點擊option設(shè)置需要輸出的描述性統(tǒng)計量，我們需要的統(tǒng)計量主要是最大、最小值。DescriptiveStatisticsNMinimumMaximumMeanStd.Deviation總分y4T4IZU.U4總分3942166.273.533總分2942187.023.877總分1942156.753.102ValidN(listwise)94輸出的數(shù)據(jù)包括平均數(shù)、最大最小值、標(biāo)準(zhǔn)差。切換到數(shù)據(jù)視圖，生成了新變量Z值，從中可以看出Z值不在-3到3范圍內(nèi)的數(shù)據(jù)。三、數(shù)據(jù)的轉(zhuǎn)換在行為科學(xué)研究中，有時需要對原始數(shù)據(jù)轉(zhuǎn)換后才能進行分析，常見原因包括：原始數(shù)據(jù)不能很好的滿足F檢驗的需要，研究者希望獲得誤差變異的同質(zhì)性，或者使原始數(shù)據(jù)接近正態(tài)分布，或者是希望減小誤差變異等。1.數(shù)據(jù)標(biāo)準(zhǔn)化強量表全部數(shù)據(jù)[2),say[DataSetl]-SPSSStatisticsDataEditorFileiditViewDataTransformAnalyzeGraphsUtilitiesAdd-onsWindowHelpb國圖國S2nsRefjorts ?郎,3。氣43:生涯好奇20.0DescriptiveStatistic后 ?123Frequencies...IF4BF10Tables ?RFMAnalysis ?CornfjareMeans ?GeneralLinearModel ?GeneralizedLinearModels?MixedModels ?Correlate ?Regression ?Lgglinear ?兒|Descriptives...4Explore...1x|Crosstabs...垣Ratio...囪P-PPlots...囹Q-QPlots...、格生9343.00569.00362.00348.00361.00148.00373.00360.00382.00431.00J.LJLJ394.0051.0064.00404.0055.0048.00rnn77nn4Rnn

Variable(s):回Savestandardizedvaluesasvariables 將標(biāo)準(zhǔn)化得分另算為變量(Z)Options...OKPasteResetCancelHelpVariable(s):回Savestandardizedvaluesasvariables 將標(biāo)準(zhǔn)化得分另算為變量(Z)Options...OKPasteResetCancelHelp點擊OK,就可以看到表格窗口中已有兩列將原始數(shù)據(jù)轉(zhuǎn)換成了標(biāo)準(zhǔn)數(shù)據(jù)，如下圖。四、心理學(xué)研究中的變量間相關(guān)關(guān)系1.皮爾遜相關(guān)相關(guān)關(guān)系：偏相關(guān)分析、交叉滯后的相關(guān)設(shè)計、結(jié)構(gòu)模型和線性結(jié)構(gòu)方程

相關(guān)分析Correlations閱讀諫席i兄詼倬露智商閱讀速度PearsonCorrelation1]^50-.007Sig.(2-tailed)^750,971N313131閱讀理解Pearson匚口仰系Sig.(2-tailed)數(shù)匚上I1*5日(1,190,236lrUN313131智商PearsonCorrelation-.007,1901Sig.(2-tailed),971,236N313131分析結(jié)果中顯示，閱讀理解與閱讀速度之間的相關(guān)為0.58,p=0.785,閱讀速度與智商之間的相關(guān)為-0.007,p=0.971，閱讀理解與智商相關(guān)為0.196,p=0.286.偏相關(guān)分析相關(guān)關(guān)系不能確定為因果關(guān)系,若自變量和因變量相關(guān),但沒法證明因變量是由于自變量的影響造成的,此時發(fā)現(xiàn)第三個變量對自變量和因變量都有影響,可以的解決方法是把第三個變量轉(zhuǎn)化為控制變量。偏相關(guān)分析是一種嘗試從統(tǒng)計上控制第三變量的方法,可用來估計第三變量的效果。邏

輯是，在移出或控制第三變量的前提下，測量研究者所感興趣的兩個變量之間的關(guān)系。使用SPSS可進行偏相關(guān)分析，實例P51.TestofSignificance（習(xí)Two-tailedOne-tailed此處可選擇雙側(cè)檢驗和單側(cè)檢驗

