了解重复测量方差分析假设以正确解释SPSS输出

我正在调查不同的奖励条件是否会影响任务绩效。我有一个小型研究的数据，该研究分为两组，每组n = 20。我收集了一项涉及在3种不同“奖励”条件下的性能的任务的数据。这项任务涉及在3种情况下的两次表现，但以随机顺序进行。我想看看在每个不同的“奖励”条件下，每个小组的任务绩效是否存在平均差异。

• IV =组类型
• DV = 3种条件下任务绩效的平均值

我从重复测量方差分析中获得了输出，并可以访问SPSS中的原始数据集，但是不确定如何进行。由于Pallant的文字有些局限，因此我无法找到这种解释的分步指南。我的特殊问题包括以下几个方面：

1. 我应该单独检查每个变量的正常性还是在IV的每个级别的组合中检查其正常性？如果组合使用，如何检查？
2. 我要先检查莫赫利测验吗？如果违反，那是什么意思？如果没有违反，那意味着什么？
3. 什么时候可以查看多元测试表或受试者内部效应的测试？我不确定何时使用这两个（或两者兼而有之）？
4. 看看成对比较总是可以吗？如果多变量或受试者内效应未显示显着性（即P <0.05），则这样做似乎是违反直觉的，但我再次不确定。

1. 您的因变量在主题间设计的每个单元中应该是正常的。您有2个这样的单元：2个组，因此两组均应为正态。另外，您的3 DV之间的方差-协方差矩阵在两组中应该相同。您可以通过EXPLORE程序中的Shapiro-Wilk检验或Kolmogorov-Smirnov（带有Lilliefors校正）检验来检查正态性。方差-协方差同质性可以通过Box的M检验（在判别分析中找到）进行检验。但是请注意，ANOVA对于两种假设的违反都非常可靠。

2. Mauchly的检验检查了所谓的球形度假设，这对于单变量方法重复测量方差分析是必要的。粗略地说，此假设要求重复测量的DV之间的差异不相互关联。如果违反了假设，则应忽略“被试内影响测验”表中的“假设的假设”，而是找到了一些更正（例如Greenhouse-Geisser）。

3. 受试者内部效应的测试表反映了RM-ANOVA中的“单变量方法”，而多元测试表则反映了“多变量方法”。这两个都是有用的，还有一点辩论是“更好的”。读一点在这里他们，多一点在这里。

4. 通常，如果总体效果不显着，则不会检查成对测试，这几乎没有意义。

使用SPSS解释重复测量方差分析的一般资源

听起来您需要有关重复测量方差分析的更好的常规资源。这里是一些网络资源，但是通常，搜索“ SPSS重复测量方差分析”将产生许多有用的选项。

• UCLA提供了一个SPSS输出示例，其中包括2 x 3混合方差分析以及其他一些示例。
• 安迪·菲尔德（Andy Field）关于重复测量方差分析

1.检查正常性

• 从实践的角度来看，常态性检验通常用于证明转换的合理性。如果确实要应用转换，则需要将相同的转换应用于设计的所有单元。
• 使用SPSS评估正态性的一种常用方法是建立模型并保存残差，然后检查残差的分布。

2. Mauchly检验的价值

• 一种常见的策略是查看Mauchly的检验，如果它在统计上有意义，则解释单变量校正检验或多变量检验。

3.多变量

• 我认为@ttnphns总结得很好。

4.成对比较

• 我认为@ttnphns总结得很好。