1、心理实验设计 主讲人：陈彩琦主讲人：陈彩琦第七讲第七讲 被试内设计及数据处理被试内设计及数据处理单因素被试内设计单因素被试内设计n1、单因素被试内设计的基本特点：适用条件：研究中有一个自变量；当若干处理水平连续实施给同一被试时，被试接受前面的处理对接受后面的处理没有长期影响（如学习、记忆效应）。基本方法：实验中每个被试接受所有的处理水平。误差控制：重复测量法。利用被试自己做控制，使被试的各方面特点在所有的处理中保持恒定。但在这种设计的实验中，要特别注意控制顺序效应特别注意控制顺序效应。变异来源：自变量的处理效应；被试间个体差异的效应；随机误差变异。优点：能全面控制被试变量对实验结果的影响；只需
2、较少被试即可。n2、单因素被试内设计的数据处理方法（SPSS统计软件）：包含的统计变量：实验自变量A的各个处理水平：A1，A2，A3AP实施的统计过程：如果水平数为2，则进行paired-samples T test; 如果水平数大于2，则进行重复测量方差分析：analyzeGeneral Linear ModelRepeated Measures 预期的统计结果：自变量A的主效应是否显著；如果水平数大于2，则需做多重检验。具体做法不同于完全随机设计。 不同照明条件对工作效率的影响研究 研究研究2 2种照明条件下工人车零件的效率。被试种照明条件下工人车零件的效率。被试3030人，每个被试接受全
3、部人，每个被试接受全部2 2种处理。为了消除顺序误差，需要将种处理。为了消除顺序误差，需要将2 2种处理作拉丁方设计以使顺序得到平衡种处理作拉丁方设计以使顺序得到平衡。因此，要将被试分为。因此，要将被试分为2 2个顺序小组，每顺序小组的被试分别接受个顺序小组，每顺序小组的被试分别接受1 1种顺序的种顺序的2 2种处理：种处理： 顺序小组顺序小组1 1 顺序小组顺序小组2 2 注：注： 表示表示高照明度高照明度 表示表示低照明度低照明度 单因素重复测量设计应用举例（单因素重复测量设计应用举例（2 2水平）水平）被试间平衡被试间平衡n顺序效应平衡的几种情形试验次数较少的情形，宜用被试间拉丁方或者A
4、BBA法平衡，即不同被试用不同顺序做，总体平衡。n如篇章阅读研究，照明条件研究试验次数较多，但条件切换不方便时，也适宜采用被试间平衡。可以采用批量ABBA法。n如挡板距离和运动速度对速度知觉的影响试验次数较多，可以用电脑灵活呈现时，可以采用随机呈现。n如启动效应、Stroop效应、汉字规则效应 不同照明条件对工作效率的影响的被试内数据 原始数据表 姓名 高照明度工效 低照明度工效 1 张明 56 43 2 刘修 67 68 3 刘冬 53 47 4 黄卫 61 58 5 李家 45 43 30 张岩 68 65 不同照明条件对工作效率影响研究结果的正式数据表与统计分析： 不同照明条件下工作效率
5、比较 （n20） 照明条件 制造零件数（个） 统计检验l 高明度组 78.6513.24 t2.876* 低明度组 67.55 17.12配对样本配对样本t检验检验单因素重复测量单因素重复测量2 2水平设计的水平设计的SPSSSPSS统计步骤统计步骤n数据模式分别表示同一自变量的两个水平数据表示阅读成绩n进行配对样本T检验(1)单因素重复测量单因素重复测量2 2水平设计的水平设计的SPSSSPSS统计步骤统计步骤n进行配对样本T检验(2)单因素重复测量单因素重复测量2 2水平设计的水平设计的SPSSSPSS统计步骤统计步骤把左框中的两个变量移把左框中的两个变量移到这里，再点击到这里，再点击“O
6、K”即可执行分析即可执行分析单因素重复测量单因素重复测量2 2水平设计的水平设计的SPSSSPSS统计步骤统计步骤n配对样本T检验的结果（1） 描述统计量，可将上图中的描述统计量，可将上图中的平均数平均数和和标准差标准差列于实列于实验报告结果部分的三线表。验报告结果部分的三线表。Paired Samples Statistics4.1250161.45488.363728.5000162.36643.59161高密度低密度Pair 1MeanNStd. DeviationStd. ErrorMean单因素重复测量单因素重复测量2 2水平设计的水平设计的SPSSSPSS统计步骤统计步骤n配对样本
7、T检验的结果（2）Paired Samples Test-4.37502.87228.71807-5.9055-2.8445-6.09315.000高密度 - 低密度Pair 1MeanStd. DeviationStd. ErrorMeanLowerUpper95% ConfidenceInterval of theDifferencePaired DifferencestdfSig. (2-tailed)检验结果及显著性水平：t(15)=-6.093, P 0.01单因素重复测量实验设计应用举例（单因素重复测量实验设计应用举例（4 4水平）水平）n研究题目：文章的生字密度对学生阅读理解的影
