三因素实验设计.docx

三因素实验设计
对三因素重复测量实验设计进行数据处理

一、 三因素完全随机实验设计数据处理
过程：
1、 打开SPSS软件，点击Data View ，进入数据输入窗口，将原始数据输入SPSS表格区域；
2、 在菜单栏中选择分析→一般线性模型→单变量；
3、 因变量Dependent Variable方框中放入记忆成绩（JY），固定变量（Fixed Factor(s)）方框中，放入自变量记忆策略、有无干扰和材料类型；
4、点击选项（Options）按钮，选择Descriptive statistics，对数据进行描述性统计；选择Homogeneity tests，进行方差齐性检验；
5.结果分析：
描述性统计量
因变量:记忆成绩
记忆策略
有无干扰
材料类型
均值
标准 偏差
N
联想策略
dimension2
无干扰
实物图片
13.0000
1.58114
5
图形图片
8.0000
1.58114
5
总计
10.5000
3.02765
10
有干扰
实物图片
5.4000
2.07364
5
图形图片
4.6000
.89443
5
总计
5.0000
1.56347
10
总计
实物图片
9.2000
4.36654
10
图形图片
6.3000
2.16282
10
总计
7.7500
3.66886
20
复述策略
dimension2
无干扰
实物图片
6.8000
1.30384
5
图形图片
7.2000
1.30384
5
总计
7.0000
1.24722
10
有干扰
实物图片
4.0000
1.00000
5
图形图片
2.8000
.83666
5
总计
3.4000
1.07497
10
总计
实物图片
5.4000
1.83787
10
图形图片
5.0000
2.53859
10
总计
5.2000
2.16673
20
总计
dimension2
无干扰
实物图片
9.9000
3.54181
10
图形图片
7.6000
1.42984
10
总计
8.7500
2.88143
20
有干扰
实物图片
4.7000
1.70294
10
图形图片
3.7000
1.25167
10
总计
4.2000
1.54238
20
总计
实物图片
7.3000
3.79889
20
图形图片
5.6500
2.39022
20
总计
6.4750
3.24225
40

方差齐性检验结果：P=0.278>0.05所以各组数据方差齐性。
误差方差等同性的 Levene 检验a
因变量:记忆成绩
F
df1
df2
Sig.
1.309
7
32
.278
检验零假设，即在所有组中因变量的误差方差均相等。
a. 设计 : 截距 + A + B + C + A * B + A * C + B * C + A * B * C

被试间变量效应检验结果：A、B、C的主效应均极显著（P<0.01）；AB 交互效应显著；AC 交互效应极显著；BC 交互效应不显著；ABC 交互效应极显著。对于二阶与三阶交互效应显著的，还需进行简单效应与简单简单效应检验。

主体间效应的检验
因变量:记忆成绩
源
III 型平方和
df
均方
F
Sig.
校正模型
349.175a
7
49.882
26.254
.000
截距
1677.025
1
1677.025
882.645
.000
A
65.025
1
65.025
34.224
.000
B
207.025
1
207.025
108.961
.000
C
27.225
1
27.225
14.329
.001
A * B
9.025
1
9.025
4.750
.037
A * C
15.625
1
15.625
8.224
.007
B * C
4.225
1
4.225
2.224
.146
A * B * C
21.025
1
21.025
11.066
.002
误差
60.800
32
1.900

总计
2087.000
40

校正的总计
409.975
39

a. R 方 = .852（调整 R 方 = .819）
简单效应检验：

在主对话框中，单击Paste按钮，SPSS会把原先的全部操作转换成语句并粘贴到新打开的程序语句窗口中，在命令语句中加入EMMEANS引导的语句；

结果：当被试使用联想策略进行记忆时，无干扰条件的记忆成绩极显著优于有干扰条件的记忆成绩；当被试使用复述策略进行记忆时，无干扰条件的记忆成绩也极显著优于有干扰条件的记忆成绩。当被试使用联想策略进行记忆时，实物图片的记忆成绩极显著优于图形图片的记忆成绩；当被试使用复述策略进行记忆时，实物图片与图形图片的记忆成绩无显著差异。

