三因素實(shí)驗(yàn)設(shè)計(jì)

1、For personal use only in study and research; not forcommercial use羋三因素實(shí)驗(yàn)設(shè)計(jì)肆對三因素重復(fù)測量實(shí)驗(yàn)設(shè)計(jì)進(jìn)行數(shù)據(jù)處理螄蝕、二、薁三因素完全隨機(jī)實(shí)驗(yàn)設(shè)計(jì)數(shù)據(jù)處理蒅過程：1、2、 蒄打開SPSS軟件，點(diǎn)擊Data View，進(jìn)入數(shù)據(jù)輸入窗口，將原始數(shù)據(jù)輸入SPSS表格區(qū)域；3、4、螞在菜單欄中選擇分析一般線性模型單變量；5、6蠆因變量Dependent Variable 方框中放入記憶成績（JY）,固定變量（FixedFactor（s）方框中，放入自變量記憶策略、有無干擾和材料類型；羅4、點(diǎn)擊選項(xiàng)（Options ）按鈕，選擇D

2、escriptive statistics，對數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)；選擇 Homogeneity tests，進(jìn)行方差齊性檢驗(yàn)；芅5.結(jié)果分析:袇因變量：記憶成績螃描述性統(tǒng)計(jì)量蚈記憶策略羅有無干擾薀材料類型膀均值肇標(biāo)準(zhǔn)偏差螆N薂聯(lián)想策略羋蕆無干擾膂實(shí)物圖片蚃 13.0000蟻 1.58114祎5di莆圖形圖片蚃 8.0000蒂 1.58114袇5m e芀總計(jì)膄 10.5000膃 3.02765莁10ns羄有干擾i蒂實(shí)物圖片螁 5.4000芇 2.07364蚄5i o n蒞圖形圖片芁 4.6000羇.89443膆52薅總計(jì)裊 5.0000膀 1.56347蒈10賺總計(jì)袀實(shí)物圖片蚈 9.2000膂

3、4.36654節(jié)10肀圖形圖片肇 6.3000薇 2.16282薃10莃總計(jì)膂 7.7500薈 3.66886莆20肄復(fù)述策略裊實(shí)物圖片襖 6.8000肁 1.30384聿5羀尢干擾羀d腿圖形圖片羈 7.2000蒞 1.30384袀5羈總計(jì)蚈 7.0000螆 1.24722螅10im芆有干擾薆實(shí)物圖片螀 4.0000膈 1.00000蚅5e n s i肅圖形圖片螃 2.8000羃.83666蠆5螈總計(jì)芇 3.4000芃 1.07497螂10on羄總計(jì)2袃實(shí)物圖片羋 5.4000肆 1.83787螄10蒄圖形圖片螞 5.0000蠆 2.53859羅10蚈總計(jì)羅 5.2000薀 2.16673膀2

4、0肇總計(jì)-Zp IT-Mr羋實(shí)物圖片蕆 9.9000膂 3.54181蚃10螆薂尢干擾di蒁圖形圖片蝿 7.6000莆 1.42984蚃10me蒃總計(jì)薃 8.7500芀 2.88143膄20n有干擾實(shí)物圖片4.70001.7029410s圖形圖片3.70001.2516710i總計(jì)4.20001.54238200總計(jì)實(shí)物圖片7.30003.7988920n圖形圖片5.65002.39022202總計(jì)6.47503.2422540方差齊性檢驗(yàn)結(jié)果：P=0.278>0.05所以各組數(shù)據(jù)方差齊性。 誤差方差等同性的 Levene檢驗(yàn)a因變量:記憶成績Fdf1df2Sig.1.309732.27

