刻意练习19：SPSS做方差分析交互作用的简单效应分析

两个试验因素如果他们的交互作用有统计学意义，此时还需继续考察一个因素在另一个因素各水平上的差异，或者说，要考察两个因素不同水平组合之间到底是哪些组合有统计学差异。

这项工作就是交互作用的两两比较，为了区别于主效应的两两比较，特将交互作用的两两比较叫做简单效应分析。

案例背景及方差分析

研究当文章主题熟悉性不同时，生字密度对儿童阅读理解的影响。实验因素有两个，分别是“文章类型”和“生字密度”。文章类型两个水平，即1水平不熟悉，2水平熟悉，生字密度有三个水平，即1水平5:1，2水平10:1，3水平15:1。

（图：百度文库）

这是一个双因素完全随机设计，且考虑交互作用的存在。用SPSS做双因素方差分析，结果如下：

不同文章类型和生字密度对考试成绩的影响差异均具有统计学意义（P<0.05），各因素两两比较略，大家可以自己尝试。

文章类型和生字密度对成绩的影响存在交互作用，F（2,18）=15.2，P<0.05。即当文章主题熟悉性不同时，生字密度对儿童阅读理解的影响有统计学差异。

正如交互效应图所示，当阅读的文章类型不熟悉时，不同生字密度下测试的成绩差距不大（见蓝色线条），而当熟悉文章的类型时，不同生字密度下测试的成绩相差很大（见红色线条）。

6个水平组合中，两两之间的差异到底如何呢？需要进行简单效应分析。

开始分析

打开SPSS一般线性模型（单变量）菜单。因变量“成绩”，固定因子“文章类型”、“生字密度”，打开模型对话框，创建两个因素的主效应加二者的交互作用模型项。

其他参数按软件默认即可，返回主对话框。

SPSS方差分析对话框中并没有内置简单效应参数选项，我们需要使用SPSS的语法代码。此时在主对话框点击【粘贴】按钮，打开该过程的语法窗口。如下所示。

请将以下这两行代码粘贴至已有代码中，建议放在最后一行之前。

/EMMEANS=TABLES(文章类型*生字密度)COMPARE(文章类型)ADJ(LSD)
/EMMEANS=TABLES(文章类型*生字密度)COMPARE(生字密度)ADJ(LSD)

其中：EMMEANSE是estimated marginal means subcommand的缩写，意思是估计边际平均数，TABLES函数以透视表格形式输出边际平均值；COMPARE指定要比较的分组变量；

SPSS默认提供lsd ，bonferroni和sidak这三种两两比较方法，本例选择lsd法。

最终效果如下：

两行语法代码含义：

1.以不同生字密度为前提条件，对比不同文章熟悉度对成绩的差异；
2.以不同文章熟悉度为前提条件，对比不同生字密度对成绩的差异；

注意这两行代码是制式的，括号里面的内容可以套用为自己的研究数据，即因素变量的名称。

然后全选所有代码，点击上方工具栏中的绿色三角，执行分析。

来看结果（配合前面的交互效应图）：

此表即为交互作用两两比较结果之一。

当阅读的文章类型不熟悉时，生字密度对测试成绩的影响两两之间均无统计学差异（P＞0.05）。考题突然变陌生了，学生们瞬间懵了，生字密度大或小已经不重要了，总之两个字：不会。

当熟悉阅读的文章类型时，生字密度对测试成绩的影响两两之间均有统计学差异（P＜0.05）。考题类型熟悉的情况下，此时生字密度对成绩的影响就凸显出来了。结合交互效应图，可见当生字密度越小时，大家的考试成绩越高，反之当生字密度过大时，考试成绩较低（连字都不认识，怎么得高分呢）。

文/图：由数据小兵最终编辑

数据来源：百度文库文档
https://wenku.baidu.com/view/2d3a58eaeffdc8d376eeaeaad1f34693daef10af.html

如有侵权，请及时告知立删