简单简单效应检验：

结果：所以a,b,c有显著差异。

二、 重复测量一个因素的三因素混合实验设计数据处理
过程：
1. Data View ，进入数据输入窗口，将原始数据输入SPSS表格区域
2. Analyze → General Linear Model → Repeated Measures（在菜单栏中选择分析→一般线性模型→重复变量）

3. 在定义被试内变量（Within-Subject Factor Name）的方框中，设置被试内变量标记类型，在定义其水平（Number of Level）的对框中，输入3，表示有两个水平，然后按填加（Add）钮。

4.按定义键（Define），返回重复测量主对话框，将b1、b2、b3选入被试内变量（Winthin-Subjects Variables）方框中，将a、c选入被试间变量框中。

5.点击选项Options，进行如下操作：
①将被试内变量b（三个水平）键入到右边的方框中，采用[LSD（none）]法进行多重比较，
②选择Descriptive statistics命令，对数据进行描述性统计。
选择Homogeneity tests进行方差齐性检验。

6. 单击continue选项，返回主对话框，点击OK，执行程序。

7. 结果：一元方差分析：标记类型主效应显著，F=37.022，P=0.009；句长类型主效应检验，因其满足球形假设，故参见每项检验的第一行SphericityAssumed的结果，即，F=47.79，P=.000，表明b变量主效应极其显著；a与b的交互效应检验。因其满足球形假设，故参见标准一元方差分析的结果，即F=34.02，P=.001，表明a与b的交互效应极显著。
多重比较：长句与中句之间差异极其显著（P=0.003）；长句与短句之间差异极其显著（P=0.000）；中句与短句之间差异也极其显著（P=0.002）。

描述性统计量

有无干扰
显示时间
均值
标准 偏差
N
实物图片
dimension1
无干扰
dimension2
30秒
14.2500
.95743
4
15秒
9.7500
1.70783
4
总计
12.0000
2.72554
8
有干扰
dimension2
30秒
5.2500
.95743
4
15秒
6.5000
1.29099
4
总计
5.8750
1.24642
8
总计
dimension2
30秒
9.7500
4.89168
8
15秒
8.1250
2.23207
8
总计
8.9375
3.76774
16
数字图片
dimension1
无干扰
dimension2
30秒
8.5000
1.29099
4
15秒
7.5000
1.29099
4
总计
8.0000
1.30931
8
有干扰
dimension2
30秒
10.2500
1.70783
4
15秒
5.5000
1.29099
4
总计
7.8750
2.90012
8
总计
dimension2
30秒
9.3750
1.68502
8
15秒
6.5000
1.60357
8
总计
7.9375
2.17466
16
符号图片
dimension1
无干扰
dimension2
30秒
7.0000
.81650
4
15秒
5.7500
1.70783
4
总计
6.3750
1.40789
8
有干扰
dimension2
30秒
6.7500
.95743
4
15秒
2.7500
.95743
4
总计
4.7500
2.31455
8
总计
dimension2
30秒
6.8750
.83452
8
15秒
4.2500
2.05287
8
总计
5.5625
2.03204
16

协方差矩阵等同性的 Box 检验a
Box 的 M
26.278
F
.749
df1
18
df2
508.859
Sig.
.760
检验零假设，即观测到的因变量的协方差矩阵在所有组中均相等。
a. 设计 : 截距 + a + c + a * c
主体内设计: b

多变量检验b
效应
值
F
假设 df
误差 df
Sig.
b
Pillai 的跟踪
.803
22.413a
2.000
11.000
.000
Wilks 的 Lambda
.197
22.413a
2.000
11.000
.000
Hotelling 的跟踪
4.075
22.413a
2.000
11.000
.000
Roy 的最大根
4.075
22.413a
2.000
11.000
.000
b * a
Pillai 的跟踪
.822
25.414a
2.000
11.000
.000
Wilks 的 Lambda
.178
25.414a
2.000
11.000
.000
Hotelling 的跟踪
4.621
25.414a
2.000
11.000
.000
Roy 的最大根
4.621
25.414a
2.000
11.000
.000
b * c
Pillai 的跟踪
.169
1.117a
2.000
11.000
.362
Wilks 的 Lambda
.831
1.117a
2.000
11.000
.362
Hotelling 的跟踪
.203
1.117a
2.000
11.000
.362
Roy 的最大根
.203
1.117a
2.000
11.000
.362
b * a * c
Pillai 的跟踪
.752
16.698a
2.000
11.000
.000
Wilks 的 Lambda
.248
16.698a
2.000
11.000
.000
Hotelling 的跟踪
3.036
16.698a
2.000
11.000
.000
Roy 的最大根
3.036
16.698a
2.000
11.000
.000
a. 精确统计量
b. 设计 : 截距 + a + c + a * c
主体内设计: b

