三因素實(shí)驗(yàn)設(shè)計(jì)參考模板

1、三因素實(shí)驗(yàn)設(shè)計(jì)對(duì)三因素重復(fù)測(cè)量實(shí)驗(yàn)設(shè)計(jì)進(jìn)行數(shù)據(jù)處理1、 三因素完全隨機(jī)實(shí)驗(yàn)設(shè)計(jì)數(shù)據(jù)處理過(guò)程：1、 打開(kāi)SPSS軟件，點(diǎn)擊Data View ，進(jìn)入數(shù)據(jù)輸入窗口，將原始數(shù)據(jù)輸入SPSS表格區(qū)域；2、 在菜單欄中選擇分析一般線(xiàn)性模型單變量；3、 因變量Dependent Variable方框中放入記憶成績(jī)（JY），固定變量（Fixed Factor(s)）方框中，放入自變量記憶策略、有無(wú)干擾和材料類(lèi)型；4、點(diǎn)擊選項(xiàng)（Options）按鈕，選擇Descriptive statistics，對(duì)數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)；選擇Homogeneity tests，進(jìn)行方差齊性檢驗(yàn)；5.結(jié)果分析：描述性統(tǒng)計(jì)量因變量

2、:記憶成績(jī)記憶策略有無(wú)干擾材料類(lèi)型均值標(biāo)準(zhǔn) 偏差N聯(lián)想策略dimension2無(wú)干擾實(shí)物圖片13.00001.581145圖形圖片8.00001.581145總計(jì)10.50003.0276510有干擾實(shí)物圖片5.40002.073645圖形圖片4.6000.894435總計(jì)5.00001.5634710總計(jì)實(shí)物圖片9.20004.3665410圖形圖片6.30002.1628210總計(jì)7.75003.6688620復(fù)述策略dimension2無(wú)干擾實(shí)物圖片6.80001.303845圖形圖片7.20001.303845總計(jì)7.00001.2472210有干擾實(shí)物圖片4.00001.000005

3、圖形圖片2.8000.836665總計(jì)3.40001.0749710總計(jì)實(shí)物圖片5.40001.8378710圖形圖片5.00002.5385910總計(jì)5.20002.1667320總計(jì)dimension2無(wú)干擾實(shí)物圖片9.90003.5418110圖形圖片7.60001.4298410總計(jì)8.75002.8814320有干擾實(shí)物圖片4.70001.7029410圖形圖片3.70001.2516710總計(jì)4.20001.54238202 / 45描述性統(tǒng)計(jì)量因變量:記憶成績(jī)記憶策略有無(wú)干擾材料類(lèi)型均值標(biāo)準(zhǔn) 偏差N聯(lián)想策略dimension2無(wú)干擾實(shí)物圖片13.00001.581145圖形圖片8

4、.00001.581145總計(jì)10.50003.0276510有干擾實(shí)物圖片5.40002.073645圖形圖片4.6000.894435總計(jì)5.00001.5634710總計(jì)實(shí)物圖片9.20004.3665410圖形圖片6.30002.1628210總計(jì)7.75003.6688620復(fù)述策略dimension2無(wú)干擾實(shí)物圖片6.80001.303845圖形圖片7.20001.303845總計(jì)7.00001.2472210有干擾實(shí)物圖片4.00001.000005圖形圖片2.8000.836665總計(jì)3.40001.0749710總計(jì)實(shí)物圖片5.40001.8378710圖形圖片5.00002

5、.5385910總計(jì)5.20002.1667320總計(jì)dimension2無(wú)干擾實(shí)物圖片9.90003.5418110圖形圖片7.60001.4298410總計(jì)8.75002.8814320有干擾實(shí)物圖片4.70001.7029410圖形圖片3.70001.2516710總計(jì)4.20001.5423820總計(jì)實(shí)物圖片7.30003.7988920圖形圖片5.65002.3902220總計(jì)實(shí)物圖片7.30003.7988920圖形圖片5.65002.3902220總計(jì)6.47503.2422540方差齊性檢驗(yàn)結(jié)果：P=0.278>0.05所以各組數(shù)據(jù)方差齊性。誤差方差等同性的 Levene