5、8檢驗(yàn)零假設(shè)，即在所有組中因變量的誤差方差均相等。a.設(shè)計(jì):截距 + A + B + C + A * B + A * C + B * C + A * B * C被試間變量效應(yīng)檢驗(yàn)結(jié)果：A、B、C的主效應(yīng)均極顯著（P<0.01）; AB交互效應(yīng) 顯著；AC交互效應(yīng)極顯著；BC交互效應(yīng)不顯著；ABC交互效應(yīng)極顯著。對于二 階與三階交互效應(yīng)顯著的，還需進(jìn)行簡單效應(yīng)與簡單簡單效應(yīng)檢驗(yàn)。主體間效應(yīng)的檢驗(yàn)因變量:記憶成績源III型平方和df均方FSig.校正模型349.1753749.88226.254.000截距1677.02511677.025882.645.000A65.025165.0253

6、4.224.000B207.0251207.025108.961.000C27.225127.22514.329.001A * B9.02519.0254.750.037A * C15.625115.6258.224.007B * C4.22514.2252.224.146A * B * C21.025121.02511.066.002誤差60.800321.900總計(jì)2087.00040校正的總計(jì)409.97539a. R 方=.852 （調(diào)整 R 方=.819）簡單效應(yīng)檢驗(yàn)：在主對話框中，單擊Paste按鈕，SPSS會(huì)把原先的全部操作轉(zhuǎn)換成語句并粘 貼到新打開的程序語句窗口中，在命令語句中

7、加入EMMEAN引導(dǎo)的語句；結(jié)果：當(dāng)被試使用聯(lián)想策略進(jìn)行記憶時(shí)，無干擾條件的記憶成績極顯著優(yōu)于有干 擾條件的記憶成績；當(dāng)被試使用復(fù)述策略進(jìn)行記憶時(shí)，無干擾條件的記憶成績也 極顯著優(yōu)于有干擾條件的記憶成績。當(dāng)被試使用聯(lián)想策略進(jìn)行記憶時(shí)，實(shí)物圖片 的記憶成績極顯著優(yōu)于圖形圖片的記憶成績；當(dāng)被試使用復(fù)述策略進(jìn)行記憶時(shí)， 實(shí)物圖片與圖形圖片的記憶成績無顯著差異。Estimated Marginal Means of 記憶成績12.00-月無干擾 無 Titm1000-suees-euQ)EspeleunlsUJ8.00-6.00-4.00-2.00-聯(lián)想策略反述策略Dependent Variable

8、: id憶成記憶策略有無干擾MeanStd. Error95% Confidence IntervalLower BoundUpper Bound聯(lián)恕章略無干擾10.500.4369.61211.388科干擾5.000.4364.1125.888復(fù)述竄咯無干擾7.000.4366.1127.888有干擾3.400.4362.5124.288Dnpendenl Variable: 憶成裁記憶第略（I）冇無1擾（J）冇無l 優(yōu)Mn anOi fief e nee 仆 J)SkS ErrorSig95% ConMence mtervsl for Difference3Lower BouMUpper

9、Bound聯(lián)愎第咯有干出5 500".616ooo4 2446 7MffIJt無 Mt-5 500.616XXJO-6 7564 244SLitifi咯近干擾宵干我3.600*.616ooo2 3444 856有節(jié)擾34006(6x»o-2.344簡單簡單效應(yīng)檢驗(yàn):號后擋酉ICUHIANOVA JY BY A B CMETHOD=SSTY PE nNTERCEPT=INCLUDE678910/PLOT=PROFILE(B*CMA Ck 日 A*B*C) P只IHT二HOMOGEIlEITf DESCRIPTIVE/EMMEANS=TABLES(A*B'C) COMP

10、ARE(C> ADJ(SIDAK) /EMMEANS-TABLES(B*C*A) COMPARE(A) ADJ(SIDAK) /EMMEANS二TABLES(C¥VB) COMPARER) ADJ(SIDAK) CRITERIA=ALPHA( 05)lj /DESIGU=A 8 C AB AC 8-C A*S*C. >. I結(jié)果：所以a,b,c有顯著差異。Depe ntie nt Van a bte 記 V，.i胡績記憶集略有無干找訓(xùn)材料類書材料炭吋腹anDifference (1J)Sid- ErrafSig195% Confidence Interval for Di