TestofSignificance（習(xí)Two-tailedOne-tailed此處可選擇雙側(cè)檢驗和單側(cè)檢驗CorrelationsControlVariables閱讀i束官閱讀理解智商 閱讀速度 Correlation1.000,060Significance(2-tailed)752df020閱讀理解 Correlation.0601.000Significance(2-tailed).752df230從輸出的結(jié)果可看出，在控制智商變量的前提下，閱讀速度與閱讀理解成績之間的相關(guān)為0.06,p=0.752.不控制時，二者的相關(guān)為①中得出的0.58,說明智商的確是重要的第三變量，對閱讀理解和閱讀速度之間的0.58相關(guān)有顯著的貢獻(xiàn)。交叉滯后的相關(guān)設(shè)計相關(guān)分析僅能確定兩個變量有因果關(guān)系,但無法確定相關(guān)方向,即是變量1影響變量2還是變量2影響變量1,交叉滯后相關(guān)可以作為解決該問題的一種方法。結(jié)構(gòu)模型和線性結(jié)構(gòu)方程近年來流行的高級技術(shù),可以確定幾個變量之間的因果線路。能夠同時考慮有無因果關(guān)系以及因果關(guān)系的方向兩個問題。皮爾曼等級相關(guān)系數(shù)當(dāng)計算評分者信度時,評分者只有兩人或者一個人先后兩次評若干份試卷時,采用此種相關(guān)系數(shù)計算。SPSS操作步驟如下Spearman'srho總分1CorrelationCoefficient1.000Sig.(2-tailed)N94總分mCorrelationCoefficient.270"Sig.(2-tailed),009N94jCorrelations**.Correlationissignificantatthe0.01level(2-tailed).妊井3|.2疔J..009g94/1.000f94FileEditViewDataTransformFileEditViewDataTransform&HaUT?算I1:專業(yè)2.0民京12213141516171ReportsDescriptiveStatisticsTables是否（曾）擔(dān)您在家中屬于斯RFMAnalysis任骨干CompareMeans12GeneralLinearModel12GeneralizedLinearModels11MixedModels?21Cofrtilatt：?■-|?1 .RegressionRLinear...Loglinear1]CurveEstimation...五、多重回歸模型分析的SPSS操作回歸分析（英語：RegressionAnalysis）是一種統(tǒng)計學(xué)上分析數(shù)據(jù)的方法，目的在于了解兩個或多個變量間是否相關(guān)、相關(guān)方向與強度，并建立數(shù)學(xué)模型以便觀察特定變量來預(yù)測研究者感興趣的變量。在使用回歸分析時，所有變量必須進行標(biāo)準(zhǔn)化處理。公式為y?a+bx，b值使用最小二乘法計算。一元線性回歸（一個自變量）假設(shè)Y與X的相關(guān)顯著，意味著回歸系數(shù)c顯著（即H0:c=0的假設(shè)被拒絕）。明量表全第⑵[DataSell]-SPSSStatisticsDataEditorAnalyzeGraphsUtilitiesAdd-onsWindowHslp

輸出結(jié)果：我們看到的第一個表格是變量進入和移除的情況，因為這個模型擬合的比較好，所以我們看變量只有進入沒有移除，但大部分的時候變量是有進有出的，在移除的變量這一欄也應(yīng)該有變量的。移進的變量W"ahlesEnte「ed/Remmre吟/多除的變量ModelvS^iablesEnteredVariablesRemovedMethod1Zsccie住動性人格產(chǎn)Entera.Allrequestedvariablesentered.b.Dependentvariable:左?？诔鲂匝倪m應(yīng)力總分）第二個表格是模型的概況ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1,497a.247.245.86901203a.Predictors:（Const日nt）,Esccire住動性人格）R表示擬合優(yōu)度，它是用來衡量估計的模型對觀測值的擬合程度。它的值越接近1說明模型越好。調(diào)整的R平方比調(diào)整前R平方更準(zhǔn)確一些，圖中的最終調(diào)整△R2=0.245,表示自變量一共可以解釋因變量24.5%的變化。