6、 檢驗(yàn)a因變量:記憶成績(jī)Fdf1df2Sig.1.309732.278檢驗(yàn)零假設(shè)，即在所有組中因變量的誤差方差均相等。a. 設(shè)計(jì) : 截距 + A + B + C + A * B + A * C + B * C + A * B * C被試間變量效應(yīng)檢驗(yàn)結(jié)果：A、B、C的主效應(yīng)均極顯著（P<0.01）；AB 交互效應(yīng)顯著；AC 交互效應(yīng)極顯著；BC 交互效應(yīng)不顯著；ABC 交互效應(yīng)極顯著。對(duì)于二階與三階交互效應(yīng)顯著的，還需進(jìn)行簡(jiǎn)單效應(yīng)與簡(jiǎn)單簡(jiǎn)單效應(yīng)檢驗(yàn)。主體間效應(yīng)的檢驗(yàn)因變量:記憶成績(jī)?cè)碔II 型平方和df均方FSig.校正模型349.175a749.88226.254.000截距1677

7、.02511677.025882.645.000A65.025165.02534.224.000B207.0251207.025108.961.000C27.225127.22514.329.001A * B9.02519.0254.750.037A * C15.625115.6258.224.007B * C4.22514.2252.224.146A * B * C21.025121.02511.066.002誤差60.800321.900總計(jì)2087.00040校正的總計(jì)409.97539主體間效應(yīng)的檢驗(yàn)因變量:記憶成績(jī)?cè)碔II 型平方和df均方FSig.校正模型349.175a749.8

8、8226.254.000截距1677.02511677.025882.645.000A65.025165.02534.224.000B207.0251207.025108.961.000C27.225127.22514.329.001A * B9.02519.0254.750.037A * C15.625115.6258.224.007B * C4.22514.2252.224.146A * B * C21.025121.02511.066.002誤差60.800321.900總計(jì)2087.00040校正的總計(jì)409.97539a. R 方 = .852（調(diào)整 R 方 = .819）簡(jiǎn)單效應(yīng)檢

9、驗(yàn)：在主對(duì)話(huà)框中，單擊Paste按鈕，SPSS會(huì)把原先的全部操作轉(zhuǎn)換成語(yǔ)句并粘貼到新打開(kāi)的程序語(yǔ)句窗口中，在命令語(yǔ)句中加入EMMEANS引導(dǎo)的語(yǔ)句；結(jié)果：當(dāng)被試使用聯(lián)想策略進(jìn)行記憶時(shí)，無(wú)干擾條件的記憶成績(jī)極顯著優(yōu)于有干擾條件的記憶成績(jī)；當(dāng)被試使用復(fù)述策略進(jìn)行記憶時(shí)，無(wú)干擾條件的記憶成績(jī)也極顯著優(yōu)于有干擾條件的記憶成績(jī)。當(dāng)被試使用聯(lián)想策略進(jìn)行記憶時(shí)，實(shí)物圖片的記憶成績(jī)極顯著優(yōu)于圖形圖片的記憶成績(jī)；當(dāng)被試使用復(fù)述策略進(jìn)行記憶時(shí)，實(shí)物圖片與圖形圖片的記憶成績(jī)無(wú)顯著差異。簡(jiǎn)單簡(jiǎn)單效應(yīng)檢驗(yàn)：結(jié)果：所以a,b,c有顯著差異。2、 重復(fù)測(cè)量一個(gè)因素的三因素混合實(shí)驗(yàn)設(shè)計(jì)數(shù)據(jù)處理過(guò)程：1. Data View