8、响。n实验设计：为了更好地控制被试的个体差异对实验结果的影响，本实验采用单因素重复测量实验设计。n实验变量：自变量生字密度，含有4个水平（5：1、10：1、15：1、20：1）； 因变量阅读测验的分数；n被试及程序：研究者选取8名被试参加实验，每个被试阅读4篇生字密度不同的文章。为了克服疲劳效应、练习效应等顺序效应，应以拉丁方排序实施4种生字密度的文章。n数据： s1 s2 s3 s4 s5 s6 s7 s8 a1： 3 6 4 3 5 7 5 2 a2： 4 6 4 2 4 5 3 3 a3： 8 9 8 7 5 6 7 6 a4： 9 8 8 7 12 13 12 11数据处理的练习与演示
9、数据处理的练习与演示单因素重复测量方差分析的单因素重复测量方差分析的SPSSSPSS实施步骤实施步骤n数据模式自变量有几个水自变量有几个水平就有几列数据平就有几列数据有几个被试就有几个被试就有几行数据有几行数据同一个被试内变量的同一个被试内变量的4个水平个水平单因素重复测量方差分析的单因素重复测量方差分析的SPSSSPSS实施步骤实施步骤n重复测量方差分析的命令重复测量方差分析的命令重复测量重复测量单因素重复测量方差分析的单因素重复测量方差分析的SPSSSPSS实施步骤实施步骤n定义被试内变量定义被试内变量Factor1处输入被试内变量名下框输入水平数，然后“Add”已经定义好的变量名与水平数
10、已经定义好的变量名与水平数;然后点然后点“Define”单因素重复测量方差分析的单因素重复测量方差分析的SPSSSPSS实施步骤实施步骤n将数据与已定义的变量对应起来将数据与已定义的变量对应起来单因素重复测量方差分析的单因素重复测量方差分析的SPSSSPSS实施步骤实施步骤n在在“Options”窗口内选择多重比较方法窗口内选择多重比较方法“生字密度”需要多重比较选定的多重比较方法是LSD同时设置需要输出描述统计量单因素重复测量设计方差分析结果的解读单因素重复测量设计方差分析结果的解读被试内因素及因变量信息被试内因素及因变量信息Within-Subjects FactorsMeasure: M
11、EASURE_1A1A2A3A4生字密度1234DependentVariableDescriptive Statistics4.381.68583.881.24687.001.309810.002.2688生字密度1生字密度2生字密度3生字密度4MeanStd. DeviationN单因素重复测量设计方差分析结果的解读单因素重复测量设计方差分析结果的解读描述统计量：平均数和标准差；描述统计量：平均数和标准差；用于用于“结果结果”部分的三线表部分的三线表单因素重复测量设计方差分析结果的解读单因素重复测量设计方差分析结果的解读Multivariate Testsb.95434.257a3.000
12、5.000.001.04634.257a3.0005.000.00120.55434.257a3.0005.000.00120.55434.257a3.0005.000.001Pillais TraceWilks LambdaHotellings TraceRoys Largest RootEffect生字密度ValueFHypothesis dfError dfSig.Exact statistica. Design: Intercept Within Subjects Design: 生字密度b. 多元方差分析结果多元方差分析结果Mauchlys Test of SphericitybMe
13、asure: MEASURE_1.1909.5075.095.527.654.333Within Subjects Effect生字密度Mauchlys WApprox.Chi-SquaredfSig.Greenhouse-GeisserHuynh-FeldtLower-boundEpsilonaTests the null hypothesis that the error covariance matrix of the orthonormalized transformed dependent variables isproportional to an identity matrix.