【一般認(rèn)為，擬合優(yōu)度達(dá)到0.1為小效應(yīng)（R方0.01）,0.3為中等（R方0.09）,0.5為大（R方0.25）,這是針對自然科學(xué)的一般界限】結(jié)果為R2=0.247,△R2=0.245（矯正后的R2）表示自變量能解釋因變量總變異的24.5%，SE=0.869（隨機誤差的估計值）。該表中，寫論文報告結(jié)果時，只報告矯正后的R2值。ANOVAbModelSumofSquaresdfMeanSquareFSia.1 Regression77,333177,333102,470,000aResidual235,617312,755Total313.000313a.Predictors:（Const日nthEsccire住動性人格）b.Dependentvariable:Escde性涯適應(yīng)力總分）第三個表Anova表示方差分析結(jié)果，主要看F和sig值兩個，F(xiàn)值為方差分析的結(jié)果，是一個對整個回歸方程的總體檢驗，指的是整個回歸方程有沒有使用價值，其F值對應(yīng)的Sig值小于0.05就可以認(rèn)為回歸方程是有用的。另外，從F值的角度來講：F的值是回歸方程的顯著性檢驗,表示的是模型中自變量可解釋的因變量的變異與誤差變異相比是統(tǒng)計上顯著的。表格可以檢驗是否所有偏回歸系數(shù)全為0（多元回歸分析時），sig值小于0.05可以證明模型的偏回歸系數(shù)至少有一個不為零。若F>Fa（k,n-k-1），則拒絕原假設(shè)，即認(rèn)為列入模型的各個自變量聯(lián)合起來對因變量有顯著影響，反之，則無顯著影響。這里簡單對Fa（k,n-k-1）進行一下解釋，k為自變量個數(shù)，n為樣本容量，n-k-1為自由度。對于我的實驗中的情況來講，k=3,樣本容量為146,所以查表的時候應(yīng)該差Fa（3,142），一般數(shù)理統(tǒng)計課本中都有F分布表，a表示的顯著性水平（一般取0.05），但我們手頭不一定會有課本，就需要借助于excel來查F表，打開excel，在公式區(qū)輸入：=FINV（0.05,3,142），在單元格中即出現(xiàn)2.668336761，表中的F值顯著大于這個值,則認(rèn)為各個解釋變量對因變量有顯著影響。Coefficients3ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1 (Constant)Zswre住動性人格)-1.109E-14,497,049,049,497,00010,1231.000,000a.DependentVariable:Esc口出性涯適應(yīng)力總分)第四個表是參數(shù)的檢驗，這個表格給出了對偏回歸系數(shù)（B）和標(biāo)準(zhǔn)偏回歸系數(shù)（Beta）的檢驗，偏回歸系數(shù)（B）用于不同模型的比較，表示有截距時的回歸系數(shù)，標(biāo)準(zhǔn)偏回歸系數(shù)（Beta）用于同一個模型的不同系數(shù)的檢驗，表示無截距時的回歸系數(shù)（回歸線經(jīng)過原點），表示自變量變化1個單位，因變量變化B個單位，其值越大表明對因變量的影響越大。標(biāo)準(zhǔn)偏回偏回歸系?「 CoeffictentrR系數(shù).Urtstandardrzed“Coeffkierit?StandardizedCoefficient4，ModelBStd.Error的3ti(Consent)447.0423.475.001賓誼、理飲北用施,010.001,8238.927,00口Zaza.0343.805.00)霹憎、督校業(yè)用他.008,001.6758.512.000運輸、批發(fā)企北用生.000,MQ.兩4總57,0003(Constant)-7134?C324477.(?0尾沱、輕飲業(yè)用抱.001閩99.096,000運輸、批凌企讓用他xco網(wǎng)口占49S.5I9工業(yè)企北用物3.74E-0S.000-.165*2.112.0394(Consult)A23X311000-箕僧、金桃助用地■013,002LQ?&5.936.000運輸、批發(fā)企讓用地.000.000.534jQOO工業(yè)企北用他.00口-.231??F日零*業(yè)用地-.001.000.儂&DependentVa）±!e:固像垃破排的里圖多元回歸分析的參數(shù)檢驗結(jié)果需要注意的是，多元回歸分析時，方差分析是對多個自變量的總體檢驗，而不是單個自變量（單個自變量在系數(shù)表中，為單樣本T檢驗，如上圖），這就是第三個表回歸系數(shù)表中的內(nèi)容。