正在加载图片...
8.5.1 Repeated measures对话框界面说明 实际上,如果对普通方差分析模型作出正确的设置,两者的分析结果是完 全相同的,即都正确,那么,重复测量的方差分析过程有何优势呢?我们通过下 面的例子来看看: 例8.3在数据集 anxity2.sav中判断: anxiety和 tension对实验结果 (即 triall trial4)有无影响:四次试验间有无差异:试验次数和两个变量有 无交互作用。 anxity2.sav和 anxity.sav实际上是同一个数据,但根据不同的分析目的 采用了不同的数据排列方式。如果采用 anxity.sav进行分析,我们可以分析四 次试验间有无差异的问题,但对另两个问题就无能为力了,因为用普通的方差分 析模型, anxity和 tension的影响被合并到了 subject中,根本就无法分解出 来进行分析,这时,我们就只能求助于重复测量的方差分析模型。 在菜单中选择 Analyze== General lineal model=> Repeated measures 系统首先会弹出一个重复测量因子定义对话框如下: Yithin-Subject Factor Name: factor1 Define Number of levels: eset Add Cancel Change Help Remove Measure >> 因为是重复测量的模型,应变量被重复测量了几次,分别存放在几个变量 中,所以我们这里要自行定义应变量。默认的名称为 factor1,我们将其改为 trail,下面的因素等级数填入4(因一共测量了四次)。单击Add钮,则该变量 被加入,我们就完成了模型设置的第一步:应变量名称和测量次数定义。单击 define,我们开始进行下一个步骤:具体重复测量变量定义及模型设置,对话框 如下:8.5.1 Repeated measures 对话框界面说明 实际上,如果对普通方差分析模型作出正确的设置,两者的分析结果是完 全相同的,即都正确,那么,重复测量的方差分析过程有何优势呢?我们通过下 面的例子来看看: 例 8.3 在数据集 anxity2.sav 中判断:anxiety 和 tension 对实验结果 (即 trial1~trial4)有无影响;四次试验间有无差异;试验次数和两个变量有 无交互作用。 anxity2.sav 和 anxity.sav 实际上是同一个数据,但根据不同的分析目的 采用了不同的数据排列方式。如果采用 anxity.sav 进行分析,我们可以分析四 次试验间有无差异的问题,但对另两个问题就无能为力了,因为用普通的方差分 析模型,anxity 和 tension 的影响被合并到了 subject 中,根本就无法分解出 来进行分析,这时,我们就只能求助于重复测量的方差分析模型。 在菜单中选择 Analyze==>General Lineal model==>Repeated measures, 系统首先会弹出一个重复测量因子定义对话框如下: 因为是重复测量的模型,应变量被重复测量了几次,分别存放在几个变量 中,所以我们这里要自行定义应变量。默认的名称为 factor1,我们将其改为 trail,下面的因素等级数填入 4(因一共测量了四次)。单击 Add 钮,则该变量 被加入,我们就完成了模型设置的第一步:应变量名称和测量次数定义。单击 define,我们开始进行下一个步骤:具体重复测量变量定义及模型设置,对话框 如下:
<<向上翻页向下翻页>>
©2008-现在 cucdc.com 高等教育资讯网 版权所有