Introducing 

Prezi AI.

Your new presentation assistant.

Refine, enhance, and tailor your content, source relevant images, and edit visuals quicker than ever before.

Loading…
Transcript

態度對結果有顯著影響

態度與性別有交互作用

多因子變異數分析

樂觀者的成績在性別上差異不大,但悲觀者男性相較女性被影響大

蔡毓 從媛婷

13.12多因子變異數分析設計(Higher-Order Factorial Designs)

13.13 電腦計算的例子

三因子變異數分析(3 way factorial design)樣本數量不均質

實驗:游泳隊被要求游出最佳成績,但計時造假,故參與者被告知較差的成績,都很失望。而後實驗者要求再測一次。

實驗假設:樂觀者第二次的成績會好於第一次,悲觀者則反之。

參與者:被依照A態度(樂觀、悲觀,B性別,C喜好做分類。

依變項:Time1/Time2 若>1表示表現較好,<1則表示表現較差。

實驗中所有造成變異來源的效果之總和

例如:開車能力實驗 2X3X2 因素分析

A開車經驗:無經驗(A1)、有經驗開車者(A2)

B道路種類:最佳(B1) 、次佳(B1) 、差(B2)

C情境:白天(C1) 、晚上(C2)

樣本總數4X(2x3x2) =48人

依變項:駕駛校正(steering corrections)

Eysenck研究的延伸

由年齡所造成的變異

13.8 其他實驗設計─巢套設計(Nested design)

由回憶情境所造成的變異

  • 主要效果

自變項對依變項所造成的影響,反應在自變項的各水準平均數差異上

  • 交互效果

多個自變項共同對於依變項產生影響,即個因子間具有彼此修正調整的調節作用

  • 單純效果

只看自變項一個因子中的一個水準和另一個因子做比較。

counting的單純效果

年齡主要效果

單個區塊平均值的變異性

回憶情境主要效果

交互作用所造成的變異

受試者誤差所造成的變異

13.12多因子變異數分析設計(Higher-Order Factorial Designs)

簡單效果(simple effects)

13.2 結構模式與期望均方

單因子變異數分析

實驗操弄效果

雙因子變異數分析

舉例:Eysenck實驗

  • 實驗設計:不同年齡受試者在不同情境下回想字詞的數量

  • 自變項:年齡、回憶情境,也稱為因子。

  • 2X5 階層

由圖可知,開車情境對於無經驗者的影響遠大於有經驗駕駛

開車經驗(A)與情境(C)的交互作用達顯著

13.8 其他實驗設計─混合模型設計

13.9 測量相關與效果值

一個固定一個隨機變項:Case大小寫(固定變項),字母(隨機變項)

13.1

13.3交互作用

兩種方式看效果量(同單因子變異數分析)

一般,想整體的看F→r-family

著重在平均數的比較→d-family

前言

  • 延伸變異數分析實驗處理的設計,觀察兩個或兩個以上的自變項對依變項的影響。

MScase/MSCsL

採用多因子的優點

1.推論性強

2.能探討自變項間的交互作用

3.較為經濟

13.9 r-family

判斷準則:

  • 兩折線不平行,即表示兩自變項對於依變項具有交互作用。
  • 次序性交互作用:兩條線沒有相交。
  • 無次序性交互作用:兩條線相交。

13.9 r-family

ω2量數的特性

數值介於0到1之間,越接近1表示關聯越強

ω2量數值分佈為以.05到.06為眾數的正偏態分配,達到.1以上者,即屬於高強度的獨變項效果

一般期刊上所發表的實證論文的,也僅多在.06左右

Cohen(1988)建議下列的判斷準則

η2

最簡單,但偏誤最多的方法

良好的描述統計,但是不良的推論統計

可能無法測量到所欲測量的(後面會談)

ω2

偏誤比上者小,一般少用

可以比較固定、隨機、混合模型

η2是迴歸分析當中的R2,除了作為X對Y解釋強度的指標外,經常也被視為效果量的指標

根據Cohen(1988),η2的判斷標準與ω2相同

13.4 簡單/單純效果

  • 當交互作用達顯著即進行簡單效果分析,能釐清交互作用的效果是如何作用。

  • 簡單效果其實就是在一個給定好的實驗水準中進行單因子的分析。

13.5 變異數分析─抽菸效果之SPSS主要效果操作

Spilich、Renner和June (1992)調查抽菸如何影響表現。

自變項:不同認知作業流程*3、不同抽菸習慣*3

依變項:錯誤次數

SPSS操作流程:分析→一般線性模式→單變量

13.8 其他實驗設計

  • 傳統上:傳統心理學實驗設計,集中在固定模型(fixed models)與獨立變項的交叉研究

  • 特殊狀況:隨機變項、巢套現象,兩者常一起討論;當討論隨機和巢套設計,因誤差源不同,故需要一些調整。

13.11 不均等的樣本數量

13.5 變異數分析─抽菸效果之SPSS報表

2X2實驗:測量警戒程度,參與者在清醒與被酒精影響的狀態下的警戒程度

然因樣本數不同,導致看似有不同洲對於錯誤率有影響, 怎解決?

效果值

POWER

13.5 變異數分析─敘述統計、變異數同質假定

13.5 變異數分析─抽菸效果之交互作用圖

(14+20)/2=17

(10+24)/2=17

p值<.05達顯著水準

(14+10)/2=12

(20+24)/2=22

交互作用達顯著

Smoke Grp、Task

主要效果顯著

13.10 結果報告

實驗介紹

結果報告

df為(A-1)(C-1)

所以4x1=4。

df為各組人數-1加總,為10-1=9,共有10組,所以9x10=90

df為Abn-1,n為一組人數。2x5x10-1=99

Learn more about creating dynamic, engaging presentations with Prezi