用spss20进行二因素设计的简单效应分析

用SPSS20进行二因素设计的简单效应分析

两因素试验要检验互作效应，如果互作显著则应进一步做简单效应分析。SPSS20图形界面无法简单效应分析，其实SPSS大多数功能均无法利用图形界面实现。所以SPSS的优点并不是其易用性，而重点在于输出结果丰富、编排合理。比较SAS、和R软件均能利用图形界面进行简单的统计分析，但其输出结果简单，无法直接发布。

我们用一个两因素裂区试验的产量数据进行简单的说明。这个试验是一个品种密度试验，品种为主区，种植密度为副区，三次重复，籽粒产量为每公顷公斤产量。

其分析语法为：

UNIANOVA 单产BY a b r

/RANDOM=r

/METHOD=SSTYPE(3)

/INTERCEPT=INCLUDE

/CRITERIA=ALPHA(0.05)

/POSTHOC=a b(DUNCAN LSD)

/DESIGN=a b r r(a) a*b

/EMMEANS = TABLES(a*b) COMPARE (b) ADJ(LSD)

/EMMEANS = TABLES(a*b) COMPARE (a) ADJ(LSD).

注意最后两句，采用EMMEANS进行简单效应分析，其选项ADJ表示均值检验方法，有3种方法可供选择，常用的是LSD。

运行该语句（Ctrl+r）的下列结果。注意，该语句前面还有数据集设置（DATASET ACTIVATE 数据集1.），不能写错数据集的名称。

表1 主体间效应的检验

因变量: 单产

源III 型平方和df 均方 F Sig.

截距

假设1524883353.546 1 1524883353.546 41177.914 .000

误差74063.167 2 37031.584a

a

假设5090978.401 2 2545489.201 257.340 .000

误差39566.096 4 9891.524b

b

假设2253126.736 2 1126563.368 79.838 .000

误差169326.808 12 14110.567c

r

假设74063.167 2 37031.584 3.744 .121

误差39566.096 4 9891.524b

r(a)

假设39566.096 4 9891.524 .701 .606

误差169326.808 12 14110.567c

a * b

假设836244.524 4 209061.131 14.816 .000

误差169326.808 12 14110.567c

a. MS(r)

b. MS(r(a))

c. MS(错误) 主区a 副区b 重复r 籽粒产量xm26 10万 1 6942 xm26 10万 2 6725.3 xm26 10万 3 6692 xm26 15万 1 7658.7 xm26 15万 2 7467 xm26 15万 3 7375.4

xm26 20万

1 764

2 xm26 20万 2 7683.7 xm26 20万

3 7467 9398 10万 1 6775.3 9398 10万 2 6900.3 9398 10万 3 6748.7 9398 15万 1 6950.3 9398 15万 2 6825.3 9398 15万 3 6775.3 9398 20万 1 7725.

4 9398 20万 2 7575.4 9398 20万 3 7883.7 ts28 10万 1 8167.1 ts28 10万 2 8033.7 ts28 10万 3 7858.7 ts28 15万 1 7975.4 ts28 15万 2 8025.4 ts28 15万 3 7908.7 ts28 20万 1 8450.4 ts28 20万 2 8200.4 ts28 20万 3 8475.4