14、May be used to adjust the degrees of freedom for the averaged tests of significance. Corrected tests are displayedin the Tests of Within-Subjects Effects table.a. Design: Intercept Within Subjects Design: 生字密度b. 球形检验的结果。球形检验的结果。对球形假设的检验实际上是对同一个对球形假设的检验实际上是对同一个体的多次测量之间是否存在相关性进行检验。如果球形检验体的多次测量之间是否存在相关
15、性进行检验。如果球形检验结果达到显著水平，说明说明球形假设不能满足，即多次测结果达到显著水平，说明说明球形假设不能满足，即多次测量之间存在相关性，这时进行量之间存在相关性，这时进行标准的一元方差分析标准的一元方差分析就不合适就不合适了，需要采用了，需要采用备选的方差分析备选的方差分析结果。结果。SphericitynAssume of the differences between treatment levels.nApplicable to ANOVA.Test SphericitynMauchlys test for sphericity (2 distribution).Example
16、: ANOVA-2nMauchlys testH0: Sphericity2=11.628 (p=0.043) Reject H0 No sphericity.Violation of SphericitynConsequence:Loss of powernCorrectionGreenhouse-GeisserHuynh-FeldtLower-boundnANOVA result after Greenhouse-Geisser correction for violation of sphericity:校正前：F= 5.119 (p=0.025)校正后：F= 3.70 (p=0.063
17、) Brands effect is significant.Tests of Within-Subjects EffectsMeasure: MEASURE_1190.125363.37525.170.000190.1251.580120.33525.170.000190.1251.96396.85325.170.000190.1251.000190.12525.170.00252.875212.51852.87511.0604.78152.87513.7413.84852.8757.0007.554Sphericity AssumedGreenhouse-GeisserHuynh-Feld
18、tLower-boundSphericity AssumedGreenhouse-GeisserHuynh-FeldtLower-boundSourceRATIOError(RATIO)Type III Sumof SquaresdfMean SquareFSig.一元方差分析结果一元方差分析结果 标准一元方差分析的结果，适标准一元方差分析的结果，适用于球形假设满足的情况。用于球形假设满足的情况。 球形假设不满足时的备选球形假设不满足时的备选方差分析方差分析 生字密度Greenhouse-Geisser, etc.nSPSS报表中的Greenhouse-Geisser, Huynh-Feldt
19、, and Lower limit等等, 都是用来修正 违反sphericity假设 的方法, 为的是获得更具可信度的检验结果各水平间的多重比较各水平间的多重比较EstimatesMeasure: MEASURE_14.375.5962.9665.7843.875.4412.8334.9177.000.4635.9058.09510.000.8028.10411.896RATIO1234MeanStd. ErrorLower BoundUpper Bound95% Confidence IntervalPairwise ComparisonsMeasure: MEASURE_1.500.423
20、1.000-1.0362.036-2.625.754.062-5.368.118-5.625*.778.001-8.453-2.797-.500.4231.000-2.0361.036-3.125*.515.003-4.999-1.251-6.125*.875.001-9.306-2.9442.625.754.062-.1185.3683.125*.515.0031.2514.999-3.0001.180.231-7.2911.2915.625*.778.0012.7978.4536.125*.875.0012.9449.3063.0001.180.231-1.2917.291(J) RATI
