[原创]SPSS的GLM语句实现多因素方差分析之实验设计基础-经管之家官网！

免费学术公开课,扫码加入

一、实验设计的基础知识

在介绍多因素方差分析的SPSS实现之前，有必要对实验设计的一些基础性知识加以简单的回顾，因为这是后面进行具体分析的重要基础。大家先熟悉下面的表述，如果你觉得以下有20%以上的概念感觉一团雾水，那么也许你不适合学习这个课程，至少请再查找一下相关专业书籍予以补充。

(一)方差分析中的基本概念

因素（factor）：自变量、独立的变量，方差分析研究的对象。

因素的水平(level)：一个因素的不同情况或取值。

处理（treatment）与处理水平的结合(treatment combinations):指实验中一个特定的、独特的实验条件。也叫单元(cell).

因变量：自变量影响的结果。

单因素方差分析：只有一个因素，一个因变量

多因素方差分析：有多个因素，一个因变量

平方和（sum of square 或 SS）、平方和分解

自由度（degree of freedom）

均方(mean square 或 MS)

主效应(main effects):实验中由一个因素的不同水平引起的变异。

交互作用(interaction):在一个多因素实验中，当一个因素的水平在另一个因素的不同水平上变化趋势不一致时，称两个因素之间存在交互作用。

简单效应(simple effects):指一个因素的不同水平在另一个因素的某个水平上的变异。

处理效应(treatment effect):在实验的总变异中由自变量引起的变异。如主效应、简单效应、交互作用都是处理效应。

误差变异（error variance）:指总变异中不能由自变量或明显的无关变量解释的那部分变异。

（1）单元内误差(with-cell error):指几个被试接受同样的实验条件时，它们之间出现的差异。

（2）残差(residual error):实验的误差变异中除了单元内误差以外的误差。当只有一个被试接受一种实验处理时，实验中只有残差。残差应是一种随机误差。

比较(comparison): 对各处理水平平均数之间差异的估价。当一个处理的主效应显著，且处理的水平多于2时，需要进一步揭示主效应显著的意义，即那些水平之间比较是差异显著的。

组间变异(between-group variation):接受不同处理的被试的分数围绕总平均数的变化。

组内变异(with-group variation):每个组内被试分数围绕组平均分数的变化。这个变异是由随机误差造成的，将各处理组内的变异相加，即是整个实验的实验误差。

无关变量：指一个研究中除了自变量以外所有可能对因变量产生影响的因素。

(二)实验设计的分类：被试间、被试内和混合试验设计

被试间设计(Between-Subject Design): 指实验中每个被试只接受一种自变量水平或自变量水平的结合。被试间设计也叫非重复测量实验设计，实验中的自变量叫被试间变量（Between-Subject Variable）。

2、被试内实验设计（With-Subject Design）:是重复测量实验设计的一种形式，随机区组设计的发展，即由一个被试接受所有的自变量水平或自变量水平的结合。这种设计把被试带来的无关变异减少到最小的限度。但是，使用被试内设计的前提是，不能有学习、记忆效应等。

3、混合设计(Mixed Design):指一个实验中既有被试内自变量，又有被试间自变量。它也是重复测量实验设计的一种形式。是一种最有实用价值的实验设计。

「经管之家」APP：经管人学习、答疑、交友，就上经管之家！
免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。
涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。
来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。
经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。
扫描下方二维码下载并注册APP