表1显示互作显著，因此有必要进行简单效应分析。表2、3为主效应间的多重比较。

表2 单产

品种N 子集

1 2 3

Duncan a,b 9398 9 7128.875

xm26 9 7294.809

ts28 9 8121.702 Sig. 1.000 1.000 1.000

已显示同类子集中的组均值。

基于观测到的均值。

误差项为均值方 (错误) = 14110.567。

a. 使用调和均值样本大小 = 9.000。

b. Alpha = 0.05。

表4为三个品种在不同密度下产量均值及差异显著性，表5为三种密度下不同品种的差异。表4、5就是我们要进行的简单效应分析。

表4 成对比较

因变量: 单产

品种(I) 密度(J) 密度均值差值 (I-J) 标准误差Sig.b差分的 95% 置信区间b

下限上限

9398 10万

15万-42.224 96.990 .671 -253.547 169.099

20万-920.046*96.990 .000 -1131.369 -708.723 15万

10万42.224 96.990 .671 -169.099 253.547

20万-877.822*96.990 .000 -1089.145 -666.499 20万

10万920.046*96.990 .000 708.723 1131.369

15万877.822*96.990 .000 666.499 1089.145

ts28 10万

15万50.002 96.990 .616 -161.320 261.325

20万-355.573*96.990 .003 -566.896 -144.250 15万

10万-50.002 96.990 .616 -261.325 161.320

20万-405.576*96.990 .001 -616.899 -194.253 20万

10万355.573*96.990 .003 144.250 566.896

15万405.576*96.990 .001 194.253 616.899

xm26 10万

15万-713.925*96.990 .000 -925.247 -502.602

20万-811.152*96.990 .000 -1022.475 -599.829

15万

10万713.925*96.990 .000 502.602 925.247

20万-97.227 96.990 .336 -308.550 114.096

20万10万811.152*96.990 .000 599.829 1022.475

表3 单产

密度N 子集

1 2 3

Duncan a,b

10万9 7204.805

15万9 7440.187

20万9 7900.395

Sig. 1.000 1.000 1.000

已显示同类子集中的组均值。

基于观测到的均值。

误差项为均值方 (错误) = 14110.567。

a. 使用调和均值样本大小 = 9.000。

b. Alpha = 0.05。

15万97.227 96.990 .336 -114.096 308.550 基于估算边际均值

*. 均值差值在 0.05 级别上较显著。

b. 对多个比较的调整：最不显著差别（相当于未作调整）。

表5 成对比较

因变量: 单产

密度(I) 品种(J) 品种均值差值 (I-J) 标准误差Sig.b差分的 95% 置信区间b

下限上限

10万9398

ts28 -1211.727*96.990 .000 -1423.050 -1000.404

xm26 21.668 96.990 .827 -189.655 232.991 ts28

9398 1211.727*96.990 .000 1000.404 1423.050

xm26 1233.395*96.990 .000 1022.072 1444.718 xm26

9398 -21.668 96.990 .827 -232.991 189.655

ts28 -1233.395*96.990 .000 -1444.718 -1022.072

15万9398

ts28 -1119.500*96.990 .000 -1330.823 -908.178

xm26 -650.033*96.990 .000 -861.355 -438.710 ts28

9398 1119.500*96.990 .000 908.178 1330.823

xm26 469.468*96.990 .000 258.145 680.791 xm26

9398 650.033*96.990 .000 438.710 861.355

ts28 -469.468*96.990 .000 -680.791 -258.145

20万9398

ts28 -647.255*96.990 .000 -858.577 -435.932

xm26 130.562 96.990 .203 -80.761 341.885 ts28

9398 647.255*96.990 .000 435.932 858.577

xm26 777.817*96.990 .000 566.494 989.140 xm26

9398 -130.562 96.990 .203 -341.885 80.761

ts28 -777.817*96.990 .000 -989.140 -566.494

基于估算边际均值

*. 均值差值在 0.05 级别上较显著。

b. 对多个比较的调整：最不显著差别（相当于未作调整）。

三因素混合方差分析事后简单效应多重比较语法

概念笔记 Main effect 一个因素的独立效应，即其不同水平引起的方差变异。三因素的实验有三个主效应。把某一因素的一个水平同该因素的其他水平比较，不考虑其他因素。 Interaction 多个因素的联合效应，A因素的作用受到B因素的影响，即有交互——two-way interaction. 当一因素作用受到另外两个因素影响，即三因素交互three-way interaction. 重复测量一个因素的三因素混合设计3*2*2的混合设计 A3*B2*R2 【A, B为被试间因素】 需要分析的有—— A, B, R 各自主效应 二重交互作用，A*B, A*R, B*R 三重交互作用，A*B*C 结果发现， A, B为被试间因素，交互作用SIG 当二重交互作用SIG，需要进行simple effect检验。A因素水平在B因素某一水平上的变异。A在B1水平上的简单效应 A在B2水平上的简单效应 B在A1水平上的简单效应 B在A2水平上的简单效应 B在A3水平上的简单效应 如果三重交互作用SIG，需要进行三因素的简单简单效应分析simple simple effect. 某一因素的水平在另外两个因素的水平结合上的效应 在A1B1水平结合上，R1 与R2 差异 在A1B2水平结合上，R1 与R2 差异 在A2B1水平结合上，R1 与R2 差异 在A2B2水平结合上，R1 与R2 差异 在A3B1水平结合上，R1 与R2 差异 在A3B2水平结合上，R1 与R2 差异