21、O234134124123(I) RATIO1234MeanDifference(I-J)Std. ErrorSig.aLower BoundUpper Bound95% Confidence Interval forDifferenceaBased on estimated marginal meansThe mean difference is significant at the .05 level.*. Adjustment for multiple comparisons: Bonferroni.a. 描述统计量：描述统计量：M,SD思考与讨论：思考与讨论：n请大家结果工作或生活实际
22、，想一个请大家结果工作或生活实际，想一个单因素重复测量的实验设计单因素重复测量的实验设计两因素被试内设计n（1）两因素被试内实验设计的基本特点：适用条件：研究中有两个自变量，每个自变量有两个或多于两个水平；如果一个自变量有P 个水平，另一个自变量有q个水平，则实验中有pq个处理的结合，即具体的实验条件。研究中的两个自变量都是被试内变量。基本方法：每个被试都接受所有的实验处理的结合。实验刺激呈现给被试的先后顺序是随机的，或按拉丁方排序的。误差控制：重复测量法。 n实验设计模型：Yij = + i +j+ ()ij+ k+ ()j k +( )jk+()jjk +ijk n (i=1,2,.,n;
23、 j=1,2,.,p; k=1,2,q)n i表示由被试 i 引起的变异，即被试间变异； ()jk 表示水平j 与水平k的交互作用； ()ij 表示j和被试 i 的交互作用的残差； ()j k表示k和被试 i 的交互作用的残差；i(j)表示误差变异。两因素被试内设计应用举例研究题目：研究题目：文章的生字密度与主题熟悉性对学生阅读理解的影响文章的生字密度与主题熟悉性对学生阅读理解的影响实验设计：实验设计：为了全面控制被试的个体差异，考虑到处理之间无显著学习效果，为了全面控制被试的个体差异，考虑到处理之间无显著学习效果，实验处理水平结合的数量不多，本实验采用实验处理水平结合的数量不多，本实验采用2
24、3两因素的重复测量设计。两因素的重复测量设计。所以两个自变量均为被试内变量。其中主题熟悉性有所以两个自变量均为被试内变量。其中主题熟悉性有2个水平（熟悉的，个水平（熟悉的，不熟悉的）；生字密度含有不熟悉的）；生字密度含有3个水平（个水平（5：1、10：1、20：1）；因变量）；因变量阅读测验的分数。阅读测验的分数。被被 试：试：4人人实验程序：实验程序：把两个自变量的水平结合成把两个自变量的水平结合成6种实验处理，即种实验处理，即6种文章。每个被试种文章。每个被试阅读阅读6篇文章，其中篇文章，其中3篇生字密度不同，主题熟悉，篇生字密度不同，主题熟悉，3篇生字密度不同，主篇生字密度不同，主题不熟
25、悉。为了克服疲劳和顺序效应，实验分题不熟悉。为了克服疲劳和顺序效应，实验分6次进行，每个被试每次阅次进行，每个被试每次阅读一篇文章，用拉丁方平衡学生阅读文章的先后顺序。读一篇文章，用拉丁方平衡学生阅读文章的先后顺序。模拟数据：模拟数据： a1b1 a1b2 a1b3 a2b1 a2b2 a2b3 3 4 5 4 8 12 6 6 7 5 9 13 4 4 5 3 8 12 3 2 2 3 7 11两因素被试内设计的两因素被试内设计的SPSSSPSS方差分析步骤方差分析步骤n数据模式23共六个处理结合，形成六种实验条件；每个被试有六个数据。两因素被试内设计的两因素被试内设计的SPSSSPSS方差
26、分析步骤方差分析步骤n重复测量方差分析的命令重复测量方差分析的命令重复测量重复测量两因素被试内设计的两因素被试内设计的SPSSSPSS方差分析步骤方差分析步骤n定义被试内变量定义被试内变量Factor1处输入被试内变量名下框输入水平数，然后“Add”定义好两个变量名及对应的定义好两个变量名及对应的水平数水平数;然后点然后点“Define”两因素被试内设计的两因素被试内设计的SPSSSPSS方差分析步骤方差分析步骤n将数据与已定义的被试内变量对应起来将数据与已定义的被试内变量对应起来将被试内变量6个处理结合的数据移到右边两因素被试内设计的两因素被试内设计的SPSSSPSS方差分析结果方差分析结果
27、n输出结果（1）：描述统计量巩固练习：请按上表画处三线表！巩固练习：请按上表画处三线表！Descriptive Statistics4.00001.4142144.00001.6329944.75002.0615543.7500.9574348.0000.81650412.0000.816504A1B1A1B2A1B3A2B1A2B2A2B3MeanStd. DeviationN两因素被试内设计的两因素被试内设计的SPSSSPSS方差分析结果方差分析结果n输出结果（2）：多元方差分析Multivariate Testsb.96072.600a1.0003.000.003.04072.600a1
28、.0003.000.00324.20072.600a1.0003.000.00324.20072.600a1.0003.000.003.995201.000a2.0002.000.005.005201.000a2.0002.000.005201.000201.000a2.0002.000.005201.000201.000a2.0002.000.005.98358.333a2.0002.000.017.01758.333a2.0002.000.01758.33358.333a2.0002.000.01758.33358.333a2.0002.000.017Pillais TraceWilks