11、fferenceBcnjndUpp色呂OUil®聯(lián)AW5DD0b872ODO3.224B 776BI癒片丈挖1¥1打-5.000'B72QOO-6.776-3224育干擾圖形圖片300872.365-.9762.576圖幫圖艸實(shí)搐圖沖*.aoo672J66-2.576.976無干憂玄枸圖片便肥刪-1-.400672.649-2.1761376Stt圖片.400a? 2.649-1J762J76宜詢圖片圖略圖片1.200872.178-.5762.76實(shí)樹鬧片-1.200"872"7175-2.976l576三、重復(fù)測量一個(gè)因素的三因素混合實(shí)驗(yàn)設(shè)計(jì)

12、數(shù)據(jù)處理 過程：1. Data View ，進(jìn)入數(shù)據(jù)輸入窗口，將原始數(shù)據(jù)輸入SPSS表格區(qū)域2. A nalyze General Linear Model Repeated Measures （在菜單欄中選 擇分析一般線性模型重復(fù)變量）3.在定義被試內(nèi)變量(With in-Subject Factor Name)的方框中，設(shè)置被試內(nèi)變量標(biāo)記類型，在定義其水平(Number of Level )的對框中，輸入3,表示有 兩個(gè)水平，然后按填加(Add)鈕。4按定義鍵（Define）,返回重復(fù)測量主對話框，將 bl、b2、b3選入被試內(nèi)變量 （Winthin-Subjects Variables方

13、框中，將a、c選入被試間變量框中。5點(diǎn)擊選項(xiàng)Options進(jìn)行如下操作： 將被試內(nèi)變量b （三個(gè)水平）鍵入到右邊的方框中，采用LSD（none）法進(jìn) 行多重比較， 選擇Descriptive statistic命令，對數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)。 選擇Homogeneity tests®行方差齊性檢驗(yàn)。6單擊continue選項(xiàng)，返回主對話框，點(diǎn)擊 OK執(zhí)行程序。7結(jié)果：一元方差分析：標(biāo)記類型主效應(yīng)顯著，F(xiàn)=37.022, P=0.009 ;句長類型主效應(yīng)檢驗(yàn)，因其滿足球形假設(shè)，故參見每項(xiàng)檢驗(yàn)的第一行SphericityAssumed的結(jié)果，即，F(xiàn)=47.79，P=.000,表明b變量主效應(yīng)

14、極其顯著；a與b的交互效 應(yīng)檢驗(yàn)。因其滿足球形假設(shè)，故參見標(biāo)準(zhǔn)一元方差分析的結(jié)果，即F=34.02,P=.001，表明a與b的交互效應(yīng)極顯著。多重比較：長句與中句之間差異極其顯著 （P=0.003）;長句與短句之間差異極其 顯著（P=0.000）;中句與短句之間差異也極其顯著（P=0.002）。描述性統(tǒng)計(jì)量有無干擾顯示時(shí)間r均值標(biāo)準(zhǔn)偏差N實(shí)物圖片d無干擾di 30 秒14.2500.957434im 15秒9.75001.707834men總計(jì)12.00002.725548esinons2i有干擾di30秒5.2500.957434om15秒6.50001.290994nen總計(jì)5.87501

15、.246428 11sion2總計(jì)di30秒9.75004.891688m15秒8.12502.232078en總計(jì)8.93753.7677416 1sion2數(shù)字圖片無干擾di30秒8.50001.290994m15秒7.50001.290994en總計(jì)8.00001.309318sidoni2m有干擾di30秒10.25001.707834em15秒5.50001.290994nen總計(jì)7.87502.900128 1ssiiono2n總計(jì)di30秒9.37501.6850281m15秒6.50001.603578 1en總計(jì)7.93752.1746616sion2符號圖片d無干擾di30

