【正文】 的，亮度應(yīng)該在測(cè)試中作為測(cè)試條件考慮） 正交實(shí)驗(yàn)設(shè)計(jì)w 功能 203:進(jìn)行實(shí)驗(yàn)之前，要進(jìn)行實(shí)驗(yàn)設(shè)計(jì)，以保證用最少的人力物力和時(shí)間取得好的實(shí)驗(yàn)效果。 這是一個(gè)組內(nèi)因素、一個(gè)組間因素的重復(fù)測(cè)量設(shè)計(jì)的例題。w 重復(fù)測(cè)量設(shè)計(jì)方差分析的數(shù)據(jù)文件結(jié)構(gòu)：若干次重復(fù)測(cè)量結(jié)果作為不同因變量出現(xiàn)在數(shù)據(jù)文件中。多因變量方差分析模型除包括多個(gè)因變量外，還可以包括一個(gè)或幾個(gè)因素變量或協(xié)變量。析因分析的好處在于對(duì)各因素間的交互影響項(xiàng)的方差都可以加以析離并檢驗(yàn)其顯著性。隨機(jī)因素是隨機(jī)設(shè)置的因素，是在確定模型時(shí)需要考慮會(huì)對(duì)實(shí)驗(yàn)有影響的因素，對(duì)實(shí)驗(yàn)結(jié)果影響的大小可以通過(guò)方差成分分析確定。n P159 同種三葉草被接種上不同的菌種，其含氮量情況data0902（ 注意 Post Hoc各種方法結(jié)果的使用條件－方差齊或不齊） . 單因變量多因素方差分析過(guò)程（ 多因素， ? 2）w 單因變量多因素方差分析概述w 單因變量多因素方差分析的菜單和選擇項(xiàng)w 使用系統(tǒng)默認(rèn)值進(jìn)行隨機(jī)區(qū)組設(shè)計(jì)資料的方差分析w 22析因?qū)嶒?yàn)方差分析實(shí)例w 拉丁方區(qū)組設(shè)計(jì)的方差分析實(shí)例w 協(xié)方差分析實(shí)例w 多維交互效應(yīng)方差分析實(shí)例w 概述n 是對(duì)一個(gè)獨(dú)立變量是否受多個(gè)因素或變量影響而進(jìn)行的方差分析。 單因素方差分析w 也稱有一維方差分析，對(duì)二組以上的均值加以比較。如果重復(fù)測(cè)量是在一段時(shí)間內(nèi)或一個(gè)溫度間隔內(nèi)進(jìn)行的，還可以研究因變量對(duì)時(shí)間、溫度等自變量的變化趨勢(shì)，這種重復(fù)測(cè)量研究稱為趨勢(shì)研究 。w 單元均值、邊際均值：n 在多因素方差分析中，每種因素水平組合的因變量均值稱為單元均值。也可通稱為因素。第 9章 方差分析 介紹w 方差分析的概念w 方差分析的過(guò)程本章內(nèi)容w 方差分析的概念與方差分析的過(guò)程w 單因素方差分析w 單因變量多因素方差分析過(guò)程w 多因變量線性模型的方差分析w 重復(fù)測(cè)量設(shè)計(jì)的方差分析w 方差成分分析w 正交實(shí)驗(yàn)設(shè)計(jì)w 練習(xí)題（對(duì)銀行數(shù)據(jù)進(jìn)行方差分析）w在科學(xué)實(shí)驗(yàn)中常常要探討不同實(shí)驗(yàn)條件或處理方法對(duì)實(shí)驗(yàn)結(jié)果的影響。用分類變量表示，取有限的離散值w水平： 因素的不同等級(jí)稱作水平。一個(gè)因素水平的因變量均值稱為邊際均值（ Marginal Means）方差分析中的術(shù)語(yǔ)（續(xù)）w 協(xié)方差分析： 在一般進(jìn)行方差分析時(shí)，要求除研究的因素外應(yīng)該保證其他條件的一致。 方差分析過(guò)程w OneWay過(guò)程：?jiǎn)我蛩睾?jiǎn)單方差分析過(guò)程。w 檢驗(yàn)由單一因素影響的一個(gè)（或幾個(gè)相互獨(dú)立的）分析變量由因素各水平分組的均值之間的差異是否有統(tǒng)計(jì)意義。n SPSS調(diào)用 UNIANOVA過(guò)程，檢驗(yàn)不同水平組合之間因（分析）變量均值由于受不同因素影響是否有差異的問(wèn)題。w 關(guān)于模型： GLM Univariate功能很強(qiáng)，可以建立包括各種主效應(yīng)、交互效應(yīng)的模型。 22析因?qū)嶒?yàn)方差分析實(shí)例w 兩因素、兩水平的實(shí)驗(yàn)設(shè)計(jì)。因素變量把總體分為幾個(gè)組。 重復(fù)測(cè)量方差分析實(shí)例 1w P188實(shí)例 1Data0909 ： 設(shè)置了三個(gè)級(jí)別的視覺(jué)刺激作為 處理因素變量 vsno(視覺(jué)刺激等級(jí) 3)，4位被試者均接受三個(gè)級(jí)別的視覺(jué)刺激，并在同樣條件下測(cè)試三次 (time1,time2,time3) 。因?yàn)榻M內(nèi)因素是與時(shí)間有關(guān)的變量，因此不但可以分析比較兩種訓(xùn)練記憶的方法哪個(gè)更有效，還可以得到隨時(shí)間的推移，記憶分?jǐn)?shù)隨時(shí)間下降的數(shù)學(xué)模型（線性關(guān)系 Linear、 二次關(guān)系 Quadratic、 三次關(guān)系 Cubic）。w 菜單： AnalyzeGeneral Linear Model Variance Componentsn 定義因變量和隨機(jī)因素n 選分析模型 Model： Full Model或 Customn 選分析方法 Option： 四選一w MINQUE正態(tài)最小二次無(wú)偏估計(jì)，默認(rèn)方法 w ANOVA（ Analysis of Variance)w Maximum likelihood（ ML） 最大似然法w Restricted maximum likelihood （ REML） 有限最大似然法 方差成分分析實(shí)例w p200實(shí)例 Data0907 ： 教育心理學(xué)實(shí)驗(yàn)，心理運(yùn)動(dòng)測(cè)驗(yàn)分?jǐn)?shù)與被試者必須瞄準(zhǔn)的目標(biāo)大小關(guān)系的資料n 四個(gè)大小不同的目標(biāo)： Targetn 三部測(cè)驗(yàn)設(shè)備： Devicen 兩種不同明暗程度的照明環(huán)境： Lightn 432的析因?qū)嶒?yàn)設(shè)計(jì)（ 24個(gè)組合單元，每組 5個(gè) Cases， 共 120Cases）w 菜單： AnalyzeGeneral Linear Model Variance Componentsn Dependent： Scoren Fixed Factors： Target、 Devicen Random Factor： Lightn Model： 保留全模型選項(xiàng)（不對(duì) Model操作）n Option： Method（ ANOVA）、 Sum of Square（ type