主体内效应的检验
度量:MEASURE_1
源
III 型平方和
df
均方
F
Sig.
b
采用的球形度
96.167
2
48.083
29.974
.000
Greenhouse-Geisser
96.167
1.902
50.549
29.974
.000
Huynh-Feldt
96.167
2.000
48.083
29.974
.000
下限
96.167
1.000
96.167
29.974
.000
b * a
采用的球形度
78.000
2
39.000
24.312
.000
Greenhouse-Geisser
78.000
1.902
41.000
24.312
.000
Huynh-Feldt
78.000
2.000
39.000
24.312
.000
下限
78.000
1.000
78.000
24.312
.000
b * c
采用的球形度
3.500
2
1.750
1.091
.352
Greenhouse-Geisser
3.500
1.902
1.840
1.091
.350
Huynh-Feldt
3.500
2.000
1.750
1.091
.352
下限
3.500
1.000
3.500
1.091
.317
b * a * c
采用的球形度
54.500
2
27.250
16.987
.000
Greenhouse-Geisser
54.500
1.902
28.647
16.987
.000
Huynh-Feldt
54.500
2.000
27.250
16.987
.000
下限
54.500
1.000
54.500
16.987
.001
误差 (b)
采用的球形度
38.500
24
1.604

Greenhouse-Geisser
38.500
22.829
1.686

Huynh-Feldt
38.500
24.000
1.604

下限
38.500
12.000
3.208

简单效应检验：

结果：无标记的情况下，各句子类型之间不存在显著性差异，F＝9.000，P=0.100；有标记的情况下，各句子类型之间存在极显著性差异，F＝150.333，P=0.007。
三、重复测量两个因素的三因素混合实验设计数据处理
过程：
1. 打开SPSS软件，点击Data View数据视图，进入数据输入窗口，将原始数据输入SPSS表格区域；

2. 在菜单栏中选择分析→一般线性模型→重复度量；

3. 分别定义两个被试内变量名及其水平数，点击“定义”；

4、 将b1c1、b1c2、b2c1、b2c2、b3c1、b3c2选入被试内变量（Winthin-Subjects Variables）方框中，将a选入被试间变量框中；

5、 点击选项Options，然后将被试内变量b（三个水平）键入到右边的方框中，采用LSD（none）法进行多重比较，并选择描述统计和方差齐性检验，点击继续，再点击确定输出结果；

6.结果：
描述性统计结果：
描述性统计量

有无干扰
均值
标准 偏差
N
b1c1
dimension1
无干扰
14.0000
.92582
8
有干扰
4.8750
.83452
8
总计
9.4375
4.78844
16
b1c2
dimension1
无干扰
9.5000
1.19523
8
有干扰
6.1250
1.12599
8
总计
7.8125
2.07264
16
b2c1
dimension1
无干扰
8.6250
1.06066
8
有干扰
10.0000
1.30931
8
总计
9.3125
1.35247
16
b2c2
dimension1
无干扰
7.2500
1.28174
8
有干扰
5.5000
1.06904
8
总计
6.3750
1.45488
16
b3c1
dimension1
无干扰
7.0000
.75593
8
有干扰
6.8750
.83452
8
总计
6.9375
.77190
16
b3c2
dimension1
无干扰
5.8750
1.24642
8
有干扰
2.8750
.83452
8
总计
4.3750
1.85742
16

Box’s方差齐性结果：P=0.395>0.05，所以各组数据方差齐性。
协方差矩阵等同性的 Box 检验a
Box 的 M
42.802
F
1.053
df1
21
df2
720.888
Sig.
.395
检验零假设，即观测到的因变量的协方差矩阵在所有组中均相等。
a. 设计 : 截距 + a
主体内设计: b + c + b * c

