※ 引述《kerryting (以罗)》之铭言： : 不好意思，希望能请教一下板上的各位。 : 因为我是自己看书跑SPSS的，所以有些书中没有例子或详细说明的部份我就不会解释。 : 现在我在使用相依样本（重复量数）时对covariates的结果解释出现了一些困难， : 想请教比较了解或是可能有经验的人能不能提供我一些意见或方向，谢谢。 : 实验是让每个受试者都使用过三种界面， : 想要比较三种界面的分数高低（连续变项），所以用相依样本（重复量数）， : 这个我看书都没什麽问题。 : 可是由於考虑到受试者原本的一些个人特质可能在其中产生影响， : 我将三种个人特质放进covariates（也都是连续变项）。 : 结果出来是： : (受试者内效应项的检定) : 界面　 （显着） : 界面 X 特质1 （不显着） : 界面 X 特质2 （不显着） : 界面 X 特质3 （显着） : 　 ↑这一个部份我不知道应该怎麽解释？ : 因为翻了几本书，在这个部份都没有提到若放进covariates该怎麽解释， Anova里的covariates一般是用来做"控制"的 俗称的控制变数~ 既然是控制变数....那一般当然是不解释 你如果认为有影响 那就不该放在控制变数里去做Ancova 而是把个人特质当做自变项处理 : 我只知道意思应该是指：界面和特质3有交互作用。 : 有一个简单的想法是： : 可能因为受试者特质3的高低，使得他们在实验结果上出现显着； : 即，不同界面分数高低的显着，有可能是因为特质3干扰的影响。 : 不知道这种想法对不对？ 从这边就可以知道你把特质视为自变数~ 那你的做法就不合适 : 如果是的话，又是怎麽影响呢？（这个我就真的不知道要看哪里了...Orz） : 对不起，因为手边两本spss的书都没有写这样的例子 : （例子重点都会直接放在相依样本显着与否，没有放进covariates的例子） : 不知道有没有人能告诉我正确的想法， : 或是，可以直接告诉我哪里有类似的spss例子或解说（书或网路）我直接去看也可以？ : 还是我根本就用错方法了呢...Orz 一般而言 如果自变数含有类别及连续尺度 而依变项是连续尺度 就该改用一般线性回归~ 把类别改用dummy 但是因为你是repeated measure~ 所以没办法这样处理 我建议你直接将三个特质利用事後分组的方式 分成高低组 (至於事後分组怎麽分 有很多方法~ 我就不多说了...) 再进行mixed design的方法进行分析 若是有交互作用显着 想知道更细~ 那你再做simple mian effect的test就可以 这样最简单~ --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.112.24.37