数据是心理学实验中的响应时,分为3 x 3因素,结果见附件的图,其中三种不同颜色的bar对应因素1的三个水平,横轴标注的1、2、3对应因素2的三个水平。
如果按这个3 x 3分析,其中因素1显著,因素2不显著,因素1 x 2的交叉也不显著。
但仔细看的话,可以看到因素1的水平二和三(图中绿色和黄色的bar)在因素2的不同水平下表现是不一样的: 因素2的水平二时黄>绿(pairted ttest p<0.0005, t(33)=4.32),其他两种情况下黄vs.绿没有显著区别。这一交互效应在上述3 x 3分析中并未体现出来,而如果因素1只取绿、黄两个水平和因素2一起做2 x 3的方差分析的话,交互项是显著的(F(2,66)=3.98, p=0.02)。
从我看过的文献来说,大家似乎都默认从一个全条件的方差分析展开,但我这里就会遇到问题,3 x 3因素表明没有显著交互,那么就没有办法进一步展开对黄 vs. 绿的差异的描述。
对这个结果,我的直观感觉是,因为因素1中蓝色条件和其他两个颜色条件相比差异太大,“掩盖”了黄和绿的结果。我也简单做了一个模拟数值计算测试,发现的确存在这样的现象,即当存在某水平下的数值差异较大的时候,方差分析对应回归分析的variance就更多的被那一项占有,从而削弱其他项,有可能把一个非常显著的交互作用变得不显著。
然而,从我的研究设计逻辑上说,分别分析 蓝 vs. 黄/绿、黄 vs. 绿 从逻辑上说也是讲得通的(这里先略过细节)。因此,如果我直接分别做两个2 x 3因素方差分析,一个专注于蓝 vs. 黄/绿,另一个专注于黄 vs. 绿,可以吗?
这个直观现象,从统计分析上说有比较规范的说法吗? 是否有更加规范的做法来展开? 谢谢大家了!