16.4 完全随机两因素方差分析的效应值和事后检验慕课视频播放-心理统计-MOOC慕课视频教程-柠檬大学

同学们你们好

今天我们讲第16章

完全随机两因素方差分析的最后一节

效应值和事后检验

效应值是指

因变量得分的总变异有多少可以被

处理效应所解释

与完全随机单因素方差分析相同

它的计算方法都是用处理效应的平方和

除以总平方和

不同的是完全随机两因素方差分析

有两个主效应和一个交互作用

需要分别计算

它们相对于总变异的测量效应

η平方等于

主效应的离差平方和除以总平方和

那么这里它主要有两个

一个是A因素的

η平方等于SSA除以SST

然后还有一个是ηB的平方等于

SSB除以SST

此外交互作用就等于交互作用的离差平方和

也就是说SSAB除以SS总

像刚才的那个例子

我们可以分别求出群体性质和群体人数

两个因素的主效应和交互作用的效应值

比如说群体性质的η方等于

31.69除以619.48

这个是总平方和等于0.05

群体人数的η方等于0.53

交互作用等于0.09

我们通过效应值其实可以看到

群体人数的影响是非常大的

这个效应值很大

0.53

我们来看一下事后检验

先回忆一下

单因素方差分析的时候

我们什么条件下需要做事后检验

它是指主效应显著了

当自变量的水平超过两个的时候

我们需要去确定到底哪两个组之间是显著的

这个时候就需要进行事后检验

而在完全随机两因素方差分析当中

我们需要对两个主效应分别进行检验

只是它的条件是这两个主效应可以都要显著

也就是A显著了

那么A因素还需要它的水平数多于两个

那么我们就需要对A进行事后检验

如果B显著了

而且B它的水平数也是多于两个

那么我们就需要对B进行事后检验

对于上一节课的例子

我们可以看到对于群体性质

因为它只有两个水平

真实群体和虚拟群体

如果群体性质的主效应显著了

也就是说我们首先得说交互作用不显著

我们这个时候重点关注的是主效应的时候

那么它因为水平数只有两个

所以无需进行事后检验

而对于群体人数这个因素它有三个水平

如果它的主效应显著

而交互作用不显著

我们重点需要去探讨群体人数的主效应的时候

我们就需要进行事后检验

来确定到底哪些水平之间的差异是显著的

也就是要进行两两之间的检验了

我们来看一下群体人数的事后检验

我们首先进行一个HSD的检验

这个时候处理组数为3

也就是群体人数有3个水平

处理内的自由度是42

也就是我们整个两因素的方差分析的

均方的自由度是42

在.05的水平上

我们可以去查q值的临界值

它等于3.44

我们去计算

HSD用这个Q值

这个是处理内的均方

然后除以小n 组内的人数

等于3.44乘以4.90除以16

根号下等于1.90

然后我们来看一下

我们需要去计算任何两个样本的均值差异

也就是说在不同的群体人数的条件下

两两之间的均值的差异

这是群体人数1群体人数2他们的

因变量的均值等于17.50

减去14.19等于3.31

它大过了HSD值1.90

这是群体人数1和群体人数5也是1.90

我们可以看到你看前面的值都比后面的值大

也就是说我们的人数越少

我们能够查出来的错字的数量是越多的

那么他们都显著了

这个说明什么呢

在.05的显著水平上

群体人数任意两个水平之间的差异都显著

也就是说社会惰化效应随着

群体人数增加而增加

看一下小结

完全随机两因素

方差分析有两个主效应和一个交互作用

我们需要分别计算它们相对于总变异的效应值

它的计算方法与单因素的完全随机

实验设计下的方差分析是一致的

完全随机两因素

方差分析需要对主效应进行事后检验

也就是说如果交互作用不显著

我们需要关注主效应的时候

而且因素的水平多过了两个

我们就需要进行事后检验了

方法与完全随机单因素方差分析相同

它的唯一的区别在哪里

就是均方的计算

他们都是在各自的方差分析里边

均方值使用的

好感谢大家收看

这一章我们讲完了

心理统计课程列表：

1 统计学入门

-1.1 统计学的意义

-1.2 心理统计简介

-1.3 基本概念介绍1

-1.4 基本概念介绍2

-1.4 基本概念介绍2--作业

-1.5 研究方法

--1.5 研究方法

2 统计图表和频数分布

-2.1 统计表和统计图简介

--2.1 统计图表

