我的论文是关於模特儿笑容差异程度 (四种微笑程度，建档时我以0.1.2.3来做出区别) 搭配不同的广告诉求(理性与感性诉求，建档时以0.1表示) 跟不同的服务业类型(银行与SPA，建档时以0.1表示) 下会对下列四个构面，也就是消费者的广告态度、产品态度 、模特儿笑容吸引力和购买意愿产生什麽影响? 共有16个实验组，每组至少30个以上的样本数，总样本数是610份。 问卷题目总共27题、广告态度10题、产品态度6题、 代言人微笑吸引力7题跟购买意愿4题 之前已经做过信度跟因素分析， 因素分析结果发现产品态度跟购买意愿跑在同一个因素里， 结论把它归纳在同一个构面，所以只剩下三个构面。 然後两题的因素负荷量较低所以删除之!! 所以现在我总共有三个因素(广告态度、产品态度与购买意愿、模特儿笑容吸引力)， 每个受测者对此三个因素都有其对应的因素分数。 我在上周已经先做过初始的三因子变异数分析， 也就是三个自变数交互作用下会对三个构面有什麽影响。 MEETING後，老师希望我再跑一个ANOVA，架构如下: (1)模特儿笑容差异程度(Var1)--------------------1.产品态度与购买意愿 (自变数，分别用0.1.2.3来代表) - 2.广告态度 - ------------------------------------------------- - - - (2)服务业类型(IVar1) (3)广告诉求(IVar2) 模特儿笑容吸引力(IVar3) (分别以0.1表示) (分别以0.1表示) 老师认为模特儿笑容吸引力不应该是依变数，应该是干扰变数(moderator)， 所以他要我将服务业类型、广告诉求跟模特儿笑容吸引力都当做干扰变数， 分别搭配模特儿笑容差异程度下，也就是想要看看Var1、Var1*IVar1、 Var1*IVar2、Var1*IVar3 会各对依变数(广告态度、产品态度与购买意愿)产生什麽影响? 之前问过他人意见，认为这应该是要用复回归跑的， 老师说用GLM就可以跑了，所以我想问的问题是 IVAR1跟IVAR2对应模特儿笑容差异程度，因为这三个都是类别变数， 所以跑ANOVA没问题，但是我的模特儿笑容吸引力， 是利用之前跑因素分析时跑出来的610个因素分数下去做的， 这是不是会造成不能使用GLM来作分析， 还是我可以透过什麽样的资料转换来解决这样的问题? (有人建议我可以把因素分数由小排到大，然後分类成几组给予新的编码。) 但我想问的是有没有别的方式，还是可以在变数检视这个地方就可以有所设定呢? 烦请有好心的大大解惑之,谢谢!! --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 118.168.35.104 ※ 编辑: TOAKEYOKO 来自: 118.168.35.104 (03/25 01:56)