10、，進(jìn)入數(shù)據(jù)輸入窗口，將原始數(shù)據(jù)輸入SPSS表格區(qū)域2. Analyze General Linear Model Repeated Measures（在菜單欄中選擇分析一般線(xiàn)性模型重復(fù)變量）3. 在定義被試內(nèi)變量（Within-Subject Factor Name）的方框中，設(shè)置被試內(nèi)變量標(biāo)記類(lèi)型，在定義其水平（Number of Level）的對(duì)框中，輸入3，表示有兩個(gè)水平，然后按填加（Add）鈕。4.按定義鍵（Define），返回重復(fù)測(cè)量主對(duì)話(huà)框，將b1、b2、b3選入被試內(nèi)變量（Winthin-Subjects Variables）方框中，將a、c選入被試間變量框中。5.點(diǎn)擊選項(xiàng)Opt

11、ions，進(jìn)行如下操作：將被試內(nèi)變量b（三個(gè)水平）鍵入到右邊的方框中，采用LSD（none）法進(jìn)行多重比較，選擇Descriptive statistics命令，對(duì)數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)。選擇Homogeneity tests進(jìn)行方差齊性檢驗(yàn)。6. 單擊continue選項(xiàng)，返回主對(duì)話(huà)框，點(diǎn)擊OK，執(zhí)行程序。7. 結(jié)果：一元方差分析：標(biāo)記類(lèi)型主效應(yīng)顯著，F(xiàn)=37.022，P=0.009；句長(zhǎng)類(lèi)型主效應(yīng)檢驗(yàn)，因其滿(mǎn)足球形假設(shè)，故參見(jiàn)每項(xiàng)檢驗(yàn)的第一行SphericityAssumed的結(jié)果，即，F(xiàn)=47.79，P=.000，表明b變量主效應(yīng)極其顯著；a與b的交互效應(yīng)檢驗(yàn)。因其滿(mǎn)足球形假設(shè)，故參見(jiàn)標(biāo)準(zhǔn)一

12、元方差分析的結(jié)果，即F=34.02，P=.001，表明a與b的交互效應(yīng)極顯著。多重比較：長(zhǎng)句與中句之間差異極其顯著（P=0.003）；長(zhǎng)句與短句之間差異極其顯著（P=0.000）；中句與短句之間差異也極其顯著（P=0.002）。描述性統(tǒng)計(jì)量有無(wú)干擾顯示時(shí)間均值標(biāo)準(zhǔn) 偏差N實(shí)物圖片dimension1無(wú)干擾dimension230秒14.2500.95743415秒9.75001.707834總計(jì)12.00002.725548有干擾dimension230秒5.2500.95743415秒6.50001.290994總計(jì)5.87501.246428總計(jì)dimension230秒9.75004.8

13、9168815秒8.12502.232078總計(jì)8.93753.7677416數(shù)字圖片dimension1無(wú)干擾dimension230秒8.50001.29099415秒7.50001.290994總計(jì)8.00001.309318有干擾dimension230秒10.25001.70783415秒5.50001.290994描述性統(tǒng)計(jì)量有無(wú)干擾顯示時(shí)間均值標(biāo)準(zhǔn) 偏差N實(shí)物圖片dimension1無(wú)干擾dimension230秒14.2500.95743415秒9.75001.707834總計(jì)12.00002.725548有干擾dimension230秒5.2500.95743415秒6.50

14、001.290994總計(jì)5.87501.246428總計(jì)dimension230秒9.75004.89168815秒8.12502.232078總計(jì)8.93753.7677416數(shù)字圖片dimension1無(wú)干擾dimension230秒8.50001.29099415秒7.50001.290994總計(jì)8.00001.309318有干擾dimension230秒10.25001.70783415秒5.50001.290994總計(jì)7.87502.900128總計(jì)dimension230秒9.37501.68502815秒6.50001.603578總計(jì)7.93752.1746616符號(hào)圖片dim

15、ension1無(wú)干擾dimension230秒7.0000.81650415秒5.75001.707834總計(jì)6.37501.407898有干擾dimension230秒6.7500.95743415秒2.7500.957434總計(jì)4.75002.314558總計(jì)dimension230秒6.8750.83452815秒4.25002.052878總計(jì)7.87502.900128總計(jì)dimension230秒9.37501.68502815秒6.50001.603578總計(jì)7.93752.1746616符號(hào)圖片dimension1無(wú)干擾dimension230秒7.0000.81650415秒