29、LambdaHotellings TraceRoys Largest RootPillais TraceWilks LambdaHotellings TraceRoys Largest RootPillais TraceWilks LambdaHotellings TraceRoys Largest RootEffect主题密度主题 * 密度ValueFHypothesis dfError dfSig.Exact statistica. Design: Intercept Within Subjects Design: 主题+密度+主题*密度b. 两因素被试内设计的两因素被试内设计的SPSSS
30、PSS方差分析结果方差分析结果n输出结果（3）：球形检验Mauchlys Test of SphericitybMeasure: MEASURE_11.000.0000.1.0001.0001.000.0665.4222.066.517.544.500.2492.7802.249.571.691.500Within Subjects Effect主题密度主题 * 密度Mauchlys WApprox.Chi-SquaredfSig.Greenhouse-GeisserHuynh-FeldtLower-boundEpsilonaTests the null hypothesis that the
31、 error covariance matrix of the orthonormalized transformed dependent variables isproportional to an identity matrix.May be used to adjust the degrees of freedom for the averaged tests of significance. Corrected tests are displayedin the Tests of Within-Subjects Effects table.a. Design: Intercept Wi
32、thin Subjects Design: 主题+密度+主题*密度b. 两因素被试内设计的两因素被试内设计的SPSSSPSS方差分析结果方差分析结果n输出结果（4）：被试内效应Measure: MEASURE_180.667180.66772.600.00380.6671.00080.66772.600.00380.6671.00080.66772.600.00380.6671.00080.66772.600.0033.33331.1113.3333.0001.1113.3333.0001.1113.3333.0001.11181.083240.542153.632.00081.0831.03
33、478.388153.632.00181.0831.08774.562153.632.00181.0831.00081.083153.632.0011.5836.2641.5833.103.5101.5833.262.4851.5833.000.52856.583228.292119.824.00056.5831.14249.535119.824.00156.5831.38340.914119.824.00056.5831.00056.583119.824.0021.4176.2361.4173.427.4131.4174.149.3411.4173.000.472Sphericity Ass
34、umedGreenhouse-GeisserHuynh-FeldtLower-boundSphericity AssumedGreenhouse-GeisserHuynh-FeldtLower-boundSphericity AssumedGreenhouse-GeisserHuynh-FeldtLower-boundSphericity AssumedGreenhouse-GeisserHuynh-FeldtLower-boundSphericity AssumedGreenhouse-GeisserHuynh-FeldtLower-boundSphericity AssumedGreenh
35、ouse-GeisserHuynh-FeldtLower-boundSource主题Error(主题)密度Error(密度)主题 * 密度Error(主题*密度)Type III Sumof SquaresdfMean SquareFSig.两因素被试内设计的两因素被试内设计的SPSSSPSS方差分析结果方差分析结果n输出结果（5）：多重比较结果Pairwise ComparisonsMeasure: MEASURE_1-2.125*.239.003-2.887-1.363-4.500*.354.001-5.625-3.3752.125*.239.0031.3632.887-2.375*.12