系數(shù)表格列出了自變量的顯著性檢驗結(jié)果（使用單樣本T檢驗），最后一列為T檢驗的sig，表中均小于0.05,說明自變量對因變量具有顯著影響，B表示各個自變量在回歸方程中的系數(shù)，負(fù)值表示這個自變量對因變量有顯著的負(fù)向影響，但是由于每個自變量的量綱和取值范圍不同，基于B并不能反映各個自變量對因變量影響程度的大小，這時候我們就要借助標(biāo)準(zhǔn)系數(shù)。目前表格中的“試用版”實際上是Beta的意思，此時數(shù)值越大表示對自變量的影響更大?；貧w分析結(jié)果，只報Beta值，t值，4R2,不需要報F值，只需要在結(jié)果上標(biāo)**。多元線性回歸（多個自變量）使用多重回歸模型進行數(shù)據(jù)分析一般思路：①相關(guān)分析。將多個自變量與一個因變量進行相關(guān)分析，初步探討各自變量與因變量之間的關(guān)系，以及各變量之間的關(guān)系（輸出結(jié)果為相關(guān)矩陣）。②完全多重分析。將所有相關(guān)的自變量與因變量做多重回歸分析，探討影響因變量的預(yù)測性指標(biāo)。③層次回歸。當(dāng)?shù)谝徊降南嚓P(guān)分析中，某一個自變量與因變量的相關(guān)系數(shù)很高時，為了進一步探討該變量對因變量的獨特作用，采用層次回歸的方法，將感興趣的變量放在最后一步進入方程，考察在排除了其他變量的貢獻(xiàn)的情況下，該變量對回歸方程的貢獻(xiàn)。如果該變量仍有明顯的貢獻(xiàn)，那么可以得出結(jié)論，該變量確實具有其他變量所不能代替的獨特作用。⑴Enter法將多個自變量同時放入建立的方程式中。ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1,945a,892,891.33006070a.Predictors:(Constant),Esc口出性涯好奇),Zsme住動性大格hEsc口伯性涯關(guān)注)從圖中可以看出，三個自變量能夠解釋因變量總變異的89.2%ANOVAbModelSumofSquaresdfMeanSquareFSia.1 Regression279.229393,076054.330,000aResidual33.771310,109Total313.000313a.Predictors:(Constant),云?？诔鲂匝暮闷?,左?？诔鲎有匀烁?,去?？诔鲎⊙年P(guān)注)b.Dependentvariable:Es?？凇溉招匝倪m應(yīng)力總分)由此圖看出，該回歸方程是有意義的(p<0.05)

Coefficients3UnstandardizedCoefficientsStandardizedCoefficientsModelBStd.ErrorBetatSig.1(Constant)-1.014E-14,019,0001.000Zsccire住動性人格）,001,021,0813.009,000工號ccir日性涯關(guān)注）,530,021,53825,153,000Zscore也正好奇）,517,023,51722730,000a.DependentVariable:看號?？谧⌒匝倪m應(yīng)力總分）可以看出三個自變量都對因變量有顯著影響（P<0.05）,生涯關(guān)注和生涯好奇的beta值更大，可見這兩個自變量對因變量的影響更大。接下來可以通過層次回歸的方法著重分析這兩個自變量。（2）層次回歸層次回歸的基本思想是，將感興趣的變量放在最后一步進入方程，以考察在排除了其他變量的貢獻(xiàn)后，該變量對回歸方程的貢獻(xiàn)。將除了主動性人格之外的其余變量均放入自變量框中，點擊【Next】。然后把主動性人格放入自變量框中，并點擊【Statistics】，勾選【Rsquaredchange】，可以觀察到主動性人格的獨立作用。ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimateChangeStatisticsRSquareChangeFChangedfldf2Sig.FChange1,991a.982,982.13531619,9825594.681331U,LILILI.991b.982,9S2.13553272,000,01U1309,919a.Predictors:（Constant）,Wsccire性涯自信Zscore性涯關(guān)注），/一口出性涯邦苛）b.Predictors:（Constant）,Wscore性涯自信）,Zscore性涯關(guān)注）,Zscore性涯好奇）,工同口花住動性人格）主動性人格（Model2）對生涯適應(yīng)力的貢獻(xiàn)為R2=0,且F=0.010,p=0.919>>0.05,此回歸方程無意義。