-2.1 统计表和统计图简介--作业

-2.2 频数分布表

--2.2 频数分布表

-2.2 频数分布表--作业

-2.3 频数分布图

--2.3 频数分布图

-2.3 频数分布图--作业

-2.4 百分位数和百分等级

--2.4 百分位数和百分等级

-2.4 百分位数和百分等级--作业

3 集中趋势

-3.1 平均数

--3.1 平均数

-3.1 平均数--作业

-3.2 中数

--3.2 中数

-3.2 中数--作业

-3.3 众数

--3.3 众数

-3.3 众数--作业

-3集中趋势--讨论

4 离散趋势

-4.1 全距和四分位距

--4.1 全距和四分位距

-4.1 全距和四分位距--作业

-4.2 标准差和方差

--4.2 标准差和方差

--4.2标准差和方差--讨论

-4.2 标准差和方差--作业

-4.3 差异系数

--4.3 差异系数

-4.3 差异系数--作业

5 Z分数

-5.1 Z分数介绍

--5.1 Z分数介绍

-5.1 Z分数介绍--作业

-5.2 Z分数的分布及转换

--5.2 Z分数的分布及转换

-5.2 Z分数的分布及转换--作业

-5Z分数--讨论

6 概率与抽样分布

-6.1 概率的基本概念

--6.1 概率的基本概念

--6.1 概率与二项分布--作业

-6.2 概率与二项分布

--6.2 概率与二项分布

-6.2 概率与二项分布--作业

-6.3 概率与正态分布

--6.3 概率与正态分布

-6.3 概率与正态分布--作业

-6.4 抽样分布与推论统计

--6.4 抽样分布与推论统计

-6.4 抽样分布与推论统计--作业

7 假设检验

-7.1 假设检验的一般原理

--7.1 假设检验的一般原理

-7.1 假设检验的一般原理--作业

-7.2 假设检验的一般过程

--7.2 假设检验的一般过程

-7.2 假设检验的一般过程--作业

-7.3 假设检验的不确定性和误差

--7.3 假设检验的不确定性和误差

--7.3假设检验的不确定性和误差--讨论

-7.3 假设检验的不确定性和误差--作业

-7.4 有方向的假设与单侧检验

--7.4 有方向的假设与单侧检验

-7.4 有方向的假设与单侧检验--作业

8 样本平均数的假设检验

-8.1 t统计量与t检验

--8.1 t统计量与t检验

-8.1 t统计量与t检验--作业

-8.2 单样本t检验的方法

--8.2 单样本t检验的方法

-8.2 单样本t检验的方法--作业

-8.3 有方向的检验和单侧检验

--8.3 有方向的检验和单侧检验

-8.3 有方向的检验和单侧检验--作业

9 独立样本t检验

-9.1 独立样本t检验

--9.1 独立样本t检验

-9.1 独立样本t检验--作业

-9.2 独立样本t检验的应用

--9.2 独立样本t检验的应用

-9.2 独立样本t检验的应用--作业

10 相关样本t检验

-10.1 相关样本t检验方法

--10.1 相关样本t检验方法

-10.1 相关样本t检验方法--作业

-10.2 有方向的假设和单侧检验

--10.2 有方向的假设和单侧检验

--10.2有方向的假设和单侧检验--讨论

-10.2 有方向的假设和单侧检验--作业

11 效应量和统计检验力

-11.1 效应量的测量

--11.1 效应量的测量

-11.1 效应量的测量--作业

-11.2 均值检验效应量

--11.2 均值检验效应量

-11.2 均值检验效应量--作业

-11.3 统计检验力及其影响因素

--11.3 统计检验力及其影响因素

-11.3 统计检验力及其影响因素--作业

12 参数估计

-12.1 参数估计的基本内容

--12.1 参数估计的基本内容

--12.1参数估计的基本内容--讨论

-12.1 参数估计的基本内容--作业

-12.2 用t统计量作参数估计

--12.2 用t统计量作参数估计

-12.2 用t统计量作参数估计--作业

-12.3 假设检验和参数估计

--12.3 假设检验和参数估计

-12.3 假设检验和参数估计--作业

13 方差分析概述

-13.1 方差分析的逻辑

--13.1 方差分析的逻辑

--13.1方差分析的逻辑--讨论