重复测量方差分析之后，如果三重交互作用显著，需要编辑语法， 得出三个因素各自的简单效应 某一因素在其他两个因素的某一实验条件内的简单效应检验 三因素重复测量方差分析对应的会有3种简单效应检验结果 SPSS在输出简单效应检验结果的同时，也会报告多重比较结果，会有更直观的对比结果。 如果三重交互作用SIG，需要进行简单简单效应检验。 固定某两个因素水平组合，考察研究者最感兴趣的那个变量的效应。 MANOV A R1 R2 BY A(1,3) B(1,2) /WSFACTORS=R(2) /PRINT=CELLINFO(MEANS) /WSDESIGN /DESIGN /WSDESIGN=R /DESIGN=MWITHIN B(1) WITHIN A(1) MWITHIN B(2) WITHIN A(1) MWITHIN B(1) WITHIN A(2) MWITHIN B(2) WITHIN A(2) MWITHIN B(1) WITHIN A(3) MWITHIN B(2) WITHIN A(3) 上述语法内容是检验被试内变量R在被试间变量A, B 上的简单简单效应。 如果想检验某一被试间变量A在被试内变量R和另一个被试间变量B上的简单简单效应MANOV A R1 R2 BY A(1,3) B(1,2) /WSFACTORS=R(2) /PRINT=CELLINFO(MEANS) /WSDESIGN /DESIGN /WSDESIGN=MWITHIN C(1) MWITHIN C(2) /DESIGN=A WITHIN B(1) A WITHIN B(2)

用SPSS20进行二因素设计的简单效应分析

用SPSS20进行二因素设计的简单效应分析 两因素试验要检验互作效应，如果互作显著则应进一步做简单效应分析。SPSS20图形 界面无法简单效应分析，其实SPSS大多数功能均无法利用图形界面实现。所以SPSS的优点 并不是其易用性，而重点在于输出结果丰富、编排合理。比较SAS、和R软件均能利用图形 界面进行简单的统计分析，但其输出结果简单，无法直接发布。 我们用一个两因素裂区试验的产量数据进行简单的说明。这个试验是一个品种密度试验， 品种为主区，种植密度为副区，三次重复，籽粒产量为每公顷公斤产量。 其分析语法为： UNIANOVA 单产BY a b r Array /RANDOM=r /METHOD=SSTYPE(3) /INTERCEPT=INCLUDE /CRITERIA=ALPHA(0.05) /POSTHOC=a b(DUNCAN LSD) /DESIGN=a b r r(a) a*b /EMMEANS = TABLES(a*b) COMPARE (b) ADJ(LSD) /EMMEANS = TABLES(a*b) COMPARE (a) ADJ(LSD). 注意最后两句，采用EMMEANS进行简单效应分析， 其选项ADJ表示均值检验方法，有3种方法可供选择， 常用的是LSD。 运行该语句（Ctrl+r）的下列结果。注意，该语句前 面还有数据集设置（DATASET ACTIVATE 数据集1.），不能 写错数据集的名称。

表1显示互作显著，因此有必要进行简单效应分析。表2、3为主效应间的多重比较。 表4为三个品种在不同密度下产量均值及差异显著性，表5为三种密度下不同品种的差异。表4、5就是我们要进行的简单效应分析。 表4 成对比较 因变量: 单产 品种(I) 密度(J) 密度均值差值 (I-J) 标准误差Sig.b差分的 95% 置信区间b 下限上限 9398 10万 15万-42.224 96.990 .671 -253.547 169.099 20万-920.046*96.990 .000 -1131.369 -708.723 15万 10万42.224 96.990 .671 -169.099 253.547 20万-877.822*96.990 .000 -1089.145 -666.499 20万 10万920.046*96.990 .000 708.723 1131.369 15万877.822*96.990 .000 666.499 1089.145 ts28 10万 15万50.002 96.990 .616 -161.320 261.325 20万-355.573*96.990 .003 -566.896 -144.250 15万 10万-50.002 96.990 .616 -261.325 161.320 20万-405.576*96.990 .001 -616.899 -194.253 20万 10万355.573*96.990 .003 144.250 566.896 15万405.576*96.990 .001 194.253 616.899 xm26 10万 15万-713.925*96.990 .000 -925.247 -502.602 20万-811.152*96.990 .000 -1022.475 -599.829 15万 10万713.925*96.990 .000 502.602 925.247 20万-97.227 96.990 .336 -308.550 114.096 20万10万811.152*96.990 .000 599.829 1022.475