所以，主動性人格對生涯適應(yīng)力基本沒有貢獻(xiàn)值。⑶逐步回歸（stepwiseregressioh在建立多元回歸方程的過程中，按偏相關(guān)系數(shù)的大小次序?qū)⒆宰兞恐饌€引入方程，對引入方程中的每個自變量偏相關(guān)系數(shù)進行統(tǒng)計檢驗，效應(yīng)顯著的自變量留在回歸方程內(nèi)，循此繼續(xù)遴選下一個自變量。如果效應(yīng)不顯著，停止引入新自變量。由于新自變量的引入，原已引入方程中的自變量由于變量之間的相互作用其效應(yīng)有可能變得不顯著者，經(jīng)統(tǒng)計檢驗確證后要隨時從方程中剔除，只保留效應(yīng)顯著的自變量。直至不再引入和剔除自變量為止，從而得到最優(yōu)的回歸方程。六、實驗設(shè)計的基本術(shù)語（主效應(yīng)、簡單效應(yīng)等）（1）主效應(yīng)與交互作用主效應(yīng)是指一個因素的獨立的效應(yīng)，即它的不同水平所引起的變異。在包含多個因素的研究中，則有多個主效應(yīng)。主效應(yīng)只是把因素的一個水平同該因素的其他水平相比較，而不考慮其他因素。交互作用反映的是兩個或多個因素之間存在的交互作用，這種交互作用稱作二重交互作用，一般寫作AXB。（2）簡單效應(yīng)和簡單簡單效應(yīng)當(dāng)二重交互作用顯著時，研究者需要進行簡單效應(yīng)檢驗。所謂的簡單效應(yīng)是指，一個因素水平在另一個因素的某個水平上的變異。四、簡單效應(yīng)和簡單簡單效應(yīng)當(dāng)二重交互作用顯著時，研究者劈整簡單效應(yīng)嚴(yán)中eeff%）檢驗。所謂熨鸚是指，一個因素的修在笈/個因素颼j水平上的變異。例如，如果噪聲強度與有無競爭之間存在顯著的交互作用（見圖4-1）,那么，研究者可以檢驗在B1（無競爭）水平上，A1（40分貝）與A2（60分貝）之間的差異（見圖4-1左側(cè)），以及在B2（有競爭）水平上A1與A2之間的差異（見圖4-1右側(cè)）。前者稱做A在B1水平上的簡單效應(yīng)，后者稱做A在B2水平上的簡單效應(yīng)。當(dāng)然，研究者也可以檢驗在A1（40分貝）水平上，B1（無競爭）與B2（有競爭）之間的差異，以及在A2（60分貝）水平上，B1與B2之間的差異。這兩種差異分別稱做B在A1水平上的簡單效應(yīng)和B在A2水平上的簡單效應(yīng)。這樣，簡單效應(yīng)檢驗實際上是把其中一個因素固定在某一個特定的水平上，考察另一個因素對因變量的影響。當(dāng)日重交互作用顯著時，研究者需要進行簡單簡單效應(yīng)（simplesimplee仔病》藏「函謂簡單簡單效應(yīng)是指，二小因素防水平在另％卜兩個因素的水青絢上縫理例如，如果噪聲強度、有無競爭和任務(wù)難度三者之間存在顯著的交互作用（見圖4-2）,那么，研究者可以檢驗在C1B1（難度高、無競爭）水平結(jié)合上，A1（40分貝）與A2（60分貝）之間的差異（見圖4-2第一對柱形圖），以及在C1B2（難度高、有競爭）、C2B1（難度低、無競爭）和C2B2（難度低、有競爭）等水平結(jié)合上，A；與A2之間的差異（分別見圖4-2第二至第四對柱形圖）。上述四種差異均為簡單簡單效應(yīng)，例如，在C1B1水平結(jié)合上，A1與A2之間的差異稱做;在C1B1水平結(jié)合上的簡單簡單效應(yīng)。這樣，簡單簡單效應(yīng)檢驗實際上是S*uni一ELed?oaErGaa—sp*KaiaksDataEd-fclr18吟'元成同單效應(yīng)檢驗過程。具體步驟如下⑴激活File菜單，詵z°SPSSSyntaxEditor對話框。在溫聯(lián)落￡項’彈出‘丫3-于兩因素完全隨機設(shè)計簡單效應(yīng)檢驗黑法黑:中，按以下格式編輯用IMANOVALBYS(1?2)M^/PRINT=CELLINFO<MEANS)/DESIGN/DESIGN=MWITHINS(1)MWITHINS⑵.在上面的句法命令中，MANOVA是SPSS軟件中唯一的一個具有簡E單效應(yīng)檢驗功能的命令。MANOVA語句的書寫順序是，因變量、BY、S-和M兩個因素。每個因素后面的括號中的數(shù)字為該因素水平的最小值和L最大值。/PRINT=CELLINFO(MEANS)是一個分命令，其功能是要求|程序給出每個實驗單元(處理或處理結(jié)合)的平均數(shù)和標(biāo)準(zhǔn)差(如不需要這方面信息，可去掉這一分命令兀/DESIGN是一個不加說明的分命令，其功能是進行總的方差分析(如不需要，可去掉)。