-13.1 方差分析的逻辑--作业

-13.2 方差分析的计算

--13.2 方差分析的计算

-13.2 方差分析的计算--作业

14 完全随机单因素方差分析

-14.1 完全随机单因素方差分析

--14.1 完全随机单因素方差分析

-14.1 完全随机单因素方差分析--作业

-14.2 方差分析的测量效应和事后检验

--14.2 方差分析的测量效应和事后检验

-14.2 方差分析的测量效应和事后检验--作业

15 重复测量单因素方差分析

-15.1 重复测量单因素实验设计

--15.1 重复测量单因素实验设计

-15.1 重复测量单因素实验设计--作业

-15.2 重复测量单因素方差分析的逻辑和计算

--15.2 重复测量单因素方差的逻辑和计算

--15.2重复测量单因素方差分析的逻辑和计算--讨论

-15.2 重复测量单因素方差分析的逻辑和计算--作业

16 完全随机两因素方差分析

-16.1 完全随机两因素实验设计

--16.1 完全随机两因素实验设计

-16.1 完全随机两因素实验设计--作业

-16.2 完全随机两因素方差分析的逻辑和计算

--16.2 完全随机两因素方差分析的逻辑和计算

-16.2 完全随机两因素方差分析的逻辑和计算--作业

-16.3 简单效应检验

--16.3 简单效应检验

-16.3 简单效应检验--作业

-16.4 完全随机两因素方差分析的效应值和事后检验

--16.4 完全随机两因素方差分析的效应值和事后检验

-16.4 完全随机两因素方差分析的效应值和事后检验--作业

17 相关分析与检验

-17.1 相关概述

--17.1 相关概述

-17.1 相关概述--作业

-17.2.1 皮尔逊相关1

--17.2.1 皮尔逊相关1

-17.2.1 皮尔逊相关1--作业

-17.2.2 皮尔逊相关2

--17.2.2 皮尔逊相关2

-17.2.2 皮尔逊相关2--作业

-17.3 等级相关

--17.3 等级相关

-17.3 等级相关--作业

-17.4 点二列相关和二列相关

--17.4 点二列相关和二列相关

-17.4 点二列相关和二列相关--作业

-17.5 φ相关

--17.5 φ相关

-17.5 φ相关--作业

18 回归与预测

-18.1 简单线性回归

--18.1 简单线性回归

--18.1简单线性回归--讨论

-18.1 简单线性回归--作业

-18.2 回归模型和回归系数

--18.2 回归模型和回归系数

-18.2 回归模型和回归系数--作业

-18.3 线性回归的基本假设

--18.3 线性回归的基本假设

-18.3 线性回归的基本假设--作业

-18.4 变异的分解

--18.4 变异的分解

-18.4 变异的分解--作业

-18.5 回归方程的估计标准误

--18.5 回归方程的估计标准误

-18.5 回归方程的估计标准误--作业

-18.6 回归方差的有效性检验

--18.6 回归方差的有效性检验

-18.6 回归方差的有效性检验--作业

19 计数数据的检验

-19.1 二项检验

--19.1 二项检验

-19.1 二项检验--作业

-19.2 卡方检验

--19.2 卡方检验

-19.2 卡方检验--作业

-19.3 四格表及列联表

--19.3 四格表及列联表

-19.3 四格表及列联表--作业

20 非参数检验

-20.1 非参数检验概述

--20.1 非参数检验概述

--20.1非参数检验概述--讨论

-20.1 非参数检验概述--作业

-20.2 单样本非参数检验

--20.2 单样本非参数检验

-20.2 单样本非参数检验--作业

-20.3 两独立样本非参数检验

--20.3 两独立样本非参数检验

-20.3 两独立样本非参数检验--作业

-20.4 多个独立样本非参数检验

--20.4 多个独立样本非参数检验

-20.4 多个独立样本非参数检验--作业

-20.5 两个配对样本非参数检验

--20.5 两个配对样本非参数检验

-20.5 两个配对样本非参数检验--作业

-20.6 多配对样本的非参数检验

--20.6 多配对样本的非参数检验

-20.6 多配对样本的非参数检验--作业

16.4 完全随机两因素方差分析的效应值和事后检验在线视频