简单效应

简单效应(simple effect)分析通常是在作方差分析时存在交互效应的情况下的进一步分析。你需要在SPSS 中编写syntax实现 一、完全随机因素实验中简单效应得分析程序 假如一个两因素随机实验中，A因素有两个水平、B因素有三个水平，因变量是Y，检验B因素在A因素的两个水平上的简单效应分析。 TWO-FACTOR RANDOMIZED EXPERIMENT SIMPLE EFFECTS DATA LIST FREE /A B Y. BEGIN DATA 1 3 4 1 1 2 1 1 3 2 2 5 2 1 6 1 2 8 2 1 9 1 2 8 2 3 10 2 3 11 2 3 9 2 3 8 END DATA. MANOVA y BY A(1,2) B(1,3) /DESIGN /DESIGN=A WITHIN B(1) A WITHIN B(2) A WITHIN B(3). 若A与B存在交互作用而进行的进一步分析（即简单效应分析）。同时你可以再加一个design: /DESIGN=B WITHIN A(1) B WITHIN A(2). 另外，三因素完全随机实验中的简单效应和简单简单效应的分析。 当实验设计中的因素多于两个时，做简单效应检验的前提仍然是，方差分析中发现了显著的两次交互作用。而当三因素完全随机实验中发现了显著的三次交互作用时，可以进一步作简单简单效应检验。也是DESIGN。 /DESIGN=A WITHIN B（1）WITHIN C（1） A WITHIN B（2）WITHIN C（2）. 例如： THREE-FACTOR RANDOMIZED EXPERIMENT SIMPLE EFFECTS. SIMPLE SIMPLE EFFECTS. DATA LIST FREE /A B C Y. BEGIN DATA

简单效应分析语法

3*3*4被试内反复测量的简单效应分析语法： GLM a1b1c1ACC a1b1c2ACC a1b1c3ACC a1b1c4ACC a1b2c1ACC a1b2c2ACC a1b2c3ACC a1b2c4ACC a1b3c1ACC a1b3c2ACC a1b3c3ACC a1b3c4ACC a2b1c1ACC a2b1c2ACC a2b1c3ACC a2b1c4ACC a2b2c1ACC a2b2c2ACC a2b2c3ACC a2b2c4ACC a2b3c1ACC a2b3c2ACC a2b3c3ACC a2b3c4ACC a3b1c1ACC a3b1c2ACC a3b1c3ACC a3b1c4ACC a3b2c1ACC a3b2c2ACC a3b2c3ACC a3b2c4ACC a3b3c1ACC a3b3c2ACC a3b3c3ACC a3b3c4ACC /WSFACTOR=ISI 3 Polynomial 情绪类型3 Polynomial 缺少部位4 Polynomial /METHOD =SSTYPE(3) /EMMEANS=TABLES(ISI*缺少部位) COMPARE(ISI) ADJ(LSD) /PLOT=PROFILE(ISI*缺少部位) /EMMEANS=TABLES(情绪类型*缺少部位) COMPARE(情绪类型) ADJ(LSD) /PLOT=PROFILE(情绪类型*缺少部位) /PRINT = DESCRIPTIVE /CRITERIA=ALPHA(.05) /WSDESIGN=ISI 情绪类型缺少部位ISI*情绪类型ISI*缺少部位情绪类型*缺少部位ISI*情绪类型*缺少部位.

简单效应SPSS编程

被试内、被试间、混合实验设计简单效应分析 简单效应(simple effect)分析 简单效应(simple effect)分析通常是在作方差分析时存在交互效应的情况下的进一步分析。你需要在SPSS中编写syntax实现。 一、完全随机因素实验中简单效应得分析程序 假如一个两因素随机实验中，A因素有两个水平、B因素有三个水平，因变量是Y，检验B因素在A因素的两个水平上的简单效应分析。 TWO-FACTOR RANDOMIZED EXPERIMENT SIMPLE EFFECTS. DATA LIST FREE /A B Y. BEGIN DATA 1 3 4 1 1 2 1 1 3 2 2 5 2 1 6 1 2 8 2 1 9 1 2 8 2 3 10 2 3 11 2 3 9