/DESIGN=MWITHINS(l)MWITHINS(2)是一個附加說明的分命令，負(fù)責(zé)分別完成M在S1和S2兩個水平上的簡單效應(yīng)。(2)激活Run菜單，選AU命令項。輸出的結(jié)果主要由兩部分信息構(gòu)成，一是“AnalysisofVariance-design1"標(biāo)題下的完全的方差分析部分，包括每個因素的主效應(yīng)以及二者之間的交互作用，一是簡單效應(yīng)檢驗結(jié)果(見圖5-14)。對于簡單效應(yīng)檢驗部分，寫文章時可以這樣報告：當(dāng)從出生開始的飼養(yǎng)空間大時，藥物類型的主效應(yīng)顯著，F(xiàn)(l，45)=9.52,…空同接受安慰劑的大鼠相比，接受藥物人的大鬟黑黑吃靠5-11).然而，當(dāng)從出生開始的飼養(yǎng)空間小時'警售黑翼珠F<](當(dāng)F值小于1時，通常不報告具體的「和，值，而簡單寫做F。).上，判器萍工L燃區(qū)洲殍克畫萍工(廣F)E腳HM3方書錚身心海斗(一躋容)僑攜善目睇科(-+>wSPSS寤奮等弱智T：選好因變量和自變量后，點擊DefineGroups...，選擇自變量的分組，比如控制組為1，實驗組為2,選擇后點擊continue按鍵。之后再TTest頁面點擊OK,開始t檢驗。檢驗結(jié)果如下。GroupStatisticsMNMNMeanStd.DeviationStd.ErrorMeanL 11212136.83109.79136.098157,33639,23845,563描述統(tǒng)計結(jié)果包括mean=M（每組的平均數(shù)）、Deivation=SD（標(biāo)準(zhǔn)差）、errorMean=SE（標(biāo)準(zhǔn)誤）。IndependentSamplesTestLevene'sTestforEqualityofVariancest-testforEqualib'ofMeans95%ConfidenceIntervaIoftheDifferenceFSia.tdfSia.（2-tailed）MeanDifferenceStd.ErrorDifferenceLowerUpperL EqualvariancesassumedEqualvariancesnotassumed,182,674,449,4492221.534,657,65827,04227,04260.16360.163-97.728-97.S85151,812151,968獨立樣本t檢驗結(jié)果方差齊性是使用參數(shù)統(tǒng)計檢驗的一個基本要求。SPSS執(zhí)行兩個版本的獨立樣本t檢驗，即方差齊時的t檢驗（上一排輸出結(jié)果）和不齊時的t檢驗（下一排輸出結(jié)果），具體如下圖所示。寫文章時，如果報告的是方差不齊的t檢驗結(jié)果，那么必須予以說明t檢驗報告的結(jié)果包括：F（方差齊性檢驗結(jié)果）、Siq.（方差齊性檢驗的p值，若p>0.05,說明兩樣本代表的總體方差相等，齊性）、t（t值）、df（自由度）、51卬（2-1譏加0）［雙側(cè)t檢驗的p值］、MeanDifference（平均差）、Std.ErrorDifference（差別的標(biāo)準(zhǔn)誤）、95%ConfidenceIntervalofthe口酒白呼口（:一 皿更————血更_Confidenceinterval意思是置信區(qū)間，即0.95水平的置信區(qū)間的的最大值（upper）和最小值（lower）。⑵單因素兩組匹配組設(shè)計（t檢驗）(3)單因素完全隨機多組設(shè)計【單因素多水平F檢驗：方差分析ANOVA】一般線性模型［GeneralLinearModel】,單變量的【Univariate］，多變量的【Multivariate】,重復(fù)測量【RepeatedMeasures］。勾選后，點擊【Continue】回到Univariate對話框，點擊【OK】，開始F檢驗。輸出的結(jié)果包括描述統(tǒng)計和方差分析兩部分結(jié)果。TestsofBetween-SubjectsEffectsDependentVariable:^^-SourceTypeIIISumofSquaresdfMeanSquareFSiq.CorrectedModel分組ErrorTotalCorrectedTotal171.111324611730組間171組內(nèi)3809.87220747.000總3900.933:605985.5562461173085.55666.3401.280363,2201.2S0,236,000,206a.RSquared=.043(AdjustedRSquared=.009)上圖為輸出的方差分析結(jié)果。均方【MeanSq