16、秒7.0000.816504im15秒5.75001.707834men總計(jì)6.37501.407898 1esinons2i有干擾di30秒6.7500.957434om15秒2.7500.957434 |nen總計(jì)1sion24.75002.314558總計(jì)di 30秒m 15秒 en總計(jì) sion26.87504.25005.5625.834522.052872.032048816協(xié)方差矩陣等同性的 Box檢驗(yàn)aBox 的 M26.278F.749df118df2508.859Sig.760檢驗(yàn)零假設(shè)，即觀測到的因變量的協(xié)方差矩陣在所有組中均相等。a.設(shè)計(jì)：截距 + a + c + a

17、* c主體內(nèi)設(shè)計(jì)：b多變量檢驗(yàn)b效應(yīng)值F假設(shè)df誤差dfSig.bPillai的跟蹤.80322.413a2.00011.000.000WilksLambda的.19722.413a2.00011.000.000Hotelli ng 的蹤跟4.07522.413a2.00011.000.000Roy的取大根4.07522.413a2.00011.000.000b * aPillai的跟蹤.82225.414a2.00011.000.000WilksLambda的.178a25.4142.00011.000.000Hotelli ng 的蹤跟4.62125.414a2.00011.000.000

18、Roy的取大根4.62125.414a2.00011.000.000b * cPillai的跟蹤.1691.117a2.00011.000.362WilksLambda的.8311.117a2.00011.000.362Hotelling的跟.2031.117a2.00011.000.362蹤Roy的取大根.2031.117a2.00011.000.362b * a * Pillai 的跟蹤.75216.698a2.00011.000.000cWilks的.24816.698a2.00011.000.000LambdaHotelling的跟3.03616.698a2.00011.000.000

19、蹤Roy的取大根3.03616.698a2.00011.000.000a.精確統(tǒng)計(jì)量b.設(shè)計(jì):截距 + a + c + a * c主體內(nèi)設(shè)計(jì)：b主體內(nèi)效應(yīng)的檢驗(yàn)度量:MEASURE 1源III型平方和df均方FSig.b采用的球形度96.167248.08329.974.000Gree nhouse-Geisse rHuy nh-Feldt96.1671.90250.54929.974.00096.1672.00048.08329.974.000下限96.1671.00096.16729.974.000b * a采用的球形度78.000239.00024.312.000Gree nhouse-

20、Geisse rHuy nh-Feldt78.0001.90241.00024.312.00078.0002.00039.00024.312.000下限78.0001.00078.00024.312.000：b * c采用的球形度3.50021.7501.091.352Gree nhouse-Geisse rHuy nh-Feldt3.5001.9021.8401.091.3503.5002.0001.7501.091.352下限3.5001.00013.5001.091.317：b * a*采用的球形度54.500227.25016.987.000'cGree nhouse-Geis

21、se rHuy nh-Feldt54.5001.90228.64716.987.00054.5002.00027.25016.987.000下限54.5001.00054.50016.987.001誤差(b)采用的球形度38.500241.604Gree nhouse-Geisse rHuy nh-Feldt38.50022.8291.68638.50024.0001.604主體內(nèi)效應(yīng)的檢驗(yàn)度量:MEASURE 1源III型平方和df均方FSig.b采用的球形度96.167248.08329.974.000Gree nhouse-Geisse rHuy nh-Feldt96.1671.9025

22、0.54929.974.00096.1672.00048.08329.974.000下限96.1671.00096.16729.974.000b * a采用的球形度78.000239.00024.312.000Gree nhouse-Geisse rHuy nh-Feldt78.0001.90241.00024.312.00078.0002.00039.00024.312.000下限78.0001.00078.00024.312.000b * c采用的球形度3.50021.7501.091.352Gree nhouse-Geisse rHuy nh-Feldt3.5001.9021.8401.