多变量检验：因为P=0<0.01，所以B的主效应极显著；而且P=0<0.01，BA的交互作用极显著；同理可知：C的主效应极显著，CA的交互效应不显著，BCA的三阶交互效应极显著。
多变量检验b
效应
值
F
假设 df
误差 df
Sig.
b
Pillai 的跟踪
.906
62.841a
2.000
13.000
.000
Wilks 的 Lambda
.094
62.841a
2.000
13.000
.000
Hotelling 的跟踪
9.668
62.841a
2.000
13.000
.000
Roy 的最大根
9.668
62.841a
2.000
13.000
.000
b * a
Pillai 的跟踪
.961
160.414a
2.000
13.000
.000
Wilks 的 Lambda
.039
160.414a
2.000
13.000
.000
Hotelling 的跟踪
24.679
160.414a
2.000
13.000
.000
Roy 的最大根
24.679
160.414a
2.000
13.000
.000
c
Pillai 的跟踪
.909
139.528a
1.000
14.000
.000
Wilks 的 Lambda
.091
139.528a
1.000
14.000
.000
Hotelling 的跟踪
9.966
139.528a
1.000
14.000
.000
Roy 的最大根
9.966
139.528a
1.000
14.000
.000
c * a
Pillai 的跟踪
.003
.043a
1.000
14.000
.839
Wilks 的 Lambda
.997
.043a
1.000
14.000
.839
Hotelling 的跟踪
.003
.043a
1.000
14.000
.839
Roy 的最大根
.003
.043a
1.000
14.000
.839
b * c
Pillai 的跟踪
.234
1.991a
2.000
13.000
.176
Wilks 的 Lambda
.766
1.991a
2.000
13.000
.176
Hotelling 的跟踪
.306
1.991a
2.000
13.000
.176
Roy 的最大根
.306
1.991a
2.000
13.000
.176
b * c * a
Pillai 的跟踪
.827
31.113a
2.000
13.000
.000
Wilks 的 Lambda
.173
31.113a
2.000
13.000
.000
Hotelling 的跟踪
4.787
31.113a
2.000
13.000
.000
Roy 的最大根
4.787
31.113a
2.000
13.000
.000
a. 精确统计量
b. 设计 : 截距 + a
主体内设计: b + c + b * c

球形假设检验：被试内变量球形假设检验，由于c变量只有两个水平，所以不需要检验；b,b*c均满足球形假设。
Mauchly 的球形度检验b
度量:MEASURE_1
主体内效应
Mauchly 的 W
近似卡方
df
Sig.
Epsilona
Greenhouse-Geisser
Huynh-Feldt
下限
dimension1
b
.764
3.503
2
.174
.809
.965
.500
c
1.000
.000
0
.
1.000
1.000
1.000
b * c
.952
.642
2
.725
.954
1.000
.500
检验零假设，即标准正交转换因变量的误差协方差矩阵与一个单位矩阵成比例。
a. 可用于调整显著性平均检验的自由度。 在"主体内效应检验"表格中显示修正后的检验。
b. 设计 : 截距 + a
主体内设计: b + c + b * c

Levene’s方差齐性检验结果：因为P>0.05，各组因变量方差齐性。
误差方差等同性的 Levene 检验a

F
df1
df2
Sig.
b1c1
.168
1
14
.688
b1c2
.009
1
14
.926
b2c1
.152
1
14
.702
b2c2
.453
1
14
.512
b3c1
.399
1
14
.538
b3c2
.610
1
14
.448
检验零假设，即在所有组中因变量的误差方差均相等。
a. 设计 : 截距 + a
主体内设计: b + c + b * c

被试间变量效应：因为P=0<0.01，A的主效应极显著。
主体间效应的检验
度量:MEASURE_1
转换的变量:平均值
源
III 型平方和
df
均方
F
Sig.
截距
5221.500
1
5221.500
4716.194
.000
a
170.667
1
170.667
154.151
.000
误差
15.500
14
1.107

b因素的多重比较结果：实物图片的记忆成绩显著优于数字图片和符号图片，数字图片，数字图片的记忆成绩显著优于符号图片。
成对比较
度量:MEASURE_1
(I) b
(J) b
均值差值 (I-J)
标准 误差
Sig.a
差分的 95% 置信区间a
下限
上限
1
2
.781*
.163
.000
.431
1.131
3
2.969*
.257
.000
2.417
3.521
2
1
-.781*
.163
.000
-1.131
-.431
3
2.188*
.220
.000
1.715
2.660
3
1
-2.969*
.257
.000
-3.521
-2.417
2
-2.188*
.220
.000
-2.660
-1.715
基于估算边际均值
*. 均值差值在 .05 级别上较显著。
a. 对多个比较的调整： 最不显著差别（相当于未作调整）。