36、5.000-2.773-1.9774.500*.354.0013.3755.6252.375*.125.0001.9772.773(J) 密度231312(I) 密度123MeanDifference(I-J)Std. ErrorSig.aLower BoundUpper Bound95% Confidence Interval forDifferenceaBased on estimated marginal meansThe mean difference is significant at the .05 level.*. Adjustment for multiple comparis
37、ons: Least Significant Difference (equivalent to noadjustments).a. 两因素被试内设计的简单效应检验程序两因素被试内设计的简单效应检验程序nMANOVA A1B1 A1B2 A1B3 A2B1 A2B2 A2B3 /WSFACTORS=A(2) B(3) /WSDESIGN= B WITHIN A(1) B WITHIN A(2).nMANOVA A1B1 A1B2 A1B3 A2B1 A2B2 A2B3 /WSFACTORS=A(2) B(3) /WSDESIGN= A WITHIN B(1) A WITHIN B(2) A W
38、ITHIN B(3).n 想一想：想一想：能想出自己的两因素被试内设计吗？能想出自己的两因素被试内设计吗？两因素混合实验设计两因素混合实验设计n混合实验设计：混合实验设计：是指既包含非重复测量的因素（被试间因素），又包含重复测量因素（被试内因素）的实验设计。是现代心理与教育研究中应用最广泛的一种设计。n（1）两因素混合实验设计的基本特点：适用条件：研究中有两个自变量，每个自变量有两个或多个水平； 其中一个自变量是被试内的，即每个被试要接受他的所有水平的处理，另一个自变量是被试间的，即每个被试只接受一个水平的处理（从记忆效果和处理数过多考虑），或者它本身是一个被试变量，是每个被试独特具有，不可能
39、同时兼备的； 研究者更感兴趣于被试内因素的处理效应以及两个因素的交互作用。基本方法：首先确定研究中的被试内变量和被试间变量，将被试随机分配给被试间变量的各个水平，然后使每个被试接受与被试间变量的某一水平结合的被试内变量的所有水平。（被试分配模式见表）误差控制：随机化法与重复测量法。 优点：被试内因素的方差分析精度高，适用范围广实验设计模型：Yij = +j+ k+ ()jk+i(j)+i(j) +i(jk) n(i=1,2,.,n; j=1,2,.,p; k=1,2,q)nj表示A因素水平j的处理效应； k 表示B因素水平k的处理效应； ()jk 表示水平j 与水平k的交互作用； i(j)表示
40、 嵌套在j 水平内的被试i 的效应； i(j) 表示嵌套在k 水平和被试i 的交互作用中的残差；i(j)表示误差变异。n（2）数据处理方法（SPSS统计软件）：统计变量：实验的自变量A、B1，B2，B3。预期结果：自变量A、B的主效应分别是否显著， AB的交互作用是否显著，若交互作用显著，需进行简单效应检验。统计过程： analyzeGeneral Linear ModelRepeated measures两因素混合设计应用举例两因素混合设计应用举例研究题目：文章的生字密度与主题熟悉性对学生阅读理解的影响实验设计：为了重点考察生字密度对阅读理解的影响，本实验采用23两因素混合实验设计。其中主题
41、熟悉性为被试间变量，含有2个水平（熟悉的，不熟悉的）；生字密度为被试内变量，含有3个水平（5：1、10：1、20：1）；因变量阅读测验的分数。被 试：8人实验程序：把八名学生随机分成两组，一组学生每人阅读一篇三篇生字密度不同的、主题熟悉的文章；另一组学生每人阅读三篇生字密度不同的、主题不熟悉的文章。实验实施时，阅读三篇文章分三次进行，用拉丁方平衡学生阅读文章的先后顺序。模拟数据：见右表。 b1 b2 b3 3 4 5a1 6 6 7 4 4 5 3 2 2 4 8 12a2 5 9 13 3 8 12 3 7 11 两因素混合设计的两因素混合设计的SPSSSPSS方差分析步骤方差分析步骤n数据
42、模式被试间变量被试间变量被试内变量的三个水平被试间变量的被试间变量的2个水平个水平阅读成绩两因素混合设计的两因素混合设计的SPSSSPSS方差分析步骤方差分析步骤n也使用重复测量方差分析的命令也使用重复测量方差分析的命令重复测量重复测量两因素混合设计的两因素混合设计的SPSSSPSS方差分析步骤方差分析步骤n定义被试内变量定义被试内变量Factor1处输入被试内变量名下框输入水平数，然后“Add”已经定义好的变量名与水平数已经定义好的变量名与水平数;然后点然后点“Define”两因素混合设计的两因素混合设计的SPSSSPSS方差分析步骤方差分析步骤n将数据与已定义的被试内变量对应起来将数据与已
43、定义的被试内变量对应起来将被试内变量3个水平的数据移到右边将被试间变量从左框移到这里两因素混合设计的两因素混合设计的SPSSSPSS方差分析步骤方差分析步骤n通过通过“Plots”命令设置输出交互作用图命令设置输出交互作用图分别以熟悉性和生字敏度为X轴的交互作用图两因素混合设计的两因素混合设计的SPSSSPSS方差分析步骤方差分析步骤n在在“Options”窗口内选择多重比较方法窗口内选择多重比较方法“生字密度”需要多重比较选定的多重比较方法是LSD同时设置需要输出描述统计量被试间变量方差齐性检验两因素混合设计的两因素混合设计的SPSSSPSS方差分析步骤方差分析步骤n输出结果（1）：描述统计