23、091.3503.5002.0001.7501.091.352下限3.5001.0003.5001.091.317b * a*采用的球形度54.500227.25016.987.000cGree nhouse-Geisse rHuy nh-Feldt54.5001.90228.64716.987.00054.5002.00027.25016.987.000下限54.5001.00054.50016.987.001誤差(b)采用的球形度38.500241.604Gree nhouse-Geisse rHuy nh-Feldt38.50022.8291.68638.50024.0001.604下限

24、38.50012.0003.208簡單效應(yīng)檢驗(yàn):1234667PGLM元標(biāo)記疽可無標(biāo)記中句無禰記辰句育標(biāo)記短旬有標(biāo)記中旬有標(biāo)記飯旬17SFACTOR=標(biāo)記類型2 Polynomial 句長類型3 Polynomial/METHOD=SSTYPE（3）fPLOT=PROFILE（標(biāo)記類型土句長賓型）/EMMEANS=TABLES（標(biāo)記奘型"句辰類型）COMPARE（句長類型）ADJ（LSO） /EMMEANS=TABLES（句長類ST標(biāo)記類型CO制PARE（標(biāo)記類型）ADJ（LSO） /PRIMDESCRIPTIVE8 /CRrERIA=ALPHA( Ob)g /. '/SDE

25、SIGN=標(biāo)記奘型句長糞型標(biāo)記糞型"句長樊型.結(jié)果：無標(biāo)記的情況下，各句子類型之間不存在顯著性差異，F(xiàn)= 9.000, P=0.100; 有標(biāo)記的情況下，各句子類型之間存在極顯著性差異，F(xiàn)= 150.333, P=0.007。三、重復(fù)測量兩個(gè)因素的三因素混合實(shí)驗(yàn)設(shè)計(jì)數(shù)據(jù)處理 過程：1. 打開SPSS軟件，點(diǎn)擊Data View數(shù)據(jù)視圖，進(jìn)入數(shù)據(jù)輸入窗口，將原始數(shù) 據(jù)輸入SPSS表格區(qū)域；2. 在菜單欄中選擇分析-一般線性模型一重復(fù)度量；3. 分別定義兩個(gè)被試內(nèi)變量名及其水平數(shù)，點(diǎn)擊“定義”；7、將 bicl、b1c2、b2c1、b2c2、b3c1、b3c2 選入被試內(nèi)變量(Winth

26、in-SubjectsVariables )方框中，將a選入被試間變量框中；8、點(diǎn)擊選項(xiàng)Options ,然后將被試內(nèi)變量b (三個(gè)水平)鍵入到右邊的方框中， 采用LSD( none)法進(jìn)行多重比較，并選擇描述統(tǒng)計(jì)和方差齊性檢驗(yàn)，點(diǎn)擊繼續(xù), 再點(diǎn)擊確定輸出結(jié)果；6.結(jié)果：描述性統(tǒng)計(jì)結(jié)果:描述性統(tǒng)計(jì)量有無干擾均值標(biāo)準(zhǔn)偏差Nbicldi無干擾14.0000.925828me有干擾4.8750.834528n總計(jì)si9.43754.7884416on1b1c2di無干擾9.50001.195238m有干擾e6.12501.125998n總計(jì)si7.81252.0726416on1b2c1di無干擾8

27、.62501.060668m有干擾e10.00001.309318n總計(jì)si9.31251.3524716on1b2c2di無干擾7.25001.281748m有干擾e5.50001.069048n總計(jì)si6.37501.4548816on1b3cidi無干擾7.0000.755938m有干擾e6.8750.834528n總計(jì)sio n16.9375.7719016b3c2di無干擾5.87501.246428me有干擾e2.8750.834528n總計(jì)4.37501.8574216sion1Box'方差齊性結(jié)果：P=0.395>0.05所以各組數(shù)據(jù)方差齊性。協(xié)方差矩陣等同性的