2 3 8 END DATA. MANOVA y BY A(1,2) B(1,3) /DESIGN /DESIGN=A WITHIN B(1) A WITHIN B(2) A WITHIN B(3). 若A与B存在交互作用而进行的进一步分析（即简单效应分析）。同时你可以再加一个design: /DESIGN=B WITHIN A(1) B WITHIN A(2). 自编数据试试 y A B 4.00 1.00 3.00 2.00 1.00 1.00 3.00 1.00 1.00 5.00 2.00 2.00 6.00 2.00 1.00 8.00 1.00 2.00 9.00 2.00 1.00 8.00 1.00 2.00 10.00 2.00 3.00 11.00 2.00 3.00

简单效应SPSS编程

被试、被试间、混合实验设计简单效应分析 简单效应(simple effect)分析 简单效应(simple effect)分析通常是在作方差分析时存在交互效应的情况下的进一步分析。你需要在SPSS中编写syntax实现。 一、完全随机因素实验中简单效应得分析程序 假如一个两因素随机实验中，A因素有两个水平、B因素有三个水平，因变量是Y，检验B因素在A因素的两个水平上的简单效应分析。 TWO-FACTOR RANDOMIZED EXPERIMENT SIMPLE EFFECTS. DATA LIST FREE /A B Y. BEGIN DATA 1 3 4 1 1 2 1 1 3

2 2 5 2 1 6 1 2 8 2 1 9 1 2 8 2 3 10 2 3 11 2 3 9 2 3 8 END DATA. MANOVA y BY A(1,2) B(1,3) /DESIGN /DESIGN=A WITHIN B(1) A WITHIN B(2) A WITHIN B(3).

若A与B存在交互作用而进行的进一步分析（即简单效应分析）。同时你可以再加一个design: /DESIGN=B WITHIN A(1) B WITHIN A(2). 自编数据试试 y A B 4.00 1.00 3.00 2.00 1.00 1.00 3.00 1.00 1.00 5.00 2.00 2.00 6.00 2.00 1.00 8.00 1.00 2.00 9.00 2.00 1.00 8.00 1.00 2.00 10.00 2.00 3.00

11.00 2.00 3.00 9.00 2.00 3.00 8.00 1.00 2.00 当然，你可也直接贴下述语句至syntax编辑框： 应会输出下述结果： The default error term in MANOVA has been changed from WITHIN CELLS to WITHIN+RESIDUAL. Note that these are the same for all full factorial designs. * * * * * * A n a l y s i s o f V a r i a n c e * * * * * * 12 cases accepted. 0 cases rejected because of out-of-range factor values. 0 cases rejected because of missing data. 6 non-empty cells. 3 designs will be processed.

SPSS统计简单效应分析语法语句

在SPSS里实现被试间设计简单效应分析的方法 作者: Highway 发布时间: 2008-7-7 简单效应(simple effect)分析通常是在作方差分析时存在交互效应的情况下的进一步分析。需要在SPSS中编写syntax实现。 比如: MANO y BY x1(1 2) x2(1 3) /DESI /DESI=x1 WITHIN x2(1) x1 WITHIN x2(2) x1 WITHIN x2(3) 上述只是一个简单的完全随机设计，若x1与x2存在交互作用而进行的进一步分析（即简单效应分析）。同时你可以再加一个design: /DESI=x2 WITHIN x1(1) x2 WITHIN x1(2). ===========说明============= 因变量为Y,自变量1为X1,(两水平),自变量2为X2(三水平), DESI即是DESIGN,表示实验设计效应类型计算,/DESI=X1 WITHIN X2(1)表示在自变量X2水平1层面上考察X1的两个水平之间是否存在显著性差异.余类推. 下面那句/DESI=X2 WITHIN X1(1)表示在自变量X1水平1的层面上考察自变量X2的三个水平之间是否存在显著性 差异. 被试内、被试间、混合实验设计简单效应分析 作者: Highway 发布时间: 2008-7-7 简单效应(simple effect)分析 简单效应(simple effect)分析通常是在作方差分析时存在交互效应的情况下的进一步分析。你 需要在SPSS中编写syntax实现。 一、完全随机因素实验中简单效应得分析程序 假如一个两因素随机实验中，A因素有两个水平、B因素有三个水平，因变量是Y，检验B 因素在A因素的两个水平上的简单效应分析。 TWO-FACTOR RANDOMIZED EXPERIMENT

