六讲提升语言统计

六讲提升语言统计
241人加入学习
(2人评价)
价格 ¥599.00
学时 8.0
学时 8.0
学习有效期 180 天(随到随学)
会员免费学 购买课程

四个因子 记忆力 阅读能力

动作能力 逻辑思维能力

固定因子 4 

因子个数

百分比不一样 :特征根抽取的解释百分比高

[展开全文]
  1. 当初次探索性因子分析得出某些因子的题量数少于三个时,可逐步减少因子数量
[展开全文]
  1. 不显著自变量过多,导致较正R2比R2下降很多
  2. R2可接受的范畴是大于0.2即可
  3. enter是验证,逐步回归是探索

 

[展开全文]

重复测量不适合以下情况:实验处理对被试产生的记忆效应和练习效应。

评价量表:英语示范性、学科专业性和敬业精神

[展开全文]

交互作用:某因素水平在另一因素个水平上变化的不一致趋势。(学生学术词汇量相同,在阅读专业相关程度不同的文章时,理解的程度不一样)

简单效应:某因素在另一因素某水平引起的变异,即方差。在交互作用显著的情况下才有意义。

处理效应 treatment effect 最大化

误差效应 error variance 最小化,即排除干扰变量 对因变量的影响,因此,需要控制干扰变量

单因素完全随机设计

单因素随机区组设计:

研究问题:生词量(生词密度)对阅读理解的影响。4个生词密度+阅读成绩(3*5=15).

方案一:完全随机设计:32大一英专学生,随机分4组;优势:简单易行;不足:对干扰变量(如智商、英语基础)未控制

方案二:随机区组设计:智商测试、分组/区组,同一区组内部进行实验处理。三个变量:增加了智商。

效果:将区组变量对总变量的影响从组内变异中分离出来,提高了F检验的精确度。

每一个被试一行,每一个变量一列

分析步骤:1) 完全随机方差分析-one-way anova (含有区别变异/误差)

2)随机区组方差分析:general linear model-univariate-自变量 fixed-区组变量random-model-custome-生词密度+智力水平-type main effect-option-自变量-勾选compare main effect-ok- test of between subject。此处,因设计了区组变量,F统计量更大,组内error减少。如果区组变量影响较小,说明区组设计可以没必要。接下来看estimate,再看pairwise ,mean difference中带星号的正数。

结论:因密度为5和10没有差异,因此,生词密度不用设置那么高,可设置三个水平。

区组设计旨在控制一个无关变量(通常为类别或顺序变量),区组变量的影响可能显著/不显著,如果小,区组设计必要性小,反之必要性大。3)区组变量与自变量不可存在交互作用;如果存在,可只用某一区组内的被试,或将区组视为自变量,进而转为使用双因素方差分析。

思考题:3套题,

单因素重复测量设计

协方差设计

双因素/多因素设计

[展开全文]