16、5.75001.707834總計(jì)6.37501.407898有干擾dimension230秒6.7500.95743415秒2.7500.957434總計(jì)4.75002.314558總計(jì)dimension230秒6.8750.83452815秒4.25002.052878總計(jì)5.56252.0320416協(xié)方差矩陣等同性的 Box 檢驗(yàn)aBox 的 M26.278F.749df118df2508.859Sig.760檢驗(yàn)零假設(shè)，即觀測(cè)到的因變量的協(xié)方差矩陣在所有組中均相等。a. 設(shè)計(jì) : 截距 + a + c + a * c 主體內(nèi)設(shè)計(jì): b多變量檢驗(yàn)b多變量檢驗(yàn)b效應(yīng)值F假設(shè) df誤差 df

17、Sig.bPillai 的跟蹤.80322.413a2.00011.000.000Wilks 的 Lambda.19722.413a2.00011.000.000Hotelling 的跟蹤4.07522.413a2.00011.000.000Roy 的最大根4.07522.413a2.00011.000.000b * aPillai 的跟蹤.82225.414a2.00011.000.000Wilks 的 Lambda.17825.414a2.00011.000.000Hotelling 的跟蹤4.62125.414a2.00011.000.000Roy 的最大根4.62125.414a2.0

18、0011.000.000b * cPillai 的跟蹤.1691.117a2.00011.000.362Wilks 的 Lambda.8311.117a2.00011.000.362Hotelling 的跟蹤.2031.117a2.00011.000.362Roy 的最大根.2031.117a2.00011.000.362b * a * cPillai 的跟蹤.75216.698a2.00011.000.000Wilks 的 Lambda.24816.698a2.00011.000.000Hotelling 的跟蹤3.03616.698a2.00011.000.000Roy 的最大根3.036

19、16.698a2.00011.000.000a. 精確統(tǒng)計(jì)量效應(yīng)值F假設(shè) df誤差 dfSig.bPillai 的跟蹤.80322.413a2.00011.000.000Wilks 的 Lambda.19722.413a2.00011.000.000Hotelling 的跟蹤4.07522.413a2.00011.000.000Roy 的最大根4.07522.413a2.00011.000.000b * aPillai 的跟蹤.82225.414a2.00011.000.000Wilks 的 Lambda.17825.414a2.00011.000.000Hotelling 的跟蹤4.6212

20、5.414a2.00011.000.000Roy 的最大根4.62125.414a2.00011.000.000b * cPillai 的跟蹤.1691.117a2.00011.000.362Wilks 的 Lambda.8311.117a2.00011.000.362Hotelling 的跟蹤.2031.117a2.00011.000.362Roy 的最大根.2031.117a2.00011.000.362b * a * cPillai 的跟蹤.75216.698a2.00011.000.000Wilks 的 Lambda.24816.698a2.00011.000.000Hotelling

21、 的跟蹤3.03616.698a2.00011.000.000Roy 的最大根3.03616.698a2.00011.000.000a. 精確統(tǒng)計(jì)量b. 設(shè)計(jì) : 截距 + a + c + a * c 主體內(nèi)設(shè)計(jì): b主體內(nèi)效應(yīng)的檢驗(yàn)度量:MEASURE_1源III 型平方和df均方FSig.b采用的球形度96.167248.08329.974.000Greenhouse-Geisser96.1671.90250.54929.974.000Huynh-Feldt96.1672.00048.08329.974.000下限96.1671.00096.16729.974.000b * a采用的球形度

22、78.000239.00024.312.000Greenhouse-Geisser78.0001.90241.00024.312.000Huynh-Feldt78.0002.00039.00024.312.000主體內(nèi)效應(yīng)的檢驗(yàn)度量:MEASURE_1源III 型平方和df均方FSig.b采用的球形度96.167248.08329.974.000Greenhouse-Geisser96.1671.90250.54929.974.000Huynh-Feldt96.1672.00048.08329.974.000下限96.1671.00096.16729.974.000b * a采用的球形度78.