28、Box檢驗(yàn)aBox 的 M42.802F1.053df121df2720.888Sig.395檢驗(yàn)零假設(shè)，即觀測到的因變量的協(xié)方差矩陣在所有組中均相等。a.設(shè)計(jì)：截距+ a主體內(nèi)設(shè)計(jì):b + c + b * c多變量檢驗(yàn)：因?yàn)镻=0V0.01,所以B的主效應(yīng)極顯著；而且 P=0V0.01, BA的交 互作用極顯著；同理可知：C的主效應(yīng)極顯著，CA的交互效應(yīng)不顯著，BCA的 三階交互效應(yīng)極顯著。多變量檢驗(yàn)b效應(yīng)值F假設(shè)df誤差dfSig.bPillai的跟蹤.90662.841a2.00013.000.000WilksLambda的.09462.841a2.00013.000.000Hotell

29、i ng 的蹤跟9.66862.841a2.00013.000.000Roy的取大根9.66862.841a2.00013.000.000b * aPillai的跟蹤.961160.414a2.00013.000.000Wilks的.039160.414a2.000 I13.000.000LambdaHotelling的跟24.679160.414a2.000 113.000.000蹤Roy的取大根24.679160.414a2.00013.000.000cPillai的跟蹤.909139.528a1.000I14.000.000Wilks的.091139.528a1.00014.000.00

30、0LambdaHotelling的跟9.966139.528a1.000 I14.000.000蹤Roy的取大根9.966139.528a1.000 |14.000.000c * aPillai的跟蹤.003.043a1.00014.000.839Wilks的.997.043a1.00014.000.839LambdaHotelling的跟.003.043a1.000 I14.000.839蹤Roy的取大根.003.043a1.000 I14.000.839b * cPillai的跟蹤.2341.991a2.00013.000.176Wilks的.766a1.9912.000 I13.000.

31、176LambdaHotelling的跟.3061.991a2.000 I13.000.176蹤Roy的取大根.3061.991a2.000 I13.000.176 Ib * c * a Pillai 的跟蹤.82731.113a2.00013.000.000Wilks的.17331.113a2.00013.000.000LambdaHotelling的跟4.78731.113a2.00013.000.000蹤Roy的取大根4.78731.113a2.000 I13.000.000a. 精確統(tǒng)計(jì)量b. 設(shè)計(jì)：截距+ a主體內(nèi)設(shè)計(jì):b + c + b * c球形假設(shè)檢驗(yàn)：被試內(nèi)變量球形假設(shè)檢驗(yàn)，

32、由于c變量只有兩個(gè)水平，所以不需 要檢驗(yàn)；b,b*c均滿足球形假設(shè)。Mauchly的球形度檢驗(yàn)b度量:MEASURE 1主體內(nèi)效應(yīng)Mauchly 的W近似卡 方dfSig.EpsilonaGree nhous e-GeisserHuy nh-Fel dt下限di b.7643.5032.174.809.965.500ensio1.000.952.000.6420 .2.7251.000.9541.000 1.0001.000.500n1檢驗(yàn)零假設(shè)，即標(biāo)準(zhǔn)正交轉(zhuǎn)換因變量的誤差協(xié)方差矩陣與一個(gè)單位矩陣成比例。a. 可用于調(diào)整顯著性平均檢驗(yàn)的自由度。在"主體內(nèi)效應(yīng)檢驗(yàn)"表格中顯示

33、修正后的檢驗(yàn)。b. 設(shè)計(jì)：截距+ a主體內(nèi)設(shè)計(jì):b + c + b * cLevenes方差齊性檢驗(yàn)結(jié)果：因?yàn)镻>0.05,各組因變量方差齊性。 誤差方差等同性的Levene檢驗(yàn)aFdf1df2Sig.b1c1.168 11 114.688b1c2.009 11 114.926b2c1.152 11 114.702b2c2.453 11 114.512b3c1.399 11 114.538b3c2.610 |1 |14.448檢驗(yàn)零假設(shè)，即在所有組中因變量的誤差方差均相等。a.設(shè)計(jì)：截距+ a主體內(nèi)設(shè)計(jì):b + c + b * c被試間變量效應(yīng)：因?yàn)?P=0V0.01, A的主效應(yīng)極顯著