进行简单效应检验：
因为BA交互效应显著，需进行简单效应检验；
程序语句：

结果截图：

b*a描述性统计结果

b*a配对比较结果

进行简单简单效应检验：

BCA三阶交互效应显著，还需进行简单简单效应检验。

程序语句：

在a水平下b*c交互效应配对比结果

四、三因素重复测量实验设计数据处理
过程：
1.打开SPSS软件，点击Data View ，进入数据输入窗口，将原始数据输入SPSS表格区域；
2.在菜单栏中选择分析→一般线性模型→重复变量；

3.在定义被试内变量（Within-Subject Factor Name）的方框中，设置被试内变量标记类型，在定义其水平（Number of Level）的对框中，输入3，表示有两个水平，然后按填加（Add）钮。

4.将a1b3c1、a1b3c2、a2b1c1、a2b1c2、a2b2c1、a2b2c2、a2b3c1、a2b3c2等选入被试内变量（Winthin-Subjects Variables）方框中，将a选入被试间变量框中；

5.点击选项Options，然后将被试内变量b（三个水平）键入到右边的方框中，采用LSD（none）法进行多重比较，并选择描述统计和方差齐性检验，点击继续，再点击确定输出结果；

6.结果:3个自变量之间两两都有显著差异，3者之间也有显著差异。

描述性统计量

均值
标准 偏差
N
a1b1c1
14.2500
.95743
4
a1b1c2
9.7500
1.70783
4
a1b2c1
8.5000
1.29099
4
a1b2c2
7.5000
1.29099
4
a1b3c1
7.0000
.81650
4
a1b3c2
5.7500
1.70783
4
a2b1c1
5.2500
.95743
4
a2b1c2
6.5000
1.29099
4
a2b2c1
10.2500
1.70783
4
a2b2c2
5.5000
1.29099
4
a2b3c1
6.5000
.57735
4
a2b3c2
2.7500
.95743
4

多变量检验b
效应
值
F
假设 df
误差 df
Sig.
a
Pillai 的跟踪
.957
66.783a
1.000
3.000
.004
Wilks 的 Lambda
.043
66.783a
1.000
3.000
.004
Hotelling 的跟踪
22.261
66.783a
1.000
3.000
.004
Roy 的最大根
22.261
66.783a
1.000
3.000
.004
b
Pillai 的跟踪
.950
18.841a
2.000
2.000
.050
Wilks 的 Lambda
.050
18.841a
2.000
2.000
.050
Hotelling 的跟踪
18.841
18.841a
2.000
2.000
.050
Roy 的最大根
18.841
18.841a
2.000
2.000
.050
c
Pillai 的跟踪
.905
28.683a
1.000
3.000
.013
Wilks 的 Lambda
.095
28.683a
1.000
3.000
.013
Hotelling 的跟踪
9.561
28.683a
1.000
3.000
.013
Roy 的最大根
9.561
28.683a
1.000
3.000
.013
a * b
Pillai 的跟踪
.989
88.494a
2.000
2.000
.011
Wilks 的 Lambda
.011
88.494a
2.000
2.000
.011
Hotelling 的跟踪
88.494
88.494a
2.000
2.000
.011
Roy 的最大根
88.494
88.494a
2.000
2.000
.011
a * c
Pillai 的跟踪
.011
.034a
1.000
3.000
.866
Wilks 的 Lambda
.989
.034a
1.000
3.000
.866
Hotelling 的跟踪
.011
.034a
1.000
3.000
.866
Roy 的最大根
.011
.034a
1.000
3.000
.866
b * c
Pillai 的跟踪
.560
1.271a
2.000
2.000
.440
Wilks 的 Lambda
.440
1.271a
2.000
2.000
.440
Hotelling 的跟踪
1.271
1.271a
2.000
2.000
.440
Roy 的最大根
1.271
1.271a
2.000
2.000
.440
a * b * c
Pillai 的跟踪
.969
31.265a
2.000
2.000
.031
Wilks 的 Lambda
.031
31.265a
2.000
2.000
.031
Hotelling 的跟踪
31.265
31.265a
2.000
2.000
.031
Roy 的最大根
31.265
31.265a
2.000
2.000
.031
a. 精确统计量
b. 设计 : 截距
主体内设计: a + b + c + a * b + a * c + b * c + a * b * c