23、000239.00024.312.000Greenhouse-Geisser78.0001.90241.00024.312.000Huynh-Feldt78.0002.00039.00024.312.000下限78.0001.00078.00024.312.000b * c采用的球形度3.50021.7501.091.352Greenhouse-Geisser3.5001.9021.8401.091.350Huynh-Feldt3.5002.0001.7501.091.352下限3.5001.0003.5001.091.317b * a * c采用的球形度54.500227.25016.987

24、.000Greenhouse-Geisser54.5001.90228.64716.987.000Huynh-Feldt54.5002.00027.25016.987.000下限54.5001.00054.50016.987.001誤差 (b)采用的球形度38.500241.604Greenhouse-Geisser38.50022.8291.686Huynh-Feldt38.50024.0001.604下限78.0001.00078.00024.312.000b * c采用的球形度3.50021.7501.091.352Greenhouse-Geisser3.5001.9021.8401.0

25、91.350Huynh-Feldt3.5002.0001.7501.091.352下限3.5001.0003.5001.091.317b * a * c采用的球形度54.500227.25016.987.000Greenhouse-Geisser54.5001.90228.64716.987.000Huynh-Feldt54.5002.00027.25016.987.000下限54.5001.00054.50016.987.001誤差 (b)采用的球形度38.500241.604Greenhouse-Geisser38.50022.8291.686Huynh-Feldt38.50024.000

26、1.604下限38.50012.0003.208簡(jiǎn)單效應(yīng)檢驗(yàn)：結(jié)果：無(wú)標(biāo)記的情況下，各句子類(lèi)型之間不存在顯著性差異，F(xiàn)9.000，P=0.100；有標(biāo)記的情況下，各句子類(lèi)型之間存在極顯著性差異，F(xiàn)150.333，P=0.007。三、重復(fù)測(cè)量?jī)蓚€(gè)因素的三因素混合實(shí)驗(yàn)設(shè)計(jì)數(shù)據(jù)處理過(guò)程：1. 打開(kāi)SPSS軟件，點(diǎn)擊Data View數(shù)據(jù)視圖，進(jìn)入數(shù)據(jù)輸入窗口，將原始數(shù)據(jù)輸入SPSS表格區(qū)域；2. 在菜單欄中選擇分析一般線(xiàn)性模型重復(fù)度量；3. 分別定義兩個(gè)被試內(nèi)變量名及其水平數(shù)，點(diǎn)擊“定義”；4、 將b1c1、b1c2、b2c1、b2c2、b3c1、b3c2選入被試內(nèi)變量（Winthin-Subjec

27、ts Variables）方框中，將a選入被試間變量框中；5、 點(diǎn)擊選項(xiàng)Options，然后將被試內(nèi)變量b（三個(gè)水平）鍵入到右邊的方框中，采用LSD（none）法進(jìn)行多重比較，并選擇描述統(tǒng)計(jì)和方差齊性檢驗(yàn)，點(diǎn)擊繼續(xù)，再點(diǎn)擊確定輸出結(jié)果；6.結(jié)果：描述性統(tǒng)計(jì)結(jié)果：描述性統(tǒng)計(jì)量描述性統(tǒng)計(jì)量有無(wú)干擾均值標(biāo)準(zhǔn) 偏差Nb1c1dimension1無(wú)干擾14.0000.925828有干擾4.8750.834528總計(jì)9.43754.7884416b1c2dimension1無(wú)干擾9.50001.195238有干擾6.12501.125998總計(jì)7.81252.0726416b2c1dimension1無(wú)干

28、擾8.62501.060668有干擾10.00001.309318總計(jì)9.31251.3524716b2c2dimension1無(wú)干擾7.25001.281748有干擾5.50001.069048總計(jì)6.37501.4548816b3c1dimension1無(wú)干擾7.0000.755938有干擾6.8750.834528總計(jì)6.9375.7719016b3c2dimension1無(wú)干擾5.87501.246428有干擾2.8750.834528有無(wú)干擾均值標(biāo)準(zhǔn) 偏差Nb1c1dimension1無(wú)干擾14.0000.925828有干擾4.8750.834528總計(jì)9.43754.7884416