44、量Descriptive Statistics4.00001.4142143.7500.9574343.87501.1259984.00001.6329948.0000.8165046.00002.4494984.75002.06155412.0000.8165048.37504.138248熟悉性主题不熟悉主题熟悉Total主题不熟悉主题熟悉Total主题不熟悉主题熟悉Total密度5：1密度10：1密度20：1MeanStd. DeviationN两因素混合设计的两因素混合设计的SPSSSPSS方差分析步骤方差分析步骤n输出结果（2）：多元方差分析Multivariate Testsb.9
45、85165.735a2.0005.000.000.015165.735a2.0005.000.00066.294165.735a2.0005.000.00066.294165.735a2.0005.000.000.96670.441a2.0005.000.000.03470.441a2.0005.000.00028.17670.441a2.0005.000.00028.17670.441a2.0005.000.000Pillais TraceWilks LambdaHotellings TraceRoys Largest RootPillais TraceWilks LambdaHotelli
46、ngs TraceRoys Largest RootEffect生字密度生字密度 * 熟悉性ValueFHypothesis dfError dfSig.Exact statistica. Design: Intercept+熟悉性 Within Subjects Design: 生字密度b. 两因素混合设计的两因素混合设计的SPSSSPSS方差分析步骤方差分析步骤n输出结果（3）：球形检验Mauchlys Test of SphericitybMeasure: MEASURE_1.1579.2452.010.543.680.500Within Subjects Effect生字密度Mauch
47、lys WApprox.Chi-SquaredfSig.Greenhouse-GeisserHuynh-FeldtLower-boundEpsilonaTests the null hypothesis that the error covariance matrix of the orthonormalized transformed dependent variables isproportional to an identity matrix.May be used to adjust the degrees of freedom for the averaged tests of si
48、gnificance. Corrected tests are displayedin the Tests of Within-Subjects Effects table.a. Design: Intercept+熟悉性 Within Subjects Design: 生字密度b. 检验结果表明：球形检验显著，P0.05, 不符合球形分布，因此不能使用标准一元方差分析结果，而使用备选方差分析结果两因素混合设计的两因素混合设计的SPSSSPSS方差分析步骤方差分析步骤n输出结果（4）：被试内效应Tests of Within-Subjects EffectsMeasure: MEASURE_1
49、81.083240.542162.167.00081.0831.08574.702162.167.00081.0831.36059.624162.167.00081.0831.00081.083162.167.00056.583228.292113.167.00056.5831.08552.130113.167.00056.5831.36041.608113.167.00056.5831.00056.583113.167.0003.00012.2503.0006.513.4613.0008.160.3683.0006.000.500Sphericity AssumedGreenhouse-Ge
50、isserHuynh-FeldtLower-boundSphericity AssumedGreenhouse-GeisserHuynh-FeldtLower-boundSphericity AssumedGreenhouse-GeisserHuynh-FeldtLower-boundSource生字密度生字密度 * 熟悉性Error(生字密度)Type III Sumof SquaresdfMean SquareFSig.备选方差分析结果，各效应均显著两因素混合设计的两因素混合设计的SPSSSPSS方差分析步骤方差分析步骤n输出结果（5）：被试间效应Tests of Between-Subj