34、主體間效應(yīng)的檢驗(yàn)度量:MEASURE_1轉(zhuǎn)換的變量:平均值源III型平方和df均方FSig.截距5221.50015221.5004716.194.000a170.6671170.667154.151.000誤差15.500141.107b因素的多重比較結(jié)果：實(shí)物圖片的記憶成績顯著優(yōu)于數(shù)字圖片和符號圖片， 數(shù) 字圖片，數(shù)字圖片的記憶成績顯著優(yōu)于符號圖片。成對比較度量:MEASURE 1(I) b (J) b均值差值(I-J)標(biāo)準(zhǔn)誤差Siga差分的95%置信區(qū)間a下限上限1 2.781*.163.000.4311.13132.969*.257.000|2.4173.52121-.781*.163

35、.000-1.131-.43132.188*.220.0001.7152.66031-2.969*.257.000-3.521-2.4172-2.188*.220.000-2.660-1.715基于估算邊際均值*均值差值在.05級別上較顯著。a.對多個(gè)比較的調(diào)整：最不顯著差別（相當(dāng)于未作調(diào)整）進(jìn)行簡單效應(yīng)檢驗(yàn)：因?yàn)锽A交互效應(yīng)顯著，需進(jìn)行簡單效應(yīng)檢驗(yàn); 程序語句：1DATASET ACTIVATE DataSetl.2E?GLM bld b1c2 b2c2 b3d b3c2 BY a3/WSFACTOR=b 3 POLYNOMIAL 2 POLYNOMIAL4/METHOD=SS7YPE(3)

36、5/PLOT=PROFILE(b*a)6/EMMEANS=TA3LES(b)COMPARE ADJ(LSD)7Q/EMMEANSABLESfb'aCOMPAFiEtaADJfSIDAK)/PR1NT=DESCR1PT1VE HOMOGENEfTY9/CR1TERIA-ALPHA(,O5)10/WSDESIGN=bc b七11卜釦DESIGN二乩結(jié)果截圖:Estimated Marginalof MEASURE 1y-c-ns二輯匸PMJ隘 EI1V1LIUb*a描述性統(tǒng)計(jì)結(jié)果k=5ure:1EA3URE_1bIMeanStd. ErrorLcnwer BoundUpper Boundl

37、Jl1無十it11.76022211.Z7S12 225S.50QJ225,0255?7S27.0387X75a .400打干憂7.7&0_2T67.2878133無干擾64382606 56育干擾4.5754 JI 75 4$3b*a配對比較結(jié)果Pairwise Compatiina,斷也ayuv IflEaSvfeE_1b2帀充1 tt育無txiffe rwi« ib J)Sm. EjtotSig?95%inh»Mii1FDiWcrfrct1Lower BoundUper Bound1元干擾$ JSD”313ooa5 578« 922書Ttt£

38、; f ft250'313M0557&2sfei-itH+ttlasJOS-4E7.342無十世isa.3WM9-&4?4573ft+rt1 5®3"JS8-7732.352ft Hfc無i-tt"sr.3牯.(M31-2:352.773進(jìn)行簡單簡單效應(yīng)檢驗(yàn)：BCA三階交互效應(yīng)顯著，還需進(jìn)行簡單簡單效應(yīng)檢驗(yàn)程序語句:123456793DATASET ACTIVATE DataSet 19GLM bld b1c2 b2c2 b3d b3c2 BY aMrSFACTOR=b 3 POLYNOMIAL c 2 POLYNOMIALrJETHOC=