简单效应和简单简单效应检验

简单效应和简单简单效应检验 一个三因素实验设计可以检验多个交互作用，其中有两次交互作用，也有三次交互作用。当方差分析表表明栽些交互作用显著的时候，应该如何进步解释它的含义呢？ 一、两次交互作用和简单效应检验 与在一个两因素实验中一样，当研究者发现一个三因素实验中有显著的两次互作用后，需要做的第一件事是作交互作用的图解。作图时，应该忽略该两次交互作用中未涉及一个因素，而仅取考察的两个因素的数据。例如，在第一节的例题中的AC 交互作用是不是显著的，不需作进一步的检验。AB 和BC 两个两次 AB 、BC 平均灵敏表作图。 当初步了解了AB 、BC 用做一个方向的简单效应检验。比较简单明了的方法党政军是利用表5—1—2中的AB 、BC 表进行计算。 (1)B 因素在a 1、a 2水平的简单效应： 2222()222()(35)(31)(66) 1.00088(8)(2) (56)(80)(136)36.00088(8)(2)a SSB SSB =+-== ++=1以a 水平以水平 (2)B 因素在c 1、c 2水平的简单效应： 2222()222()(48)(48)(96).00088(8)(2) (43)(63)(103)25.00088(8)(2)c SSB SSB =+-== ++=1以c 水平以水平 表中可看到了，AB 、BC 两次交互作用是显著的，结合图解与简单效应检验，可以对AB 交互作用做进一步的解释：当文章的生字密度较大(a 1)时，学生对叙述文(b 2)和说明文(b 1)和说明文(b 1)的阅读理解都很2 1 12

差，且差异不显著(F,(1,24)=.64,p>.05)。当文章生字密度较小(a 1)时，学生的阅读理解明显提高，且对叙述文的阅读理解显著好于对说明文的阅读理解(F(1,24)=23.04,p<.01)。对BC 交互作用的进一步解释是：当文章中的平均句子较长(c 2)时，学生对叙述了的阅读理解显著好于对说明文的阅读理解(F,(1,24)=16.00,p<.01)。AC 交互作用不显著，因此不必进一步做简单效应平方和计算的正确性： 1 p aj j SSB SSB SSAB ==+∑在水平 1.000+36.000=12.500+24.500 1p cl l SSB SSB SSBC ==+∑在水平 0.000+25.00=12.500+12.500 二、三次交互作用和简单效应检验 一般来说，三次交互作用是比较难以直接解释的，最好把它分解为几个简单效应或几个两次互作用来加以考察和检验。当我们发现实验中一个三次交互作用显著时，第一步还是先做个交互作用的图解。 我们仍以第一节中的例题为例。利用ABC 表，我们可以用两种方式把一个三交交互作用在两维平面上表现出来： 图5—2—3ABC 平均数表与ABC 交互作用图解 可以看出，当一个三次交互作用被分解在两级平面上时，可以表现为一个因素在另外两个因素水平的结合上的处理效应，或者表现为在一个因素的各水平上，另外两个因素的交互作用。在获得了这个直观的了解后，前一种分解可以进一步做简单简单效应检验，后一种分解可以进一步做简单交互作用检验。 1.简单简单效应检验举例 我们还是对ABC 交互作用做一个方向的简单简单效应检验。 B 11122122 1212在B 1水平 在B 2水平