29、b1c2dimension1無(wú)干擾9.50001.195238有干擾6.12501.125998總計(jì)7.81252.0726416b2c1dimension1無(wú)干擾8.62501.060668有干擾10.00001.309318總計(jì)9.31251.3524716b2c2dimension1無(wú)干擾7.25001.281748有干擾5.50001.069048總計(jì)6.37501.4548816b3c1dimension1無(wú)干擾7.0000.755938有干擾6.8750.834528總計(jì)6.9375.7719016b3c2dimension1無(wú)干擾5.87501.246428描述性統(tǒng)計(jì)量有無(wú)干擾均

30、值標(biāo)準(zhǔn) 偏差Nb1c1dimension1無(wú)干擾14.0000.925828有干擾4.8750.834528總計(jì)9.43754.7884416b1c2dimension1無(wú)干擾9.50001.195238有干擾6.12501.125998總計(jì)7.81252.0726416b2c1dimension1無(wú)干擾8.62501.060668有干擾10.00001.309318總計(jì)9.31251.3524716b2c2dimension1無(wú)干擾7.25001.281748有干擾5.50001.069048總計(jì)6.37501.4548816b3c1dimension1無(wú)干擾7.0000.755938有干擾

31、6.8750.834528總計(jì)6.9375.7719016b3c2dimension1無(wú)干擾5.87501.246428有干擾2.8750.834528有干擾2.8750.834528總計(jì)4.37501.8574216Boxs方差齊性結(jié)果：P=0.395>0.05，所以各組數(shù)據(jù)方差齊性。協(xié)方差矩陣等同性的 Box 檢驗(yàn)aBox 的 M42.802F1.053df121df2720.888Sig.395檢驗(yàn)零假設(shè)，即觀測(cè)到的因變量的協(xié)方差矩陣在所有組中均相等。a. 設(shè)計(jì) : 截距 + a 主體內(nèi)設(shè)計(jì): b + c + b * c多變量檢驗(yàn)：因?yàn)镻=0<0.01，所以B的主效應(yīng)極顯著；

32、而且P=0<0.01，BA的交互作用極顯著；同理可知：C的主效應(yīng)極顯著，CA的交互效應(yīng)不顯著，BCA的三階交互效應(yīng)極顯著。多變量檢驗(yàn)b效應(yīng)值F假設(shè) df誤差 dfSig.bPillai 的跟蹤.90662.841a2.00013.000.000Wilks 的 Lambda.09462.841a2.00013.000.000Hotelling 的跟蹤9.66862.841a2.00013.000.000Roy 的最大根9.66862.841a2.00013.000.000b * aPillai 的跟蹤.961160.414a2.00013.000.000Wilks 的 Lambda.039

33、160.414a2.00013.000.000Hotelling 的跟蹤24.679160.414a2.00013.000.000Roy 的最大根24.679160.414a2.00013.000.000cPillai 的跟蹤.909139.528a1.00014.000.000Wilks 的 Lambda.091139.528a1.00014.000.000多變量檢驗(yàn)b效應(yīng)值F假設(shè) df誤差 dfSig.bPillai 的跟蹤.90662.841a2.00013.000.000Wilks 的 Lambda.09462.841a2.00013.000.000Hotelling 的跟蹤9.668

34、62.841a2.00013.000.000Roy 的最大根9.66862.841a2.00013.000.000b * aPillai 的跟蹤.961160.414a2.00013.000.000Wilks 的 Lambda.039160.414a2.00013.000.000Hotelling 的跟蹤24.679160.414a2.00013.000.000Roy 的最大根24.679160.414a2.00013.000.000cPillai 的跟蹤.909139.528a1.00014.000.000Wilks 的 Lambda.091139.528a1.00014.000.000Ho

35、telling 的跟蹤9.966139.528a1.00014.000.000Roy 的最大根9.966139.528a1.00014.000.000c * aPillai 的跟蹤.003.043a1.00014.000.839Wilks 的 Lambda.997.043a1.00014.000.839Hotelling 的跟蹤.003.043a1.00014.000.839Roy 的最大根.003.043a1.00014.000.839b * cPillai 的跟蹤.2341.991a2.00013.000.176Wilks 的 Lambda.7661.991a2.00013.000.176

