文档介绍:SPSS超详细操作:两因素多元方差分析(Two————————————————————————————————作者:————————————————————————————————日期: SPSS超详细操作:两因素多元方差分析(Two医咖会在之前的推文中,推送过多篇方差分析相关的文章,包括:单因素方差分析(One-WayANOVA)双因素方差分析(Two-wayANOVA)三因素方差分析(Three-wayANOVA)单因素重复测量方差分析两因素重复测量方差分析三因素重复测量方差分析单因素多元方差分析(One-wayMANOVA)每种方差分析的应用场景,以及该如何进行SPSS操作和解读结果,各位伙伴请点击相应的文章链接查看~~今天,我们再来介绍一种统计方法:两因素多元方差分析(Two-wayManova)。一、问题与数据某研究者想研究三种干预方式(regular—常规干预;rote—死记硬背式干预;reasoning—推理式干预)对学生学****成绩的影响。研究者记录了学生两门考试的成绩:文科成绩(humanities_score)和理科成绩(science_score)。另外,基于之前的知识,研究者假设干预方式对男女两种性别学生的效果可能不同。换言之,研究者想知道不同干预方式对学****成绩的影响在男女学生中是否不同。也就是说,干预方式和性别两个自变量之间是否存在交互作用(interactioneffect)。注:交互作用是指某一自变量对因变量的效应在另一个自变量的不同水平会不同。在本例中,就是要比较①男性中干预方式对学****成绩的影响和②女性中干预方式对学****成绩的影响。这两个效应就成为单独效应(simplemaineffects),也就是说,单独效应是指在一个自变量的某一水平,另一个自变量对因变量的影响。因此,交互作用也可以看做是对单独效应间是否存在差异的检验。在本研究中,共有三个效应:性别的主效应;干预方式的主效应;性别和干预方式的交互作用。研究者选取30名男学生和30名女学生,并将其随机分配到三个干预组中,每个干预组中共有10名男学生和10名女学生。部分数据如下:二、对问题的分析使用两因素多元方差分析法进行分析时,需要考虑10个假设。对研究设计的假设:,为连续变量;,为二分类或多分类变量;;对数据的假设:,各因变量间存在线性关系;,各因变量间没有多重共线性;6.①没有单因素离群值(univariateoutliers)与②多因素离群值(multivariateoutliers):单因素离群值是指自变量的各个组中因变量是否是离群值;多因素离群值是指每个研究对象(case)的各因变量组合是否是一个离群值;;;;。三、流程图四、对假设的判断那么,进行两因素多元方差分析时,如何考虑和处理这10个假设呢?由于假设1-3都是对研究设计的假设,需要研究者根据研究设计进行判断,所以我们主要对数据的假设4-10进行检验。(一)检验假设6:①是否存在单因素离群值;假设7:各因变量是否服从多元正态分布检验单因素离群值时需要检验每一种自变量的排列组合中是否存在离群值,共有如下6种情况:(1)在主菜单点击Data>SplitFile...,如下图:(2)出现SplitFile对话框,anizeoutputbygroups,会激活下方GroupsBasedon:框;(3)将gender和intervention选入GroupsBasedon:框中,点击OK;,检验离群值并评估正态性;(1)在主菜单点击Analyze>DeiveStatistics>Explore...,如下图:(2)出现Explore对话框;(3)将humanities_score和science_score选入DependentList中,将id选入LabelCasesby:框中;(4)点击Plots,出现下图Plots对话框;(5)在Boxplots下选择Dependentstogether,去掉Deive下Stem-和-leaf,选择Normalityplotswithtests,点击Continue,点击OK。:①是否存在单因素离群值(1)下图为输出的箱式图结果。在SPSS中,,用“圆圈”表示,右上标为离群值在数据表中所对应的行数,以圆点表示;将距离箱子边缘超过3倍箱身长度的数据点定义为极端值(极端离群值),用“*”