39、SSrfPEf3)PLOT=PROFILE(b-a)/EMMEANS=TA0LES(bX：OMPARE ADJ(LSD) /EMMEANS=TABLES(a*b*c)COMPARE(c)ADJ(SI DAK) EMMEANSABLEStbajCOMPARElaJADJtSIDAK) /EMMEANS=TASLES(caaabOMPARE(b)ADJ(SIDAK)WPRIMT=DESCRIPT1VE HOMOGENEITY11/CRITERIA=ALPHA(.D5)12 /WSDESlGN=bc b*c13 kd DESIGN=a在a水平下b*c交互效應(yīng)配對比結(jié)果rm|Q4 lJ|wW4 OaH

40、MfaPni hfrpwril *mh>> ffwoDa ri> 4IM斗Haiti!«UK?Ii 41£ 14.6OQ'MV尋護(hù)iI 1 姑11 1W- .JttF IM71|1 IJ3'411半3 OK2 1-1.15'411O-Hh1IA-IWST*4*t1t1曲阿出a.*wit wTIrtJ GAIJ1-4 m'rUMCM；寸aifl11 2tna'4MnM4JVUt1-i rai'財(cái)四、三因素重復(fù)測量實(shí)驗(yàn)設(shè)計(jì)數(shù)據(jù)處理過程：SPSS1. 打開SPSS軟件，點(diǎn)擊Data View，進(jìn)入數(shù)據(jù)輸入窗口，將原

41、始數(shù)據(jù)輸入 表格區(qū)域；2. 在菜單欄中選擇分析一般線性模型重復(fù)變量；3. 在定義被試內(nèi)變量(With in-Subject Factor Name)的方框中，設(shè)置被試內(nèi)變量標(biāo)記類型，在定義其水平(Number of Level )的對框中，輸入3，表示有 兩個(gè)水平，然后按填加(Add)鈕。4.將 a1b3c1、a1b3c2、a2b1c1、a2b1c2、a2b2c1、a2b2c2、a2b3c1、a2b3c2 等 選入被試內(nèi)變量(Winthin-Subjects Variables)方框中，將a選入被試間變量框中；5點(diǎn)擊選項(xiàng)Options，然后將被試內(nèi)變量b (三個(gè)水平)鍵入到右邊的方框中， 采用

42、LSD( none)法進(jìn)行多重比較，并選擇描述統(tǒng)計(jì)和方差齊性檢驗(yàn)，點(diǎn)擊繼續(xù), 再點(diǎn)擊確定輸出結(jié)果；6.結(jié)果:3個(gè)自變量之間兩兩都有顯著差異，3者之間也有顯著差異描述性統(tǒng)計(jì)量均值標(biāo)準(zhǔn)偏差Nalblcl14.2500.957434a1b1c29.75001.707834a1b2c18.50001.290994a1b2c27.50001.290994a1b3c17.0000.816504a1b3c25.75001.707834a2b1c15.2500.957434a2b1c26.50001.290994a2b2c110.25001.707834a2b2c25.50001.290994a2b3c16.

43、5000.577354a2b3c22.7500.957434,多變量檢驗(yàn)效應(yīng)值F假設(shè)df誤差dfSig.aPillai的跟蹤.95766.783a1.0003.000.004Wilks的Lambda.04366.783a1.0003.000.004Hotelling 的跟蹤22.26166.783a1.0003.000.004Roy的取大根22.26166.783a1.0003.000.004bPillai的跟蹤.95018.841a2.00012.000.0501Wilks的Lambda.05018.841a2.0002.000.050Hotelling 的跟蹤18.84118.841a2.0002.000.050Roy的取大根18.84118.841a2.0002.000.050cPillai的跟蹤.90528.683a1.000 13.000.013|Wilks的Lambda.09528.683a1.0003.000.013Hotelling 的跟蹤9.56128.683a1.0003.000.013Roy的取大根9.561a28.6831.0003.000.013a * bPillai的跟蹤.98988.494a2.0002.000.011Wilks的Lambda.01188.494a2.0002.000.011Ho