36、Hotelling 的跟蹤.3061.991a2.00013.000.176Roy 的最大根.3061.991a2.00013.000.176b * c * aPillai 的跟蹤.82731.113a2.00013.000.000Wilks 的 Lambda.17331.113a2.00013.000.000Hotelling 的跟蹤4.78731.113a2.00013.000.000Roy 的最大根4.78731.113a2.00013.000.000a. 精確統(tǒng)計(jì)量Hotelling 的跟蹤9.966139.528a1.00014.000.000Roy 的最大根9.966139.528

37、a1.00014.000.000c * aPillai 的跟蹤.003.043a1.00014.000.839Wilks 的 Lambda.997.043a1.00014.000.839Hotelling 的跟蹤.003.043a1.00014.000.839Roy 的最大根.003.043a1.00014.000.839b * cPillai 的跟蹤.2341.991a2.00013.000.176Wilks 的 Lambda.7661.991a2.00013.000.176Hotelling 的跟蹤.3061.991a2.00013.000.176Roy 的最大根.3061.991a2.0

38、0013.000.176b * c * aPillai 的跟蹤.82731.113a2.00013.000.000Wilks 的 Lambda.17331.113a2.00013.000.000Hotelling 的跟蹤4.78731.113a2.00013.000.000Roy 的最大根4.78731.113a2.00013.000.000a. 精確統(tǒng)計(jì)量 b. 設(shè)計(jì) : 截距 + a 主體內(nèi)設(shè)計(jì): b + c + b * c球形假設(shè)檢驗(yàn)：被試內(nèi)變量球形假設(shè)檢驗(yàn)，由于c變量只有兩個(gè)水平，所以不需要檢驗(yàn)；b,b*c均滿(mǎn)足球形假設(shè)。Mauchly 的球形度檢驗(yàn)b度量:MEASURE_1主體內(nèi)效應(yīng)

39、Mauchly 的 W近似卡方dfSig.EpsilonaGreenhouse-GeisserHuynh-Feldt下限dimension1b.7643.5032.174.809.965.500c1.000.0000.1.0001.0001.000b * c.952.6422.725.9541.000.500檢驗(yàn)零假設(shè)，即標(biāo)準(zhǔn)正交轉(zhuǎn)換因變量的誤差協(xié)方差矩陣與一個(gè)單位矩陣成比例。a. 可用于調(diào)整顯著性平均檢驗(yàn)的自由度。 在"主體內(nèi)效應(yīng)檢驗(yàn)"表格中顯示修正后的檢驗(yàn)。b. 設(shè)計(jì) : 截距 + a 主體內(nèi)設(shè)計(jì): b + c + b * cLevenes方差齊性檢驗(yàn)結(jié)果：因?yàn)镻>

40、;0.05，各組因變量方差齊性。誤差方差等同性的 Levene 檢驗(yàn)aFdf1df2Sig.b1c1.168114.688b1c2.009114.926b2c1.152114.702b2c2.453114.512b3c1.399114.538b3c2.610114.448檢驗(yàn)零假設(shè)，即在所有組中因變量的誤差方差均相等。a. 設(shè)計(jì) : 截距 + a 主體內(nèi)設(shè)計(jì): b + c + b * c被試間變量效應(yīng)：因?yàn)镻=0<0.01，A的主效應(yīng)極顯著。主體間效應(yīng)的檢驗(yàn)度量:MEASURE_1轉(zhuǎn)換的變量:平均值源III 型平方和df均方FSig.截距5221.50015221.5004716.194

41、.000a170.6671170.667154.151.000誤差15.500141.107b因素的多重比較結(jié)果：實(shí)物圖片的記憶成績(jī)顯著優(yōu)于數(shù)字圖片和符號(hào)圖片，數(shù)字圖片，數(shù)字圖片的記憶成績(jī)顯著優(yōu)于符號(hào)圖片。成對(duì)比較度量:MEASURE_1(I) b(J) b均值差值 (I-J)標(biāo)準(zhǔn) 誤差Sig.a差分的 95% 置信區(qū)間a下限上限12.781*.163.000.4311.13132.969*.257.0002.4173.52121-.781*.163.000-1.131-.43132.188*.220.0001.7152.66031-2.969*.257.000-3.521-2.4172-2.

