这个结果怎么读？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

请教大家这个结果怎么读？
先介绍一下数据由来：
这里涉及到一个教学实验，实验者分出两个班：实验班和控制班（因素一），实验前进行了前测（后测和前测题型及难度等一致），根据前测成绩再将两个班分为实验高、实验低、控制高和控制低四个小组（因素二）。实验设计是通过实验介入因素（培训）观察实验班后测成绩的变化，特别是实验低组的后测成绩变化。实验假设是：实验班后测要显著好过控制班；实验低小组后测将显著胜过其他三个小组。
这个实验在加拿大有人做过，验证了两个假设
我用了两因素协方差分析，因素一因素二作为fixed factors,前测成绩为协变量covariate,后测成绩为唯一因变量。
具体SPSS16.0操作：
analyse-glm-univariate
dependent list: posttest
fixed factors:suggroup, treatment
covariate:pretest
Model: full factorial
Options: estimated marginal means-display means for: subgroup,treatment,subgroup*treatment-compare main effects;     Display-descriptive statistics, parameter estimates,homogeneity tests
得到的结果之一见附件截图。
请教一：我这样分析的步骤有哪些不合理处？
请教二：我希望结果是实验组胜过控制组，哪怕没有显著性，如何达到？
请教三：估计边缘平均值estimated marginal means中显示实验低小组的值最高，但是接下来的两两比较pairwise comparisons中没有一对比较达到统计显著性。那么实验低小组估计值最高能说明什么？能否说明实验低小组取得了最大的进步？

在此感谢这些天来chyshl和chenfuzhong22等网友的支持，和chyshl的建议：请大家看一看，期待大家的帮助。谢谢！

PS： 分析用数据和参考的英文文献也放在附件，有心的朋友可以参照文献中的数据分析推断下分析步骤，分析下我给的数据，看是否得到不同的结果？期待你我就此具体问题的互动探讨，我的QQ 6921053。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：comparisons descriptive Homogeneity Statistics Comparison 结果

楼主的试验设计很复杂哟，第一感觉应该是嵌套设计吧还？得加上分层？在下的思路是：首先分析某方法试验前后的结果，如果用常用表格表示，则如下表：
对于某项指标（有几个指标就做几次）：

组1		组2		组3		组4
试验前	试验后	试验前	试验后	实验前	试验后	试验前	试验后
数据	数据	数据	数据	数据	数据	数据	数据

第二步还得嵌套：组别嵌套于treatment，但组别的数据用一个新变量表示试验前后的差别：实验前数据-试验后数据=新变量，这样就应该比较出不同处理不同组别之间的差别了。或者干脆用第二步，应该更直接，但缺少组别试验前后的比较。
楼主数据中有个listeninglev，应该是听力水平的意思，怎么处理？作为分层因素还是嵌套因素？

这可真是真刀真枪了！想来坛子里大侠不少，擂台摆在这了，高手现身吧！

如果再嵌套的话，则试验应该是听力水平|组别|试验前后差别，共3层，那即使结果出来，也够解释一通的了。

盼高手解惑。

还有，据说SPSS不能直接做嵌套设计的方差分析，也不知是不是真的，如果真的，就得编程解决，还需要会编程的大侠。

楼主，按照你两因素方差分析的思路替你做了一遍，看看符不符合你的专业知识。
1.创建一个新变量Posttest_pretest=Posttest-Pretest，用Transform-Compute菜单。
2.将Subgroup和Treatment属性定义为Nominal，不定义也可，但定义后统计学上好解释。
3，打开Analyze-General Linear Model-Univariate对话框。DependentVariable选入Posttest_pretest,Fixed Factors对话框选入Subgoup和Treatment，其余不选，为什么就不说了。
4打开Model对话框，单选Custom用Build Term箭头选入Subgroup和Treatment，Build Term箭头下的下拉列表中选Main effect，（交互作用用不着）。其余用缺省值。
5，Post Hoc对话框，将Subgroup和Treatment选入Post Hoc Test for：框；多重比较假设方差齐，选LSD，其余也可，结果相同。
6.OK！

结果解释（只解释重要的）：
第一张表，第一列，方差来源，Corrected Model,sig为0.001，模型有意义；Intercept，截距，忽略；Subgoup，有意义；Treatment，只2类，不检验。
下面的决定系数为0.2，一般般哪。
第二张表，表头说明因变量是Posttest_pretest,两两比较用的是LSD法（也说明假设你的方差齐）。表的实际内容不用解释了吧？清楚的很
表下方说明检测基于观测值的均数，显著性界限是0.05.