Mauchly 的球形度检验b
度量:MEASURE_1
主体内效应
Mauchly 的 W
近似卡方
df
Sig.
Epsilona
Greenhouse-Geisser
Huynh-Feldt
下限
dimension1
a
1.000
.000
0
.
1.000
1.000
1.000
b
.452
1.590
2
.452
.646
.927
.500
c
1.000
.000
0
.
1.000
1.000
1.000
a * b
.412
1.772
2
.412
.630
.873
.500
a * c
1.000
.000
0
.
1.000
1.000
1.000
b * c
.314
2.316
2
.314
.593
.757
.500
a * b * c
.341
2.152
2
.341
.603
.786
.500
检验零假设，即标准正交转换因变量的误差协方差矩阵与一个单位矩阵成比例。
a. 可用于调整显著性平均检验的自由度。 在"主体内效应检验"表格中显示修正后的检验。
b. 设计 : 截距
主体内设计: a + b + c + a * b + a * c + b * c + a * b * c

主体内效应的检验
度量:MEASURE_1
源
III 型平方和
df
均方
F
Sig.
a
采用的球形度
85.333
1
85.333
66.783
.004
Greenhouse-Geisser
85.333
1.000
85.333
66.783
.004
Huynh-Feldt
85.333
1.000
85.333
66.783
.004
下限
85.333
1.000
85.333
66.783
.004
误差 (a)
采用的球形度
3.833
3
1.278

Greenhouse-Geisser
3.833
3.000
1.278

Huynh-Feldt
3.833
3.000
1.278

下限
3.833
3.000
1.278

b
采用的球形度
100.042
2
50.021
46.471
.000
Greenhouse-Geisser
100.042
1.292
77.456
46.471
.002
Huynh-Feldt
100.042
1.853
53.977
46.471
.000
下限
100.042
1.000
100.042
46.471
.006
误差 (b)
采用的球形度
6.458
6
1.076

Greenhouse-Geisser
6.458
3.875
1.667

Huynh-Feldt
6.458
5.560
1.162

下限
6.458
3.000
2.153

c
采用的球形度
65.333
1
65.333
28.683
.013
Greenhouse-Geisser
65.333
1.000
65.333
28.683
.013
Huynh-Feldt
65.333
1.000
65.333
28.683
.013
下限
65.333
1.000
65.333
28.683
.013
误差 (c)
采用的球形度
6.833
3
2.278

Greenhouse-Geisser
6.833
3.000
2.278

Huynh-Feldt
6.833
3.000
2.278

下限
6.833
3.000
2.278

a * b
采用的球形度
77.042
2
38.521
39.906
.000
Greenhouse-Geisser
77.042
1.260
61.156
39.906
.003
Huynh-Feldt
77.042
1.746
44.116
39.906
.001
下限
77.042
1.000
77.042
39.906
.008
误差 (a*b)
采用的球形度
5.792
6
.965

Greenhouse-Geisser
5.792
3.779
1.532

Huynh-Feldt
5.792
5.239
1.105

下限
5.792
3.000
1.931

a * c
采用的球形度
.083
1
.083
.034
.866
Greenhouse-Geisser
.083
1.000
.083
.034
.866
Huynh-Feldt
.083
1.000
.083
.034
.866
下限
.083
1.000
.083
.034
.866
误差 (a*c)
采用的球形度
7.417
3
2.472

Greenhouse-Geisser
7.417
3.000
2.472

Huynh-Feldt
7.417
3.000
2.472

下限
7.417
3.000
2.472

b * c
采用的球形度
3.292
2
1.646
.856
.471
Greenhouse-Geisser