42、188*.220.000-2.660-1.715基于估算邊際均值*. 均值差值在 .05 級(jí)別上較顯著。a. 對(duì)多個(gè)比較的調(diào)整： 最不顯著差別（相當(dāng)于未作調(diào)整）。進(jìn)行簡(jiǎn)單效應(yīng)檢驗(yàn)：因?yàn)锽A交互效應(yīng)顯著，需進(jìn)行簡(jiǎn)單效應(yīng)檢驗(yàn)；程序語(yǔ)句：結(jié)果截圖：b*a描述性統(tǒng)計(jì)結(jié)果b*a配對(duì)比較結(jié)果進(jìn)行簡(jiǎn)單簡(jiǎn)單效應(yīng)檢驗(yàn)：BCA三階交互效應(yīng)顯著，還需進(jìn)行簡(jiǎn)單簡(jiǎn)單效應(yīng)檢驗(yàn)。程序語(yǔ)句：在a水平下b*c交互效應(yīng)配對(duì)比結(jié)果四、三因素重復(fù)測(cè)量實(shí)驗(yàn)設(shè)計(jì)數(shù)據(jù)處理過(guò)程：1.打開(kāi)SPSS軟件，點(diǎn)擊Data View ，進(jìn)入數(shù)據(jù)輸入窗口，將原始數(shù)據(jù)輸入SPSS表格區(qū)域；2.在菜單欄中選擇分析一般線(xiàn)性模型重復(fù)變量；3.在定義被試內(nèi)變量（

43、Within-Subject Factor Name）的方框中，設(shè)置被試內(nèi)變量標(biāo)記類(lèi)型，在定義其水平（Number of Level）的對(duì)框中，輸入3，表示有兩個(gè)水平，然后按填加（Add）鈕。4.將a1b3c1、a1b3c2、a2b1c1、a2b1c2、a2b2c1、a2b2c2、a2b3c1、a2b3c2等選入被試內(nèi)變量（Winthin-Subjects Variables）方框中，將a選入被試間變量框中；5.點(diǎn)擊選項(xiàng)Options，然后將被試內(nèi)變量b（三個(gè)水平）鍵入到右邊的方框中，采用LSD（none）法進(jìn)行多重比較，并選擇描述統(tǒng)計(jì)和方差齊性檢驗(yàn)，點(diǎn)擊繼續(xù)，再點(diǎn)擊確定輸出結(jié)果；6.結(jié)果:3

44、個(gè)自變量之間兩兩都有顯著差異，3者之間也有顯著差異。描述性統(tǒng)計(jì)量均值標(biāo)準(zhǔn) 偏差Na1b1c114.2500.957434a1b1c29.75001.707834a1b2c18.50001.290994a1b2c27.50001.290994a1b3c17.0000.816504a1b3c25.75001.707834a2b1c15.2500.957434a2b1c26.50001.290994a2b2c110.25001.707834a2b2c25.50001.290994a2b3c16.5000.577354a2b3c22.7500.957434多變量檢驗(yàn)b效應(yīng)值F假設(shè) df誤差 dfSig.aPillai 的跟蹤.95766.783a1.0003.000.004Wilks 的 Lambda.04366.783a1.0003.000.004多變量檢驗(yàn)b效應(yīng)值F假設(shè) df誤差 dfSig.aPillai 的跟蹤.95766.783a1.0003.000.004Wilks 的 Lambda.04366.783a1.0003.000.004Hotelling 的跟蹤22.26166.783a1.0003.000.004Roy 的最大根22.26166.783a1.0003.000.004bPillai 的跟蹤.95018.841a2.0002.000.05