总感觉不如按嵌套模型说的通顺，比如无法包括那个listeninglev变量。
大虾快来拍砖哪！

楼主截图用的什么软件，比在下的清楚啊。

chyshl 你好！非常感谢你的热心参与！我用的是360浏览器自带的截图工具。
另外，我也得到华科大和中大两位老师的热心反馈（供大家参考）：
1
**你好！
你的数据和结果我看了一下，有如下一些问题：

• 你一共有4个组：实验组（2个）和控制组（2个），但每个组的人数太少，实验high才只有16个人。人数少达不到协方差分析的样本要求。
• PreMALQ、Posttest、Treatment和listeninglevel四个变量的分布不是正态分布。这也不符合参数检验的要求。
• 你的4个组的描述结果也与你的预期不同，后测成绩最高的是“实验low”、其次是“控制high”、最后两名是“控制low”和“实验high”。
• 即使描述结果显示了了一些差异，但pairwise comparison检验没有发现显著差异。这个结果有两各可能，一是培训效果不明显，另一个可能是样本小了。我把“实验low”和“实验high”合并、“控制high”和“控制low”合并，试着做了一下独立样本T检验，发现实验组和控制组的成绩完全相同，这更有可能说明培训效果不明显。
  

希望以上解释对你有帮助。
祝好！
秦**

2
**

你好！

不好意思，刚开学很忙。我有四门课要教，还要看学生论文，实在无暇其它。
刚才匆匆看了你的邮件，但我没有太多时间细细研究。我按照你的方法试了一下，然后又把pretest去掉不做协方差计算，好像结果是不同的。很显然，pretest进入协方差计算影响了结果。如果必须用pretest进入计算，那么结果是什么样也就是什么样了，没有办法的。你只需要给出事实就可以了。
实验结果受到很多因素制约，比如实际操作过程、学生配合程度等，因此，如果操控不严，得出不同结论是很可能的。

另外，你如果用paired t test来算实验组前后和控制组前后也一样可以对照的。如果你有实验组实验前的成绩和试验后的成绩，做一个简单的paired t test就可以知道结果了。同样，也可以对控制组这样做一下。

看你的数据应该没有问题。基本方法也应该没有问题，就是你在进入univariate 计算中加入pretest后结果发生了变化。可见，pretest 直接影响了结果。

建议你用不同的方法都做做。如果去掉pretest后，可以在post hoc中选择LSD he S_N_K检验一下，看是哪个小组影响了结果。

建议你买一本SPSS书参考一下。
希望有所帮助。

祝好！

常**

感觉第1条中的第一和第二条说的在理。但用pretest和Posttest作为配对t检验的话，和在下提出的方法是相同的-----都是比较试验前后的差值，倒不如将这个差值作为结果变量，然后统一用方差分析来的方便。另外，所谓协变量分析，是指你的因变量中那些连续性变量，而你如果用Treatment和Subgoup作为自变量的话，两者都是分类变量，是不适合定义为协变量的。
第二条开始说的则完全还是你原来的思路，不会出正确结果，因为选择的结果变量不对；往后则还是配对t检验，这样只说明了前后有差别，但没有纳入任何一个影响因素，结果解释的时候必须结合这个差别是由那个组的那个水平产生的，还是等于描述性统计啊。
纯属个人意见。

再说明一下，如果对你的数据没有理解错，你的pretest和posttest应该是测量指标，不是影响因素，对不对？果真如此，它们都是结果变量，怎么能选入因变量框呢？
具体到对话框的使用，Dependent Variable框肯定要选入结果变量的，那你的结果变量是什么？应该是前后处理的不同吧？所以在下认为产生一个能代表这种不同的新变量为宜，至于Fixed Factors和Random Factors框，是要选入自变量中的分类变量的，哪个框更合适，取决于你的因变量的分类方法，假如你认为你的分类包括了所有可能存在的分类，比如性别，只有那女2个分类，种族，只有黑白黄3个分类，这种情况就选入Fixed Factors框，又比如分段年龄，你有40~59，60~79两个分段，但可能的分类应该还有<40和>80的分类，这就应该选入Random Factors框，但实际应用中，后者也就CI宽些，没什么重要影响。注意填充框的标题中的Factors，这种情况是让你填入分类变量，其实anova的影响因素一般都是分类变量对不对？至于Covariates框，则是真正的“协变量”框，协变量一般是指影响因素中那些连续变量，比如不分段的年龄，温度等。最后的WLS Weight是加权用的，就更用不着了。