多因素及重复测量方差分析中的简单效应

多因素及重复测量方差分析中的简单效应作者：萧诗 首先申明，这篇东西不是我写的，应该是中大心理系的师兄的杰作，但是不知具体是哪一位了。 因为觉得有用，所以放上来了~大家以后遇到类似问题可以参考一下~ 在此非常感谢这位师兄，很详细很清楚~ 原来是苏予灵师兄啊~~撒花~！ 大家好，很多同学在实验设计中都涉及到了多因素设计，并且很多时候在SPSS中也需要用到重复测量方差分析。例如，要比较三种刺激在前后测之间有没有差异，这是一个2（前后测）*3（三种刺激）的设计。在进行双因素方差分析或重复测量方差分析时，SPSS能够给出前后测因素和刺激因素的交互作用，以及这两个因素的主效应，但是这些数据却无法回答这样的问题：第一种刺激在前后测之间有没有差异？前测的时候三种刺激之间有没有差异？这就是分析简单效应的问题。 要分析简单效应，一个比较直接的方法就是通过select case，把要分析的一个因素固定在一个水平，然后再对另一个因素进行分析。例如，通过select case仅选择第一种刺激，那么对前后测进行t检验，就可以知道第一种刺激前后测之间有没有差异；选择前测数据，进行one-way ANOVA就能比较前测时三种刺激有没有差异。 此外，还有一种方法是通过改写SPSS语句来实现简单效应的分析。以下我跟大家分享一下这种做法。这里我主要举重复测量方差分析的例子，至于多因素方差分析，也可以用类似的方法。数据见附件test.sav。 重复测量的一般做法大家应该都比较熟悉，这里就不再重复了。关键在于定义好各个因素后，选择option，然后把两个因素和交互作用项放到右面的框中，然后选择相应的校正方式（多水平的话一般选择bonferroni，这个我也不太确定-_-||bonferroni得出的结果好像比较谨慎一些吧）。此外，还可以根据需要把描述性统计、effect size、power等等统计量的选项勾上（虽然我也不知道有什么用。。。），然后选择continue。 此时，不要急着OK，选择Paste，即可得到SPSS语句文件， 这就是SPSS的运行语句，我们要做的就是改这些语句啦~~ 我们要做的，就是在/EMMEANS = TABLES(learn*target)之后，加上三句语句，具体如下：/EMMEANS = TABLES(learn*target)

简单效应分析

Between-subject effect *********Total effect************* manova score by time (1,3) method (1,3) /design = time method time*method. manova score by time (1,3) method (1,3) /design . **********simple effect********** manova score by time (1,3) method (1,3) /design = method within time(1) method within time(2) method within time(3). manova score by time (1,3) method (1,3) /design = time within method (1) time within method (2) time within method (3). **********post hoc mutiple comparisons********* manova score by time (1,3) method (1,3) /contrast(method) = special (1 1 1 1 -1 0 0 1 -1 ) /design =method within time(3). manova score by time (1,3) method (1,3) /contrast(time) = special (1 1 1 1 -1 0 0 1 -1 ) /design =time within method(2). manova score by time (1,3) method (1,3) /contrast(time) = special (1 1 1 1 -1 0 1 0 -1 ) /design =time within method(2).

简单交互效应和简单简单效应分析

between-subject design if three-way interaction is signifcant , compute the simple interaction effect. **********simple interaction effect******************** manova total by gender (1,2) depart (1,2) grade(1,3) /design = gender*grade within depart(1) gender*grade within depart(2). if the simple interaction effect is not signifcant , compute the simple effect.如果简单交互效应不显著，那么就计算 ***************simple effect*********************** manova total by gender (1,2) depart (1,2) grade(1,3) /design = grade within depart(1) gender within depart(1). **************multiple comparison s***************** manova total by gender (1,2) depart (1,2) grade(1,3) /contrast (grade) = special (1 1 1 1 -1 0 1 0 -1) /design = grade within depart(1). manova total by gender (1,2) depart (1,2) grade(1,3)

简单效应.

简单效应(simple effect分析通常是在作方差分析时存在交互效应的情况下的进一步分析。你需要在SPSS 中编写syntax实现 一、完全随机因素实验中简单效应得分析程序 假如一个两因素随机实验中,A因素有两个水平、B因素有三个水平,因变量是Y,检验B因素在A因素的两个水平上的简单效应分析。 TWO-FACTOR RANDOMIZED EXPERIMENT SIMPLE EFFECTS DATA LIST FREE /A B Y. BEGIN DATA 1 3 4 1 1 2 1 1 3 2 2 5 2 1 6 1 2 8 2 1 9 1 2 8 2 3 10 2 3 11

2 3 9 2 3 8 END DATA. MANOVA y BY A(1,2 B(1,3 /DESIGN /DESIGN=A WITHIN B(1 A WITHIN B(2 A WITHIN B(3. 若A与B存在交互作用而进行的进一步分析(即简单效应分析。同时你可以再加一个design: /DESIGN=B WITHIN A(1 B WITHIN A(2. 另外,三因素完全随机实验中的简单效应和简单简单效应的分析。 当实验设计中的因素多于两个时,做简单效应检验的前提仍然是,方差分析中发现了显著的两次交互作用。而当三因素完全随机实验中发现了显著的三次交互作用时,可以进一步作简单简单效应检验。也是DESIGN。 /DESIGN=A WITHIN B(1WITHIN C(1 A WITHIN B(2WITHIN C(2. 例如: THREE-FACTOR RANDOMIZED EXPERIMENT