admin | 女足世界杯预测
方差分析
方差分析的本质
之前说的T检验，它能够解决“两组”均值比较的问题。但现实中，我们常常需要比较三个或更多组的差异。这时候，T检验就力不从心了（多次使用T检验会增加犯错的概率）。而方差分析，就是解决这类问题的“官方指定统计方法”。
方差分析，简称ANOVA，它的核心思想非常巧妙：通过分析数据的变异来源，来判断多个组别的均值是否存在显著差异。
它把总变异拆解为两部分：
组间变异：不同组别之间的差异，反映了实验处理的效果。
组内变异：同一组内部的差异，反映了随机误差。
然后做一个简单的比较：
如果组间变异远远大于组内变异，那就说明各组之间的差异不太可能是随机造成的，从而认为各组均值存在显著差异。
简单来说：方差分析就是一个“找大哥”的过程。它先告诉你这群组别里有没有一个特别出众的“大哥”（是否存在显著差异）。如果存在，我们再通过“事后检验”去弄清楚到底谁是“大哥”，以及谁和谁之间具体有差别。
方差分析的类型
根据自变量的数量，常用的有：
单因素方差分析：只有一个自变量（例如，只研究“教学方法”一个因素）。
多因素方差分析：有两个或以上的自变量（例如，同时研究“教学方法”和“学生性别”两个因素）。它还能分析因素之间是否存在交互效应——即一个因素的作用是否依赖于另一个因素。
SPSS实战，单因素方差分析
以“比较三种教学方法（讲授法、讨论法、PBL）对学生成绩的影响”为例，看看单因素方差分析是怎样操作的。
数据准备：
你的数据文件中应该有两列：
Method：教学方法（1=讲授法， 2=讨论法， 3=PBL项目法）
Score：学生的成绩
操作步骤：
点击菜单： 分析→比较均值→单因素ANOVA
设置对话框：
将 Score 选入 “因变量列表” 框。
将 Method 选入 “因子” 框。
事后比较（Post Hoc）： 点击 “事后比较” 按钮。
勾选 “LSD” （比较灵敏，适用于探索性研究）和 “Tukey” （较为保守，适用于证实性研究）。一般勾选其中一个即可，为演示我们同时勾选。
点击 “继续”。
选项： 点击 “选项” 按钮。
勾选 “描述性” 和 “方差同质性检验”。
点击 “继续”。
完成： 点击 “确定”。
单因素方差分析结果解读
1. 描述性统计与方差齐性检验
描述表：PBL组的均值最高（85.3），讲授法最低（75.2）。但差异是否显著未知。
方差齐性检验：Levene检验的显著性=0.775>0.05，说明方差齐，满足单因素方差分析的一个重要前提。
2. ANONA核心表格
解读：看 “显著性” 一栏，即P值。本例中P=.000<0.001。
结论：三种教学方法至少有两种在成绩上存在显著差异。
3. 事后比较（Post Hoc）结果
解读：看 “显著性” 列。如果P值小于0.05，则说明对应的两组之间存在显著差异。
结论：Tukey检验表明，讲授法与讨论法、讲授法与PBL法、讨论法与PBL法之间均存在显著差异。PBL法效果最佳，讲授法最差。
进阶实战，双因素方差分析与交互作用
现在，我们加入第二个因素“学习基础”，研究教学方法和学习基础是否共同影响成绩，以及它们之间是否有交互作用（例如：某种教学方法是否对特定学习基础的学生特别有效？）。
操作步骤：
点击菜单： 分析→一般线性模型→单变量
设置对话框：
将Score选入 “因变量”。
将Method（教学方法）和Base_Level（学习基础）选入 “固定因子” 框。
绘图： 点击“绘图”按钮，将Method选入“水平轴”，将Base_Level选入“单独线条”，然后点击“添加”。这样可以绘制交互作用图，直观查看可能的交互效应。
事后比较： 点击 “事后比较”，将Method和Base_Level都选入右侧，勾选“Tukey”。
选项： 点击 “选项”，勾选“描述性统计”、“效应量估算”（会输出偏η²）和“方差齐性检验”。
完成： 点击 “确定”。
双因素方差分析结果解读
1. 主体间效应检验
解读：
教学方法：P<.001，主效应显著，说明在排除学习基础的影响后，不同教学方法依然存在显著差异。
学习基础：P<.001，主效应显著，说明在排除教学方法的影响后，不同学习基础的学生成绩存在显著差异。
教学方法*学习基础：这是交互项。P=.049 <.05，交互作用显著！这是一个非常重要的发现。它意味着教学方法的效果会因学生原有学习基础的不同而不同。我们不能简单地单独说哪种教学方法最好，而必须结合学生的基础来讨论。
2. 交互作用图与简单效应分析
当交互作用显著时，我们需要进一步分析这种交互的具体模式。交互作用图能给我们最直观的展示。
解读：从假设的交互作用图中我们可能看到，对于“高基础”组，三种教学方法差异不大；但对于“低基础”组，PBL教学法的效果明显优于讲授法。这种“非平行”的趋势就是交互作用的体现。
由于交互作用显著，我们需要进行“简单效应分析”。 遗憾的是，SPSS在菜单界面没有提供简单效应分析的直接按钮，需要通过语法实现。但在论文中，我们可以这样描述和报告：
由于教学方法与学习基础的交互作用显著（p=.049），随后进行了简单效应分析。
分析表明：在“低基础”学生中，PBL教学法的成绩显著高于讨论法（p=.022）和讲授法（p=.001），而后两者之间无显著差异（p=.450）。
在“高基础”学生中，三种教学方法之间的成绩均无显著差异（所有p>.05）。
这表明，PBL教学法尤其有利于提升低基础学生的学习成绩。
论文报告格式
1. 单因素方差分析报告
采用单因素方差分析对三种教学方法的学生成绩进行比较。结果显示，不同教学方法组别的成绩存在显著差异，F(2, 87)=9.85, p<.001, η² =.185。事后检验（Tukey）表明，PBL项目法的成绩显著高于讨论法（p=.048）和讲授法（p<.001），且讨论法的成绩也显著高于讲授法（p=.045）。
2. 双因素方差分析报告
以教学方法和学习基础为自变量，成绩为因变量进行5×3双因素方差分析。Levene方差齐性检验表明方差齐性（p>.05）。结果显示，教学方法的主效应显著，F(2, 81)=14.10, p<.001，η²=.258；学习基础的主效应显著，F(2, 81)=20.68，p<.001，η²=.339；更重要的是，教学方法与学习基础的交互作用显著，F(4, 81)=2.35，p=.049, η²=.105。
对显著的交互作用进行简单效应分析发现，PBL教学法对于低基础学生群体的提升效果尤为显著，能使其成绩显著高于使用讨论法或讲授法（ps<.05），而该方法对高基础学生群体的效果则不显著。结果表明，教学方法的有效性因学生的初始学习基础而异。
特别提醒：
当交互作用显著时，对主效应的解释需要非常谨慎，重点应放在对交互作用的分析和解读上。
报告中应结合描述性统计均值和简单效应分析结果，用文字清晰地阐述交互作用的具体模式（例如：“……对A群体的效果好，但对B群体效果不佳”）。
交互作用图是帮助理解和呈现结果的强大工具，在论文中应尽量附上。返回搜狐，查看更多